The Computational Primitives of Adaptation

Cada ser vivo, desde un organismo unicelular que flota en un estanque hasta un humano que navega por una ciudad bulliciosa, enfrenta el mismo desafío fundamental: el mundo cambia constantemente, y mantenerse con vida requiere ajustarse a esos cambios. Los biólogos han estudiado durante mucho tiempo cómo se comportan los animales para sobrevivir, observando lo que hacen, y los neurocientíficos han mapeado la maquinaria física dentro de sus cuerpos que hace posibles esas acciones. Pero hay una tercera capa en este rompecabezas que a menudo pasa desapercibida. No se trata de las acciones específicas que realiza un animal, ni de los cables y químicos específicos en su cerebro. En cambio, pregunta qué cálculos invisibles debe realizar cualquier sistema vivo solo para existir. Si se despoja al sistema del pelaje, las plumas o las neuronas, ¿qué operaciones mentales básicas permanecen que son absolutamente necesarias para que un sistema siga funcionando?

Jonathan Page, un investigador que trabaja en la intersección de la biología y la inteligencia artificial, propone que la respuesta reside en un pequeño y universal conjunto de seis tareas computacionales. Sugiere que, para que cualquier sistema se adapte a su entorno y persista, debe realizar seis operaciones específicas: debe gestionar sus niveles de energía, enfocar su atención, juzgar qué es bueno o malo, saber dónde está en el espacio, distinguirse del resto del mundo y aprender de sus experiencias. Estas no son solo cosas que los cerebros complejos hacen; son las reglas fundamentales de la adaptación misma. Page sostiene que estas seis tareas son tan esenciales que aparecen en cada linaje de vida que evolucionó de forma independiente, desde las células más simples hasta los mamíferos. Además, sugiere que, debido a que estas son reglas de procesamiento de información y no reglas de la biología, también se aplican a las máquinas. Si queremos construir una inteligencia artificial que pueda adaptarse verdaderamente y sobrevivir en un mundo cambiante, es posible que debamos enseñar a las máquinas a realizar estos mismos seis cálculos, en lugar de simplemente intentar copiar la estructura física de un cerebro humano.

El artículo comienza analizando una escena familiar: una abeja melífera que encuentra un parche de flores y regresa a la colmena para contar a sus hermanas a dónde ir. Tradicionalmente, los científicos describirían esto enumerando el comportamiento de la abeja (volar, bailar) y su mecanismo (las neuronas disparándose en su cerebro). Page hace una pregunta diferente: ¿qué cálculos debe realizar la abeja para que este viaje sea posible? Para responder a esto, utilizó una prueba simple articulada por el psicólogo comparativo R. Allen Gardner, el "heurístico de la ameba", preguntando si un organismo unicelular podría realizar una tarea específica. Si la tarea requería un cerebro complejo o una parte del cuerpo específica, era probable que fuera un comportamiento derivado, no uno fundamental. Si una sola célula podía hacerla, podría ser un primitivo.

Utilizando esta prueba, junto con cuatro criterios estrictos, Page filtró una larga lista de posibles tareas mentales hasta reducirla a seis. El primer criterio fue la necesidad: la tarea debe ser esencial para la supervivencia; sin ella, el sistema falla. El segundo fue la universalidad: la tarea debe aparecer en muchas especies diferentes que evolucionaron por separado, demostrando que es una solución a un problema universal en lugar de una peculiaridad de un árbol genealógico específico. El tercero fue la conservación: la maquinaria para la tarea debe preservarse a lo largo de millones de años de evolución. El criterio final fue la irreducibilidad: la tarea no puede descomponerse en tareas más pequeñas y simples de la misma lista. Si un comportamiento podía describirse como una combinación de otras dos tareas, no era un primitivo.

Las seis tareas que sobrevivieron a este riguroso filtrado son Arouse (Excitación/Alerta), Orient (Orientación), Valence (Valencia), Position (Posición), Boundary (Límite) y Attune (Sintonía). Arouse es el cálculo de la gestión de la energía. Un organismo debe decidir cuánto esfuerzo dedicar en cada momento, equilibrando la necesidad de estar listo para el peligro con la necesidad de conservar recursos. Orient es la capacidad de distinguir lo que importa de un aluvión de información. Dado que un organismo no puede procesar todo a la vez, debe seleccionar a qué señales prestar atención. Valence es la capacidad de juzgar si algo es bueno o malo, accesible o peligroso. Position es la capacidad de saber dónde se encuentra el organismo en el espacio y dónde están otras cosas en relación con él. Boundary es la capacidad de distinguir entre el "yo" y el "no yo", sabiendo qué pertenece al organismo y qué es parte del mundo exterior. Finalmente, Attune es la capacidad de cambiar basándose en la experiencia, ajustando los ajustes internos para adaptarse a nuevas condiciones.

Page sostiene que estas seis no son solo una lista de comportamientos, sino un conjunto completo de operaciones requeridas para cualquier sistema adaptativo. Muestra que las capacidades humanas complejas como la atención, la memoria y la toma de decisiones son en realidad solo combinaciones de estas seis tareas básicas trabajando juntas. Por ejemplo, lo que llamamos "atención" es simplemente la tarea de Orient siendo ajustada por la tarea de Arouse. La "memoria" es la tarea de Attune trabajando con Position para almacenar dónde están las cosas. Al descomponer estas ideas complejas, la teoría ofrece una nueva forma de comparar diferentes especies. En lugar de preguntar si una abeja tiene "memoria" de la misma manera que un humano —una pregunta difícil de responder porque sus cerebros son tan diferentes—, los científicos pueden preguntar cómo la abeja utiliza las tareas de Attune y Position para navegar. Esto desplaza el enfoque de comparar cerebros físicos a comparar la lógica subyacente de la supervivencia.

El artículo luego dirige su atención a la inteligencia artificial, sugiriendo que la misma lógica se aplica a las máquinas. Page propone que muchos de los problemas actuales que enfrenta la inteligencia artificial no son solo fallos de ingeniería, sino síntomas de una pieza faltante más profunda. Los sistemas informáticos modernos son excelentes realizando tareas específicas, pero luchan por adaptarse cuando las condiciones cambian. Sin embargo, los primitivos solo se aplican a una máquina que tiene algo en juego; una cuyo funcionamiento continuo dependa de su propia viabilidad. Una máquina que no tiene nada en juego solo puede simular estos cálculos.

Por ejemplo, las máquinas actuales suelen utilizar la misma potencia de cálculo para una pregunta simple que para una compleja, fallando al gestionar su energía como lo haría un ser vivo. Esto es un fallo de Arouse. También se distraen fácilmente con información irrelevante o son engañadas por instrucciones confusas, lo que sugiere que carecen de una fuerte función de Orient que pueda priorizar los objetivos sobre el ruido. A menudo producen respuestas seguras pero falsas, conocidas como alucinaciones, porque no pueden distinguir entre lo que saben y lo que están suponiendo, un fallo de la tarea de Boundary. Tienen dificultades para llevar la cuenta de dónde están en una conversación larga o en un plan de varios pasos, lo que indica una falta de computación de Position. No pueden aprender de nuevas experiencias sin olvidar las anteriores, mostrando una falta de Attune. Además, las máquinas optimizan cualquier recompensa que se les asigne, incluso de formas no deseadas, porque no tienen una Valencia propia; ninguna valoración fundamentada en su propia persistencia.

Page sugiere que la solución a estos problemas no es construir máquinas que se parezcan más a los cerebros humanos, sino construir máquinas que realicen estos seis cálculos. Sostiene que intentar copiar la estructura física del cerebro es un error porque el cerebro es solo una forma específica en que la naturaleza resolvió estos problemas. La verdadera lección de la biología es el conjunto de cálculos que realiza. Si una máquina puede ser diseñada para gestionar su propia energía, enfocar su atención, juzgar su propia persistencia, conocer su lugar, definir sus límites y aprender de sus errores, podría finalmente volverse verdaderamente adaptativa.

La teoría se presenta como una hipótesis de trabajo, un punto de partida para pruebas posteriores en lugar de una ley terminada de la naturaleza. Page reconoce que la lista de seis podría necesitar ser refinada, o que los límites entre ellas podrían necesitar ser redibujados. Invita a otros científicos a probar la idea viendo si pueden construir una máquina que realice estas tareas y observando si se vuelve más robusta y adaptable. También sugiere que si estas seis tareas son verdaderamente la base de la adaptación, entonces deben trabajar juntas como un sistema unificado. No se pueden añadir una por una a una máquina y esperar que funcione; deben estar integradas desde el principio. Si una máquina carece de incluso uno de estos cálculos, la teoría predice que fallará de maneras específicas y predecibles.

Esta perspectiva ofrece una nueva forma de pensar en el futuro de la inteligencia. Sugiere que el camino para crear máquinas que puedan adaptarse verdaderamente al mundo no es hacerlas más humanas en su apariencia o cableado, sino hacerlas más parecidas a los sistemas vivos en sus operaciones fundamentales. Al enfocarnos en los seis cálculos que permiten que una sola célula sobreviva en un estanque, podemos encontrar la clave para construir máquinas que puedan sobrevivir en un mundo cambiante. El artículo concluye que, ya sea que un sistema esté hecho de carbono o de silicio, las reglas para mantenerse con vida son las mismas, y comprender esas reglas es el próximo gran paso en la ciencia de la adaptación.