El otro día estuve comentando el libro “Las neuronas espejo” de Marco Iacoboni, y hoy he encontrado un video de la Universidad de California con una conferencia de Iacoboni en donde explica todo el tema. El video dura 54.08 m y está en inglés, aunque Iacoboni es italiano y se le entiende bien, lástima que los videos que muestra en la conferencia estén cortados aquí, queda fatal, pero es una buena conferencia y el tema es superinteresante.

Llevamos dentro el equipo neurológico receptor de gran parte de la vida emocional de los demás, y decodificamos esos mensajes simulando esos movimientos, actitudes o expresiones en nosotros mismos, aunque sin llegar a realizarlas. Esta simulacion virtual de la que se encargan las neuronas espejo funcionando como neuronas premotoras tiene, por lo que parece, solo funciones cognitivas, conocer mejor (casi intuir) a la persona que tenemos delante. Tenemos cerebros sociales.

Hace ya varios días leí una artículo sobre el número Omega, el número descubierto en los 80 por Gregory Chaitin a partir del problema de la parada de Turing y que parece introducir el azar en las matemáticas. Leí el artículo por encima, pero se me quedó un trozo dando vueltas por la cabeza: a partir de una cierta interpretación del número Omega se podía seguir que los problemas matemáticos que se pueden resolver (es decir, buena parte de las mátemáticas que conocemos) serían solo una pequeña parte dentro de un mar de proposiciones irresolubles que pertenecerían igualmente al conjunto de las mátematicas. Es una idea fuerte, pero se me quedó sobre todo porque enlaza con otra idea que me da vueltas desde que leí a Luhmann: como un sistema se define frente a su entorno reduciendo su complejidad. Realmente no se si estas dos cosas tienen algo que ver, pero a mi se me pegaron.

Bueno, el caso es que hoy (mientras estaba tendiendo la ropa) me he vuelto a acordar del número Omega y, ya que hoy es domingo y tengo tiempo, he decidido investigar más sobre el asunto. He tenido suerte y, además del artículo de New Scientist que había leido, he encontrado un resumen del propio Chaitin que lo explica bastante  bien para mi nivel de matemáticas (que es escolar) y que, sobre todo, pone su investigación en contexto. La historia es bonita, empieza en Leibnitz (en el siglo XVII), pasa por Hilbert, Gödel y Turing, y acaba explicando porqué un ordenador puede entrar de repente en un bucle infinito (ante la mirada desesperada del administrador de sistemas)y, más allá, cómo la calculada arquitectura que le suponemos a las matemáticas puede ser en realidad el resultado de conexiones determinadas encontradas casi al azar sobre un fondo de infinitos.

Que conste que voy a explicar ésto tal como lo he entendido, y que no soy ningún experto, pero bueno, vamos para allá (sigo + o – el resumen de Chaitin). Chaitin coloca a Leibnitz al inicio de la historia. En dos secciones (la V y VI) del “Discours de métaphysique”, se pregunta como podemos distinguir un mundo que puede ser explicado por la ciencia de uno que no, como determinar si algo de lo que vemos alrededor se puede ajustar a una ley científica o es puramente aleatorio (una pregunta sensata para un filósofo/científico en los inicios del racionalismo). Pone el ejemplo de alguien que deja caer varias manchas de tinta sobre una página de papel: si luego es posible trazar una curva matemática entre esos diversos puntos, la distinción que busca se establece por la proximidad o distancia que esa curva mantenga con el salpicado original. Cuanto más próxima, más compleja resulta y menos interés científico tiene (pues será solo válida en ese caso), y cuanto más distante (y esquemática) supondrá que las manchas siguen en realidad un pattern que puede utilizarse científicamente en otros casos.

A partir de esta idea, que se puede considerar algo aleatorio cuando su explicación es inútilmente compleja, Chaitin propuso un criterio para medir la complejidad que pasaba por el volcado de toda la cuestión a términos binarios. por una parte se medía la complejidad en bits de información (0 y 1) y por otra se substituían las equaciones matemáticas por programas informáticos. Esto permitía reducir a un común denominador y compara la complejidad de la teoría, en este caso el programa informático, con la complejidad de los datos que explica, o sea, el output del programa = la localización de las manchas de tinta.

As Leibniz observed, for any data there is always a complicated theory, which is a computer program that is the same size as the data. But that doesn’t count. It is only a real theory if there is compression, if the program is much smaller than its output, both measured in 0/1 bits. And if there can be no proper theory, then the bit string is called algorithmically random  or irreducible. That’s how you define a random string in algorithmic information theory.

Con todo esto, lo que Chaitin parece tener es un criterio para medir la complejidad, en términos de reducción de tamaño del programa que la gestiona, y un nombre para las cadenas que no de dejan reducir. Ahora pasamos a Hilbert, Gödel y Turing (sobre todo Turing). En 1920 Hilbert, uno de los matemáticos más famosos de su tiempo, lanzó un desafío urbi et orbe para intentar demostrar que toda la matemática se sigue de un sistema finito de axiomas escogidos correctamente y que tal sistema axiomático se puede probar consistente (wikipedia dixit), es decir, que la arquitectura de las matemáticas que sustentaba a si misma como los arcos de una catedral, un propósito que veo en paralelo con las pretensiones del positivismo por aquella época, que primero asumió y luego superó Wittgenstein.

Bueno, pues el llamamiento de Hilbert tuvo efectos inesperados. En 1931, Gödel publicó en Viena sus célebres teoremas que demostraban exactamente lo contrario: que que para todo sistema axiomático computable, si el sistema es consistente no puede ser completo, y la consistencia de los axiomas no puede demostrarse en el interior del sistema (wiki, wiki). En resumen, que la pretensión de que las matemáticas se demostraran como un sistema cerrado autosustentado era inviable. Los vieneses por aquella época (Wittgenstein también lo era, y Freud) acabaron por desmontar las pretensiones más tradicionales de la cultura europea.

Lo que no sabía es que el problema de la parada de Turing también era una respuesta a la propuesta de Hilbert. Mientras que la respuesta de Gödel es un loop teórico interno, la respuesta de Turing (que era inglés, y por lo tanto el empirismo se le supone) se sitúa en un contexto práctico. El problema es el siguiente: en 1936 Turing presentó el primer modelo de un computador digital, lo que se conoce como la “máquina de Turing” (que es el modelo lógico original de los ordenadores actuales). El diseño del modelo incluía una pregunta muy básica, ¿era posible predecir con antelación si un programa introducido en el ordenador iba a finalizar, proporcionando el output solicitado, y cuando? El caso es que Turing demostró que ésto no era posible. Los programas suelen terminar en un tiempo aceptable, pero a veces no.

Bueno, pues después de esta laaarga introducción, el descubrimiento del numero Omega por Chaitin tiene su origen en el problema de la parada de Turing. Copio la explicación de Chaitin en versión original:

Now, instead of looking at individual instances of Turing’s famous halting problem, you just put all possible computer programs into a bag, shake it well, pick out a program, and ask: “what is the probability that it will eventually halt?”. This probability is the number Omega.

An example will make this clearer: suppose that in the whole wide world there are only two programs that eventually halt, and that these programs, when translated into bit strings, are 11001 and 101. Picking one of these at random is the same as randomly generating these two bit strings. You can do this by tossing a coin and writing down a 1 if heads comes up, and a 0 if tails comes up, so the probability of getting a particular bit is 1/2. This means that the probability of getting 101 is 1/2 x 1/2 x 1/2 x 1/2 x 1/2 = 1/2^5. So the probability of randomly choosing one of these two programs is 1/2^3+ 1/2^5 = 0.15625.

Of course, in reality there are a lot more programs that halt, and Omega is the sum of lots of terms of the form 1/2^ N. Also, when defining Omega, you have to make certain restrictions on which types of programs are valid, to avoid counting things twice, and to make sure that Omega does not become infinitely large.

Anyway, once you do things properly you can define a halting probability Omega between zero and one. Omega is a perfectly decent number, defined in a mathematically rigorous way. The particular value of Omega that you get depends on your choice of computer programming language, but its surprising properties don’t depend on that choice.

And what is the most surprising property of Omega? It’s the fact that it is irreducible, or algorithmically random, and that it is infinitely complex.

A ver, que ahora entramos en la parte dura (si hay alguien entre el público que lo entienda mejor, se ruega un comentario), en principio Omega es un número que pretende concretar una probabilidad. Como en términos binarios las probabilidades son al cincuenta por ciento, el resultado es 1/2 elevado a lo que sea (es curioso el recurso a la moneda). El resultado ha de ser un número decimal entre el 0 y el 1, en el ejemplo es el 0.15625, un número de lo más normal y simpático. Vale, es un ejemplo, en realidad no es 1/2^5, sino 1/2^N (siendo N un comodín para cualquier número), y aquí es donde parece que la cosa se complica y aparece un Omega irreductible, aleatorio e infinitamente complejo, es decir, el tipo de resultado en el que el programa y el output tienen el mismo tamaño y que, según lo establecido por Leibnitz, pertenece a lo que no vale la pena explicar a través de la ciencia porque es un caso particular.

Pero, ¿cómo aparece todo ésto?¿cual es la diferencia entre 5 y N que “emborrona” el resultado y hace aparece Omega en todo su esplendor? La verdad es que no me queda claro (por mi insufi en matemáticas, desde luego), y la explicación que añade Chaitin me deja medio medio. Chaitin compara luego la resistencia del numero Omega a dejarse comprimir con la posibilidad de comprimir algoritmicamente la raiz cuadrada de 2. Lo que entiendo es que la raiz cuadrada de 2 es, asimismo un número irracional, con infinitas cifras decimales que no siguen un periodo definido, pero que puede comprimirse a partir de sus primeros decimales, que siempre serán los mismos, mientras que los primeros decimales de un número Omega son tan aleatorios como el resto y no sirven para esa faena.

Bueno, hasta aquí llego en el tema matemático y lo dejo aquí, pero conviene echar un vistazo a las consecuencias de todo esto, y esto supone pasar de los hechos demostrables a su interpretación, que puede ser discutible . Voy a ir rápido porque ya estoy cansado y ésto se ha hecho muy largo. Cortar y pegar. La primera consecuencia, y la que menciona Chaitin, es que las matemáticas no pueden sostener una teoría del todo (TOE) desde el momento en que incluyen el número Omega (y esto es grave, teniendo en cuenta que es uno de los objetivos de la física, de la teoría de las cuerdas, por ejemplo):

A mathematical theory consists of a set of “axioms” — basic facts which we perceive to be self-evident and which need no further justification — and a set of rules about how to draw logical conclusions.

So a Theory of Everything would be a set of axioms from which we can deduce all mathematical truths and derive all mathematical objects. It would also have to have finite complexity, otherwise it wouldn’t be a theory. Since it’s a TOE it would have to be able to compute Omega, a perfectly decent mathematical object. The theory would have to provide us with a finite program which contains enough information to compute any one of the bits in Omega’s binary expansion. But this is impossible because Omega, as we’ve just seen, is infinitely complex — no finite program can compute it. There is no theory of finite complexity that can deduce Omega.

So this is an area in which mathematical truth has absolutely no structure, no structure that we will ever be able to appreciate in detail, only statistically. The best way of thinking about the bits of Omega is to say that each bit has probability 1/2 of being zero and probability 1/2 of being one, even though each bit is mathematically determined.

That’s where Turing’s halting problem has led us, to the discovery of pure randomness in a part of mathematics. I think that Turing and Leibniz would be delighted at this remarkable turn of events. Gödel’s incompleteness theorem tells us that within mathematics there are statements that are unknowable, or undecidable. Omega tells us that there are in fact infinitely many such statements: whether any one of the infinitely many bits of Omega is a 0 or a 1 is something we cannot deduce from any mathematical theory. More precisely, any maths theory enables us to determine at most finitely many bits of Omega.

Esto conduce a la idea de que las matemáticas dejen de considerarse deductivas para pasar a ser experimentales, empíricas, pues se trataría de “encontrar” los segmentos que entran en juego equalizando o de cualquier otra manera. Ésto es lo que opina John Casti:

The fact that randomness is everywhere has deep consequences, says John Casti, a mathematician at the Santa Fe Institute in New Mexico and the Vienna University of Technology. It means that a few bits of maths may follow from each other, but for most mathematical situations those connections won’t exist. And if you can’t make connections, you can’t solve or prove things. All a mathematician can do is aim to find the little bits of maths that do tie together. “Chaitin’s work shows that solvable problems are like a small island in a vast sea of undecidable propositions,” Casti says.

Y a partir de aquí, lo que decía al principio, que el sistema de las matemáticas se mantenga reduciendo su complejidad con respecto a su entorno, un entorno en el que parece que las operaciones tienen una alta probabilidad estadística de dar infinito.

He acabado de leer el libro de Marco Iacoboni sobre las neuronas espejo y sigo flipando con esas cositas que llevamos dentro. Ya he comentado varias veces por aquí el tema, a propósito de la película “Código 46” o del artículo de Ramachandran sobre su posible relación con la conciencia, pero voy ha hacer un poco de resumen introductorio. Son unas neuronas que descubrieron por casualidad Giacomo Rizzolatti y su equipo en la universidad de Parma en 1996 y que tienen la particularidad de que se activan no solo cuando realizamos determinadas acciones, sino cuando observamos a alguien realizando estas acciones. Esta diferencia tiene grandes consecuencias, supone que podemos reflejar como en un espejo acciones exteriores dentro de nuestro cerebro y de esta manera sentir, e incluso anticipar, la conducta y la expresión de otra persona y hacerla nuestra de una manera inmediata “como si el otro se transformara en otro yo”, según explica Vittorio Gallese, uno de los miembros del equipo de Rizzolatti. Bueno, pues Marco Iacoboni es profesor de psiquiatría en la UCLA y se involucró muy pronto en la investigación sobre las neuronas espejo, a partir de una investigación internacional coordinada a mediados de los noventa por Vittorio Gallese.

Lo que yo sabía sobre las neuronas espejo es que se las considera la base de la empatía, esa capacidad de ponerse en el sitio de otro y de entender sus reacciones y su comportamiento de una manera, digamos, intuitiva. Lo que he descubierto en el libro de Iacobini es que esa capacidad se basa en un proceso de imitación pero, sobre todo en que ese proceso de imitación funciona activando las neuronas motoras propias, es decir, aquellas que trabajan cuando realizamos una acción con una intención determinada, aunque de hecho no realicemos ninguna acción nosotros mismos. Esto quiere decir que nos podemos colocar en el lugar del otro duplicando su conducta y pillando su intención a nivel neuronal sin realizar nosotros mismos ningún movimiento, solo como un reflejo que nos sirve para entenderlo. Una de las consecuencias que tiene esto es que entendemos a los demás a este nivel de empatía, no por un análisis mental en frío de los datos que nos llegan sino por una reacción en caliente de nuestro sistema motor corpóreo que duplica internamente esos datos y los hace suyos.

El panorama que presenta Iacoboni es bastante diferente al que estamos acostumbrados. En lugar de individuos aislados, reflexivos y autónomos que necesitan de un “cemento social” (Jon Elster) para entrar en contacto, lo que viene a decir es que, neurológicamente y al nivel en que se encuentra actualmente la investigación, somos seres interdependientes que construyen su yo a partir de la imitación en la infancia y que mantenemos la capacidad de involucrarnos con los demás por resonancia interna y, además, que en esta capacidad tiene un papel crucial nuestro cuerpo y el sistema de neuronas que lo regulan. Copio un trozo:

“Por desgracia, la cultura occidental está dominada por un marco individualista, solipsista, que ha dado por válido el supuesto de que existe una completa separación entre el yo y el otro. Nos atrincheramos detrás de la idea de que cualquier sugerencia de interdependencia entre el yo y el otro puede sonar no solo contraria a nuestra intuición, sino difícil, hasta imposible de aceptar. Contra esta visión dominante, las neuronas espejo vuelven a reunir al yo y al otro”.

Pero entonces, en medio de este tráfico de reflejos e interconexiones, ¿cómo distingue el cerebro lo que realmente ocurre en nuestro interior de lo que es capaz de reflejar del interior de otro? Iacoboni plantea la hipótesis, basada en datos experimentales incompletos, de unas superneuronas espejo que no presentan activación cuando el sujeto del experimento observa una acción, sino solo cuando él mismo la realiza, y que actuarían como un interruptor que permitiría distinguir finalmente entre lo propio y lo ajeno. Los datos de las neuronas espejo tomarían al llegar al interruptor el camino del yo o del otro.

Pero a todo esto queda pendiente el papel del cuerpo a este nivel de conocimiento. El año pasado leí el libro (que no llegué a comentar porque coincidió con el viaje a China) de Antonio Damasio “El error de Descartes”. Damasio es otro neurólogo, profesor en la universidad de Southern California (vecina de la UCLA) y el libro ya es famoso. Son curiosas (parentesis) las referencias de los neurólogos a los filósofos: Damasio se enfrenta directamente a Descartes y el equipo de Parma, a través de Vittorio Gallese (y con Iacoboni incluido) aprovechan en sus investigaciones las líneas trazadas por la fenomenología existencialista de Merleau-Ponty. Pero bueno, una de las cosas con las que me quedé del libro de Damasio es el papel de las emociones y del cuerpo en el conocimiento, el peso de las áreas pre-reflexivas a la hora de decidir entre las múltiples opciones que se le presentan a la mente reflexiva para escoger. Copio un trozo:

“Los hechos que he presentado sobre los sentimientos y la razón, junto a otros que he comentado sobre la interconexión entre el cerebro y el cuerpo propiamente dicho, apoyan la idea más general  que planteé en la introducción del libro: que la comprensión global de la mente humana requiere una perspectiva organísmica; que la mente no solo debe moverse desde un cogitum no físico al ámbito del tejido biológico, sino que también debe relacionarse con un organismo completo, formado por la integración del cuerpo propiamente dicho y el cerebro, y completamente interactivo con un ambiente físico y social”.

Damasio, siguiendo las emociones, encontraba el cuerpo, y Iacoboni, siguiendo las neuronas espejo, vuelve a encontrar el cuerpo cuando las clasifica como neuronas premotoras. La pregunta entonces sería, ¿es posible el conocimiento sin el cuerpo? La respuesta que da Iacoboni es negativa, aunque de momento solo a nivel de hipótesis:

“Según esta alternativa, los procesos mentales cobran forma a través del cuerpo y de los tipos de experiencias perceptivas y motoras  que son producto del movimiento del cuerpo en el mundo circundante y de su interacción con él. Por lo general esta visión se denomina conocimiento corporeizado, y la versión de esta teoría especialmente dedicada al lenguaje se conoce como semántica corporeizada. El descubrimiento de las neuronas espejo ha sido un potente refuerzo de esta hipótesis que sostiene que la cognición y el lenguaje están corporeizados”.

Hoy he encontrado un artículo curioso, que me ha sacudido la mandra estival/digital que llevo estos días. El artículo se llama “Hallucinations and Reality Discrimination: Rethinking the Illusion of Reality“, y el autor es Ben Goertzel, un investigador en temas de Inteligencia Artificial del que ya he comentado algo por aquí. Y esta ha sido la sorpresa inicial, que alguien que trabaja en el campo IA proponga una “teoría de la alucinación”, ése ha sido un gancho para leerme el artículo. Otro ha sido que Ben Goertzel, aparte de encajar perfectamente en la casilla de “investigador heterodoxo”, trabaja sobre la hipótesis de considerar las interrelaciones de un sistema complejo en la manera como la inteligencia puede emerger de un “master network” que pueda ser reproducido computacionalmente, bien con la computación actual o con computación cuántica.

Pero bueno, si el artículo me ha sorprendido ha sido porque últimamente le estaba dando vueltas a una pregunta un poco sci-fi: ¿podría alucinar una máquina? Es decir, si una IA puede reproducir el cerebro humano, ¿podría también alcanzar el nivel de reconfiguración (y trangresión) que supone para el cerebro húmedo que llevamos dentro tener alucinaciones? A ver, voy por partes. La capacidad de alucinar no se suele considerar en la psicología y la neurología convencionales una característica propia del cerebro humano, más bien una disfunción, una patología. Un tratamiento + positivo solo se encuentra en la antropología, al estudiar otras culturas que hacen un recurso intensivo de todo tipo de “viajes”, y solo al final de un largo proceso de aproximación y de puesta en cuestión de prejuicios. Desde los chamanes siberianos que estudió Mircea Eliade (que puso fuertes resistencias al tema de la alucinación inducida) a las culturas de la ayahuasca del Amazonas que conquistaron a Michael Harner hay un largo trecho que ha puesto de relieve que la alucinación inducida es un factor cultural bastante generalizado y, por tanto, una + de las capacidades de nuestro cerebro. Otra cosa es que se utilice o no, y aquí hay un tema cultural que es otra historia, pero los alucinógenos de un tiempo a esta parte tampoco son tan extraños en nuestra cultura, y cualquiera que haya probado el LSD o algo semejante sabe que el cerebro despliega entonces capacidades insospechadas, una potencia (normalmente dormida) que hay que reconocerle como propia. Una potencia arriesgada, por otra parte.

Entonces la pregunta es ésta. ¿podría alucinar una máquina? Es decir, ¿podría superar la configuración con que ha sido programada para alcanzar la reconfiguración neuronal que suelen implicar los estados de alucinación inducida y conseguir alucinaciones suficientemente significativas para ella misma como para querer repetir la “experiencia”? ¿Podría ser capaz de cambiar, aunque sea temporalmente, el modelo del mundo para el cual ha sido programada? Porque sino no estará replicando el cerebro humano, sino una particular perspectiva cultural de las funciones del cerebro humano. Éste es el tema al que yo le estaba dando vueltas, digamos que un test de Turing psicodélico, y la verdad es que el artículo de Goertzel ha sido un poco decepcionante en este sentido porque va por otro lado, no es culpa suya, claro, ya lo dice en el título, “Rethinking the Illusion of Reality”. Goertzel está hablando de las alucinaciones como ilusiones, el punto de vista patológico de aquellas personas que no pueden discriminar entre sus propias alucinaciones (no inducidas) y la realidad que compartimos todos, y éste es un problema grave, vaya si lo es. Supongo (es un suponer) que su intención al tratar el tema tiene que ver con evitar que una IA caiga en la misma disfunción no deseada, no lo se. Pero con todo y la decepción, al fondo del análisis que hace y de las contribuciones que aporta hay un pequeño margen por donde se le puede dar un poco la vuelta al tema así planteado.

Goertzel parte de las conclusiones de Bentall y Slade, según los cuales los individuos propensos a alucinar no generan estímulos internos de manera diferente al resto de nosotros, sino que los interpretan de otra manera. Su crítica es que sus observaciones solo establecen la correlación entre una pobre discriminación de la realidad y las alucinaciones, pero no establecen una relación causal, y propone como ampliación una relación de retroalimentación entre una y otra basada en el concepto de Hartmann de “fronteras débiles”: algunos individuos colocan fronteras particularmente permeables alrededor de algunos sectores de su mente, incluido su propio yo. Goertzel propone un proceso no lineal en el que, dada la tendencia a construir fronteras débiles (es decir, una membrana permeable para el sistema), la pobre discriminación de la realidad y las alucinaciones se retroalimentan y el caso puede acabar en la sala de espera de un psiquiátrico. Un riesgo evidente.

Ahora bien, el estudio de Hartmann sobre el que se apoya Goertzel es directamente un estudio sobre la demencia, los casos límite en que se ha perdido el control y que no siempre pueden servir para estudiar las capacidades del cerebro que lo mantiene. Me gusta + como trata este mismo tema Ramachandran (del que también he hablado por aquí). Ramachandran dibuja, en relación con las neuronas espejo (las que se supone que nos proporcionan empatía, o sea, sensibilidad en la frontera) un abanico que va desde las fronteras cerradas del autista hasta las fronteras abiertas del místico, y de paso reconoce haber tenido experiencias de fronteras abiertas, en plan místico, algo que igual Hartmann hubiera catalogado como “fronteras débiles”, propensas al descontrol. Pero Ramachandran no solo es un neurologo destacado, sino que procede de una cultura que no es la occidental y no tiene tantos problemas con respecto a las fronteras del yo. No está Descartes por en medio.

Entonces el tema está, volviendo a Hartmann (y a Goertzel), ¿que hace que alguien tenga fronteras débiles en su mente o en su mismo yo? La respuesta se bifurca de entrada entre los casos en que está opción sea voluntaria y controlada y los casos en que no lo sea y pueda considerarse una patología. Pero esta bifurcación ya supone una ampliación del campo que había dejado demarcado Hartmann. Hay “fronteras débiles” que proceden de otros contextos culturales, de otros niveles de empatía o de otras experiencias psicodélicas. El nivel de permeabilidad de la frontera de cada uno podría ser una opción, siempre y cuando sea una opción voluntariamente asumida. Una vez explorado parte del territorio (con una experiencia psicodélica, por ejemplo) que no figura en los mapas que manejamos, puede ser una opción cambiar las leyes y establecer un decreto de “fronteras débiles”, y a ver que pasa. Esto lo puede hacer el cerebro que tenemos, lo hace, pero… ¿podría hacer esto una IA? Lo dicho, un test de Turing psicodélico.

Acabo de leer en New Scientist la apuesta que ha hecho Lewis Wolpert con Rupert Sheldrake sobre la posibilidad de predecir el desarrollo completo de un organismo a partir exclusivamente de su genoma, de su DNA. La apuesta de Wolpert es que en 20 años seremos capaces de predecir el comportamiento de casi todas las células de un embrión y la manera como, por división, van a dar lugar a un nuevo organismo. Tal como lo entiendo, se trata de conocer anticipadamente el arbol genealógico de cada célula, su origen y su emplazamiento final en la cabeza, en el estómago o donde sea.

En este caso, Lewis Wolpert apuesta por la hipótesis oficial: la forma de un nuevo organismo está codificada en el ADN, que incluye todo el catálogo de proteinas posibles pero solo libera en cada célula (y en cada posición) las adecuadas para que se vayan diversificando en la formación de las diferentes partes del cuerpo. Lo interesante es que la apuesta la haya hecho con Rupert Sheldrake (del que ya hablé por aquí y que estos días estaba leyendo otra vez), que defiende una hipótesis totalmente diferente en la que el papel “distribuidor” del ADN viene precedido por una teoría de campos. Wolpert apuesta a que la forma final de un organismo está ya codificada en el ADN y puede predecirse si se descifra el genoma, y con esto bastaría. Para Sheldrake esto no basta.

El problema consiste en que todavía no sabemos exactamente como de un embrión cuyas células tienen todas el mismo ADN acaba formándose un organismo con células y partes diferenciadas con morfología y funciones distintas. ¿Qué le dice a una célula cuando tiene que convertirse en higado o en pulmón, o hasta donde puede crecer la lengua? ¿qué le dice, en primer lugar, donde está, para que pueda actuar en consecuencia? La teoría de Wolpert es que las propias células tienen la capacidad de localizar su posición y coordinarse espacialmente a partir de señales moleculares. La objeción de Sheldrake es que todas las células tienen el mismo ADN, y lo que sabemos del ADN es que codifica proteinas, y no acaba de ver claro que en la receta para hacer ladrillos se pueda encontrar el plano del arquitecto. Por aquí lo explica.

As we will see, this model does not work very well. The genetic program is assumed
to be identical with DNA, the genetic chemical. The genetic information is coded in
DNA and this code forms the genetic program. But such a leap requires projecting
onto DNA properties that it does not actually possess. We know what, DNA does: it
codes for proteins; it codes for the sequence of amino acids which form proteins.
However, there is a big difference between coding for the structure of a protein-a
chemical constituent of the organism -and programming the development of an entire
organism. It is the difference between making bricks and building a house out of the
bricks. You need the bricks to build the house. If you have defective bricks, the
house will be defective. But the plan of the house is not contained in the bricks, or
the wires, or the beams, or cement.
Analogously, DNA only codes for the materials from which the body is constructed:
the enzymes, the structural proteins, and so forth. There is no evidence that it also
codes for the plan, the form, the morphology of the body. To see this more clearly,
think of your arms and legs. The form of the arms and legs is different; it’s obvious
that they have a different shape from each other. Yet the chemicals in the arms and
legs are identical. The muscles are the same, the nerve cells are the same, the skin
cells are the same, and the DNA is the same in all the cells of the arms and legs. In
fact, the DNA is the same in all the cells of the body. DNA alone cannot explain the
difference inform; something else is necessary to explain form.

Eso que falta para explicar la forma final lo busca Sheldrake a través de una teoría bastante sorprendente, la de los campos morfogenéticos. La forma vendría de alguna manera predeterminada por un campo propio para cada especie, un campo creador de formas. La pregunta es ¿qué clase de campo es éste? Sheldrake lo explica a partir del concepto de campo en física, como el campo electromagnético de Maxwell o el campo gravitatorio de Einstein, una determinada magnitud espacial que condiciona la ocurrencia de los fenómenos que tienen lugar en su interior.

The question of biological development, of morphogenesis, is actually quite open and
is the subject of much debate within biology itself. An alternative to the
mechanist/reductionist approach, which has been around since the 1920s, is the idea
of morphogenetic (form-shaping) fields. In this model, growing organisms are
shaped by fields which are both within and around them, fields which contain, as it
were, the form of the organism. This is closer to the Aristotelian tradition than to any
of the other traditional approaches. As an oak tree develops, the acorn is associated
with an oak tree field, an invisible organizing structure which organizes the oak tree’s
development; it is like an oak tree mold, within which the developing organism
grows.
Each species has its own fields, and within each organism there are fields within
fields. Within each of us is the field of the whole body; fields for arms and legs and
fields for kidneys and livers; within are fields for the different tissues inside these
organs, and then fields for the cells, and fields for the sub-cellular structures, and
fields for the molecules, and so on. There is a whole series of fields within fields. The
essence of the hypothesis I am proposing is that these fields, which are already
accepted quite widely within biology, have a kind of in-built memory derived from
previous forms of a similar kind. The liver field is shaped by the forms of previous
livers and the oak tree field by the forms and organization of previous oak trees.
Through the fields, by a process called morphic resonance, the influence of like upon
like, there is a connection among similar fields. That means that the field’s structure
has a cumulative memory, based on what has happened to the species in the past.
This idea applies not only to living organisms but also to protein molecules, crystals,
even to atoms. In the realm of crystals, for example, the theory would say that the
form a crystal takes depends on its characteristic morphic field. Morphic field is a
broader term which includes the fields of both form and behavior; hereafter, I shall
use the word morphic field rather than morphogenetic.

Bueno, evidentemente esta hipótesis se coloca a bastante distancia de la aproximación reduccionista a la que estamos acostumbrados. Si el ADN es el responsable final del organismo, la biología ha encontrado finalmente sus átomos, igual que la física creyó encontrar los suyos en un momento dado. No se, no se, en todo caso la apuesta pone una fecha para demostrar el éxito del punto de vista reduccionista, aquí el más se juega es Wolpert, Sheldrake dispone de más tiempo.

Bueno, estos días que no he escrito nada he estado leyendo bastante, y he acabado un libro al que también le tenía ganas, “On Intelligence” de Jeff Hawkins. Ya hablé Hawkins en otro post, cuando presentó la “Numenta Platform for Intelligent Computing” en el MIT hace dos años. La Numenta Platform es el resultado práctico de la aplicación de las ideas que explica en “On Intelligence”. Me había bajado el libro de Scribd y lo tenía en la cola de lectura, pero de repente lo encontré en La Central y me decidí a comprarlo. Leo mucho en el metro, y en el metro es más fácil leer un libro encuadernado que un montón de páginas sueltas, así que en seguida se colocó a la cabeza de la cola y, entre ratitos en el metro y ratitos en casa, ya lo he acabado.

Jeff Hawkins es uno de esos emprendedores de Silicon Valley (como Ray Kurzweil por otro lado) que triunfa como empresario (Palm Pilot) y entonces se dedica a su pasión favorita. La pasión de Kurzweil es el futuro y la pasión de Hawkins es el cerebro, conseguir entenderlo para poder construir máquinas inteligentes, esas máquinas que podrían producir la singularidad que anuncia Kurzweil. El tema es apasionante, porque sabemos muchas cosas, sabemos el comportamiento de los átomos y de muchas partículas subatómicas, sabemos bastante sobre como se crean las estrellas, como explotan, como se forman los planetas, pero no sabemos como funciona el cerebro, que es precisamente lo que estamos utilizando para saber todo eso.

Hawkins empieza diciendo que cuando se empezó a interesar por estos temas descubrió que no había una hipotesis global del funcionamiento del cerebro, habían muchos estudios parciales, a veces contradictorios, pero faltaba una propuesta de visión de conjunto dentro de la cual pudieran encajar las piezas del puzzle, y lo que hace en el libro es lanzar una propuesta concreta y a la vez insistir en que, si esta propuesta finalmente no permite encajar todas las piezas, sigue siendo necesario mantener una visión de conjunto para poder entender el cerebro. El tema de fondo es un giro metodológico.

Pero la primera pista que toma tiene que ver con el acelerador: la velocidad de transmisión de las neuronas es bastante inferior a la velocidad de transmisión de los procesadores, sin embargo el cerebro es capaz de ejecutar acciones complicadas con mucha mayor rapidez que cualquier ordenador. Subir escaleras o abrir una puerta son acciones que realizamos casi sin darnos cuenta y que para un robot resultan proezas. Ya expliqué en el otro post que Hawkins se centra en el estudio del cortex, la capa superior y más evolucionada del cerebro, y en donde reside lo que llamamos inteligencia. Su propósito es entender como funciona la inteligencia en el cerebro para reproducirla, para crear máquinas inteligentes. No pretende reproducir personas completas, sino solo esa capa que llamamos inteligencia.

Bueno, pues la solución que da a esa contradicción es que el cerebro trabaja con información previa que ya tiene almacenada en la memoria y que se activa cuando entra un dato que encaja en ella, podemos reconocer una canción a partir de unas cuantas notas, mientras que un ordenador necesita reconstruir cada vez toda la canción para identificarla. No hace falta tanta velocidad si la mayor parte del trabajo ya se hizo y se conserva. Hawkins basa esta hipótesis en otra más general que fue propuesta por Vernon Mountcastle en 1978: que el neocortex, que tiene una apariencia similar en toda su extensión, funciona asimismo a partir de un único “algoritmo”, en este caso de reconocimiento de patterns.

Hay una manera muy directa de comprobar ésto (que ya utilicé en el otro post), probar de leer lo que sigue muy rápido:

C13R70 D14 D3 V3R4N0 3574B4 3N L4 PL4Y4 0853RV4ND0 D05 CH1C45 8R1NC4ND0 3N 14 4R3N4, 357484N 7R484J4ND0 MUCH0 C0N57RUY3ND0 UN C4571LL0 D3 4R3N4 C0N 70RR35, P454D1Z05, 0CUL705 Y PU3N735. CU4ND0 357484N 4C484ND0 V1N0 UN4 0L4 9U3 D357RUY0 70D0 R3DUC13ND0 3L C4571LL0 4 UN M0N70N D3 4R3N4 Y 35PUM4. P3N53 9U3 D35PU35 DE 74N70 35FU3RZ0 L45 CH1C45 C0M3NZ4R14N 4 110R4R,P3R0 3N V3Z D3 350, C0RR13R0N P0R L4 P14Y4 R13ND0 Y JU64ND0 Y C0M3NZ4R0N 4 C0N57RU1R 07R0 C4571LLO. C0MPR3ND1 9U3 H4814 4PR3ND1D0 UN4 6R4N L3CC10N; 64574M05 MUCH0 713MP0 D3 NU357R4 V1D4 C0N57RUY3ND0 4L6UN4 C054 P3R0 CU4ND0 M45 74RD3 UN4 0L4 L1364 4 D357RU1R 70D0, S010 P3RM4N3C3 L4 4M1574D, 3L 4M0R Y 3L C4R1Ñ0, Y L45 M4N05 D3 49U3LL05 9U3 50N C4P4C35 D3 H4C3RN05 50NRR31R. S4LUD05 Y 83505.

El cerebro reconstruye la información que falta a partir del contexto y de los datos que tiene almacenados. Hawkins viene a decir que la inteligencia es en gran parte memoria, o una manera de gestionar la memoria.

All of this shouldn’t be too surprising if we take the view that patterns are all the
brain knows about. Brains are pattern machines. It’s not incorrect to express the
brain’s functions in terms of hearing or vision, but at the most fundamental level,
patterns are the name of the game. No matter how different the activities of
various cortical areas may seem from each other, the same basic cortical algorithm
is at work. The cortex doesn’t care if the patterns originated in vision, hearing, or
another sense. It doesn’t care if its inputs are from a single sensory organ or from
four. Nor would it care if you happened to perceive the world with sonar, radar, or
magnetic fields, or if you had tentacles rather than hands, or even if you lived in a
world of four dimensions rather than three.

Vale, el cerebro reconoce la realidad a partir de patterns guardadas en la memoria, es bastante convincente, pero ¿es éste un enfoque suficientemente global? Es un enfoque adecuado para crear máquinas inteligentes, entendiendo por inteligencia el reconocimiento y la anticipación de la realidad a la vista, saber desenvolverse rápidamente un un medio conocido e incluso aprender, pero extender la hipótesis hasta el punto de que “Brains are pattern machines” quizá es ir demasiado rápido. Se está utilizando la metáfora de la máquina, que es una de tantas creaciones del cerebro, para identificarlo y reproducirlo. De esta manera lo que se reproduce es un cerebro mecánico que algún día se puede preguntar: ¿sueñan los androides con ovejas eléctricas? ¿Sueñan los cerebros mecánicos?

Esta semana kanijo tradujo un superinteresante artículo titulado “Las partículas subatómicas tienen libre albedrío“, y me dio un respingo solo con leer el título porque uno de los temas que más me dan vueltas en la cabeza ultimamente (mientras subo y bajo de metros, cruzo semáforos, subo escaleras, abro y cierro puertas y voy cumpliendo toda otra serie de actividades igualmente interesantes con el 10% de mi actividad cerebral) es la posibilidad de que la distancia que tenemos culturalmente establecida entre un mundo físico determinado por leyes que está ahí fuera y nuestro mundo social formado por individuos libres que pueden elegir si cruzan o no un semaforo en rojo igual no es tan grande como nos habían dicho.

Es un tema que ha ido saliendo varias veces por aquí. La redes complejas de que habla Ricard Solé tienen el mismo comportamiento cuando a los elementos que las forman se les supone una voluntad libre que cuando no se les supone, las redes de internautas tienen un extraño parecido con las redes de neuronas. La “física de las instituciones” de Philip Ball plantea directamente este tema: el estudio de un conjunto suficientemente amplio de datos sobre decisiones individuales muestran regularidades estadísticas semejantes al comportamiento de los átomos dentro de un gas. El tema aparece también en los trabajos de Barabási sobre la estructura y la dinámica de las redes, y ya comenté su paralelismo con lo que explica Robert B. Laughlin sobre los comportamientos colectivos en el campo de la superconductividad. En realidad fue en el libro de Laughlin (“Un universo diferente“) donde me empezó a interesar este tema, pues varias veces cuestiona que los seres animados sean completamente distintos de los objetos inanimados. Todo esto lo traigo ahora mismo un poco cogido por los pelos, pero lo interesante es la dirección a donde apunta.

Y la dirección a donde apunta la flecha puede ser perfectamente a una diana que ponga “Las partículas subatómicas tienen libre albedrío”. La verdad es que lo de “libre albedrío” suena demasiado teológico, en inglés queda mejor, “free will”, pero es verdad que “voluntad libre” no acaba de tener en castellano el mismo sentido, en fin. Pues bueno, el post de kanijo traduce un artículo (“Subatomic particles have free will”) que explica una nota de la universidad de Princeton en donde anuncian el curso que John H. Conway y Simon Kochen van a dar estos días sobre el “Free will theorem”, el teorema de la voluntad libre de las partículas elementales. Teorema. Toma ya.

Tanto John H. Conway como Simon Kochen son matemáticos (ojo al dato) y, por lo que he podido entender, que el teorema lo presenten dos autores tiene un peso decisivo en su demostración. Pero voy por partes. Lo sorprendente del planteamiento es que se basa en la libertad de elección del que realiza el experimento para llegar a la libertad de elección de la partícula que es objeto del experimento. En Ciencia Kanija se explica así:

“Los matemáticos estadounidenses basaron sus deducciones en tres teoremas inexpugnables, los cuales también van en consonancia: ‘espín’ – que mide una propiedad cuántica llamada espín de una partícula elemental; ‘gemelo’ – que un par de partículas estén correlacionadas; y ‘minuto’ – que es la restricción del experimentador de que lo que mide no puede comunicarse más rápido que la velocidad de la luz.

Si los experimentadores son libres para elegir entre experimentos – es decir, la elección de los experimentos no está predeterminada por eventos anteriores – entonces la partícula también debe decidir cómo actuar en el estímulo del momento”.

Bueno, en inglés rima y todo: spin, twin y fin (min). El spin es una propiedad de las particulas elementales en función de su rotación sobre su propio eje, una rotación quantificada que les da determinadas propiedades. El spin de una partícula puede estar inmediatamente relacionado con el spin de otra por medio del entrelazamiento, twin, con independencia de la distancia que las separe a ambas. Y con el fin entra en escena el investigador, el fin implica que existe una velocidad máxima de propagación de la información.

En la nota de Princeton explican más detalles sobre el asunto, como que Conway se dedica a jugar al Go mientras que Kochen juega al tenis, y explican asi la idea original:

The smallest particles inside an atom have a property known as “spin.” And scientists have found that the spin of some particles may be related to the spin of other particles, something known as “entanglement” and also known as the “twin” axiom. However, an experimenter’s choice of spin direction to measure cannot be communicated faster than the speed of light. (This is the “fin” axiom.)

Looking at this sequence of facts, the mathematicians have been able to extract the conclusion that, if a human experimenter can make decisions independently of past events, then the particle can also make a free choice.

¿Como? La verdad es que no me queda nada claro, supongo que es lo que explicaran en el curso, pero dan alguna pista:

“You want to know how the world works — there’s this sense that the present state is somehow derived from the moment before it,” said Conway, an extrovert’s extrovert who, in addition to studying fundamental mathematical subjects like symmetry, excels in card tricks and memory games. “We were trying to understand how it happens, and we suddenly realized there was no way of explaining successive states because the previous state could give rise to two different positions.”

“Two different positions”, vale, eso me aclara un poco el tema, si o no, lo hago o no lo hago, 0 o 1, pero poco más. Por suerte la wikipedia YA tiene una entrada sobre el Free will theorem, y allí explican que:

The theorem states that, given the axioms, if the two experimenters in question are free to make choices about what measurements to take, then the results of the measurements cannot be determined by anything previous to the experiments. Since the theorem applies to any arbitrary physical theory consistent with the axioms, it would not even be possible to place the information into the universe’s past in an ad hoc way. The argument proceeds from the Kochen-Specker theorem, which shows that the result of any individual measurement of spin was not fixed independently of the choice of measurements.

Aquí es donde se entrelazan lo que se mide con el que lo mide y con las libertades que se toman mutuamente. La demostración exacta se me escapa, pero el planteamiento me interesa. Estamos utilizando mapas y fronteras que pueden cambiar tan rápido como ha cambiado la geopolítica en los últimos años. Si hay una parte de la física de partículas que es libre de elegir entre dos opciones con independencia del estado previo, la distancia que nos separa de un mundo físico externo regulado por leyes deterministas se hace pequeña pequeña. Estamos dentro con una libertad compartida. 0 y 1.

En el artículo original en arXiv.org (que resulta que es del 2006), Conway y Kochen explican así las consecuencias del teorema:

The world it presents us with is a fascinating one, in which fundamental
particles are continually making their own decisions. No theory can predict
exactly what these particles will do in the future for the very good reason that
they may not yet have decided what this will be! Most of their decisions, of
course, will not greatly affect things — we can describe them as mere ineffec-
tual flutterings, which on a large scale almost cancel each other out, and so
can be ignored. The authors strongly believe, however, that there is a way
our brains prevent some of this cancellation, so allowing us to integrate what
remains and producing our own free will.
The mere existence of free will already has consequences for the philosophy
of general relativity. That theory has been thought by some to show that “the
flow of time” is an illusion. We quote only one of many distinguished authors
to that effect: “The objective world simply is, it does not happen”(Hermann
Weyl). It is remarkable that this common opinion, often referred to as the
“block universe” view, has come about merely as a consequence of the usual
way of modeling the mathematics of general relativity as a theory about the
curvature of an eternally existing arena of space-time. In the light of the Free
Will theorem this view is mistaken, since the future of the universe is not
determined. Theodore Roosevelt’s decision to build the Panama Canal shows
that free will moves mountains, which implies, by general relativity, that even
the curvature of space is not determined. The stage is still being built while
the show goes on.
Einstein could not bring himself to believe that “God plays dice with the
world,” but perhaps we could reconcile him to the idea that“God lets the world
run free.”

Vale, the stage is still being built while the show goes on. Woooow!!!

He empezado a leer “The Singularity Is Near”, de Raymond Kurzweil, un libro al que le tenía ganas y el otro día lo encontré en Scribd y me lo bajé. Realmente Kurzweil es un tipo curioso, creó el primer programa de OCR multifuente, el primer sintetizador que reproducía intrumentos tradicionales, el primer sistema de reconocimiento de voz, ha creado y vendido varias empresas, pero su tema realmente es el futuro, y su apuesta es que en un futuro nada lejano se nos va a venir encima una singularidad en la evolución biológica, cultural y tecnológica de la raza humana, un punto de fuga a partir del cual ya nada será igual. Suena a guión de ciencia ficción, ¿verdad?, bueno, cualquier profecía es siempre primero ficción, pero el caso es que el tema de la singularidad resulta (en mayor o menor grado) científicamente plausible, y de ahí mi interés en echar un vistazo a ese límite/lanzadera propuesto.

Una singularidad, en física, es lo que ocurre al margen de las leyes, al margen de lo que es posible preveer en función de una ley, el momento en que las ecuaciones patinan. El interior de un agujero negro es una singularidad, porque no somos capaces de calcular lo que allí puede ocurrir, es un punto ciego, o el mismo big bang es también una singularidad, una singularidad en el origen de las leyes. En la apuesta de Kurzweil la singularidad no se debe sin embargo a la gravedad desbocada, sino al umbral que puede alcanzar el progreso tecnológico con la creación de máquinas inteligentes (IA) que, en cooperación o no con nuestra inteligencia biológica, puedan crear sucesivas generaciones de máquinas inteligentes que superen lo que desde aquí consideramos inteligencia. Cuando una máquina creada a nuestra imagen pueda crear a su vez otra máquina creada a su imagen, y ésta a otra, la deriva de esta evolución tecnológica escapa a nuestro horizonte y aparece como una singularidad.

Kurzweil no ha sido el primero en hablar de este tipo de singularidad, un término que introdujo y popularizó Vernor Vinge, pero si ha introducido un dato importante que reduce plazos: el desarrollo tecnológico tiene un desarrollo exponencial. Para calcular el futuro no sirve extender hacia delante el ritmo de cambios que nos han traido hasta aquí, porque este ritmo se está acelerando continuamente en función de la mayor cantidad de información accesible. El futuro viene más rápido. Es lo que decía William Gibson, el futuro ya está aquí.

Hace algún tiempo estuve viendo el video de la intervención de Douglas R. Hofstadter (el de “Gödel, Escher, Bach”) en la Singularity Summit 2007 de Stanford, que creo que patrocina Kurzweil. Le venía a decir que en sus propuestas encontraba tanta ciencia como ciencia-ficción, y proponía reexaminar en términos puramente científicos ese territorio (futuro) que Kurzweil y otros han desbrozado. Creo que es una buena propuesta.

Voy a poner los videos de la intervención de Kurzweil y de Hofstadter en Stanford, y luego pongo los puntos y la deriva con que Kurzweil dibuja el mapa hipotético de la singularidad por llegar.

The Singularity involves the following principles, which I will document, develop, analyze, and
contemplate throughout the rest of this book:

• The rate of paradigm shift (technical innovation) is accelerating, right now doubling every decade.

• The power (price-performance, speed, capacity, and bandwidth) of information technologies is
growing exponentially at an even faster pace, now doubling about every year.29 This principle applies
to a wide range of measures, including the amount of human knowledge.

• For information technologies, there is a second level of exponential growth: that is, exponential
growth in the rate of exponential growth (the exponent). The reason: as a technology becomes more
cost effective, more resources are deployed toward its advancement, so the rate of exponential growth
increases over time. For example, the computer industry in the 1940s consisted of a handful of now
historically important projects. Today total revenue in the computer industry is more than one trillion
dollars, so research and development budgets are comparably higher.

• Human brain scanning is one of these exponentially improving technologies. As I will show in
chapter 4, the temporal and spatial resolution and bandwidth of brain scanning are doubling each
year. We are just now obtaining the tools sufficient to begin serious reverse engineering (decoding) of
the human brain’s principles of operation. We already have impressive models and simulations of a
couple dozen of the brain’s several hundred regions. Within two decades, we will have a detailed
understanding of how all the regions of the human brain work.

• We will have the requisite hardware to emulate human intelligence with supercomputers by the end
of this decade and with personal-computer-size devices by the end of the following decade. We will
have effective software models of human intelligence by the mid-2020s.

• With both the hardware and software needed to fully emulate human intelligence, we can expect
computers to pass the Turing test, indicating intelligence indistinguishable from that of biological
humans, by the end of the 2020s.30

• When they achieve this level of development, computers will be able to combine the traditional
strengths of human intelligence with the strengths of machine intelligence.

• The traditional strengths of human intelligence include a formidable ability to recognize patterns. The
massively parallel and self-organizing nature of the human brain is an ideal architecture for
recognizing patterns that are based on subtle, invariant properties. Humans are also capable of
learning new knowledge by applying insights and inferring principles from experience, including
information gathered through language. A key capability of human intelligence is the ability to create
mental models of reality and to conduct mental “what-if” experiments by varying aspects of these
models.

• The traditional strengths of machine intelligence include the ability to remember billions of facts
precisely and recall them instantly.

• Another advantage of nonbiological intelligence is that once a skill is mastered by a machine, it can
be performed repeatedly at high speed, at optimal accuracy, and without tiring.

• Perhaps most important, machines can share their knowledge at extremely high speed, compared to
the very slow speed of human knowledge-sharing through language.

• Nonbiological intelligence will be able to download skills and knowledge from other machines,
eventually also from humans.

• Machines will process and switch signals at close to the speed of light (about three hundred million
meters per second), compared to about one hundred meters per second for the electrochemical signals
used in biological mammalian brains.31 This speed ratio is at least three million to one.

• Machines will have access via the Internet to all the knowledge of our human-machine civilization
and will be able to master all of this knowledge.

• Machines can pool their resources, intelligence, and memories. Two machines—or one million
machines—can join together to become one and then become separate again. Multiple machines can
do both at the same time: become one and separate simultaneously. Humans call this falling in love,
but our biological ability to do this is fleeting and unreliable.

• The combination of these traditional strengths (the pattern-recognition ability of biological human
intelligence and the speed, memory capacity and accuracy, and knowledge and skill-sharing abilities
of nonbiological intelligence) will be formidable.

• Machine intelligence will have complete freedom of design and architecture (that is, they won’t be
constrained by biological limitations, such as the slow switching speed of our interneuronal
connections or a fixed skull size) as well as consistent performance at all times.

• Once nonbiological intelligence combines the traditional strengths of both humans and machines, the
nonbiological portion of our civilization’s intelligence will then continue to benefit from the double
exponential growth of machine price-performance, speed, and capacity.

• Once machines achieve the ability to design and engineer technology as humans do, only at far higher
speeds and capacities, they will have access to their own designs (source code) and the ability to
manipulate them. Humans are now accomplishing something similar through biotechnology
(changing the genetic and other information processes underlying our biology), but in a much slower
and far more limited way than what machines will be able to achieve by modifying their own
programs.

• Biology has inherent limitations. For example, every living organism must be built from proteins that
are folded from one-dimensional strings of amino acids. Protein-based mechanisms are lacking in
strength and speed. We will be able to reengineer all of the organs and systems in our biological
bodies and brains to be vastly more capable.

• As we will discuss in chapter 4, human intelligence does have a certain amount of plasticity (ability
to change its structure), more so than had previously been understood. But the architecture of the
human brain is nonetheless profoundly limited. For example, there is room for only about one
hundred trillion interneuronal connections in each of our skulls. A key genetic change that allowed
for the greater cognitive ability of humans compared to that of our primate ancestors was the
development of a larger cerebral cortex as well as the development of increased volume of graymatter
tissue in certain regions of the brain.32 This change occurred, however, on the very slow
timescale of biological evolution and still involves an inherent limit to the brain’s capacity. Machines
will be able to reformulate their own designs and augment their own capacities without limit. By
using nanotechnology-based designs, their capabilities will be far greater than biological brains
without increased size or energy consumption.

• Machines will also benefit from using very fast three-dimensional molecular circuits. Today’s
electronic circuits are more than one million times faster than the electrochemical switching used in
mammalian brains. Tomorrow’s molecular circuits will be based on devices such as nanotubes, which
are tiny cylinders of carbon atoms that measure about ten atoms across and are five hundred times
smaller than today’s silicon-based transistors. Since the signals have less distance to travel, they will
also be able to operate at terahertz (trillions of operations per second) speeds compared to the few
gigahertz (billions of operations per second) speeds of current chips.

• The rate of technological change will not be limited to human mental speeds. Machine intelligence
will improve its own abilities in a feedback cycle that unaided human intelligence will not be able to
follow.

• This cycle of machine intelligence’s iteratively improving its own design will become faster and
faster. This is in fact exactly what is predicted by the formula for continued acceleration of the rate of
paradigm shift. One of the objections that has been raised to the continuation of the acceleration of
paradigm shift is that it ultimately becomes much too fast for humans to follow, and so therefore, it’s
argued, it cannot happen. However, the shift from biological to nonbiological intelligence will enable
the trend to continue.

• Along with the accelerating improvement cycle of nonbiological intelligence, nanotechnology will
enable the manipulation of physical reality at the molecular level.

• Nanotechnology will enable the design of nanobots: robots designed at the molecular level, measured
in microns (millionths of a meter), such as “respirocytes” (mechanical red-blood cells).33 Nanobots
will have myriad roles within the human body, including reversing human aging (to the extent that
this task will not already have been completed through biotechnology, such as genetic engineering).

• Nanobots will interact with biological neurons to vastly extend human experience by creating virtual
reality from within the nervous system.

• Billions of nanobots in the capillaries of the brain will also vastly extend human intelligence.
• Once nonbiological intelligence gets a foothold in the human brain (this has already started with
computerized neural implants), the machine intelligence in our brains will grow exponentially (as it
has been doing all along), at least doubling in power each year. In contrast, biological intelligence is
effectively of fixed capacity. Thus, the nonbiological portion of our intelligence will ultimately
predominate.

• Nanobots will also enhance the environment by reversing pollution from earlier industrialization.

• Nanobots called foglets that can manipulate image and sound waves will bring the morphing qualities
of virtual reality to the real world.

• The human ability to understand and respond appropriately to emotion (so-called emotional
intelligence) is one of the forms of human intelligence that will be understood and mastered by future
machine intelligence. Some of our emotional responses are tuned to optimize our intelligence in the
context of our limited and frail biological bodies. Future machine intelligence will also have “bodies”
(for example, virtual bodies in virtual reality, or projections in real reality using foglets) in order to
interact with the world, but these nanoengineered bodies will be far more capable and durable than
biological human bodies. Thus, some of the “emotional” responses of future machine intelligence will
be redesigned to reflect their vastly enhanced physical capabilities.

• As virtual reality from within the nervous system becomes competitive with real reality in terms of
resolution and believability, our experiences will increasingly take place in virtual environments.

• In virtual reality, we can be a different person both physically and emotionally. In fact, other people
(such as your romantic partner) will be able to select a different body for you than you might select
for yourself (and vice versa).

• The law of accelerating returns will continue until nonbiological intelligence comes dose to
“saturating” the matter and energy in our vicinity of the universe with our human-machine
intelligence. By saturating, I mean utilizing the matter and energy patterns for computation to an
optimal degree, based on our understanding of the physics of computation. As we approach this limit,
the intelligence of our civilization will continue its expansion in capability by spreading outward
toward the rest of the universe. The speed of this expansion will quickly achieve the maximum speed
at which information can travel.

• Ultimately, the entire universe will become saturated with our intelligence. This is the destiny of the
universe. (See chapter 6.) We will determine our own fate rather than have it determined by the
current “dumb,” simple, machinelike forces that rule celestial mechanics.

• The length of time it will take the universe to become intelligent to this extent depends on whether or
not the speed of light is an immutable limit. There are indications of possible subtle exceptions (or
circumventions) to this limit, which, if they exist, the vast intelligence of our civilization at this future
time will be able to exploit.

This, then, is the Singularity. Some would say that we cannot comprehend it, at least with our current
level of understanding. For that reason, we cannot look past its event horizon and make complete sense of
what lies beyond. This is one reason we call this transformation the Singularity.

He estado leyendo en Edge un artículo de V.S. Ramachandran, un neurólogo que es profesor en la Universidad de California, sobre la posible relación entre las neuronas espejo y la conciencia, “Self awareness: the last frontier“. Ya comenté un poco el tema de las neuronas espejo y la empatía en otro post, son neuronas que se activan con la observación de cualquier actividad en otra persona y reproducen de alguna manera esa información en el interior del observador, crean un enlace más fuerte que se suma a los datos de los sentidos y te permite duplicar y comprender (o imitar) el estado de animo de otra persona o la temperatura de una situación. La mejor manera de explicarlo es a través de la empatía, que realmente puede permitirte colocarte en el lugar del otro y entender qué le está pasando.

Es curioso el tema de la empatía, porque permite hacer a distancia y, a veces, con pocos datos, un escáner de quién tienes delante o en que situación te encuentras. Pero en este escáner también ves a las personas que no tienen empatía, y que para conseguir la misma información tienen que aproximarse mucho más (y a veces chocar) hasta que consiguen un mensaje claro por otro canal, un mensaje que ya es una reacción. La empatía te aproxima a los demás, pero también a veces te aleja, cuando lo que de repente ves son esas líneas laser de protección que si las tocas van a saltar todas las alarmas. Las ves desde lejos y nunca chocas, pero no siempre puedes avisar.

Pero bueno, el artículo de Ramachandran enfoca todo esto en el tema de la conciencia personal, la conciencia que cada uno tenemos de nosotros mismos, un tema esquivo donde los haya y al que la ciencia aún no ha encontrado respuesta. Su hipótesis es que si las neuronas espejo reproducen y desdoblan de alguna manera los datos observados del exterior, igual también desdoblan nuestros propios datos internos en otro nivel que es el nivel de la conciencia.

To account for some of these syndromes we need to invoke mirror neurons discovered by Giacomo Rizzolatti, Victorio Gallase and Marco Iacoboni. Neurons in the prefrontal cortex send out sophisticated signals down the spinal cord that orchestrate skilled and semi-skilled movements such as putting food in your mouth, pulling a lever, pushing a button, etc. These are “ordinary” motor command neurons but some of them, known as mirror neurons, also fire when you merely watch another person perform a similar act. It’s as if the neuron (more strictly the network of which the neuron is part) was using the visual input to do a sort of “virtual reality simulation” of the other persons actions—allowing you to empathize with her and view the world from her point of view.

In a previous Edge essay I also speculated that these neurons can not only help simulate other people’s behavior but can be turned “inward”—as it were—to create second-order representations or metarepresentations of your own earlier brain processes. This could be the neural basis of introspection, and of the reciprocity of self awareness and other awareness. There is obviously a chicken-or-egg question here as to which evolved first, but that is tangential to my main argument. (See also Nick Humphrey’s contributions to Edge.) The main point is that the two co-evolved, mutually enriching each other to create the mature representation of self that characterizes modern humans.

La hipótesis me parece interesante, porque la conciencia tiene pinta de ser, efectivamente, una actividad de segundo nivel. Camino y se que estoy caminando, bebo y se que estoy bebiendo, hago cosas y se que las estoy haciendo, ese segundo nivel que desaparece (parece) con el alzheimer, cuando sigues caminando o bebiendo o haciendo lo que sea pero pierdes la conciencia de estarlo haciendo.

Pero a partir de ésta hipótesis, Ramachandran examina también de que manera el cerebro es capaz de distinguir que unas experiencias son propias y otras ajenas, cuando las experiencias que duplican las neuronas espejo proceden del interior o del exterior, y que es lo que crea, finalmente, esta diferencia. Es curioso, porque Ramachandran es un científico indio, y se plantea temas que igual no se plantearía un científico occidental. Esa barrera entre exterior e interior no tiene porque ser infranqueable.

I hasten to add that the involvement of the temporal lobes in mystical experiences does not in itself negate the existence of an abstract God, who, in Hindu philosophy, represents the supreme dissolution of all barriers. Perhaps the TLE patient has seen the truth and most of us haven’t. I don’t have TLE myself but have had personally had epiphanies when listening to a haunting strain of music, watching the aurora borealis, or looking at Jupiter’s moons through a telescope. During such epiphanies I have seen eternity in a moment and divinity in all things. And, indeed, felt one with the Cosmos. There is nothing “true “or “false” about such experiences—they are what they are; simply another way of looking at reality.

La capacidad de empatía de las neuronas espejo puede ser filtrado por otras redes neuronales que añadan y sobrepongan los datos que proceden de una experiencia propia. Este juego produciría un equilibrio capaz de distinguir entre el exterior y el interior, pero este equilibrio puede desnivelarse tanto en el caso de una persona autista, que carece por completo de empatía, como en el caso de un místico, que se siente inmerso en una realidad externa. Son dos tipos de experiencia límite, y en medio estamos el resto, en nuestra aceptable curva de Gauss compartida. Es curioso también lo que dice sobre las experiencias extracorpóreas:

Let us turn now to out-of-body experiences. Even a normal person—such as the reader—can at times adopt a “detached” allocentric stance toward yourself (employing something like mirror neurons) but this doesn’t become a full blown delusion because other neural systems (e.g. inhibition from fontal structures and skin receptors ) keep you anchored. But damage to the right fronto-parietal regions or ketamine anesthesia (which may influence the same circuits) removes the inhibition and you start leaving your body even to the extent of not feeling your own pain. You see your pain “objectively” as if someone else was experiencing it. Some such opossum-like detachment also occurs in dire emergencies when you momentarily leave yourself and watch your body being raped or mauled by a lion. This reflex is normally protective (lying still to fool predators) but a vestige of it in humans may manifest as “dissociative” states under conditions of extreme stress.

Bueno, he encontrado en YouTube un video en donde explica un poco todo ésto, lo pongo aquí.

Hoy he tenido un día un poco cuántico. Esta mañana he leido un paper (no tengo aquí el link, mañana lo actualizo y lo pongo Grover’s algorithm and human memory de Riccardo Franco) que proponía representar como la memoria puede encontrar un dato entre los ovillos de neuronas del cerebro a partir de un determinado algoritmo creado para ser utilizado en la computación cuántica. Copio aquí el abstract, que lo explica mejor.

In this article we consider an experimental study showing the influence
of emotion regulation strategies on human memory performance: part of such
experimental results are difficult to explain within a classic cognitive allocation model.
We provide a first attempt to build a model of human memory processes based on a
quantum algorithm, the Grover’s algorithm, which allows to search a particular item
within an unsorted set of items more efficiently than any classic search algorithm.
Based on Grover’s algorithm paradigm, this new memory model results to have
interesting features: it is an iterative process, it uses parallelism and interference
effects. Moreover, the strength of such interference effects depends on a parameter of
the generalized Grover’s algorithm, called the phase, which admits an interpretation in
terms of the emotions involved by the items and by the emotion regulation strategies.
Thus we show that a reasonable choice of the phase is able to describe correctly the
experimental results we consider.

Bueno, pues acabo de leer (a través de menéame y el blog de Maikelnai) un artículo interesante en Discover que con el título (en clave de gancho periodístico) de Is Quantum Mechanics Controlling Your Thoughts? repasa una serie de investigaciones sobre procesos cuánticos en la biología y acaba dando un paso más largo desde la biología al cerebro, aunque ya no a partir de datos de investigaciones sino de hipótesis. Es este paso largo el que da título al artículo, aunque al fin y al cabo el cerebro también es biología, ¿no?. El tema de la relación entre la física (clásica o cuántica) y la biología cada vez me resulta más interesante, porque resulta ambas están construidas con los mismos ladrillos. Y esos ladrillos también aparecen, mejor pintados, en la neurología, y casi diría que en la sociología sigue habiendo rastros de la misma arcilla. Pero bueno, yo la primera noticia que tuve sobre el papel que puede jugar la física cuántica en el cerebro fue a través de la crítica de Roger Penrose a la hipótesis de la IA fuerte en “La nueva mente del emperador”y, aunque no me acabaron de convencer sus conclusiones, me sigue interesando desde entonces.

El artículo de Discover comenta tres investigaciones en tres ámbitos escalonados antes de entrar en el tema del cerebro. La primera (no voy a poner las referencias, están en el artículo) escudriña el comportamiento de una determinada proteina de una bacteria en el proceso de la fotosíntesis. Esta proteina es la encargada de conectar los colectores solares externos de la bacteria, las minipantallas que recogen la energía solar, con los centros de procesamiento en el interior de las células. Este proceso se realiza con un 95% de eficiencia, es decir, que solo se pierde un 5% de energía frente al 20% que se pierde en nuestras transmisiones eléctricas. Pues bien, la investigación encontró que la energía viaja al principio en diferentes direcciones al mismo tiempo, y suponen que cuando encuentra la ruta más rápida el efecto cuántico desaparece para dar paso a una ruta bien señalizada según el manual de la física clásica.

Si la primera investigación tiene que ver con la función de onda, la segunda y la tercera tienen que ver con el efecto tunel. Por una parte la identificación de los olores no dependerían del tamaño de las moléculas que nos traen el olor, sino de la acción de un electrón emitido por nuestros receptores olfativos que “tunelearía” la molécula haciendola vibrar, y sería esta diferente vibración la que identificaría un olor determinado. Por otra, y este tema me resulta muy interesante porque soy un apostol del uso del té verde, la función antioxidante de este té se basaría (según una investigación de bioquímicos de la UAB) en que los radicales libres tienen un electrón extra que los hace reactivos, es decir, capaces de oxidar las células con las que reaccionan, pero un electrón de la catechina que abunda en el té verde puede enlazar por efecto tunel con ese electrón libre y neutralizarlo. No más vacile, no más oxidación, hop hop!

Y el siguiente paso largo es el cerebro. El artículo comenta la hipótesis de Stuart Hameroff, anestesista y profesor en la Universidad de Arizona, que ha planteado la posibilidad de que en los microtúbulos celulares resida una función semejante a la computación cuántica y generen a partir de ahí la conciencia, un planteamiento que tiene su origen en su experiencia como anestesista.

He speculates that the action unfolds like this: When certain key electrons are in one “place,” call it to the “left,” part of the microtubule is squashed; when the electrons fall to the “right,” the section is elongated. But the laws of quantum mechanics allow for electrons to be both “left” and “right” at the same time, and thus for the micro­tubules to be both elongated and squashed at once. Each section of the constantly shifting system has an impact on other sections, potentially via quantum entanglement, leading to a dynamic quantum-mechanical dance. It is in this faster-than-light subatomic communication, Hameroff says, that consciousness is born. Anesthetics get in the way of the dancing electrons and stop the gyration at its quantum-mechanical core; that is how they are able to switch consciousness off.

Resulta que la wikipedia explica que Hameroff empezó a plantearse estos temas a partir del libro de Penrose, y que ambos trabajaron juntos sobre el tema durante algún tiempo:

Hameroff was inspired by Penrose’s book to contact Penrose regarding his own theories about the mechanism of anesthesia, and how it specifically targets consciousness via action on neural microtubules. The two met in 1992, and Hameroff suggested that the microtubules were a good candidate site for a quantum mechanism in the brain. Penrose was interested in the mathematical features of the microtubule lattice, and over the next two years the two collaborated in formulating the orchestrated objective reduction (Orch-OR) model of consciousness. Following this collaboration, Penrose published his second consciousness book, Shadows of the Mind.

Bueno bueno, de la fotosíntesis al olfato y a los antioxidantes, las investigaciones proporcionan datos de procesos cuánticos determinantes en la biología y la fisiología a ciertos niveles. Las hipótesis sobre su participación también en el cerebro y en concreto en la conciencia solo son de momento hipótesis, pero hipótesis muy seductoras.