Demis Hassabis sabe un par de cosas sobre inteligencia artificial (IA): fundó la empresa londinense de IA DeepMind, que fue adquirida por Google en 2014 por casi 560 millones de euros. Desde entonces, la compañía ha doblegado a los seres humanos en el complejo juego de mesa Go y ahora está intentando elaborar sistemas de generales de inteligencia artificial.

Ahora, Hassabis sorprende con un nuevo punto de vista, según el cual, considera que la única manera de alcanzar el verdadero potencial de la inteligencia artificial es con una dosis de inspiración procedente del intelecto humano.

La mayoría de los sistemas de inteligencia artificial actuales se basan en capas de matemáticas ligeramente inspiradas en el funcionamiento del cerebro humano. Los diferentes tipos de aprendizaje automático, como el reconocimiento de voz y la identificación de objetos dentro de una imagen, requieren diferentes estructuras matemáticas, y aunque sus algoritmos resultantes rinden muy bien, sólo lo hacen en algunas tareas muy concretas.

Construir una inteligencia artificial capaz de asumir tareas de distinta naturaleza es algo que el sector desea desde hace años. Pero la verdad es que ampliar esos algoritmos especializados para que sean más versátiles sigue siendo un problema increíblemente difícil de resolver. Parte del problema es que los rasgos humanos como la curiosidad, la imaginación y la memoria no existen o sólo se encuentran en su infancia dentro del mundo de la inteligencia artificial

En un artículo publicado la semana pasada en la revista Neuron, Hassabis y tres coautores sostienen que sólo podremos expandir los límites de los intelectos artificiales mediante una mejor comprensión de la inteligencia humana.

Primero, dicen, una mejor comprensión de cómo funciona el cerebro permitirá crear nuevas estructuras y algoritmos para la inteligencia electrónica. En segundo lugar, las lecciones aprendidas de construir y probar sistemas vanguardistas de inteligencia artificial podrían ayudarnos a definir mejor qué es realmente la inteligencia.

El trabajo hace un repaso a la historia de la neurociencia y la inteligencia artificial para comprender las interacciones entre las dos. Sostiene que el aprendizaje profundo, que utiliza capas de neuronas artificiales para entender los datos, y el aprendizaje reforzado, en el que los sistemas aprenden mediante ensayo y error, deben mucho a la neurociencia.

Pero también señala que los avances más recientes no se han apoyado en la biología con tanta eficacia y que una inteligencia general necesitará más características humanas, como una comprensión intuitiva del mundo real y formas más eficientes de aprendizaje. La solución, según Hassabis y sus colegas, es un renovado "intercambio de ideas entre la inteligencia artificial y la neurociencia capaz de generar un "círculo virtuoso" que avance los objetivos de ambos campos".

Hassabis y sus coautores no son los únicos que piensan así. El profesor de psicología de la Universidad de Nueva York (EEUU) y antiguo director del laboratorio de inteligencia artificial de Uber, Gary Marcus, ha argumentado que los sistemas de aprendizaje automático pueden ser mejorados con ideas procedentes del estudio del desarrollo cognitivo de los niños.

Aun así, la implementación digital de estos hallazgos no será tarea fácil. Como explica Hassabis en una entrevista con The Verge, la inteligencia artificial y la neurociencia se han convertido en "dos campos muy, muy grandes y llenos de tradiciones propias", lo que hace "muy difícil ser experto incluso en uno de esos campos, y  mucho más ser bastante experto en ambos para poder traducir y encontrar conexiones".