patrocinado
Probablemente hayas oído hablar de LaMDA de Google y la discusión viral sobre si una IA puede volverse inteligente. el equipo de Tau argumenta que tal vez, la sensibilidad de una IA es solo una pequeña parte de su inteligencia. Más bien, la verdadera inteligencia de la IA se basará en su capacidad para comprender lógicamente las necesidades de las personas y satisfacerlas automáticamente.
Tau es la primera plataforma que podrá tomar los pensamientos, consejos y conocimientos de sus usuarios y actualizar su propio software en tiempo real haciendo que sus usuarios escriban en idiomas que tanto las máquinas como las personas puedan leer y comprender. La red social descentralizada de Tau y su aspecto monetario, criptomoneda ágoras, funciona con una IA que el equipo denomina inteligencia artificial verdaderamente inteligente: IA lógica. La IA lógica es radicalmente diferente del aprendizaje automático y, según el fundador de Tau, Ohad Asor, está a punto de convertirse en la próxima gran ola en el mundo de la tecnología.
En Tau, Logical AI le permitirá participar en discusiones del tamaño de miles de millones de personas y ver instantáneamente el significado colectivo intencional detrás de los pensamientos compartidos en la red. Esto se logrará haciendo que las personas utilicen lenguajes naturales controlados (CNL) que tanto los humanos como las máquinas puedan entender. Cada pensamiento y cada pieza de conocimiento, ya sea explícito o implícito, será automáticamente reconocido y registrado como tu Cosmovisión, que actuará como tu perfil en Tau y será completamente tuyo. Tener sus ideas y conocimientos organizados de una manera tan avanzada significará que podrá no solo descubrir soluciones innovadoras, sino también monetizar su conocimiento de una manera directa y sin esfuerzo que no ha sido posible antes.
Con solo ingresar sus pensamientos en Tau, su conocimiento se convertirá automáticamente en un activo digital de su propiedad. Podrás vender tu conocimiento a otros compradores, o usarlo para generar ingresos alquilando partes específicas a tus suscriptores, ya que Tau entenderá que incluso una parte de tu conocimiento puede ser parte de la solución al problema de alguien. Tau destacará la combinación de conocimientos de múltiples usuarios y la propondrá como una solución a problemas importantes y complejos, garantizando así que los conocimientos requeridos se ajusten al 100% a las especificaciones.
Ninguna de estas soluciones sería posible con ningún otro tipo de IA, excepto una basada en la lógica. Esto se debe a que, en pocas palabras, la IA lógica tiene que ver con palabras y oraciones. En esencia, se trata de la capacidad de inferir enunciados a partir de otros enunciados, a la manera de lo que se denomina razonamiento deductivo. Por ejemplo, de las tres declaraciones:
- París está en Francia.
- Francia está en Europa.
- Si x está en y e y está en z, entonces x está en z. Esto, para todo x, y, z.
podemos inferir el enunciado
El campo de la Lógica Matemática enseña que prácticamente todas las preguntas lógicas pueden reducirse a esta forma de deducción. Por ejemplo, un conjunto de enunciados es contradictorio si y sólo si podemos deducir de él tanto un enunciado como su negación.
La IA lógica es la mecanización del razonamiento lógico: encontrar contradicciones, determinar si una conclusión se deriva de suposiciones dadas, etc. Se trata, por tanto, de la capacidad de hacer que las máquinas entiendan lo que queremos decirles, más allá de las meras instrucciones de las máquinas.
Mientras tanto, Machine Learning, que actualmente es la forma más extendida de IA, consiste en generalizar a partir de ejemplos. Entonces, si tuviéramos que comunicar el ejemplo anterior de Francia y París a la manera del aprendizaje automático, tendríamos que proporcionar al algoritmo muchos ejemplos de la forma “x está en y”, y luego esperar que el algoritmo concluya que París está en Europa.
Tal forma de comunicación ni siquiera merece llamarse inteligente, ya que ¿cómo puede algo ser inteligente si no puede concluir que París está en Europa, y tiene que ver una gran cantidad de ejemplos para “entender” eso, mientras que incluso eso no esta garantizado? Generalizar a partir de ejemplos es de naturaleza probabilística. ¿Cómo podemos hacer conjeturas sobre muestras no vistas? Es sorprendente que Machine Learning pueda tener razón a veces y no sea completamente aleatorio y, de hecho, Machine Learning merece ser llamado un milagro matemático. Después de todo, ¿cómo se puede decir algo que es, con alta probabilidad, incluso aproximadamente correcto, bajo conocimiento cero más allá de algunas muestras?
Sorprendentemente, el aprendizaje automático puede hacer eso. Y de eso se trata el Machine Learning con todas sus ventajas y desventajas. Su caso de uso es cuando tenemos poco o ningún conocimiento sobre un sistema, y todo lo que podemos hacer es tomar muestras y tratar de generalizarlas.
La IA lógica, por otro lado, tiene que ver con el conocimiento total y absoluto, ya sea explícita o implícitamente. Se trata también de una forma de comunicación mucho más eficiente, la comunicación directa, “simplemente diciendo las cosas”, en lugar de afanarse en dar muchos ejemplos.
Además, sucede que el aprendizaje automático es inherentemente incapaz de realizar un razonamiento lógico, por ejemplo, detectar contradicciones. Esto se demuestra matemáticamente utilizando argumentos teóricos de la complejidad. Por lo tanto, no sorprende que el aprendizaje automático tenga éxito solo en campos que son de naturaleza no verbal, mientras que en el campo del procesamiento del lenguaje natural presenta capacidades muy limitadas.
Sin embargo, al revés es perfectamente válido: no solo la lógica puede hacer aprendizaje automático, sino que ya lo hace. Los algoritmos de aprendizaje automático ya se expresan en formas lógicas (a diferencia de los ejemplos) y ya se implementan como programas informáticos que también adoptan una forma lógica más bien probabilística, es decir, instrucciones de máquina.
Cubrir la IA lógica, por lo tanto, también cubre el aprendizaje automático, pero nunca se puede lograr al revés. Otra forma de decirlo es la siguiente: el aprendizaje automático cubre en última instancia lo que se denomina razonamiento inductivo y abductivo (que corresponden aproximadamente a lo que se denomina razonamiento aprendizaje supervisado y no supervisado), y como tal es muy prometedor, aunque todavía en una forma que se limita a meros ejemplos, y además, las tecnologías actuales tratan solo con datos de naturaleza numérica, o con datos que pueden convertirse en tales. La IA lógica, por otro lado, puede cubrir el razonamiento deductivo, el razonamiento inductivo y el razonamiento abductivo, en conjunto, en datos cualitativos y cuantitativos.
Estas son las principales razones por las que Tau ha elegido la IA lógica como la forma definitiva de IA, argumentando que el aprendizaje automático es solo un hito en la historia de la IA. Las soluciones de Tau mejorarán muchos aspectos del ancho de banda humano, desde la ampliación de debates hasta la monetización del conocimiento, los contratos inteligentes y la gobernanza descentralizada. Todo esto debido a la capacidad de la lógica para cerrar la brecha entre humanos y máquinas.
Más información sobre Tau y el equipo que hay detrás aquí
Únete a la creciente comunidad Tau en Telegrama
Esta es una publicación patrocinada. Aprende cómo llegar a nuestra audiencia aquí. Lea el descargo de responsabilidad a continuación.
Créditos de imagen: Shutterstock, Pixabay, Wiki Commons
Descargo de responsabilidad: Este artículo es solo para fines informativos. No es una oferta directa ni una solicitud de una oferta de compra o venta, ni una recomendación o respaldo de ningún producto, servicio o empresa. Bitcoin.com no proporciona asesoramiento de inversión, fiscal, legal o contable. Ni la empresa ni el autor son responsables, directa o indirectamente, de ningún daño o pérdida causados o presuntamente causados por o en relación con el uso o la confianza en cualquier contenido, bienes o servicios mencionados en este artículo.
