El Año de Turing

El Año de Turing

La informática a la que recurrimos para tuitear o hacernos una resonancia magnética es en esencia Alan Turing, uno de los científicos más importantes de la Historia. Fue un hombre generoso que afrontó con genialidad lógica horrores como el Nazismo pero al que el mundo devolvió sólo injusticia. Acercamos su obra a los lectores para que comprueben lo importante que fueron sus aportaciones. Creó la Informática tal y como la conocemos.

Entrevista a Judea Pearl

Por: | 27 de septiembre de 2012

Entrevista a Judea Pearl, el último Premio Turing (2011), catedrático en la prestigiosa universidad de UCLA (Los Ángeles, Estados Unidos) e investigador en inteligencia artificial. El profesor Pearl es el padre de las redes bayesianas, los modelos gráficos y el razonamiento causal. Ha escrito tres libros muy influyentes, sobre búsqueda heurística (1984), razonamiento probabilístico (1989) y  causalidad (2000). Sus trabajos se pueden encontrar en: http://bayes.cs.ucla.edu/csl_papers.html.

Esta entrevista no hubiera sido posible sin la inestimable ayuda de Héctor Geffner.

PEDRO MESEGUER

Judeapearl4

¿Qué inspiró su interés inicial en inteligencia artificial?

No sé de ninguna persona que no estuviera interesada en entenderse a sí misma, con las mejores herramientas que tuviera a su alcance. Gente religiosa intenta esta comprensión a través de la narrativa bíblica, Descartes lo intentó con analogías mecánicas, psicólogos con su aún poco elaborado modelo de la mente y nosotros, informáticos, con el más poderoso mecanismo de proceso de símbolos que nunca ha estado disponible a la humanidad. Y emular es la clave para entender, porque nos proporciona la habilidad para tomar las cosas una a una y examinar su comportamiento bajo el microscopio de nuevas situaciones y nuevas configuraciones; esto es lo que se entiende por comprensión.

¿Hubo algún científico o filósofo que inició su interés?

Como cualquier otro niño con interés en la ciencia, estaba fascinado con las vidas de Arquímedes, Galileo, Newton, Faraday y Einstein, aunque ninguno en particular. Pero su influencia sobre mí tal vez fue especialmente profunda porque mis profesores de ciencia, en Israel, tenían una habilidad única para animar a estas figuras legendarias y darnos la ilusión de que nosotros, también tomabamos parte en sus descubrimientos.

¿Qué parte de su trabajo Heuristicspearl e investigación ha disfrutado más?

Ver mi intuición amplificada bajo el microscopio de modelos matemáticos, y entonces ver como yo puedo hacer hoy cosas que no podía hacer ayer.

¿Cuál ha sido el mayor desafío que ha encontrado en su investigación?

En retrospectiva, el mayor desafío fue romper con el pensamiento probabilista, y aceptar -primero- que la gente no piensan en probabilidades sino en causas-efectos y -segundo- que el pensamiento causal no puede ser capturado en el lenguaje de la probabilidad, requiere un lenguaje formal en sí mismo. Digo que fue mi mayor desafío en parte porque me tomó diez años hacer el cambio y en parte porque veo lo traumático que es este cambio hoy en colegas que se formaron en una tradición estadística estandard, incluyendo economistas, psicólogos y científicos de la salud, y estos son campos en los que este cambio sucederá en un futuro.

En el futuro ¿qué temas podrían ser Probabilistic-reasoning los siguiente grandes desarrollos en inteligencia artificial?

Es difícil de decir. Es un campo tan diverso y sus aplicaciones alcanzan un amplio rango de actividades humanas, que es imposible de decir si en visión, lenguaje natural o planificación será el próximo gran desarrollo. Yo especularía sobre áreas donde tengo un conocimiento más cercano e influencia más directa.

Su último libro sobre causalidad   ha causado un gran interés ¿Cuál ha sido la contribución más importante?

Causality2-coverPara informáticos, tal vez fue  el desarrollo de modelos gráficos probabilistas que permitieron manejar la incertidumbre de forma coherente y distribuida, mientras que evita la explosión combinatoria. Esto realmente comenzó con mi libro anterior sobre razonamiento probabilístico.

Para científicos empíricos, fue el desarrollo de modelos gráficos causales, porque permite a los investigadores articular suposiciones causales de forma transparente, deducir implicaciones que se puede comprobar, combinarlas con datos y responder preguntas difíciles de investigación que, antes, quedaban al pairo de la adivinación.

¿A donde se dirige el aprendizaje automático?

He visto mucho progreso en el descubrimiento causal, un área en donde hice trabajos en los últimos años de la década de los 1980, y que se ha desarrollado bastante desde entonces, hasta el punto que hay competiciones anuales entre programas para descubrir las relaciones correctas causa-efecto contenidas en montones de observaciones. Sería excitante si las máquinas pudieran descubrir que el canto del gallo no hace que el sol salga, y más ambiciosamente, que la malaria no está causada por "aire malo".

¿Puede decirnos algo sobre el libre albedrío?

Hablando desde mi perspectiva, veo la cuestión del libre albedrío como un tema de discusión, según los robots adquieran mayor autonomía, y se vuelvan más capaces en razonamiento introspectivo y contrafactual, que son necesarios para aprender a partir de retractaciones (learning from regret).

Varios vídeos, entre ellos uno sobre el libre albedrío se encuentran aquí.

¿Hay nuevos debates en su área de investigación de los que oiremos hablar?

La mayoría de los debates actuales no tendrán consecuencias. Por ejemplo, hay un debate filosófico sobre si los contrafactuales son necesarios, útiles o peligrosos para la inferencia causal. También hay un debate ideológico-metodológico sobre si los grafos son necesarios, útiles o peligrosos para la inferencia causal. Creo que estos debates pasarán, tan pronto como la transición de pensamiento estadístico a pensamiento causal se complete.

Un debate más importante trata sobre cómo los científicos deben pensar sobre ciencia. En particular, debería preguntarse ¿cómo funciona la naturaleza? o ¿cómo comprobamos lo que la naturaleza hace? Mi mantra es: piensa en la naturaleza, no en el experimento. He visto demasiadas buenas ideas ahogadas por pensar en experimentos en lugar de en la naturaleza. Si Newton se hubiera preocupado sobre los experimentos, él no hubiera teorizado que las mareas están causadas por la luna. El requerimiento de manipulabilidad, incluso en teoría, ha llevado a algunos resultados realmente extraños en la inferencia causal.

Pedro Meseguer es investigador científico del CSIC.

Hay 2 Comentarios

Es razonar sobre lo que pudiera haber ocurrido, en condiciones diferentes a las observadas en la realidad (del estilo, "si las condiciones hubieran sido A, entonces hubiera pasado B").

¿Se podría explicar que es el razonamiento contrafactual?
Gracias!

Los comentarios de esta entrada están cerrados.

Sobre los autores

Este blog es una obra colectiva en la que participarán científicos y expertos españoles y extranjeros cuya obra haya bebido de las aportaciones de Alan Turing. Aunque principalmente recogerá los avances científicos en la Informática, abarcará otras opiniones sobre la importancia de la misma en otros ámbitos: la Medicina, la Física, la Política, la Economía. El blog está coordinado por Pedro Meseguer y Juan José Moreno Navarro.

Archivo

julio 2013

Lun. Mar. Mie. Jue. Vie. Sáb. Dom.
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30 31        

El País

EDICIONES EL PAIS, S.L. - Miguel Yuste 40 – 28037 – Madrid [España] | Aviso Legal