Alan Turing: la máquina que imita a cualquier máquina
Casi todo lo que hoy discutimos sobre IA —si una máquina puede sorprender a quien la programó, si el comportamiento basta como criterio de inteligencia, si el cerebro es una computadora— ya está planteado en tres trabajos de Alan Turing escritos entre 1936 y 1950. Vale la pena leerlos en orden, porque el recorrido muestra cómo una pregunta sobre los fundamentos de la matemática se convierte en una pregunta sobre la mente.
1936: modelar a la computadora humana
Desde el siglo XVII, “computer” designaba a una persona: alguien que hacía cálculos. Eran cálculos fáciles pero larguísimos, y estaban atados a la producción de conocimiento científico —predecir la trayectoria del cometa Halley, armar las tablas de logaritmos que usaban científicos e ingenieros.
El recurso de Turing fue modelar esa actividad. Su máquina es abstracta y matemática, pero lo que guía el modelado es una persona con un lápiz:
La computación se realiza normalmente escribiendo ciertos símbolos en un papel. Podemos suponer que este papel está dividido en cuadrados como el libro de aritmética de un niño. […] Asumo entonces que el cómputo se realiza en un papel unidimensional, es decir, en una cinta dividida en cuadrados. También supondré que el número de símbolos que pueden imprimirse es finito. […] El comportamiento de la computadora en cualquier momento está determinado por los símbolos que está observando, y su “estado mental” en ese momento.
Meter un “estado mental” en un trabajo de lógica matemática, en una época que se esforzaba por expulsar lo mental del terreno de lo científico, es raro y no parece un descuido. El artículo puede leerse como una investigación sobre la naturaleza de lo mental y su relación con el soporte físico.
Lo más importante para nuestra historia no es la respuesta negativa al problema de la decisión, sino un subproducto: la máquina universal, una máquina que recibe instrucciones para comportarse como si fuera cualquier otra máquina. En 1936, y casi de paso, Turing descubre la industria del software.
1939-1945: Enigma, o encontrar patrones en el ruido
(Sí, la de la película.) El aporte de Turing fue decisivo para descifrar la máquina Enigma que el ejército alemán usaba para cifrar sus comunicaciones.
Lo que importa acá es el tipo de razonamiento que la tarea le exigió, más cerca del trabajo detectivesco y de la estadística que de la lógica: adivinar la configuración de una máquina a partir de una serie de caracteres que parece azarosa pero esconde un mensaje. Encontrar una regularidad que después sirva para cualquier mensaje cifrado con esa misma configuración.
Encontrar patrones significativos en algo que parece azar, por prueba y error. Es la descripción más económica que existe de lo que hace un sistema de aprendizaje automático.
Y la Bombe, el dispositivo electromecánico que hizo el trabajo, tenía una particularidad frente a las demás computadoras de la guerra: no calculaba números. Simulaba ser otra máquina.
1947: el cerebro como computadora sin reloj
Terminada la guerra, Turing se concentró oficialmente en construir una computadora digital para el gobierno británico: la ACE (Automatic Computing Engine, nombre que delata la deuda con Babbage).
En la conferencia que dio ese año ante la London Mathematical Society, después de explicar por qué el reloj es central en el diseño de la ACE, deja caer esto:
Podríamos decir que el reloj nos permite introducir una discretización del tiempo, de modo que, para algunos fines, el tiempo puede considerarse como una sucesión de instantes en lugar de un flujo continuo. Una máquina digital debe tratar esencialmente con objetos discretos, y en el caso de la ACE esto es posible gracias al uso de un reloj. Todas las demás máquinas de computación digital, excepto los cerebros humanos y de otros animales, hasta donde sé, hacen lo mismo.
El cerebro entra a la lista de máquinas digitales, con la peculiaridad de computar sin reloj central.
En la misma conferencia aparece la objeción que todavía se escucha, y su refutación:
Se ha dicho que las máquinas de computación sólo pueden realizar los procesos que se les ordena. Esto es sin duda cierto en el sentido de que si hacen algo distinto de lo que se les ha ordenado, entonces es que han cometido algún error. También es cierto que la intención al construir estas máquinas en primera instancia es tratarlas como esclavas, dándoles sólo trabajos que han sido pensados en detalle, trabajos tales que el usuario de la máquina entiende completamente lo que en principio está sucediendo todo el tiempo. Hasta ahora, las máquinas sólo se han utilizado de esta manera. Pero, ¿es necesario que se utilicen siempre así?
El “usuario” al que Turing se refiere es quien programa, que en principio puede saber todo lo que la máquina hace en el nivel de abstracción donde está trabajando. (La distinción entre usuario y programador llega después, cuando la computadora se vuelve un producto para no expertos.)
La universalidad le permite a Turing sugerir que ese modo servil de uso, el más natural al principio, no tiene por qué ser el único. Bajo otra programación, el programa puede incluir instrucciones que modifiquen su propia configuración: no sólo el estado, sino las reglas de transición entre estados. Si una máquina así llega a los resultados esperados por un camino más eficiente que el previsto, Turing está dispuesto a llamar inteligente a ese comportamiento. Es, probablemente, la primera formulación de lo que hoy llamamos aprendizaje automático, y llega quince años antes de que la expresión exista.
1950: el juego de la imitación
En Computing machinery and intelligence, Turing vuelve al problema con una estrategia que se parece a la de Enigma: ponerse en el lugar de quien tiene que determinar si está tratando con una máquina.
Como definir “inteligencia” es un pantano, propone una definición operacional a partir de un procedimiento de prueba. En el juego hay tres partes: un juez, un ser humano que hace de ser humano, y una computadora que hace de ser humano. El juez se comunica con ambos por escrito —hoy sería una pantalla de chat—, sabe que uno de los dos no es humano, y su tarea es descubrir cuál.
Turing predijo:
Creo que en un periodo de tiempo de 50 años será posible programar computadores, con una capacidad de almacenamiento de alrededor de 10^9, para que puedan jugar el juego de la imitación de tal manera que el interrogador promedio no pueda obtener más de un 70 por ciento de posibilidades de hacer la identificación acertada luego de cinco minutos de preguntas.
Ese 10 seguido de nueve ceros es apenas un gigabyte. Hoy suena a nada; en 1950 era una cifra enorme. La ACE iba a tener unos 25 kilobytes, y la EDVAC —la máquina de la época más comparable en arquitectura— rondaba los 5,6 kilobytes de memoria rápida.
Turing agrega, en la misma predicción, algo que se cita menos y envejeció mejor: que hacia fin de siglo el uso de las palabras habría cambiado lo suficiente como para poder hablar de máquinas que piensan sin esperar que alguien lo contradiga. No predijo una capacidad técnica: predijo un desplazamiento del lenguaje. Acertó.
La objeción de Lady Lovelace
Lo más valioso del artículo de 1950 son las objeciones que Turing se toma el trabajo de considerar, desde la teológica (“pensar es una función del alma inmortal”) hasta las que se apoyan en los teoremas de incompletitud de Gödel. La más pertinente para la discusión de hoy es la que atribuye a Ada Lovelace:
En ésta, ella sostiene que “la Máquina Analítica no tiene pretensiones de originar nada. Puede hacer cualquier cosa que sepamos ordenarle que haga” (su cursiva).
Es decir: la máquina puede hacer sólo aquello que sepamos descomponer en pasos e instruir con precisión. ¿Se parece a la conjetura de Dartmouth de 1956 que vimos en la entrada anterior? Se parece bastante, aunque una lo dice como límite y la otra como programa de investigación.
La respuesta de Turing no es que la máquina sea creativa. Es más modesta y más difícil de esquivar: las máquinas lo sorprendieron muchas veces, y no por fallas. Y el error está en cómo pensamos las consecuencias.
La idea de que las máquinas no producen sorpresas se debe, creo yo, a una falacia a la cual se encuentran especialmente sujetos los filósofos y los matemáticos. Es el supuesto de que tan pronto como se presente un hecho a una mente, todas las consecuencias de ese hecho florecen en ella simultáneamente con el hecho. Es un supuesto muy útil en muchas circunstancias, pero uno olvida demasiado fácilmente que es falso.
Ahí hay una tesis epistemológica y no sólo una respuesta a una objeción: derivar consecuencias de datos y principios generales es trabajo, y produce conocimiento que no estaba disponible antes de hacerlo. Es el asunto de ¿Epistemología?, unas entradas más adelante.
Para leer
Copeland, B. J. (2013). Alan Turing: El pionero de la era de la información. Turner.
Ilcic, A. A. y García, P. (2020). Estrategias de modelización en Alan Turing: Términos y conceptos de máquina. Tópicos, Revista de Filosofía, 58, 135-155. https://doi.org/10/gns9k8
Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433-460.
Esta entrada revisa y actualiza Alan Turing de la v1.