Mil cerebros.
Una nueva teoría de la inteligencia
Jeff Hawkins
Tusquets Editores
www.tusquetseditores.com
Metatemas 154

https://www.planetadelibros.com/libro-mil-cerebros/371327

Enlaces de interés:
Numenta (www.numenta.com)
Charla TED: How brain science will change computing (https://www.ted.com/talks/jeff_hawkins_how_brain_science_will_change_computing)

Frases entresacadas e ideas interesantes que puedo utilizar:

(Página 124)
“En el cerebro, el conocimiento está repartido. Nada de lo que sabemos se almacena en un único lugar, como una neurona o una columna. Tampoco se almacena todo en todas partes, como en un holograma. El conocimiento de algo se distribuye entre miles de columnas, pero estas constituyen un pequeño subconjunto de todas las columnas corticales.”

(Página 142)
“La teoría de los mil cerebros sugiere que el futuro de la inteligencia artificial va a ser sustancialmente diferente de lo que piensa hoy la mayoría de los profesionales del campo. Creo que la IA está preparada para una revolución científica, y los principios de la inteligencia que he descrito en la primera parte [del libro] serán la base de esa revolución.”

(Página 145)
“El campo de la IA está dominado por las redes neuronales que vemos en los cerebros. Voy a argumentar que el futuro de la IA se basará en principios diferentes de los que se aplican en la actualidad, principios que se asemejarán más al cerebro.”

(Página 149)
“No sé cuánto tiempo más seguirá creciendo la actual ola de entusiasmo en el campo de la inteligencia artificial. Pero sí sé que el aprendizaje profundo no nos sitúa en el camino de la creación de máquinas auténticamente inteligentes. No podemos llegar a la inteligencia artificial general haciendo más de lo mismo que estamos haciendo ahora. Tenemos que adoptar un enfoque diferente.”

(Página 151)
“Esta dificultad se conoce como el problema de la representación del conocimiento. Algunos expertos concluyeron que la representación del conocimiento no solo era un gran problema para la IA, sino que era el problema. Afirmaron que no podríamos construir máquinas verdaderamente inteligentes hasta que resolviéramos el problema de la representación del conocimiento cotidiano en una computadora”

(Página 160)
“Cada uno de los cuatro atributos de la siguiente lista es algo que sabemos que hace el cerebro, y que creo que una máquina inteligente también debería hacer.”
1. Aprendizaje continuo
2. Aprendizaje mediante movimiento
3. Modelos múltiples
4. Marcos de referencia para almacenar conocimiento
(explicados en las páginas 160-162)

(Página 165)
“Somos inteligentes no porque podamos hacer una cosa particularmente bien, sino porque podemos aprender a hacer prácticamente cualquier cosa.”

(Página 202)
“Este es el mundo en el que vivimos hoy. Nadie lo sabe todo. No porque nadie sea lo bastante inteligente, sino porque nadie puede estar en todas partes y hacerlo todo. Lo mismo vale para las máquinas inteligentes.
Nótese que la mayoría de los éxitos de la inteligencia artificial actual tienen que ver con problemas que son estáticos y no cambian con el tiempo, por lo que no requieren un aprendizaje continuo.”