Thinking AI: How Artificial Intelligence Emulates Human
El llibre "Thinking AI: How Artificial Intelligence Emulates Human" (2026), de John MacCormick, explora la pregunta fonamental de si les màquines poden pensar, fugint de respostes binàries per centrar-se en com i sota quines circumstàncies els programes d'ordinador emulen processos cognitius humans. La tesi central de l'obra és l'IA emergent: la idea que la intel·ligència, el raonament i la comprensió poden sorgir com a propietats macroscòpiques de la interacció de molts components simples, de la mateixa manera que la ment humana sorgeix de la interacció de les neurones.
A continuació es detalla el contingut del llibre estructurat per blocs temàtics:
1. El Test de Turing i la conversa (Capítols 2-3)
MacCormick comença analitzant el Test de Turing original, traduint el concepte de "màquina" de 1950 al modern "programa d'ordinador". Argumenta que el test no defineix el pensament, sinó que se centra en si un sistema sembla pensar, adoptant una postura inicialment conductista.
- De ELIZA a Watson: El llibre traça l'evolució des d'ELIZA (1960), un sistema basat en regles manuals (GOFAI), fins a Watson d'IBM, que va guanyar Jeopardy! el 2011. Tot i que Watson no juga com un humà, MacCormick identifica paral·lelismes en com el sistema avalua evidències i gestiona la incertesa, similars al "Sistema 1" (intuïtiu) de la psicologia humana.
2. Equivalència de baix nivell i aprenentatge (Capítols 4-6)
El llibre estableix que, en principi, existeix una equivalència de baix nivell entre cervells i ordinadors.
- Neurones i Circuits: L'autor demostra com les neurones biològiques poden implementar operacions lògiques (portes AND, OR, NOT), i com qualsevol programa d'ordinador pot ser simulat, teòricament, per una xarxa de neurones.
- Connectomes: S'analitzen els esforços per mapejar l'estructura cerebral (com el del cuc C. elegans o la mosca Drosophila), tot i que l'autor adverteix que conèixer l'estructura no implica necessàriament entendre el procés.
- Aprenentatge Hebbià: S'explica la plasticitat sinàptica mitjançant la regla d'Hebb ("les neurones que disparen juntes, es connecten juntes"), un exemple clar d'aprenentatge emergent on la coordinació local crea funcions globals.
3. Xarxes Neuronals Profundes (Capítols 7-8)
Aquest bloc desmitifica el "Deep Learning" explicant la transició de les xarxes simples a les estructures multicapa.
- Convnets (Xarxes Convolucionals): Utilitzen la localitat i els pesos lligats per actuar com a extractors de característiques.
- Descobriment de característiques: El llibre destaca com xarxes com VGG16 o Y8 descobreixen espontàniament conceptes com "cares", "orelles" o "rodes" sense ser ensenyades explícitament (aprenentatge no supervisat). Això és anàleg a les neurones del còrtex visual humà, com la famosa "neurona de Jennifer Aniston".
- Biaix i fragilitat: L'autor reconeix els problemes de biaix social en la detecció de rostres i la fragilitat de la IA davant d'"exemples adversaris" (canvis mínims en la imatge que enganyen el sistema).
4. Aprenentatge per Reforç i Creativitat (Capítol 9)
L'aprenentatge per reforç (RL) es basa en recompenses i penalitzacions. MacCormick utilitza l'exemple d'AlphaGo i AlphaGo Zero de DeepMind per mostrar com la IA pot superar el coneixement humà.
- Creativitat emergent: AlphaGo va realitzar moviments (com el famós "moviment 37") que els experts humans van considerar altament creatius i originals, demostrant que el sistema pot descobrir estratègies no previstes pels seus programadors.
5. IA Generativa i Transformers (Capítol 10)
S'explica el funcionament de ChatGPT i els models GPT basats en l'arquitectura Transformer.
- Atenció: El mecanisme de "masked self-attention" permet al model connectar conceptes basant-se en el context de la conversa, simulant una forma de comprensió emergent.
- Cadena de pensament: L'ús de "chain-of-thought prompting" (demanar al sistema que pensi pas a pas) permet a la IA resoldre problemes complexos de manera similar al monòleg intern humà.
6. Filosofia i el futur de la humanitat (Capítols 11-14)
El llibre tanca amb una profunda reflexió filosòfica:
- L'habitació xinesa: MacCormick rebateja l'argument de Searle com la "habitació de l'ordinador xinès", suggerint que si el sistema emula perfectament el cervell, l'emergència valida l'aparença de comprensió com un fenomen real.
- Analogies de vol i vida: Argumenta que així com el vol i la vida es van veure un cop com a forces místiques (vitalisme) i ara s'entenen com a mecanismes físics, el pensament humà seguirà el mateix camí.
- Computacionalisme: El llibre adopta aquesta postura, defensant que cervells, animals i ordinadors són capaços del mateix estil de pensament.
- L'unicitat humana: L'autor conclou que, tot i que la IA pugui emular el pensament, els humans mantenen estats "elevats" (amor, humor, apreciació de la bellesa) que, encara que puguin ser emergents, defineixen la nostra experiència vital i li donen significat.
L'equivalència de baix nivell és el concepte fonamental que estableix que, en el seu nivell més elemental, els cervells biològics i els ordinadors digitals són tècnicament equivalents. Aquesta equivalència es basa en la correspondència entre els components més petits d'ambdós sistemes: les neurones individuals en els cervells i les portes lògiques (AND, OR i NOT) en els circuits informàtics.
A continuació es detallen els aspectes clau d'aquesta teoria segons les fonts:
1. Neurones com a portes lògiques
La base de l'argument és que les neurones biològiques poden emular el funcionament de les portes lògiques que formen qualsevol programa d'ordinador:
- Porta AND: Una neurona pot actuar com una porta AND si té un llindar de disparament prou alt perquè l'axó només s'activi quan rep senyals simultanis de diverses entrades (dendrites).
- Porta OR: Si es redueix el llindar de disparament, la mateixa neurona pot actuar com una porta OR, activant-se quan qualsevol de les seves entrades està activa.
- Porta NOT: Mitjançant l'ús de sinapsis inhibitòries (que impedeixen que la neurona es dispari quan l'entrada està activa), una neurona pot emular la funció d'inversió d'una porta NOT.
2. Una relació bidireccional
L'equivalència de baix nivell implica que la simulació és possible en ambdues direccions:
- Els cervells poden simular programes: Qualsevol programa informàtic es pot representar com un circuit de portes lògiques i, per tant, es pot implementar teòricament com una xarxa de neurones biològiques.
- Els programes poden simular cervells: Un programa d'ordinador pot simular el funcionament de cada neurona individual i les seves interaccions. Això es coneix com a simulació funcional.
3. Implicacions filosòfiques i l'Emergència
Aquest concepte té una càrrega profunda en la filosofia de la intel·ligència artificial:
- Visió mecanicista: Si acceptem l'equivalència de baix nivell, s'arriba a la conclusió que no hi ha cap "contingut misteriós" o "força vital" a la ment humana més enllà de les interaccions físiques de les neurones que es poden simular.
- Intel·ligència emergent: La ment i el pensament es veuen com a propietats emergents: fenòmens complexos que sorgeixen de la interacció de molts components simples (neurones o bits), de la mateixa manera que la fluïdesa sorgeix de la interacció de moltes molècules d'aigua.
4. Limitacions pràctiques
Tot i que l'equivalència és plausible en principi, el llibre destaca dos grans inconvenients:
- Complexitat i Escala: Simular un cervell humà amb precisió és un repte pràcticament impossible avui dia, ja que conté uns 90.000 milions de neurones i centenars de bilions de sinapsis.
- Manca de comprensió: Una simulació perfecta de "baix nivell" ens donaria un cervell que funciona, però els seus detalls serien tan aclaparadors i inescrutables que no ens ajudarien a entendre com sorgeixen realment el raonament o la consciència.
El Test de Turing, proposat per Alan Turing el 1950 en el seu article "Computing Machinery and Intelligence", és un experiment mental dissenyat per abordar la pregunta "Poden pensar les màquines?" d'una manera empírica. En lloc d'intentar definir el concepte vague de "pensar", Turing va proposar un test basat totalment en el comportament observable.
A continuació se n'expliquen els detalls clau segons les fonts:
1. El Joc de l'Imitació (Imitation Game)
Turing va descriure el test originalment com un joc amb dues variants:
- Versió 1 (El joc del gènere): Involucra tres humans: un home (M), una dona (W) i un jutge (J). El jutge es comunica amb ells només per missatges de text i ha de determinar qui és l'home i qui és la dona, mentre que l'home intenta convèncer el jutge que ell és la dona.
- Versió 2 (El test estàndard): És la versió més coneguda, on un programa d'ordinador (C) ocupa el lloc de l'home i intenta convèncer el jutge que és un humà, competint contra un "humà ocult" (H). Si el jutge no pot distingir la conversa de la màquina de la de l'humà, es conclou que la màquina "pensa" (o almenys ho sembla).
2. L'enfocament conductista (Behaviorism)
El Test de Turing adopta una postura conductista: es basa purament en el comportament extern i observable. Segons aquesta visió, si un sistema es comporta exactament com si estigués pensant o entenent (per exemple, responent correctament a preguntes complexes o fins i tot demanant disculpes), llavors es considera que posseeix aquesta qualitat, independentment del que passi en el seu interior.
3. Èxits i limitacions
- Criteri d'èxit: Turing va suggerir que si una màquina enganyava el 30% dels jutges durant cinc minuts de conversa, es podria considerar un èxit. En l'actualitat, programes com Eugene Goostman (el 2014) o els xatbots moderns basats en grans models de llenguatge (com ChatGPT) es considera que han superat aquest lindar.
- Emulació vs. Pensament: Les fonts subratllen que l'èxit en el test només implica la capacitat d'emular una entitat, però no revela res sobre els processos de pensament subjacents. Un ordinador podria passar el test manipulant símbols formals sense entendre realment el significat del que diu (un concepte relacionat amb l'argument de l'habitació xinesa).
4. Aplicacions modernes: Els CAPTCHAs
Una variant inversa del Test de Turing és el CAPTCHA (Completely Automated Public Turing test to tell Computers and Humans Apart), utilitzat en serveis en línia. En aquest cas, l'objectiu no és demostrar que una màquina pot pensar, sinó verificar que un usuari és realment un humà i no un programa automatitzat (bot).
En resum, el Test de Turing és un punt de partida històric que demostra la dificultat de definir la intel·ligència, centrant-se en si una màquina pot aparèixer com a humana en una interacció social.
