Sigo con algunas teorías sobre la consciencia, teorías que suelen provenir del campo de la neurociencia o de la psicología pero que pueden habilitar una trasposición a su uso en inteligencia artificial y robótica cognitiva.
Y sigo apoyándome para la exposición, fundamentalmente, en el capítulo firmado por Antonio Chella y titulado ‘Robots and machine consciousness‘ dentro del libro ‘Cognitive robotics‘ editado por Angelo Cangelosi y Minoru Asada.
Si en un post muy reciente presentaba brevemente la Integrated Information Theory de Giulio Tononi ahora me ocuparé de la denominada Global Workspace Theory.
Global Workspace Theory (GWT)
Global Workspace Theory fue introducida, allá por 1997 por Bernard J. Baars, un neurobiólogo de origen holandés aunque afincado en EEUU y antiguo colaborador del The Neurosciences Institute fundado por el nóbel Gerald Edelman.
Baas describió por primera vez esta teoría en el artículo ‘In the theater of consciousness: The workspace of the Mind‘.
¿En qué consiste Global Workspace Theory?
Pues bien, la teoría se basa en la observación de que el cerebro humano es capaz de realizar una enorme capacidad de procesamiento inconsciente de manera paralela mientras que, por su parte, la consciencia parece trabajar en serie y con capacidad bastante limitada.
Según eso, Baars propone la existencia en el cerebro de una gran cantidad de procesadores especializados (inconscientes) y de un espacio común (‘global workspace‘) consciente que emite (‘broadcast‘) contenidos a esos procesadores especializados. Estos procesadores especializados compiten por ‘ganar’ el acceso al espacio global. Aquel procesador que lo consigue es capaz de emitir contenidos hacia los demás y por tanto, en cierto sentido, ‘reclutarlos’ para seleccionar una acción.
El contenido de este espacio global consciente es condicionado además por el contexto que, de alguna forma, moldea o restringe la competencia entre procesadores o coaliciones de procesadores.
LIDA (‘Learning Intelligent Distributed Agent‘)
En realidad, GWT más que una teoría completamente cerrada es un ‘framework‘ en el que se han encajado varias arquitecturas cognitivas, la más importante de las cuales es LIDA (‘Learning Intelligent Distributed Agent‘) desarrollada por Stan Franklin y colaboradores.
El ciclo cognitivo en LIDA es, en esencia, el siguiente:
- El sistema percibe una entidad dando lugar a una percepción (‘percept’).
- Esa percepción es enviada a un ‘buffer’ pre-consciente dando lugar a asociaciones locales
- Esa percepción compite por la consciencia
- Si la percepción gana la competición, emite (‘broadcast’) al resto de procesadores para reclutar recursos
- Se selecciona una acción de acuerdo con una jerarquía de objetivos contextuales
- Una vez seleccionada la acción, ésta se ejecuta y se reinicia el ciclo
La arquitectura LIDA, además, tiene capacidad de aprendizaje con base en el feedback proporcionado por el espacio global, que se envía a los procesadores inconscientes que puede proceder a su ajuste mediante refuerzo o asociación.
Aunque con lo descrito, todavía esta arquitectura pueda parecer muy teórica, lo cierto es que existe, por ejemplo, una implementación accesible libremente en python y es la base de la arquitectura HCA (Haikonen Cognitive Architecture) propuesta por Pentti Haikonen y usada con éxito en el robot XCR-1.
Conclusiones
Como se puede ver, existen teorías sobre la consciencia, con frecuencia inspiradas en la neurociencia, pero que conducen a propuestas implementables y trasladables a robots.
Bien es cierto que, a falta de estudiar en más detalle lo conseguido, por ejemplo, con XCR-1, no creo que todavía estemos, ni de lejos, ante una verdadera consciencia, pero parecen existir, al menos, vías de trabajo más o menos prometedoras.
