¿Qué tienen en común los robots y los humanos, o por qué John von Neumann creía que las máquinas deberían estar "vivas"?
TL; DR: Los robots y los humanos no solo se parecen en apariencia, sino que comparten una lógica de diseño común. Ambos consumen energía, recopilan datos de sensores, procesan información, se desplazan por el espacio, se comunican mediante voz y gestos, y aprenden de la experiencia. El matemático John von Neumann identificó estas similitudes más profundas en 1951, y los sistemas de IA modernos, los robots humanoides y los avatares de IA han convertido sus analogías en tecnologías funcionales. Comprender estas similitudes es fundamental para cualquiera que desarrolle, implemente o trabaje con IA hoy en día, ya que explican por qué los avatares de IA bien diseñados se comportan de forma humana en aspectos importantes, y por qué el futuro de este campo reside en la colaboración entre humanos y robots, no en su sustitución.
El Pitch Avatar El equipo ha recopilado varias citas sobre las similitudes y diferencias entre los organismos vivos y las máquinas del creador de la teoría del “autómata celular”.
Los robots y los humanos tienen mucho más en común de lo que la mayoría de la gente cree. Ambos procesan información mediante señales eléctricas, ambos aprenden de la información recibida y de la experiencia, ambos se comunican mediante el habla y los gestos, y ambos requieren una fuente de energía para funcionar. Cuanto más se profundiza en el análisis, más se multiplican los paralelismos, y más instructivos resultan para cualquiera que cree, implemente o trabaje con sistemas de IA en la actualidad.
Este artículo explora sistemáticamente esos paralelismos: desde la estructura física y el procesamiento cognitivo hasta la comunicación, el comportamiento social y el desarrollo de las similitudes entre humanos y robots. También analizaremos qué predijo correctamente un matemático en 1951 y por qué esas ideas son más relevantes que nunca para la IA moderna.
Tienen más en común de lo que crees: una comparación estructural.
La respuesta más directa a la pregunta de qué tienen en común los robots y los humanos comienza con la estructura. Ambos son sistemas físicos que absorben energía, procesan información, se mueven por el entorno y responden a estímulos externos. La siguiente tabla muestra los principales paralelismos:
| Personas | Robotizada |
|---|---|
| Alimentos y calorías (fuente de energía) | Fuente de alimentación/batería |
| Huesos, articulaciones, músculos (movimiento) | Actuadores, juntas, enlaces |
| Ojos, oídos, piel (información sensorial) | Cámaras, micrófonos, sensores |
| Cerebro y neuronas (procesamiento de la información) | CPU, redes neuronales |
| Circuitos de retroalimentación del sistema nervioso (autorregulación) | Control de retroalimentación basado en sensores |
| Habla, gesto, expresión (comunicación) | Procesamiento del lenguaje natural, expresión activada |
Por eso, los investigadores en robótica suelen comenzar estudiando la anatomía humana. Como explica la experta en robótica Bilge Mutlu, del Instituto Morgridge para la Investigación:
En general, las personas trabajan mejor en entornos que les resultan familiares, y es más fácil comprender las tecnologías que tienen una apariencia o un comportamiento reconocibles.
Reproducir el comportamiento humano es una tarea compleja, por lo que los investigadores lo dividen en componentes (habla, contacto visual, movimiento) y trabajan en elementos específicos.
Este paralelismo estructural explica también por qué los robots humanoides constituyen hoy en día una categoría de crecimiento diferenciada. Robots humanoides – Las máquinas bípedas con brazos y manos diseñadas para realizar una amplia gama de tareas físicas similares al trabajo humano – han experimentado una importante expansión en su desarrollo desde 2021, con el mercado proyectado para llegar a $ 15.26 mil millones para 2030El CEO de Tesla, Elon Musk, predijo que para 2040 podría haber más robots humanoides en el planeta que los humanos, lo que refleja la magnitud del optimismo actual de la industria sobre este formato.
La lógica es simple: si el mundo fue creado para las personas, entonces un robot humanoide es la interfaz más universal. La similitud estructural no es casual; es la base del diseño.
Lo que un matemático de 1951 predijo correctamente sobre la IA
Antes de que tuviéramos redes neuronales artificiales, grandes modelos de lenguaje o robots humanoides, John von Neumann (1903–1957) ya estaba trazando con notable precisión los paralelismos estructurales entre los organismos biológicos y las máquinas.
Von Neumann fue un matemático, físico, ingeniero y teórico de la informática húngaro-estadounidense. Entre sus numerosas contribuciones, creía que diversos desafíos en ingeniería e informática podían resolverse encontrando y estudiando soluciones análogas en la naturaleza. Desarrolló el concepto de "autómatas celulares" —también conocidos como "autómatas de von Neumann"—, dispositivos capaces de autorreplicarse y, en una variante, de formar sistemas complejos a partir de múltiples autómatas simples. Las siguientes citas están tomadas de su trabajo. “La teoría general y lógica de los autómatas”, Publicado en 1951.
Los organismos naturales son, por regla general, mucho más complejos y sutiles, y por lo tanto, mucho menos comprendidos en detalle, que los autómatas artificiales. Sin embargo, algunas regularidades que observamos en la organización de los primeros pueden ser muy instructivas para nuestra reflexión y planificación de los segundos; y, a la inversa, gran parte de nuestras experiencias y dificultades con nuestros autómatas artificiales pueden, en cierta medida, proyectarse en nuestras interpretaciones de los organismos naturales.
En estas palabras, von Neumann expresa la idea de que el estudio de los organismos naturales puede ser muy instructivo para los creadores de máquinas y software, no como una dependencia directa ni una ley de ingeniería establecida, sino como una analogía productiva. La naturaleza ha tenido miles de millones de años para resolver problemas en los que los ingenieros aún trabajan.
Cómo los robots y los humanos procesan la información
Tanto los humanos como los robots funcionan bajo el mismo principio fundamental: reciben información, la procesan y generan una respuesta. Los mecanismos difieren, pero la arquitectura es similar.
Von Neumann identificó este paralelismo a nivel de neuronas individuales:
La neurona transmite un impulso. Esta parece ser su función principal, aunque aún no se ha dicho la última palabra sobre esta función y su carácter exclusivo o no exclusivo. El impulso nervioso parece ser, en general, un asunto de todo o nada, comparable a un dígito binario.
En términos sencillos: las neuronas se activan o no se activan. Ese principio binario de encendido/apagado es la base de la computación digital moderna y, lo que es más importante, de las redes neuronales artificiales que impulsan los sistemas de IA modernos, incluidos los modelos de lenguaje que los utilizan. avatares de IA en herramientas de ventas y capacitación.
Von Neumann fue más allá, comparando las neuronas con tubos de vacío como "cajas negras" funcionales:
La estimulación de una neurona, el desarrollo y la progresión de su impulso, y los efectos estimulantes de este en una sinapsis pueden describirse eléctricamente. Los procesos químicos y otros procesos concomitantes son importantes para comprender el funcionamiento interno de una célula nerviosa. Incluso podrían ser más importantes que los fenómenos eléctricos. Sin embargo, parecen ser prácticamente innecesarios para describir una neurona como una "caja negra", un órgano de tipo todo o nada. De nuevo, la situación no es peor que, por ejemplo, en el caso de un tubo de vacío. Aquí también, los fenómenos puramente eléctricos van acompañados de numerosos fenómenos de la física del estado sólido, la termodinámica y la mecánica. Todos ellos son importantes para comprender la estructura de un tubo de vacío, pero conviene excluirlos de la discusión si se pretende tratarlo como una "caja negra" con una descripción esquemática.
Las ideas de Von Neumann sobre las funciones de las neuronas se convirtieron en un elemento fundamental para el desarrollo de las redes neuronales artificiales modernas. Igualmente importante es su reconocimiento directo de las sorprendentes similitudes entre el sistema nervioso biológico y las redes neuronales artificiales.
También señaló cuidadosamente dónde falla esta analogía:
Los organismos vivos son mecanismos muy complejos, en parte digitales y en parte analógicos. Las máquinas informáticas, al menos en sus formas recientes a las que me refiero en esta discusión, son puramente digitales.
A diferencia de los escritores de ciencia ficción, que a menudo especulan sobre “borrar” los límites entre la inteligencia natural y la artificial, von Neumann se mantuvo anclado en la realidad. Constantemente enfatizó que, si bien los organismos biológicos y las máquinas comparten similitudes, son fundamentalmente diferentes en sus principios subyacentes. Esa diferencia permanece hasta el día de hoy (un estudio de Frontiers in Computational Neuroscience (Confirma que las redes neuronales artificiales aún difieren fundamentalmente de los cerebros biológicos a pesar de alcanzar un rendimiento a nivel humano), pero la brecha se está cerrando más rápido de lo que podría haber imaginado.
En qué se diferencian los robots y los humanos, y por qué es importante.
Von Neumann fue igualmente preciso al definir las diferencias, especialmente en lo que respecta a la autocuración y la resiliencia:
Si un organismo vivo sufre una lesión mecánica, tiende a regenerarse. En cambio, si golpeamos un mecanismo artificial con un mazo, no se observa tal capacidad de regeneración. Si dos piezas de metal están cerca, las pequeñas vibraciones y otras perturbaciones mecánicas presentes en el medio ambiente representan un riesgo, ya que pueden provocar su contacto. Si se encuentran a diferentes potenciales eléctricos, tras este cortocircuito pueden soldarse eléctricamente y el contacto se vuelve permanente. En ese caso, se producirá una ruptura eléctrica real y permanente. Sin embargo, al dañar la membrana de una célula nerviosa, no ocurre nada similar. Por el contrario, la membrana suele regenerarse tras un breve lapso. Es esta inestabilidad mecánica de nuestros materiales la que nos impide reducir aún más su tamaño. Esta inestabilidad y otros fenómenos de características similares hacen que el comportamiento de nuestros componentes sea menos que totalmente fiable, incluso en sus dimensiones actuales. Así pues, es la inferioridad de nuestros materiales, comparados con los utilizados en la naturaleza, lo que nos impide alcanzar el alto grado de complejidad y las pequeñas dimensiones que han logrado los organismos naturales.
Extendió esta idea al desafío más amplio de la fiabilidad de los equipos:
Los organismos naturales están suficientemente bien concebidos como para funcionar incluso cuando se producen fallos. Pueden operar a pesar de los fallos, y su tendencia posterior es a eliminarlos. Un autómata artificial podría diseñarse para funcionar con normalidad a pesar de un número limitado de fallos en ciertas áreas específicas. Sin embargo, cualquier fallo representa un riesgo considerable de que ya se haya iniciado algún proceso de degeneración general en la máquina. Por lo tanto, es necesario intervenir de inmediato, porque una máquina que ha empezado a fallar rara vez tiende a recuperarse, y lo más probable es que empeore. Todo esto nos lleva a una conclusión: con nuestros autómatas artificiales, nos movemos mucho más a ciegas que la naturaleza con sus organismos. Nos preocupa, y aparentemente, al menos por ahora, debemos preocuparnos mucho más por la aparición de un error aislado y por el fallo que debe haber detrás. Nuestro comportamiento es claramente de excesiva precaución, producto de la ignorancia.
Por eso los sistemas de IA modernos se diseñan con redundancia y corrección de errores incorporadas, y por eso las mejores herramientas de IA para empresas se crean para manejar situaciones no estándar, no solo condiciones ideales. Von Neumann no fue el primer científico en reconocer que los avances teóricos superaban la viabilidad técnica de su implementación (contemporáneos como Norbert Wiener exploró el pensamiento de máquina. utilizando conceptos cibernéticos igualmente rigurosos), pero como ingeniero y teórico, articuló esta brecha con una claridad notable.
Aprendizaje y adaptación: donde convergen robots y humanos
Una de las similitudes más significativas entre robots y humanos es la capacidad de aprender de la experiencia, y es en este ámbito donde la inteligencia artificial moderna ha logrado el progreso más significativo desde von Neumann.
El aprendizaje humano se basa fundamentalmente en ejemplos: observamos, probamos, ajustamos. El aprendizaje automático funciona de la misma manera. Se alimenta un modelo con ejemplos etiquetados de un fenómeno (por ejemplo, imágenes de personas que se sienten cómodas frente a incómodas) y aprende a identificar las características que predicen cada estado. Cuantos más ejemplos, más preciso se vuelve el modelo. Como explica Vanessa Evers, del UNESCO Courier:
El aprendizaje automático se basa en ejemplos. Alimentamos al ordenador con ejemplos del fenómeno que queremos que comprenda.
En la naturaleza existe un rasgo muy evidente, del tipo "círculo vicioso", cuya expresión más simple es la capacidad de los organismos muy complejos para reproducirse. Todos tendemos a sospechar, de forma vaga, la existencia del concepto de "complicación". Este concepto y sus supuestas propiedades nunca se han formulado con claridad. Sin embargo, siempre nos vemos tentados a suponer que funcionarán de esta manera. Cuando un autómata realiza ciertas operaciones, cabe esperar que estas tengan un grado de complejidad menor que el del propio autómata. En particular, si un autómata tiene la capacidad de construir otro, debe haber una disminución de la complejidad a medida que pasamos del progenitor al constructo. Es decir, si A puede producir B, entonces A debe haber contenido, de alguna manera, una descripción completa de B. Para que sea efectiva, debe haber, además, diversos mecanismos en A que garanticen la interpretación de esta descripción y la ejecución de las operaciones constructivas que requiere. En este sentido, parecería que cabe esperar cierta tendencia degenerativa, una disminución de la complejidad a medida que un autómata genera otro. Si bien esto tiene cierta plausibilidad, contradice claramente los fenómenos más evidentes de la naturaleza. Los organismos se reproducen; es decir, generan nuevos organismos sin que disminuya su complejidad. Además, existen largos periodos de evolución durante los cuales la complejidad incluso aumenta. Los organismos se derivan indirectamente de otros con menor complejidad. Por lo tanto, existe una aparente contradicción entre la plausibilidad y la evidencia, o incluso algo peor.
Identificó el nivel umbral clave:
Existe un cierto nivel mínimo donde la característica degenerativa deja de ser universal. En este punto, se hacen posibles los autómatas capaces de reproducirse o incluso construir entidades superiores. Este hecho —que la complejidad, así como la organización, por debajo de un cierto nivel mínimo sea degenerativa, y que por encima de ese nivel pueda volverse autosuficiente e incluso creciente— desempeñará sin duda un papel importante en cualquier teoría futura sobre el tema.
Hace tiempo que cruzamos ese umbral. La cuestión ya no es si las máquinas pueden aprender y adaptarse —se ha demostrado que lo hacen—, sino hasta dónde puede llegar esa adaptación y cómo canalizarla de forma productiva.
Comunicación: lo más humano que pueden hacer los robots.
Si hay un ámbito donde las similitudes entre robots y humanos tienen la mayor relevancia práctica (y están más directamente relacionadas con el funcionamiento de las empresas hoy en día), es la comunicación.
Tanto los humanos como los robots utilizan el habla, el tono de voz, los gestos y las señales visuales para transmitir información y establecer una buena relación. Ambos adaptan su estilo de comunicación a su interlocutor. Ambos pueden señalar autoridad, amabilidad o inseguridad a través de los mismos canales: tono de voz, mirada, postura y forma de andar.
La investigación al respecto es sorprendente. Un estudio publicado en la revista Informes científicos Se descubrió que los robots facilitan activamente la reproducción del habla humana: las personas adaptan su ritmo de habla, vocabulario y entonación al comunicarse con robots, al igual que lo hacen al comunicarse con otras personas. El estudio cita hallazgos de investigaciones anteriores que indican que:
"En el diálogo con un avatar, el comportamiento lingüístico es idéntico al del diálogo con un interlocutor humano."
"Los seres humanos estamos biológicamente programados para interactuar con otros seres humanos. Al dotar a los robots de características humanas, se convierten en la interfaz más intuitiva."
Tienen más en común de lo que crees: una comparación estructural.
Su concepto de una “sociedad simbiótica humano-avatar” sugiere que los avatares –robots físicos o sofisticados sistemas de IA controlados por intenciones humanas– son una extensión de la presencia humana y la comunicación, lo que permite que una sola persona esté en varios lugares a la vez.
Esta es precisamente la zona en ¿Qué avatares de IA están funcionando? . Pitch AvatarLos avatares de IA de [nombre de la empresa] se basan precisamente en estos principios: procesan el lenguaje, imitan los patrones del habla humana, responden preguntas e interactúan con la audiencia como un presentador humano experto, todo ello a una escala y con una estabilidad que ningún ser humano puede mantener en cientos de interacciones simultáneas.
Paralelismos sociales y emocionales: por qué los humanos responden a los robots como personas.
Los humanos, como nos describen los sociólogos, somos «animales ultrasociales». Estamos programados para reconocer señales sociales, atribuir personalidad e intenciones a otras entidades y establecer relaciones con objetos que se comportan de maneras reconocibles. Los robots, especialmente los robots sociales, explotan deliberadamente esta programación.
Un estudio publicado en Fronteras en robótica e IA Se descubrió que la apariencia, el estilo de hablar, la mirada, los movimientos de la cabeza y los gestos con las manos son factores importantes para determinar la personalidad percibida tanto de humanos como de avatares robóticos. Los mismos rasgos que hacen que una persona parezca segura, amigable o confiable también hacen que un robot parezca así. No procesamos estas señales de manera diferente solo porque la fuente sea artificial.
Este fenómeno tiene un nombre: el “valle inquietante”Este término, acuñado por el experto en robótica Masahiro Mori, describe la incomodidad que experimentan las personas cuando un robot es casi humano, pero no del todo. Cuanto más se asemeja el robot a la apariencia y el comportamiento humanos, sin llegar a serlo por completo, más perturbador resulta el efecto. El objetivo del diseño de robots sociales es o bien mantener una clara no-humanidad o superar por completo esta brecha, para lograr la interacción natural y fluida que, según las investigaciones sobre comunicación descritas anteriormente, ahora es posible.
La implicación práctica para los responsables de recursos humanos, los líderes de formación y desarrollo, y los equipos de ventas es clara: los empleados y los clientes responden a los avatares de IA del mismo modo que a los comunicadores humanos, siempre que estén bien diseñados. Las personas atribuyen personalidad a los robots, incluso si no la tienen. Desarrollan preferencias, generan confianza y ajustan su comportamiento en función de cómo se presenta un robot o avatar. Comprender esto no solo es interesante desde un punto de vista filosófico, sino que también es relevante desde el punto de vista operativo para cualquiera que implemente comunicaciones basadas en IA.
La investigación sobre equipos formados por humanos y robots añade otra dimensión: los estudios muestran Los humanos prefieren ser liderados por robots cuando el robot líder mejora el desempeño del equipo, y la confianza en dicho líder influye significativamente en la satisfacción laboral y el rendimiento de los miembros del equipo. La dinámica social de la interacción humano-robot no es superficial: tiene un impacto real en los resultados organizacionales.
Hacia dónde se dirige la similitud entre humanos y robots: colaboración, no sustitución.
Todos los analistas serios en el campo de la robótica llegan a la misma conclusión: la próxima década girará en torno a la colaboración entre humanos y robots. La IA nunca reemplazará por completo a los humanos.. La investigación de Eurofound Confirma que, actualmente, la automatización conlleva más cambios en los perfiles laborales que despidos.
El concepto presentado en Prime Movers Lab es típico:
"Las próximas décadas girarán en torno a la colaboración entre humanos y robots, y los ganadores serán aquellos que descubran la mejor manera de combinar a humanos y robots para obtener el máximo potencial."
Preguntas frecuentes
