Melanie Mitchell es una informática estadounidense y profesora del Instituto Santa Fe. Su investigación se ha centrado en el razonamiento analógico, los algoritmos genéticos, los autómatas celulares y los sistemas complejos, y sus publicaciones en estos campos son frecuentemente citadas. Es autora de varios libros influyentes, entre ellos Complexity: A Guided Tour, que ganó el Premio de Libro de Ciencia Phi Beta Kappa en 2010, y Artificial Intelligence: A Guide for Thinking Humans.
Mitchell recibió su doctorado en 1990 de la Universidad de Míchigan, donde desarrolló la arquitectura cognitiva Copycat bajo la supervisión de Douglas Hofstadter y John Holland. Este trabajo constituyó la base de su libro Analogy-Making as Perception. También ha criticado A New Kind of Science de Stephen Wolfram y ha demostrado que los algoritmos genéticos pueden encontrar soluciones mejoradas al problema de la mayoría para autómatas celulares unidimensionales.
Vida temprana y educación
Melanie Mitchell nació y se crio en Los Ángeles, California. Asistió a la Universidad Brown en Providence, Rhode Island, donde estudió física, astronomía y matemáticas. Su interés por la inteligencia artificial se despertó durante la universidad tras leer Gödel, Escher, Bach de Douglas Hofstadter.
Tras sus estudios de grado, Mitchell trabajó como profesora de matemáticas en una escuela secundaria en la ciudad de Nueva York. Decidida a dedicarse a la IA, buscó a Hofstadter, que entonces estaba en el MIT. Después de varias llamadas telefónicas sin respuesta, finalmente lo contactó tarde por la noche y consiguió unas prácticas trabajando en Copycat.
En otoño de 1984, Mitchell siguió a Hofstadter a la Universidad de Míchigan, presentando una solicitud de última hora al programa de doctorado. Obtuvo su doctorado en 1990, con una tesis titulada Copycat: A Computer Model of High-Level Perception and Conceptual Slippage in Analogy-Making.
Carrera en el Instituto Santa Fe
Mitchell se incorporó al Instituto Santa Fe, un centro de investigación interdisciplinario conocido por su trabajo en sistemas complejos. Desarrolló la plataforma Complexity Explorer del instituto, que ofrece cursos en línea; su propio curso sobre complejidad ha atraído a más de 25.000 estudiantes.
En 2018, Mitchell coorganizó el taller "On Crashing the Barrier of Meaning in AI" con Barbara Grosz y Dawn Song. Participa regularmente como experta invitada en el Learning Salon, una serie en línea centrada en la inteligencia biológica y artificial.
Mitchell también ha ocupado puestos académicos en otras instituciones, incluida la Universidad Estatal de Portland, donde fue profesora en el Departamento de Ciencias de la Computación, y ha sido investigadora científica en el Instituto Santa Fe durante muchos años.
Contribuciones a la investigación
El trabajo doctoral de Mitchell sobre el programa Copycat, desarrollado bajo Douglas Hofstadter y John Holland, se centró en modelar la creación de analogías mediante una arquitectura cognitiva. El programa fue diseñado para resolver problemas de analogía en un dominio de cadenas de letras, y su diseño enfatizaba la percepción de alto nivel y el deslizamiento conceptual. Este trabajo condujo a su libro de 1993 Analogy-Making as Perception, que detalla la arquitectura Copycat.
En una línea de investigación bien conocida, Mitchell y sus colaboradores Peter Hraber y James Crutchfield utilizaron algoritmos genéticos para evolucionar reglas de autómatas celulares. Su artículo de 1993 "Revisiting the Edge of Chaos" demostró que las reglas evolucionadas podían realizar cálculos, como la clasificación de densidad, mejor que las reglas diseñadas previamente. En un trabajo relacionado, Mitchell mostró que los algoritmos genéticos podían encontrar mejores soluciones al problema de la mayoría para autómatas celulares unidimensionales que las diseñadas por humanos.
Mitchell también ha criticado A New Kind of Science de Stephen Wolfram, argumentando que sus afirmaciones sobre el papel fundamental de los programas simples eran exageradas.
Libros y escritos
El primer libro de Mitchell, An Introduction to Genetic Algorithms (MIT Press, 1996), se convirtió en un texto introductorio estándar en el campo. Cubre los fundamentos de los algoritmos genéticos, sus aplicaciones y aspectos teóricos.
Complexity: A Guided Tour (Oxford University Press, 2009) ofrece una introducción amplia a los sistemas complejos, cubriendo temas como el caos, las redes y la emergencia. El libro ganó el Premio de Libro de Ciencia Phi Beta Kappa en 2010.
En Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019), Mitchell examina el estado de la inteligencia artificial moderna, desde el aprendizaje automático hasta el aprendizaje profundo, y argumenta que, a pesar de los logros impresionantes, los sistemas de IA aún carecen de comprensión y sentido común similares a los humanos. El libro recibió críticas positivas por su perspectiva accesible pero crítica.
Carrera académica y divulgación
Mitchell es profesora en el Instituto Santa Fe. Desarrolló la plataforma Complexity Explorer, que ofrece cursos en línea; su curso "Introduction to Complexity" ha atraído a más de 25.000 estudiantes. También ha participado en iniciativas interdisciplinarias, como el taller de 2018 "On Crashing the Barrier of Meaning in AI", coorganizado con Barbara Grosz y Dawn Song.
Mitchell participa frecuentemente en debates públicos sobre IA, apareciendo como experta invitada en el Learning Salon, una serie de seminarios en línea sobre inteligencia biológica y artificial.
Contribuciones a la investigación
La investigación de Mitchell abarca múltiples áreas de la IA y la ciencia cognitiva. Su programa Copycat modeló la creación de analogías como un proceso de percepción de alto nivel y deslizamiento conceptual. En la década de 1990, investigó el uso de algoritmos genéticos para evolucionar autómatas celulares, mostrando que reglas simples pueden realizar cálculos complejos.
Más recientemente, Mitchell se ha centrado en cuestiones sobre los límites de la IA actual, particularmente el aprendizaje profundo. Ha argumentado que las redes neuronales modernas carecen de la abstracción robusta y las habilidades de creación de analogías de la cognición humana.
Opiniones sobre la inteligencia artificial
Mitchell es una firme defensora de la investigación en IA, pero ha expresado preocupaciones sobre la trayectoria del campo. Señala que los sistemas de IA, incluidos los modelos de aprendizaje automático, son vulnerables a ataques adversarios y pueden heredar sesgos sociales presentes en los datos de entrenamiento. En 2019, declaró que lograr una inteligencia artificial general similar a la humana probablemente requeriría conocimiento de sentido común y habilidades similares a las humanas para la abstracción y la analogía, capacidades que la tecnología actual, como los transformadores basados en grandes modelos de lenguaje, no posee.
Mitchell ha argumentado que la comprensión visual humana se basa en conocimiento general, abstracción y lenguaje, y que las máquinas pueden necesitar aprender como agentes encarnados que interactúan con el mundo, en lugar de simplemente procesar imágenes estáticas. Ha expresado cautela sobre el revuelo en torno al aprendizaje profundo y las redes neuronales, mientras apoya la investigación continua en IA.
Enseñanza y participación pública
Más allá de su investigación, Mitchell ha sido activa en la comunicación científica y la educación. Su curso en línea "Introduction to Complexity" en la plataforma Complexity Explorer ha matriculado a más de 25.000 estudiantes, introduciéndolos en ideas de la ciencia de los sistemas complejos.
Ha aparecido en numerosos podcasts y foros públicos, discutiendo IA, complejidad y los límites de los enfoques actuales de aprendizaje profundo. En 2019, participó en el Learning Salon, un grupo de discusión interdisciplinario en línea.
Premios y reconocimientos
En 2020, Mitchell recibió el Premio Herbert A. Simon del Instituto de Sistemas Complejos de Nueva Inglaterra, en honor a sus contribuciones a la investigación de sistemas complejos. Su libro Complexity: A Guided Tour recibió el Premio de Libro de Ciencia Phi Beta Kappa en 2010.
Publicaciones seleccionadas
Libros
- Analogy-Making as Perception (MIT Press, 1993) - un relato detallado del modelo Copycat.
- An Introduction to Genetic Algorithms (MIT Press, 1996).
- Complexity: A Guided Tour (Oxford University Press, 2009).
- Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019).
Artículos notables
- Mitchell, M., Hraber, P., & Crutchfield, J. (1993). "Revisiting the edge of chaos: Evolving cellular automata to perform computations." Complex Systems.
- Mitchell, M., Forrest, S., & Holland, J. (1994). "When will a genetic algorithm outperform hill climbing?" Advances in Neural Information Processing Systems 6.
Opiniones sobre la inteligencia artificial
Mitchell es una comentarista prominente sobre las capacidades y limitaciones de la IA moderna. Ha expresado preocupación por la vulnerabilidad de los sistemas de IA a ejemplos adversarios y su tendencia a heredar sesgos sociales de los datos de entrenamiento. En 2019, señaló que lograr una AGI a nivel humano requeriría avances importantes en razonamiento de sentido común y abstracción, y que la tecnología actual estaba lejos de resolver estos problemas.
Mitchell a menudo enfatiza la brecha entre los sistemas actuales de aprendizaje automático y la inteligencia humana. Argumenta que la comprensión visual similar a la humana requiere estar fundamentada en conocimiento general, abstracción y lenguaje, y plantea la hipótesis de que dicha comprensión puede necesitar aprenderse a través de la encarnación en lugar de imágenes estáticas. También ha señalado la fragilidad de los sistemas de redes neuronales, que pueden ser fácilmente engañados por ejemplos adversarios.
Opiniones sobre IA y AGI
Mitchell ha sido una comentarista vocal sobre los límites y el potencial de la inteligencia artificial. En su libro de 2019 y en numerosas charlas, argumenta que los sistemas de IA carecen de sentido común robusto y de la capacidad de generalizar más allá de sus datos de entrenamiento. Ha expresado escepticismo sobre la AGI a corto plazo y enfatiza la importancia de comprender la cognición humana para progresar.
Ha señalado que muchos investigadores de IA subestiman la dificultad de lograr abstracción y creación de analogías similares a las humanas. En entrevistas, ha destacado la brecha entre los métodos actuales de aprendizaje automático y el aprendizaje humano, particularmente en términos de eficiencia de muestra y aprendizaje por transferencia.
Premios y honores
En 2020, Mitchell recibió el Premio Herbert A. Simon del Instituto de Sistemas Complejos de Nueva Inglaterra (NECSI), reconociendo sus contribuciones a la investigación de la complejidad.
Publicaciones seleccionadas
Libros
- Analogy-Making as Perception (MIT Press, 1993)
- An Introduction to Genetic Algorithms (MIT Press, 1996)
- Complexity: A Guided Tour (Oxford University Press, 2009)
- Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019)
Artículos notables
- Mitchell, M., Hraber, P., & Crutchfield, J. P. (1993). Revisiting the edge of chaos: Evolving cellular automata to perform computations. Complex Systems, 7, 89–130.
- Mitchell, M., Forrest, S., & Holland, J. H. (1991). The royal road for genetic algorithms: Fitness landscapes and GA performance. Proceedings of the First European Conference on Artificial Life.
- Mitchell, M. (2006). Complex systems: A new kind of science? A review of A New Kind of Science by Stephen Wolfram. Artificial Life, 12(4), 617–620.
Enlaces externos
Mitchell mantiene un sitio web profesional que incluye su currículum, publicaciones y materiales de curso. Ha aparecido en podcasts como el BrainInspired podcast, el Lex Fridman Podcast y el Learning Salon.
Referencias
Este artículo se basa en información de fuentes públicas, incluidos los propios escritos y entrevistas de Mitchell. Para más lectura, véanse sus libros y publicaciones académicas.
Véase también
- Ciencia de la complejidad
- Algoritmos genéticos
- Ciencia cognitiva
- Instituto Santa Fe