https://s16.postimg.org/7c0ntzqyt/Palmpilot5000_eu.png *Palm Pilot* Jeff Hawking , a parte de ser el programador principal de, entre otras cosas, el sistema ["Graffiti"](https://en.wikipedia.org/wiki/Graffiti_(Palm_OS)/) y CEO de la ya extinta [Palm Inc](https://en.wikipedia.org/wiki/Palm,_Inc.), es también neurobiólogo y fundador filantrópico del Instituto de Investigacion Neurobiológica ["RedWood"](http://redwood.berkeley.edu/). También es socio fundador (no tan filantrópico) de una empresa llamada ["Numenta Inc"](http://www.numenta.com/) en donde se intenta llevar a la práctica las bases teóricas sentadas en la institución científica. También es autor de un libro donde explica el transfondo teórico de ambas instutuciones: [On intelligence](http://www.amazon.com/gp/product/0805078533/sr=8-1/qid=1154290272/ref=pd_bbs_1/103-1040501-2624616?ie=UTF8), publicado en 2005 que sentaría las bases de un nuevo paradigma de inteligencia artíficial, muy lejos de hasta las entonces conocidas y re-conocidas redes neuronals: una plataforma de software denominada Memoria Temporal Jerárquica o HTM (del inglés *“Hierarchical Temporal Memory”*).

El HTM

Esta plataforma puede llegar a ser – según mi humilde opinión- la revolución del siglo 21. Ellos lo llaman **„nuevo paradigma de la inteligencia computacional“**: Un modelo de la estructura y función de la corteza cerebral capaz de simular todos los niveles de inteligencia humana. Y es que un HTM es muy diferente a un ordenador programable tradicional. https://s14.postimg.org/xw77nqmjl/work_731198_960_720.jpg En la computación tradicional un desarrollador de software crea programas específicos para resolver problemas concretos: un software de reconocimiento de voz es programado específicamente para reconocer la voz y sería incapaz de realizar otras tereas como, por ejemplo, aproximar el resultado de una integral numérica. El HTM, a diferencia de un algoritmo imperativo tradicional, no está hecho para resolver problemas sino para **aprender a resolverlos**. Éste es capaz de almacenar y estructurar datos sensoriales en un proceso denominado “entrenamiento”. Una vez entrenado, el HTM puede desarrollar su capacidad de resolver problemas concretos sin necesidad de haber sido programado para hacerlo. Pero, vayamos por partes: Los "chicos" de Numenta Inc. aseguran que la corteza cerebral, debido a su naturaleza visiblemente homogenea, ha de funcionar con un único y simple algoritmo común para llevar a cabo todas las funciones que se le atribuyen: visión, audición, lenguaje, comportamiento, etc. La premisa es que **donde no hay una complejidad estructural, no puede haber una complejidad funcional** https://s22.postimg.org/cu10zkzdt/neurons_877577_960_720.jpg Estructura homogenea del cortex neuronal El modelado computacional de este algoritmo es la base del HTM. Para explicarlo, lo dividen en cuatro pasos:

Descubrir las causas en el mundo.

Entendiendo causas como objetos (o ideas) que „causan” determinadas activaciones sensoriales. Una pelota roja es un objeto del mundo pues es causa de la imagen en la retina de un círculo rojo. Al principio un HTM no conoce ningún objeto y ha de ser expuesto a diferentes entradas sensoriales, con dicho objecto como causa, para *“almacenarlo”*. El objeto se almacena en el HTM, no como tal, sino como la causa de dichas entradas sensoriales. El descubrimiento de las causas y su almacenamiento jerárquico, dicen en Numenta “es la base de la percepción, creatividad e inteligencia.” https://s14.postimg.org/kzqcle5xt/Eye1.png [Fuente](http://www.baseballbytheyard.com/wp-content/uploads/2014/10/Eye1.png)

Inferir causas conocidas a partir de nuevas entradas.

Un sistema de visión basado en un HTM sería capaz de, siendo expuesto a una imagen, inferir qué objetos conocidos (almacenados en su memoria) pueden haber causado esa imagen. Estos posibles objetos son almacenados en forma de creencias asociadas a las posibles causas. Las causas conocidas tendrían diferentes niveles de probabilidad. A mayor probabilidad, mayor es la certeza de que esa causa sea la asociada a esas entradas. Cuanto más ambigua es la creencia, más plana es la curva de probabilidad sobre las diferentes causas. Esto es la base de la capacidad cerebral para reconocer patrones.

Hacer predicciones.

Un HTM no sería solo capaz de inferir causas conocidas a partir de entradas de datos desconocidas (reconocer patrones) , sino que es capaz de deducir nuevas causas (objetos) combinando las causas conocidas y las nuevas entradas. https://s11.postimg.org/dddltjqnn/board_1647323_960_720.jpg La predicción es un componente esencial de la inteligencia y base de elementos típicamente humanos como la creatividad o la imaginación. Un HTM es capaz de **imaginar** en tanto que es capaz de utilizar las inferencias o las predicciones a modo de nuevas entradas donde realizar nuevas inferencias y nuevas predicciones. La predicción es también fundamental en un HTM para dirigir el comportamiento motoro. https://s17.postimg.org/f1rk3i6xr/Capture.png [Fuente](http://facerecognition.byethost13.com/images/indix.png)

Utilizar las predicciones para dirigir el comportamiento motoro.

Mientras el ser humano anda, su cerebro está incesantemente haciendo predicciones y correcciones para adaptar el siguiente paso a las nuevas características del entorno. Sin esta increíble capacidad del cerebro sería imposible – o muy dificil – andar. El córtex está conectado a otras partes más “profundas” del cerebro, donde se controla el caminar y éste es capaz de variar su comportamiento en determinadas situaciones. https://pixabay.com/static/uploads/photo/2014/03/25/16/34/man-297417_960_720.png Un HTM sería inútil si no estuviera conectado a algún tipo de mecanismo (robot) capaz de interactuar con el entorno del que recibe las entradas. Un HTM podría ser conectado a sistemas autónomos, y dependiendo de su funcionamiento y de las predicciones realizadas, modificar su comportamiento. Un HTM sería un candidato ideal para controlar el clima de un edificio. Sus entradas de datos serían sensores repartidos por el edificio que medirían cosas como la temperatura y humedad relativa, número de gente dentro y fuera del edificio, datos atmosféricos o consumo eléctrico. También obtendría datos sobre la configuración de temperatura y humedad. El HTM estaría conectado al sistema de refrigeración siendo capaz de aumentar o disminuir temperatura y humedad relativa. https://s17.postimg.org/q369l4c8v/BVAMP.jpg [Fuente](http://www2.lbl.gov/Science-Articles/Archive/assets/images/2004/Sept-21-BVAMP/BVAMP.jpg) El HTM, tras un proceso de aprendizaje, podría adaptar la temperatura y la humedad dependiendo de las predicciones que hiciera en relación al nivel de comfort de la gente. El sistema aprendería que, por ejemplo, a menor temperatura exterior, menor sería la diferencia a la temperatura interior necesaria para mantener el ritmo de entrada y salidad de gente a un nivel constante: un posible indicativo de la productividad. El HTM aprendería esto y en días sucesivos adaptaría la temperatura para optimizar la productividad. No quiero extenderme demasiado. Si quieres informarte más a fondo, encontrarás suficiente material en este apartado de la página web de numenta: http://numenta.com/applications/ Un fuerte abrazo Pablo Garcia --- PS: Puedes hablar conmigo en el canal [Hispanohablantes](https://steemit.chat/channel/HispanoHablantes) sobre este y muchos más temas. PSS: Puedes seguir los artículos con más impacto en la comunidad hispana en el canal @cervantes