Enfoques
de la inteligencia artificial ( y I)
⌚( 3 min.)
por
Juan Lorenzo de Membiela
Una cosa es el
concepto de inteligencia artificial y otra diferente sus enfoques o
fundamentos. Hay una distinción importante porque siguen ámbitos de
investigación distintos y la unificación de estas vías es hoy reclamada en pos
de una mayor eficiencia creadora.
En Dartmouth en
1956, concurrieron dos concepciones científicas; dos formas de entender y
abordar la IA que la han llevado por caminos tecnológicos distantes y que en la
actualidad se mantiene: el enfoque simbólico o estrategia Top-down (de
arriba abajo) también conocida por IA débil y el enfoque
conexionista o subsimbólico o estrategia Bottom-up (de abajo a arriba), conocida
como IA fuerte.
Ambos poseen su
fundamento filosófico: el sistema Bottom-up encuentra sus raíces en los
postulados de David Hume y John Stuart Mill, así como en los psicólogos Iván
Pávlov y B.F. Skinner. El enfoque Top-down en Platón y los filósofos
racionalistas como Descartes.
 |
| Fuente: Pixabay. Licencia CC0 |
I.
Enfoque simbólico o IA débil.
Newell y
Herbert Simon sostuvieron que las maquinas deben procesar información mediante
un lenguaje simbólico integrado por leyes lógicas.
Esta concepción de la IA
rechaza reproducir la biología del cerebro como base de la cognición, pero
intenta emular su funcionamiento racional porque lo consideran como un sistema
de procesamiento de información.
Emplea
tecnologías que manipulan símbolos. Y es precisa una información estructurada,
bien organizada en forma de reglas lógicas. El conocimiento se obtiene mediante
deducción, es decir, ir de lo general a lo particular, que es propiamente
humano.
Esta concepción
de inteligencia es rebatida por el filósofo John Searle puesto que la
racionalidad no es un conjunto de reglas lógicas, sino que se trata de un
fenómeno biológico y, por tanto, universal para todos los seres humanos.
A
Simon y Newell se debe el primer sistema de inteligencia artificial del mundo
al crear el Logic Theorist conocido también como Maquina de la Teoría
Lógica en 1956. Este programa de ordenador fue capaz de resolver la mayor
parte de los teoremas de la formalización matemática de Whitehead y Russell de
1910.
El enfoque
simbólico recibe un impulso por la empresa IBM y sus investigadores Harlan
Mills y Niklaus Wirth.
Alcanzó un notable
éxito en el procesamiento de textos y el reconocimiento de voz, así como disciplinas
lógicas como los juegos de ajedrez y damas
Despertó gran
interés la creación de máquinas que resolvían problemas matemáticos en la
creencia de que resolviendo lo más complejo solucionarían lo más simple. Ello
no fue así. Tampoco resultó acertada la hipótesis de que la solución de
problemas de juegos en ámbitos muy concretos, simplificarían una realidad
compleja facilitando su resolución.
Tras distintos
proyectos de investigación se llegó a los IKBS (Sistemas inteligentes basados
en el conocimiento) también conocidos como Sistemas Expertos,
principal aportación de este enfoque simbólico.
Considerado
como subconjunto de la IA según Rossini, los llamados Sistemas Expertos
procesan una ingente información estructurada sobre una parcela del conocimiento
mediante un sistema lógico. Se emplean para resolver problemas especializados
en áreas muy determinadas.
El primer Sistema
Experto fue desarrollado por Edward Feigenbaum de la Universidad de
Stanford en 1965, especializado en análisis químico, se llamó DENDRAL.
Seguido en 1974 por MYCIN primer sistema experto en medicina
desarrollado por Ted Shortliffe también en Stanford.
Cabe considerar
como Sistema Experto a los sistemas de información enfocados a la Toma
de Decisiones Empresariales, como el DSS.
Quedó así demostrado el poder de los sistemas
basados en reglas para la representación del conocimiento y la inferencia o
procesamiento interpretativo para diferentes campos de conocimiento. Esta
operación se ejecuta mediante el algoritmo llamado RETE, también son
frecuentes el Eager Evaluation y el Lazy Evaluation.
Frente a lo
humano contingente los Sistemas Expertos son sistemas estables de
información y toma de decisiones dada su infalibilidad e inalterabilidad de sus
soluciones ante un mismo problema en el tiempo.
Como puntos
negativos carecen de sentido común y además no son capaces de
discriminar las cuestiones relevantes de las triviales.
Además, como
razona el filósofo John Searle en su libro El misterio de la conciencia las
aplicaciones de IA operan con la
sintaxis, pero no con la semántica, por ello, un ordenador no puede
explicar la intencionalidad o significado de lo que procesa. Este es el gran
problema de los sistemas de IA en la actualidad.
Sin embargo,
son valorados en el mercado por su flexibilidad y confiabilidad y constituyen
una tecnología de probada efectividad.
Una
manifestación moderna de este enfoque simbólico es la llamada «planificación»
utilizada para la ejecución de juegos.
Junto al empleo
de técnicas heurísticas se emplean en programas de navegación que
localizan direcciones físicas evitando extraviarnos mientras conducimos. Es una
de las aplicaciones más conocidas y prácticas No es lo último en computación
simbólica, las nuevas tecnologías incrementan sus campos de aplicación, aunque
muchos vieron que este enfoque no podía alcanzar desarrollos más ambiciosos.
