MITOS Y REALIDADES DE LA INTELIGENCIA ARTIFICIAL

MITOS Y REALIDADES DE LA INTELIGENCIA ARTIFICIAL
El término Inteligencia Artificial (IA) fue creado y usado por primera vez a mediados de los años
40's. Sin embargo, no es hasta 1956 en que se utiliza formalmente por primera vez en una
pequeña reunión a la que concurrieron algunos psicólogos, fisiólogos y científicos de la
computación.
Debido a esta característica multidisciplinaria en su concepción, existen diversos puntos de
vista sobre el objetivo y la contribución de la IA al conocimiento científico. Algunos de quienes
trabajan en IA la consideran como una manera de ayudarnos a entender la psicología humana,
de tal forma que desarrollan una programación que lleva a cabo tareas de la forma en que un
ser humano las realiza. Otros ven la IA como una aproximación a la teoría de la inteligencia en
general, siendo la inteligencia humana (y animal) un caso especial. Otros aún simplemente
desean desarrollar programas que hagan algo (entender lenguaje, describir objetos visibles, o
resolver problemas de varios tipos), sin importar como la mente humana lo haga, esperando
que sus programas sean no solamente interesantes, pero a la vez útiles.
Desde su concepción, la IA ha tenido algunos éxitos posibilitando a las computadoras a realizar
(en forma limitada) algunas tareas que normalmente se hacen por la mente humana. Es en la
actualidad que los aspectos tecnológicos de la IA se han vuelto más visibles. El interés público
en la IA y su cobertura por los medios de difusión se han incrementado enormemente en los
últimos años. Más y más personas ven a la IA como una tecnología incipiente de gran potencial
y significancia social a futuro. Particularmente, este interés y conocimiento público surge a
partir de 1981, cuando Japón anuncia su plan nacional de diez años para desarrollar lo que se
llamó la "Quinta Generación" de computadoras. Tales computadoras no solo basan su
operación en procesamiento paralelo a gran escala, sino que tambien buscan incorporar
técnicas de IA al procesamiento. De hecho, el objetivo de este plan (como fue originalmente
expuesto por sus precursores) es "la creación de máquinas artificialmente inteligentes que
puedan razonar, arrojar conclusiones, hacer juicios, y hasta entender la palabra oral y escrita".
A partir de ese entonces, grandes inversiones para la investigación en IA se han realizado por
parte de gobiernos e industria privada de las naciones industrializadas.
El Origen de los Mitos
El sensacionalismo alimenta a la ignorancia, y muchas de las descripciones de la IA en los
medios de comunicación y libros de ciencia popular son sensacionalistas por naturaleza. Ya
sea que proclamen las "maravillas" o los "peligros" de la IA, en general no son informativos de
la realidad, y sí altamente engañosos. En ellos se sugiere espectaculares avances que pueden
o serán realizados en un futuro inmediato, siendo que muchas de ellos sólo podrán ser
realizados (en caso de ser posibles) tal vez después de décadas de investigación.
Desafortunadamente, los reportes sensacionalistas sobre IA son muchas de las veces
originados por comentarios poco juiciosos por parte de la propia comunidad de IA. Un ejemplo
de tales comentarios lo podemos encontrar en un programa sobre computación y ciencia de la
BBC-TV, que comienza y termina con una cita de un conocido científico en computación del
MIT, prediciendo que las máquinas inteligentes del futuro serán quienes se preocupen de todos
los problemas realmente importantes por nosotros (por nosotros, no con nosotros). De la forma
en que lo expone (con aparente satisfacción), parece que las super-máquinas serán tan
inteligentes que nosotros no seremos capaces de entender sus "pensamientos". La conclusión
de este investigador es que los sistemas super-inteligentes de IA justificablemente ignorarán a
los seres humanos, dejándonos simplemente "jugar entre nosotros".
Por otro lado, considerando y analizando cuidadosamente el objetivo original de la "Quinta
Generación" de computadoras, es notable que se trata de una afirmación realmente ambiciosa.
Sin embargo, es común encontrar que gran parte de las afirmaciones hechas por los
entusiastas y expertos de la IA son en realidad exageradas o presuntuosas. Un ejemplo de
tales afirmaciones es aquella hecha en 1958 por Herbert Simon y Allen Newell, ambos pioneros
científicos de la computación y fundadores de la IA como parte de las ciencias de la
computación. Ellos escribieron que:
"... hay ahora en el mundo máquinas que piensan, que aprenden, y que crean. Más
aún, su habilidad para hacer estas cosas va a incrementar rápidamente hasta --en el
futuro visible-- el rango de problemas que puedan manejar sera coextenso con el rango
al cual la mente humana ha sido aplicada" [1].
En otras palabras, el ambicioso objetivo de los japoneses había sido casi a punto de ser
realizado hace poco mas de cuatro décadas, de acuerdo con estos líderes de la comunidad de
IA. Lo único que quedaba por hacerse --y que sería hecho dentro del "futuro visible"-- era
extender el rango de problemas que tales máquinas podrían resolver hasta completar "el rango
total" de los problemas a los cuales la mente humana había sido aplicada.
Aún cuando se han hecho grandes progresos en hacer que las computadoras "entiendan" la
palabra escrita y hasta algo del lenguaje hablado en contextos altamente controlados, tanto la
afirmación de Simon y Newell como el ambicioso objetivo de los japoneses en 1981
permanecen a la fecha incumplidos, y hasta cierto punto absurdos. El absurdo parece recaer
en qué estándar de desempeño inteligente de una computadora se espere. De acuerdo con
Simon y Newell, poco queda por hacer. Si, por otro lado, palabras como "juicio", "razón", y
"entendimiento" se interpretan con sus significados usuales, entonces el prospecto de éxito es
realmente obscuro. Los japoneses han logrado un alto nivel en la construcción de hardware
durante la década de los 80's y hasta la fecha, involucrando en una cooperación estrecha al
Ministerio Internacional de Comercio e Industria del Japón y a grandes firmas de electrónica,
pero tal cooperación no ha arrojado nada que pueda ser considerado como un avance radical
en IA. Varias áreas de investigación en IA han tenido y tienen un sólido progreso en la
actualidad. Sin embargo, este progreso no ha dependido exclusivamente del ambicioso
proyecto japonés de la "Quinta Generación".
Realidades: Investigación y Resultados
Jonh von Neumann, creador de la arquitectura de computadora que aún en la actualidad es el
estándar internacional, fue uno de los primeros (si no el primero) en reconocer que las
instrucciones de computadora son meramente símbolos que pueden ser manipulados por las
computadoras de la misma forma que los números o cualquier otro símbolo puede ser
manipulado. Citado comúnmente como "ejemplo" de un pionero de la computación que
desarrolló las bases del pensamiento automatizado y de la IA, en su último trabajo publicado,
von Neumann establece que "una aproximación hacia el entendimiento del sistema nervioso
desde un punto de vista matemático", simplemente no tiene nada que ver con que "las
computadoras exhiban inteligencia" [2]. En realidad, von Neumann tenía una respuesta
estándar para cualquiera que le preguntara si las computadoras podían pensar, o ser
inteligentes. Su respuesta era que si quien preguntaba podía presentarle una descripción
precisa de que quería que la computadora llevara a cabo, alguien podría programar la
computadora para comportarse de la forma requerida. Si von Neumann pensaba que habría
algunas cosas dentro de la experiencia humana que no satisfacían este criterio, simplemente
no lo sabemos. Sin embargo, su posición en cuanto a que todo aspecto de la naturaleza debe
poder ser precisamente descrito, y su colorario de que todo conocimiento humano puede ser
enunciado mediante palabras, es el credo central que todo verdadero creyente de las
posibilidades ilimitadas de la IA debe sostener. Desde este punto de vista, los japoneses
creadores del proyecto de la "Quinta Generación" parecen ser creyentes genuinos; sin
embargo, von Neumann quizá no lo era.
Siguiendo esta misma linea de pensamiento, y fuera de los mitos, se exponen a continuación
algunas realidades sobre la IA, discutiendo brevemente las áreas que han sido desarrollados
como parte de la investigación en la IA.

Una de las áreas de investigación de la IA más cultivadas es la visión a "bajo nivel",
basado en técnicas que utilizan hardware paralelo y procesamiento cooperativo. Tal
investigación se basa en estudios detallados de la formación de imágenes a partir de
las características tridimensionales de la luz ambiente (tales como forma, profundidad,
textura y orientación de superficies), a fin de extraer conocimiento de alto nivel de a
partir de un escenario dado. Parte de este trabajo se realiza en el contexto de la


psicología humana y neurofisiología, y parte en un contexto más tecnológico. Máquinas
masivamente paralelas dedicadas a esta área particular han sido diseñadas, y todavía
los mayores avances dependen del hardware.
Otra área en la cual podemos esperar progresos significativos es la robótica. Esta
incluye problemas de control de movimiento, planeación de trayectorias, y coordinación
entre sensores y motores (utilizando elementos del trabajo en visión a "bajo nivel").
Como en el caso de la visión, los proyectos de esta área se basan en medios
"artificiales" para asegurar el éxito en la actividad propuesta. Por ejemplo, sistemas de
soldado utilizan franjas de luz para reconocer diferentes tipos de junturas, guiando así
la actividad del soldado de partes. También en esta área se utilizan medios
relacionados a las teorías psicofisiológicas de control y coordinación motora presente
en organismos vivos.
Los sistemas "expertos" basados en conocimiento se han multiplicado enormemente
en las últimas décadas, principalmente al interés comercial en ellos. Diferentes
dominios de experiencia humana pueden requerir diferentes aproximaciones de la
"ingeniería del conocimiento". En aquellos dominios menormente cubiertos por una
teoría científica es en los que parece ser más fácil extraer el conocimiento de expertos
humanos quienes son competentes pero aún no han llegado a una maestría "intuitiva"
en el dominio que los reconocidos como expertos tienen. Estos expertos reconocidos
dan respuestas correctas más frecuentemente, pero no les es posible reflexionar en
forma introspectiva acerca de su proceso de razonamiento, el cual sucede de forma
muy rápida y espontánea, lo que la hace difícil de accesar concientemente. El
razonamiento de los expertos humanos simplemente competentes es más fácil de
estudiar debido a que éstos tienden a tomar más tiempo para decidir, después de
ponderar concientemente distintas consideraciones entre sí, y verbalmente identificar
áreas poco claras. Los dominios que dependen de la comparación e interpretación de
imágenes visuales complejas (como el caso de la radiología médica) son
especialmente difíciles de automatizar, debido a que los procesos de visión a "bajo
nivel" no se prestan a inspección voluntaria o control. Ciertamente, los expertos
encuentran muy complicado describir como realizan las comparaciones relevantes
(estudios sobre el movimiento del ojo, por ejemplo, muestran que los expertos
radiólogos no revisan o registran placas de rayos X en la forma que ellos mismos
describen).
La investigación en sistemas expertos se enfoca también en las arquitecturas
computacionales requeridas para lidiar con grandes y complejas bases de
conocimiento. Los sistemas actuales son relativamente simples e inflexibles, y se
restringen a dominios muy específicos. Algunos se han mejorado incrementalmente,
pero solo hasta cierto punto. Eventualmente, las interacciones entre un número
creciente de reglas independientemente añadidas (en las que se basa el conocimiento
en sí) se vuelven muy difíciles de controlar, lo que pone en peligro la confiabilidad e
inteligibilidad del sistema. Más aún, problemas complejos surgen cuando se requiere
que los sistemas operen en tiempo real, en donde eventos inesperados pueden
necesitar un cambio rápido de la actividad actual a otra.

Algún progreso se ha logrado en procesamiento de lenguaje natural en enunciados y
textos. Puntos claves en esta investigación incluyen revisión sintáctica, la integración
de sintaxis y semántica, y la comprensión de texto conexo. La traducción automática de
textos puede beneficiarse aún en avances en revisión de enunciados y análisis de
textos.
El trabajo actual en revisión de textos se realiza sobre todo en teoría del lenguaje y en
el perfeccionamiento de la interfaz humano-máquina, a fin de permitir a los usuarios no
especializados comunicarse con la computadora utilizando un razonable subconjunto
del lenguaje natural. En aplicaciones donde un programa se utiliza para un propósito
específico, factores semánticos pueden ser fácilmente usados para ayudar en la
revisión y clarificación de instrucciones y preguntas provenientes del usuario.
Intercambios verbales con la computadora acerca de temas particulares como geología
lunar o reservaciones de boletos de avión son razonablemente "naturales" debido a la
explotación de restricciones semánticas. Conjuntos de semánticas para dominios
específicos continuarán desarrollándose durante los próximos años.
Programas para el análisis de textos son capaces actualmente de obtener ideas
generales de escritos acerca de tópicos específicos. Sin embargo, estos programas
dependen en esquemas rígidos de programación, los cuales proveen el esqueleto
semántico del tipo de escritos analizados. Investigación reciente se enfoca a hacer que
el programa de análisis de textos pueda generar los esquemas por sí mismo, a fin de
integrar esquemas entre sí de tal forma que pueda entender una historia combinando
los esquemas necesarios, y para poder analizar un nuevo texto de forma análoga. Tal
vez un gran éxito no es de esperarse en los próximos años, pero un mayor
entendimiento de los problemas relevantes debe representar un avance después de
todo.


Investigación se esta llevando también a cabo en una variedad de aplicaciones
educacionales. Algunas de estas aplicaciones se enfocan en cursos curriculares,
requiriendo información tanto del modelo de la teoría del curso como del modelo del
conocimiento del estudiante (que varía respecto al nivel y organización, de persona a
persona y de un tiempo a otro). Otras aplicaciones son menos específicas, con el
objetivo de utilizar técnicas basadas en IA para mejorar la actitud del estudiante a el
conocimiento en general. Existe evidencia que tanto los estudiantes comunes como
aquellos con problemas de discapacidad pueden alcanzar mayor confianza en sí
mismos, así como logros intelectuales, al experiementar con ambientes de
programación especialmente diseñados. Investigaciones sobre los efectos de sistemas
basados en IA se realizan, y podremos esperar algunos resultados en los años
venideros.
Un área extremadamente importante, y que está incrementalmente siendo estudiada
con interés debido a los desarrollos recientes en el hardware, se ocupa de las
propiedades computacionales de grandes sistemas paralelos. Hasta ahora,
entendemos muy poco de las potencialidades y limitaciones de tales sistemas. Algunos
trabajos sugieren que el procesamiento cooperativo puede tener algunas propiedades
muy sorprendentes. Sin embargo, las propiedades computacionales de los sistemas
paralelos parece que no serán bien entendidas por un largo tiempo, pero la experiencia
con estos sistemas en el futuro inmediato llevará sin lugar a dudas a algún avance
considerable.