Inteligencia Artificial
Concepto de Inteligencia ArtificialLa definición de cualquier término depende tanto del objetivo que se pretende alcanzar como de los medios que se suponen más adecuados para lograrlo. Por ejemplo, en la sección anterior hemos reinterpretado la historia para encontrar antecedentes de la IA; entre ellos mencionamos un relato sobre el médico Paracelso, que en el siglo XVI elaboró una receta para crear un "homúnculo": un ser humano artificial. Muy posiblemente, para los contemporáneos de Paracelso, la IA sería la rama de la alquimia dedicada a identificar las materias primas y la receta para crear un ser humano.
Dado el contexto del presente análisis, nuestro propósito debe ser analizar el término y sus definiciones dentro del campo de la ciencia de los computadores. Sin lugar a duda, la concepción actual del computador, entendido como medio para alcanzar el objetivo deseado (cuya primera aproximación académica podría ser "creación de inteligencia a partir de métodos realizados por el propio hombre"), condiciona el contenido de las definiciones que aquí vamos a exponer. Otro factor de limitación es el desconocimiento de la esencia de la inteligencia, o si se prefiere, de su estructura. Sólo somos capaces de definirla funcionalmente, por sus capacidades, manifestadas a través del comportamiento del ser humano. El siguiente juego de palabras nos enfrenta a la parte del dilema que tiene que ver con la que consideramos la cualidad esencial de la inteligencia, la capacidad de pensar:
No puedes pensar sobre el pensar, sin pensar acerca del pensar sobre algo ¾ Seymour Papert [Minsky, 86]
Como también comenta Minsky en otro libro [Minsky, 85], "el problema de la Inteligencia Artificial es la naturaleza de la misma inteligencia, un tema que nadie comprende muy bien. ¿Por qué no? Quizás en parte porque nadie ha tenido la oportunidad de estudiar otros tipos de inteligencia distintos de la humana".
En cualquier caso, el propio proceso de definir siempre es positivo; como dijo el premio Nobel Lwoff: "Definir es uno de los métodos para descubrir". Por tanto, vamos a comprobar, sin más dilación, estos supuestos transcribiendo algunas definiciones de IA:
"La automatización de actividades que asociamos con el pensamiento humano, actividades como la toma de decisiones, la resolución de problemas, el aprendizaje à" [Bellman, 78].
"La disciplina cuyo objetivo científico es construir una teoría de la inteligencia en base al proceso informático." [Nilsson, 80]
"El estudio de las facultades mentales a través del uso de los modelos computacionales." [Charniak & McDermott, 85]
"El estudio de cómo lograr que los computadores realicen tareas que, por ahora, son realizadas mejor por los seres humanos." [Rich & Knight, 91]
"El estudio de las computaciones que permiten percibir, razonar y actuar." [Winston, 92]
"El campo de la ciencia y la ingeniería dedicado a la comprensión de los procesos computables propios de lo que vulgarmente se identifica por comportamiento inteligente, y a la creación de artilugios que manifiesten dicho comportamiento." [Shapiro, 92]
"El proyecto de construcción de un artefacto inteligente." [Ginsberg, 93]
"Hacer computacional el conocimiento humano no analítico por procedimientos simbólicos, conexionistas o híbridos." [Mira et al., 95]
La mayoría de las definiciones coinciden en que el objetivo de la IA es duplicar las facultades del comportamiento que atribuimos al ser humano (aprender, tomar decisiones, percibir, razonar y actuar en consecuencia à), entendido como ser con capacidad de pensar. Otra definición califica el comportamiento por su complejidad y no por sus facultades (d). Finalmente, en el resto se omite la mención de comportamiento alguno (b, g y h). De éstas, la última realiza un precisión adicional: el objetivo son las cuestiones de solución desconocida. En lo que sí coinciden todas es en mencionar, implícita o explícitamente, el computador como medio para lograr dichos objetivos.
--------------------------------------------------------------------------------
La Inteligencia Artificial como Ciencia
Las definiciones de IA responden al carácter científico de esta materia. Como en cualquier otra ciencia (véase la sección 1.3.2), para averiguar las últimas causas, la verdad subyacente, se parte del conocimiento de los fenómenos, en este caso, el comportamiento humano; más exactamente, la capacidad de resolver problemas que requieren inteligencia. Otras ciencias versan sobre la misma materia, la inteligencia, pero bajo distinta fenomenología. La neurología estudia los principios organizacionales y estructurales de los componentes biológicos en los que se genera dicho comportamiento. La ciencia cognitiva se preocupa de los mismos fenómenos desde la perspectiva de los procesos mentales que los producen. En realidad, ambas reflejan dos caminos con un mismo objetivo [Pylshyn, 80]. En el caso de la ciencia cognitiva, la metodología y los modelos son diferentes, ya que en lugar de preocuparse por resolver los problemas mediante modelos computables, se centra en imitar exactamente la forma en que son resueltos por el ser humano.
Considerando lo expuesto, podemos distinguir la doble perspectiva de la IA. Por una lado se considera el objeto de análisis, el comportamiento humano inteligente, y, por otro, el elemento de síntesis, los procesos computables. Por tanto, la IA tiene una componente ciencia de lo natural y otra de ciencia de lo artificial.
Como ciencia de lo natural pretende entender la inteligencia humana. Es una ciencia de análisis y modelado de la naturaleza de los sistemas inteligentes. Los objetos de estudio son los comportamientos humanos tachados de inteligentes: razonar, aprender, abstraer, generalizarà
Como ciencia de lo artificial busca la creación de sistemas inteligentes con técnicas computacionales. Es una ciencia de síntesis de formulaciones matemáticas y modelos que puedan llevarse a cabo con un soporte físico concreto, los computadores. Por tanto, está condicionada por la arquitectura y las capacidades que en cada momento tengan estas máquinas.
Por otro lado, la IA como ciencia debe ser capaz de predecir, describir y controlar los fenómenos que trata; y para ello, debe valerse de los tres elementos básicos propios de cualquier otra rama de la ciencia: las teorías, las técnicas o modelos, y las herramientas o instrumentos. Estos elementos configuran dos ejes de interrelaciones que a su vez están conectados entre sí.
Figura .1: Interrelaciones propias de cualquier rama de la ciencia
Los métodos y técnicas de esta ciencia deben ser traducidos en forma de programas de computador, ya que estos son las máquinas de las que se vale el ser humano actualmente para alcanzar los objetivos señalados. Dada la diversidad de tareas modeladas en este campo, el origen de los métodos utilizados es especialmente variado. Ya hemos señalado como a lo largo de su historia (sec. 1.2) se han utilizado técnicas que provienen de campos como: teoría de la información (p.ej., construcción de árboles de decisión), psicología cognitiva (p.ej., razonamiento basado en casos), investigación operativa (p.ej., métodos de búsqueda como la poda alfa-beta), probabilidad y estadística (p.ej., redes bayesianas), lingüística (p.ej., gramáticas de contexto libre aplicadas en interfaces de lenguaje natural), etc.
Pero todos estos métodos no tendrían sentido si no se supiera cuales son los objetivos. La evolución de las metas, tal y como hemos podido comprobar en el repaso histórico, reflejan un claro proceso de maduración. Utilizando la metáfora de la construcción, podríamos decir que en un principio se pretendió empezar a construir la casa por el tejado. No se tenía consciencia de la complejidad de los pilares de esta ciencia, que requiere solucionar problemas tan diferentes como el reconocimiento de una situación conocida, la coordinación de múltiples tareas y objetivos, el seguimiento de instrucciones, el aprendizaje basado en la observación, etc. En su lugar, se intentaron definir modelos básicos de computación para resolver cualquier tipo de problemas. Más adelante, se tuvo consciencia de la necesidad de utilizar el conocimiento del dominio, y se desarrollaron numerosas técnicas de representación y distintas formas de inferencia. El relativo éxito de estos modelos disparó las expectativas y, por tanto, se incrementaron las inversiones y se promocionó su ingeniería. El también relativo fracaso de estas previsiones ha permitido afrontar uno de los requerimientos básicos de cualquier ciencia aplicada, el establecimiento de una metodología y la clarificación de los objetivos. Era necesario confrontar la diversidad de técnicas desarrolladas y establecer los fundamentos que permitan distinguir su utilidad y sus limitaciones. Actualmente ¾ retomando la metáfora de la construcción¾ , a la vez que se intentan afianzar los pilares de esta hipotética casa, se están empezando a levantar los primeros pisos, los estratos que sirvan para combinar esos cimientos de forma armonizada. Los agentes actuales, los modelos híbridos y multiestrategia del aprendizaje, la cantidad de conferencias de carácter interdisciplinario, la profundización teórica de los modelos utilizados, la utilización y adaptación de métodos de ingeniería del software, son algunas de las manifestaciones de esta nueva realidad que pretende conjugar y asentar las funciones ya modeladas. Por otro lado, la IA sigue siendo la ciencia en la que a todo el mundo le gustaría estar. El objetivo es apasionante y es una ciencia muy viva ¾ como lo demuestra su rápida evolución en el tiempo¾ en la que se deben producir grandes avances. Al fin y al cabo todavía estamos esperando los Newton y Einstein de este campo.
Precisamente, esta rápida evolución determina el estado actual de las teorías que dan sentido y explican la utilización de los métodos aplicados. Cualquier ciencia pasa tradicionalmente por una serie de estadios que reflejan su grado de maduración. Hasta ahora hemos estado inmersos en la época de "los casos de estudio" o de la experimentación. En esta fase sólo se confirma una hipótesis de trabajo; por ejemplo, un nuevo método de generalización. La cantidad de experimentos realizados empieza a permitir dar un nuevo paso, la etapa de los principios arquitectónicos. En esta nueva fase se busca dar sentido a esa extensión observada para llegar a ordenar, correlacionar, y construir modelos que la expliquen, pudiendo entonces plantearse cuestiones como ¿qué métodos deben aplicarse para qué tipo de problemas?.
--------------------------------------------------------------------------------
La Inteligencia Artificial como Tecnología
Tendríamos una visión limitada de la realidad si no realizáramos un repaso, aunque sea muy conciso, de algunas cuestiones que perfilan la IA como una tecnología ¾ a veces denominada "ingeniería del conocimiento"¾ dentro de la ciencia de los computadores. El presente análisis hace hincapié y amplía algunas de las cuestiones introducidas previamente (sec. 1.2.4).
En la perspectiva aplicada de la IA, la resolución de los problemas consiste en la determinación del método que permite convertir un conjunto de especificaciones funcionales ¾ en este caso referidas al conocimiento¾ en un sistema computable eficaz y eficiente. Como se ha insistido frecuentemente por algunos autores [Mira et al., 95], no debemos olvidar que toda computación termina, por ahora, en el nivel de la electrónica digital. Esto implica que los modelos propios de la IA deben apoyarse en las sucesivas capas que se han definido sobre dicha electrónica (dispositivo, circuito, lógica de circuitos, transferencia-registro, programa, aplicación) con el fin de afrontar la solución de los problemas en un nivel de complejidad cada vez más cercano a la tarea que se quiere resolver. En un principio, las especificaciones de los problemas de IA se realizaban en lenguaje natural. Para intentar simplificar el salto cualitativo que supone convertir dichos requerimientos en un conjunto de procesos descritos mediante un soporte software y hardware concretos, se han establecido niveles genéricos de descripción adicionales que pretenden simplificar las etapas de análisis y diseño propias de cualquier producto de ingeniería.
En primer lugar, debemos mencionar, por importancia y por antigüedad, el nivel del conocimiento [Newell, 81]. En el modelo propuesto por Allen el problema se analiza en dos niveles, uno dependiente del formalismo de representación, nivel simbólico, y otro idealizado, ajeno a cualquier detalle de realización, nivel del conocimiento. La ventaja de este planteamiento es que permite especificar "el qué", cuáles son los objetivos de la tarea, su descripción funcional. Su principal deficiencia es que no sirve para determinar "el cómo", de tal forma que el modelo falla a la hora de predecir el comportamiento del sistema. Sólo los procesos de inferencia que puedan declararse completamente mediante una descripción lógica son los que se pueden precisar en el nivel del conocimiento, en el resto de los sistemas es necesario descender al nivel simbólico para explicar su comportamiento (como se ha podido comprobar en procesos de aprendizaje inductivo [Dietterich, 86]).
Por otro lado, Davis Marr [Marr, 82] introduce, en el contexto de la búsqueda de una teoría computacional de la percepción visual, tres niveles de computación: teoría, algoritmo e implementación. El primer nivel requiere que el problema pueda ser descrito mediante el objetivo de la tarea y la lógica de la estrategia para alcanzarlo; por tanto, coincide con el nivel del conocimiento de Newell. Desgraciadamente, en muchos casos de estudio sólo se dispone de un conjunto impreciso e incompleto de especificaciones funcionales. El segundo nivel, que corresponde al nivel simbólico de Allen, comprende la definición de los espacios simbólicos de representación de las entradas y las salidas y los algoritmos que las enlazan. El tercer nivel se refiere a la especificación del problema en un soporte software que sea traducido automáticamente hasta conectar con el nivel físico. Por tanto, el gran salto sigue encontrándose entre el primero y el segundo nivel.
2 comentarios
Tootels -
Luz -
Inteligencia Emocional. Yo creo que no , los sentimientos nunca podrán ser estudiados.