Inteligencia artificial

Ignasi Belda

• Editorial: RBA Libros
• Año: 2019
• ISBN:
  9788491873853
• Categoría: Computer Science
• Categoría: Artificial Intelligence (AI) & Semantics

El cerebro es el órgano más misterioso del cuerpo humano. A pesar de los avances más recientes en disciplinas como la biología molecular o las tecnologías de neuroimagen, todavía queda mucho camino por recorrer hasta desentrañar todos sus secretos.¿Llegaremos algún día a descifrar los mecanismos de su estructura y funcionamiento? ¿Nos permitirá eso reparar sus defectos y potenciar nuestras capacidades? José Viosca, bioquímico y doctor en neurociencias, aborda el reto de cartografiar el cerebro y nos acerca un poco más a conocer nuestro órgano más complejo.

El avance de la inteligencia artificial y las guerras

En el verano de 1956, dos años después de la trágica muerte de Alan Turing, tuvo lugar un trascendental encuentro en la Universidad de Dartmouth College, en New Hampshire, Estados Unidos. En esta reunión, conocida como la conferencia de Dartmouth y organizada por el prominente informático estadounidense John McCarthy (1927-2011), se dieron cita once eminencias, entre ellas los estadounidenses Claude Shannon (1916-2001), criptógrafo y considerado el padre de la teoría de la información, Marvin Minsky (1927-2016), cofundador del laboratorio de inteligencia artificial y decano del Instituto Tecnológico de Massachusetts (el célebre MIT), el psicólogo Frank Rosenblatt (1928-1971), pionero de las redes neuronales, Herbert Simon (1916-2001), premio Nobel de Economía, y Allen Newell (1927-1992), experto en informática y psicología cognitiva. Ellos fueron los que consolidaron la columna vertebral de la inteligencia artificial mientras esta se propagaba por otras comunidades científicas de Occidente.

La idea de McCarthy era reunir a una decena de sabios durante dos meses para discutir temas como la cibernética, la teoría de autómatas o el procesamiento de información compleja. De hecho, fue en esta reunión en la que se acuñó el término «inteligencia artificial» y esta fue la declaración fundacional del encuentro:

Proponemos que durante el verano de 1956 tenga lugar en el Dartmouth College en Hanover, New Hampshire, un estudio que dure dos meses, para diez personas. El estudio es para proceder sobre la base de la conjetura de que cada aspecto del aprendizaje o cualquier otra característica de la inteligencia puede, en principio, ser descrito con tanta precisión que puede fabricarse una máquina para simularlo. Se intentará averiguar cómo fabricar máquinas que utilicen el lenguaje, formen abstracciones y conceptos, resuelvan las clases de problemas ahora reservados para los seres humanos, y mejoren por sí mismas. Creemos que puede llevarse a cabo un avance significativo en uno o más de estos problemas si un grupo de científicos cuidadosamente seleccionados trabajan en ello conjuntamente durante un verano.

Durante esos sesenta días se debatieron dos modelos alternativos de inteligencia artificial, dos enfoques que fueron llamados top-down y bottom-up. La visión top-down, liderada por Newell y Simon (que aparecen en la fotografía superior de la pág. 61), argumentaba que la cognición era un fenómeno de alto nivel que, en cierta manera, podía separarse del cerebro. Por tanto, el cerebro no es más que un instrumento que puede reemplazarse por otras tecnologías de silicio capaces de realizar el procesado simbólico, que es lo que realmente posibilita la inteligencia. Este grupo defendía que, para crear inteligencia artificial, se debía trabajar en la elaboración de sistemas artificiales capaces de manipular los símbolos con las mismas reglas que lo hace el cerebro humano. En otras palabras, el enfoque top-down opinaba que los científicos debían olvidarse de reproducir la estructura física del cerebro para centrarse en las reglas y sistemas que permiten la manipulación y combinación de símbolos o sistemas simbólicos.

Por otra parte, el grupo que apoyaba el enfoque bottom-up, encabezado por Rosenblatt, argumentó que la estructura real del cerebro es primordial para la emergencia de la función cognitiva, y que, si queremos desarrollar sistemas de inteligencia artificial, primero hay que crear un hardware que imite la biología cerebral. El enfoque bottom-up iba muy en línea con las propuestas de Turing del ya nombrado modelo conexionista. De hecho, los científicos defensores de este enfoque avanzaron en su visión de inteligencia artificial mediante el desarrollo de la neurona artificial.

DE LOS SISTEMAS SIMBÓLICOS AL ENFOQUE CONEXIONISTA

Ambos enfoques se disputaron la supremacía durante los años cincuenta y principios de los sesenta, una época durante la cual hubo una sana competición entre las dos escuelas gracias a los fondos públicos vertidos en plena carrera tecnológica entre Estados Unidos y la antigua Unión Soviética, en el contexto de la Guerra Fría. En ese periodo, Newell y Simon, los defensores del enfoque top-down, desarrollaron un programa informático llamado Logic Theorist, que era capaz de demostrar teoremas nada triviales de lógica matemática.

Logic Theorist usaba lo que se conoce como sistemas simbólicos, los cuales fueron inventados por los matemáticos para dar sentido a expresiones sin referirse a convenciones arbitrarias. Por ejemplo, podemos decir que «ser un hombre» implica «ser mortal» y esta sentencia se puede formalizar mediante la expresión matemática A → B, donde el símbolo «A» equivale a «ser un hombre», el símbolo «→» significa «implica» y «B» equivale a «ser mortal». «Ser un hombre implica ser mortal» es una expresión arbitraria que se formaliza mediante la expresión A → B. Una vez los términos arbitrarios están formalizados, es mucho más sencillo manipularlos y hacer operaciones con ellos desde un punto de vista informático-matemático.

Con el propósito de simplificar las operaciones matemáticas, los sistemas simbólicos parten de axiomas para construir teoremas con ayuda de reglas de derivación. La ventaja de los sistemas simbólicos es que, al ser sistemas formales perfectamente definidos y sin ambigüedades, su programación informática es relativamente sencilla. Veamos un ejemplo:

Sócrates es un hombre.

Todos los hombres son mortales.

Por tanto, como Sócrates es un hombre, es mortal.

Si lo formalizamos matemáticamente, estas sentencias quedarían de la siguiente manera:

A: Sócrates

B: hombre(s)

A → B

C: mortal(es)

B → C

Si A → B y B → C, entonces A → C, es decir, Sócrates es mortal.

En este caso, una regla de derivación conocida como «silogismo hipotético» nos permite concluir que A → C, si es cierto que A → B y B → C.

Sin embargo, la derivación automática y sistemática de teoremas a partir de los axiomas y de las reglas de derivación puede conducirnos a un número de combinaciones que, de nuevo, nos acerca peligrosamente al número de átomos del universo. Por ello, el programa Logic Theorist se valía de consideraciones heurísticas, es decir, un instrumento vagamente predictivo que ayuda a seleccionar las mejores derivaciones de entre todas las posibles, para identificar la secuencia correcta de derivaciones que deben realizarse sobre los axiomas, hasta llegar a la demostración de los teoremas.

Herbert Simon (derecha) y Allen Newell en el despacho de Simon en el Carnegie-Mellon Institute en Pittsburgh (Pensilvania); la fotografía fue tomada en mayo de 1986.

Recreación artística de una red neur...