En días pasados recibí un mensaje en el que un lector pregunta en qué ha cambiado la condición de la Inteligencia Artificial (IA) con respecto de los sistemas expertos de los años 80. Se trata de una excelente pregunta, pues no sólo ayuda a entender los avances de los últimos años, sino que pone de relieve uno de los temas de debate más importantes en el desarrollo de la IA.

Una característica de la inteligencia es la gran variedad de sus manifestaciones, como leer y escribir, dibujar, entender un chiste, hacer operaciones matemáticas, escribir poemas, o especular sobre el origen del universo. Todas estas manifestaciones caen en dos categorías, aquellas que involucran un razonamiento, como resolver un acertijo, y aquellas que hacemos sin pensar, como leer y escribir.

Esta distinción ha marcado los caminos paralelos que ha seguido el progreso de la IA, conocidos como simbolismo y conexionismo. El simbolismo es la corriente que dice que, para que una máquina se comporte de manera inteligente, necesita razonar a partir de un conjunto de principios y reglas, representados en símbolos que una computadora pueda procesar. Por su parte, el conexionismo afirma que basta que una computadora pueda hacer conexiones entre datos o percepciones para generar comportamientos inteligentes, sin tener conocimientos de ningún tipo.

Así, el conexionismo cree que la mente y el comportamiento emergen de redes formadas por unidades sencillas interconectadas, en tanto que el simbolismo cree que la inteligencia implica representaciones de alto nivel "simbólico" de los problemas.

Los simbolistas se dedicaron a desarrollar sistemas para resolver problemas que implican un razonamiento, como probar teoremas matemáticos o jugar ajedrez, mientras que los conexionistas se enfocaron a desarrollar sistemas relacionadas con la percepción, como el reconocimiento de imágenes y escritura.

En un principio ambas corrientes avanzaron a ritmo similar y lograron avances importantes (lee nuestro artículo sobre la historia de la IA). Sin embargo, el enfoque conexionista pronto se vio limitado por la tecnología, pues para que un algoritmo encuentre patrones que le permitan reconocer objetos o letras en una imagen necesita un gran número de ejemplos, así como una gran cantidad de datos de cada ejemplo. Estos requerimientos superaban la capacidad de las computadoras existentes o hacían muy lento el proceso de reconocimiento.

Por su parte, el enfoque simbólico dio resultados que llamaron mucho la atención. Programas para traducir idiomas, mantener conversaciones sencillas, jugar damas y ajedrez a nivel profesional, así como resolver exámenes de inteligencia generaron grandes expectativas. En lo que fue la cúspide del simbolismo, en la década de 1980 sistemas llamados “expertos” fueron utilizados en diversas industrias con la esperanza de almacenar el conocimiento de expertos humanos, que estaría disponible para asistir a cualquier persona que lo usara.

Los sistemas expertos se alimentaban con una serie de reglas de la forma si (…) entonces (…), las cuales eran obtenidas en entrevistas con especialistas en la materia en que se estaba trabajando. El sistema funcionaba con una interfase en la que se capturaban los hechos de una situación o se respondía una serie de preguntas, a partir de estos datos el sistema hacía una búsqueda de las reglas aplicables y respondía con las conclusiones correspondientes.

Sistemas expertos se utilizaron con éxito en medicina, química, exploración petrolera, atención de pedidos y capacitación, pero se trataba de sistemas rígidos para temas específicos. Hacerlos más flexibles y capaces de manejar la incertidumbre implicaba generar un número enorme de reglas para descartar información no relevante y hechos imposibles, así como para considerar todas las alternativas de una situación. Lo anterior, sumado a la dificultad de obtener el conocimiento de los expertos y transformarlo en reglas, llevó a que se perdiera el interés y no se extendiera su uso.

En este siglo XXI se ha dado lo que se conoce como la primavera de la IA, en la que la disponibilidad de datos masivos, computadoras de gran capacidad y algoritmos poderosos ha permitido avances extraordinarios del aprendizaje de máquina, la rama de la IA encargada de encontrar patrones en los datos. Estos avances se han disparado en los últimos cinco años con el uso de las redes neuronales profundas, que han logrado superar el estándar humano en varias aplicaciones y se utilizan para automatizar decisiones en cada vez más actividades.

Tanto el aprendizaje de máquina como las redes neuronales profundas son expresiones del conexionismo, pues para funcionar no necesitan reglas o conocimientos del tema. A partir de  atributos de miles de ejemplos, los algoritmos encuentran patrones para conectar cada ejemplo con la categoría a que pertenece y utilizan estos patrones para predecir la categoría de nuevos ejemplos a partir de sus atributos (lee nuestro artículo sobre cómo funcionan).

De esta forma, en la inteligencia artificial del siglo XXI domina el conexionismo, los sistemas expertos han quedado relegados a unas cuantas aplicaciones. Además, las redes neuronales profundas no sólo logran resultados asombrosos en el reconocimiento de imágenes y sonidos, sino que han demostrado ser efectivas en áreas que se suponía implicaban un razonamiento, como la traducción de idiomas, los juegos de mesa y video, así como gran número de actividades que involucran decisiones a partir de datos de situaciones anteriores.

La capacidad de replicar con exactitud decisiones humanas sin necesidad de reglas o conocimientos del tema genera un gran debate acerca de la naturaleza de nuestra mente, ¿tienen razón los conexionistas cuando afirman que el pensamiento y el comportamiento emergen de miles de componentes de una gran red de unidades sencillas que no razonan? ¿No existe entonces la conciencia? ¿Fabricar una máquina que piense y sea consciente es sólo cuestión de tener suficientes datos y redes más grandes?

No tengo la respuesta, pero me parece que cualquiera que sea no modifica el valor de la persona y la necesidad de preservar su dignidad. Tal vez en un futuro se resuelvan los problemas y obstáculos para crear una inteligencia artificial general y hasta consciente pero, a lo largo del camino, lo que no debemos perder de vista es que el desarrollo de estas herramientas debe tener como finalidad beneficiar a la humanidad. En la medida en que lo hagan es que vale la pena tenerlas.

¿Te gustó este artículo? Lee otros artículos de nuestro blog IF Inteligencia Futura aquí.