El 7 de junio de 2019 fue el 65º aniversario de la muerte de Alan Turing, matemático, científico de la computación, criptógrafo, filósofo, biólogo teórico y maratonista británico. Dirigió el equipo que descifró el código nazi generado con la máquina Enigma, que permitió a los aliados intervenir sus comunicaciones en la segunda guerra mundial y se afirma acortó la guerra un par de años, salvando millones de vidas. Inventó el concepto que se conoce como la Máquina de Turing, uno de los primeros modelos teóricos de una computadora y cuyas variaciones, con la orientación matemática aportada por Alonzo Church, siguen siendo fundamento para el desarrollo teórico de las ciencias de la computación. Finalmente, su trabajo contribuyó a sentar las bases para conformar lo que hoy es el campo de la Inteligencia Artificial.

Trágicamente, la carrera de Alan Turing fue truncada por la intolerancia al ser procesado por ser homosexual, situación entonces ilegal en el Reino Unido. Con todo y sus contribuciones, debieron transcurrir 57 años para que las autoridades emitieran una disculpa por el trato que recibió y 60 para que la reina Isabel II le otorgara el indulto en 2013.

En 1950 Alan Turing publicó un artículo con el título “Maquinaria Computacional e Inteligencia”, en el cual propuso un experimento para determinar si una computadora podía pensar. El experimento, la ahora famosa Prueba de Turing, consiste en un juego de la imitación, en el que una persona y una computadora responden a las preguntas de un interrogador humano, que trata de determinar con base en las respuestas quién es la computadora. Turing vaticinó que para el año 2000 un interrogador tendría sólo 30% de probabilidades de identificar a la computadora en los primeros 5 minutos. Desde 2012, centenario del nacimiento de Turing, se realiza una competencia para obtener el Premio Loebner, que ofrece 100 mil dólares y la medalla de oro para el primer programa que los jueces no puedan distinguir de un ser humano en una Prueba de Turing. El premio aún no ha sido concedido. (Puede leerse una traducción al español del artículo original aquí)

Este artículo fue trascendente no sólo por la descripción del experimento y las respuestas que da a varios argumentos en contra de que pueda convertirse en realidad, sino porque el esfuerzo para dotar a una máquina de las capacidades para superar la prueba de Turing se convirtió en el marco de referencia por excelencia para encuadrar las áreas que conforman el campo de la inteligencia artificial.

Para poder superar la prueba de Turing una computadora necesita, en primer lugar, captar las preguntas que le hacen y entender su significado. Después, necesita alguna forma de representar y almacenar conocimientos que le sirvan para contestar, un proceso para buscar la respuesta en los conocimientos almacenados y un mecanismo para registrar nuevos conocimientos a partir de las reacciones que generen sus repuestas. Finalmente, necesita una manera de comunicar sus respuestas.

Imagen: alanturing.net

Cada una de estas tareas implica un reto de características diferentes y, por lo tanto, es un área de desarrollo de la inteligencia artificial, incluyendo aquéllas que persiguen eliminar la restricción del experimento original de Turing de que la computadora no fuese vista por el interrogador.

Aprovechemos entonces este marco conceptual para presentar una muy breve descripción de las principales áreas que abarca la inteligencia artificial y un comentario sobre la situación de sus avances en la actualidad. Estas áreas no progresan de manera independiente, sino que técnicas descubiertas en una son utilizadas en otra, por lo que forman un gran cuerpo de investigación.

PARA RECIBIR Y ENTENDER PREGUNTAS

• Procesamiento de lenguaje natural oral y escrito. Técnicas para detectar patrones en imágenes y sonidos, y reconocer letras, símbolos y palabras. Es una de las áreas con mayor avance, que vemos cotidianamente en celulares y asistentes virtuales en internet.
• Interpretación de lenguaje natural. Técnicas para asignar un significado a los conjuntos de letras, símbolos y palabras reconocidos para generar respuestas o realizar las tareas solicitadas. Los últimos avances permiten vocabularios y temáticas cada vez más generales.
  

PARA ALMACENAR CONOCIMIENTO, BUSCAR RESPUESTAS Y APRENDER

• Representación del conocimiento. Técnicas para representar hechos y reglas de la realidad en una forma que permita evaluar la validez de declaraciones y encontrar nuevas reglas. Es un área compleja un poco relegada por el éxito del aprendizaje de máquina.

• Solución de problemas. Técnicas para encontrar, entre todas las alternativas posibles, la secuencia de acciones que lleva a un estado de cosas deseado. Es un área que debe en buena medida sus avances a los ingeniosos algoritmos creados por los investigadores.

• Aprendizaje automático o de máquina. Técnicas para descubrir patrones en los datos, que luego se usan para hacer predicciones o elegir un curso de acción. Es el área de mayor popularidad en esta década por sus muy numerosas y espectaculares aplicaciones.

PARA COMUNICAR LAS RESPUESTAS

• Generación de lenguaje natural. Técnicas para que un sistema exprese sus resultados en una forma conversacional (“platicada”). Es un área cuyas aplicaciones se encuentran ya en muchos dispositivos, el reto es tener vocabularios y temáticas más generales.

• Sintetizador de voz. Técnicas para convertir en sonidos inteligibles los resultados expresados en forma conversacional. Se ha mejorado la naturalidad de la voz, pero la situación es diferente en cada idioma por el esfuerzo de investigación que se le dedica.

PARA ELIMINAR LA RESTRICCIÓN DE NO SER VISTA POR EL INTERROGADOR

• Reconocimiento de imágenes. Técnicas para la identificación de objetos y personas en imágenes, ha tenido avances extraordinarios en esta década por el uso de herramientas de aprendizaje de máquina. Su uso es amplio y hasta controvertido.

• Robótica. Técnicas para el diseño y construcción de máquinas que actúan en el mundo físico. Los avances en las áreas de solución de problemas, aprendizaje automático y reconocimiento de imágenes permiten robots con mucho mayor autonomía y movilidad.

Todas estas áreas se nutren de las aportaciones de diversos campos del saber humano, desde las matemáticas, la ingeniería computacional y la cibernética, hasta la economía, lingüística y filosofía, pasando por la psicología y la neurociencia.

Aunque cada persona, empresa o institución puede especializarse en un área en particular, al igual que en otros ámbitos de nuestro complejo mundo de hoy, para tener éxito es necesaria una orientación multidisciplinaria y es deseable buscar, tal vez, la capacidad de reinventarse que siempre demostró Alan Turing.

Consulta mayor información en nuestra sección Inteligencia Artificial.

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