Page 58 - Revista tecnologica y cientifica

en las ideas de los pioneros de la IA en los años 50 e usando para demostrar teoremas o jugar al ajedrez,
incluso en las ideas de Alan Turing en sus escritos pero, gracias a los progresos en representación de
[2]sobre máquinas inteligentes. conocimientos y visión artificial, también se puede
usar para aplicaciones que requieren percibir el
De hecho, quien introdujo esta distinción entre IA entorno y actuar sobre él como por ejemplo el
débil y IA fuerte fue el filósofo John Searle en un aprendizaje y la toma de decisiones en robots
artículo crítico con la IA publicado en 1980 [Searle, autónomos.
1980] que provocó, y sigue provocando, mucha
polémica. La IA fuerte implicaría que un ordenador
convenientemente programado no simula una mente, Simultáneamente con la IA simbólica también empezó
sino que es una mente y por consiguiente debería ser
capaz de pensar igual que un ser humano. Searle en su a desarrollarse una IA bio-inspirada llamada
conexionista. Los sistemas conexionistas no son
artículo intenta demostrar que la IA fuerte es
imposible. [4] La IA débil, por otro lado, consistiría incompatibles con la hipótesis SSF pero,
contrariamente a la IA simbólica, se trata de una
según Searle en construir programas que ayudan al ser
humano en sus actividades mentales en lugar de modelización bottom-up, ya que también se basan en
la hipótesis de que la inteligencia emerge a partir de la
duplicarlas. La capacidad de los ordenadores para
realizar tareas específicas mejor que las personas ya se actividad distribuida de un gran número de unidades
interconectadas
información
procesan
que
ha demostrado. En ciertos dominios los avances de la
IA débil superan en mucho la pericia humana, como paralelamente. En la IA conexionista esta unidad son
modelos aproximados de la actividad eléctrica de las
por ejemplo en buscar soluciones a fórmulas lógicas
con muchas variables. También se asocia con la IA neuronas biológicas. Ya en 1943 se propuso un
modelo simplificado de neurona en base a la idea de
débil el hecho de formular y probar hipótesis acerca de
aspectos relacionados con la mente (por ejemplo, la que una neurona es esencialmente una unidad lógica
[2]Este modelo es una abstracción matemática con
capacidad de razonar deductivamente, de aprender
inductivamente, etc.) mediante la construcción de entradas (“dendritas”) y salidas (“axones”). El valor de
la salida se calcula en función del resultado de una
programas que llevan a cabo dichas funciones. Todos
los avances logrados hasta ahora en el campo de la IA suma ponderada de las entradas de forma que si dicha
suma supera un umbral pre-establecido entonces la
son manifestaciones de la IA débil. [2]
salida es un “1”, en caso contrario la salida es “0”.
2.3 Los principales modelos en Inteligencia Conectando la salida de cada neurona con las entradas
Artificial: Simbólico, Conexionista, de otras neuronas se forma una red neuronal artificial.
Evolutivo y Corpóreo Inspirándose en un modelo de reforzamiento de las
sinapsis entre neuronas biológicas, propuesto por
El modelo dominante en IA ha sido el simbólico, que Donald Hebb [2]se vio que estas redes neuronales
tiene sus raíces en la hipótesis SSF. De hecho, sigue artificiales se podían entrenar para aprender funciones
siendo muy importante y actualmente se considera el que relacionaran las entradas con las salidas mediante
modelo clásico en IA (también denominado por el el ajuste de los pesos que sirven para ponderar las
acrónimo GOFAI de Good Old Fashioned AI). Es un conexiones entre neuronas, por este motivo se pensó
modelo top-down que se basa en el razonamiento que serían mejores modelos para el aprendizaje, la
lógico y la búsqueda heurística como pilares para la cognición y la memoria, que los modelos basados en
resolución de problemas, sin que el sistema inteligente la IA simbólica. Sin embargo, los sistemas inteligentes
necesite formar parte de un cuerpo ni estar situado en basados en la IA conexionista tampoco necesitan
un entorno real. Es decir, la IA simbólica opera con formar parte de un cuerpo ni estar situado en un
representaciones abstractas del mundo real que se entorno real y, desde este punto de vista, tienen las
modelizan mediante lenguajes de representación mismas limitaciones que los sistemas de IA simbólica.
basados principalmente en la lógica matemática y sus Por otra parte, las neuronas reales poseen complejas
extensiones. Por este motivo los primeros sistemas arborizaciones dendríticas con propiedades, no solo
inteligentes resolvían principalmente problemas que eléctricas sino también químicas, nada triviales.
no requerían interactuar directamente con el entorno Pueden contener conductancias iónicas que producen
como por ejemplo demostrar teoremas o jugar al efectos no-lineales. Pueden recibir decenas de millares
ajedrez (los sistemas de IA que juegan al ajedrez no de sinapsis variando en posición, polaridad, magnitud.
necesitan la percepción visual para ver las piezas en el Además, hoy día sabemos que en el cerebro hay unas
tablero ni manos artificiales para mover las piezas). [3] células llamadas gliales que regulan el funcionamiento
Ello no significa que la IA simbólica no pueda ser de las neuronas siendo incluso más numerosas que
usada para, por ejemplo, programar el módulo de éstas. No existe ningún modelo conexionista que
razonamiento de un robot físico situado en un entorno incluya a dichas células por lo que en el mejor de los
real, pero en los primeros años los pioneros de la IA casos estos modelos son muy incompletos y en el peor
no disponían de lenguajes de representación del de los casos erróneos. [5] En definitiva, toda la enorme
conocimiento ni de programación que permitieran complejidad del cerebro queda muy lejos de los
hacerlo de forma eficiente y por este motivo los modelos actuales y plantea serias dudas sobre la
primeros sistemas inteligentes se limitaron a resolver utilidad de grandes proyectos como el proyecto “Blue
problemas que no requerían interacción directa con el Brain” [3] de la UE. Esta inmensa complejidad del
mundo real. Actualmente la IA simbólica se sigue