mitos

Vista previa del material en texto

Mitos y Realidades sobre la
Inteligencia Artificial
Jorge L. Ortega Arjona
Departamento de Matemáticas
Facultad de Ciencias, UNAM
Febrero 2001
El término Inteligencia Artificial (IA) fue creado y usado por primera vez
a mediados de los años 40’s. Sin embargo, no es hasta 1956 en que se utiliza
formalmente por primera vez en una pequeña reunión a la que concurrieron
algunos psicólogos, fisiólogos y cient́ıficos de la computación.
Debido a esta caracteŕıstica multidisciplinaria en su concepción, exis-
ten diversos puntos de vista sobre el objetivo y la contribución de la IA al
conocimiento cient́ıfico. Algunos de quienes trabajan en IA la consideran co-
mo una manera de ayudarnos a entender la psicoloǵıa humana, de tal forma
que desarrollan una programación que lleva a cabo tareas de la forma en
que un ser humano las realiza. Otros ven la IA como una aproximación a la
teoŕıa de la inteligencia en general, siendo la inteligencia humana (y animal)
un caso especial. Otros aún simplemente desean desarrollar programas que
hagan algo (entender lenguaje, describir objetos visibles, o resolver proble-
mas de varios tipos), sin importar como la mente humana lo haga, esperando
que sus programas sean no solamente interesantes, pero a la vez útiles.
Desde su concepción, la IA ha tenido algunos éxitos posibilitando a las
computadoras a realizar (en forma limitada) algunas tareas que normal-
mente se hacen por la mente humana. Es en la actualidad que los aspectos
tecnológicos de la IA se han vuelto más visibles. El interés público en la IA
y su cobertura por los medios de difusión se han incrementado enormemente
en los últimos años. Más y más personas ven a la IA como una tecnoloǵıa
incipiente de gran potencial y significancia social a futuro. Particularmente,
este interés y conocimiento público surge a partir de 1981, cuando Japón
anuncia su plan nacional de diez años para desarrollar lo que se llamó la
”Quinta Generación”de computadoras. Tales computadoras no solo basan
1
su operación en procesamiento paralelo a gran escala, sino que tambien bus-
can incorporar técnicas de IA al procesamiento. De hecho, el objetivo de este
plan (como fue originalmente expuesto por sus precursores) es “la creación
de máquinas artificialmente inteligentes que puedan razonar, arrojar conclu-
siones, hacer juicios, y hasta entender la palabra oral y escrita”. A partir de
ese entonces, grandes inversiones para la investigación en IA se han realizado
por parte de gobiernos e industria privada de las naciones industrializadas.
1. El Origen de los Mitos
El sensacionalismo alimenta a la ignorancia, y muchas de las descrip-
ciones de la IA en los medios de comunicación y libros de ciencia popular
son sensacionalistas por naturaleza. Ya sea que proclamen las “maravillas” o
los “peligros” de la IA, en general no son informativos de la realidad, y śı al-
tamente engañosos. En ellos se sugiere espectaculares avances que pueden
o serán realizados en un futuro inmediato, siendo que muchas de ellos sólo
podrán ser realizados (en caso de ser posibles) tal vez después de décadas
de investigación.
Desafortunadamente, los reportes sensacionalistas sobre IA son muchas
de las veces originados por comentarios poco juiciosos por parte de la propia
comunidad de IA. Un ejemplo de tales comentarios lo podemos encontrar
en un programa sobre computación y ciencia de la BBC-TV, que comienza
y termina con una cita de un conocido cient́ıfico en computación del MIT,
prediciendo que las máquinas inteligentes del futuro serán quienes se pre-
ocupen de todos los problemas realmente importantes por nosotros (por
nosotros, no con nosotros). De la forma en que lo expone (con aparente sa-
tisfacción), parece que las super-máquinas serán tan inteligentes que nosotros
no seremos capaces de entender sus “pensamientos”. La conclusión de este in-
vestigador es que los sistemas super-inteligentes de IA justificablemente igno-
rarán a los seres humanos, dejándonos simplemente “jugar entre nosotros”.
Por otro lado, considerando y analizando cuidadosamente el objetivo
original de la “Quinta Generación” de computadoras, es notable que se trata
de una afirmación realmente ambiciosa. Sin embargo, es común encontrar
que gran parte de las afirmaciones hechas por los entusiastas y expertos
de la IA son en realidad exageradas o presuntuosas. Un ejemplo de tales
afirmaciones es aquella hecha en 1958 por Herbert Simon y Allen Newell,
ambos pioneros cient́ıficos de la computación y fundadores de la IA como
2
parte de las ciencias de la computación. Ellos escribieron que:
“... hay ahora en el mundo máquinas que piensan, que aprenden,
y que crean. Más aún, su habilidad para hacer estas cosas va a
incrementar rápidamente hasta –en el futuro visible– el rango de
problemas que puedan manejar sera coextenso con el rango al
cual la mente humana ha sido aplicada” [1].
En otras palabras, el ambicioso objetivo de los japoneses hab́ıa sido casi
a punto de ser realizado hace poco mas de cuatro décadas, de acuerdo con
estos ĺıderes de la comunidad de IA. Lo único que quedaba por hacerse –
y que seŕıa hecho dentro del “futuro visible” – era extender el rango de
problemas que tales máquinas podŕıan resolver hasta completar “el rango
total” de los problemas a los cuales la mente humana hab́ıa sido aplicada.
Aún cuando se han hecho grandes progresos en hacer que las computa-
doras “entiendan” la palabra escrita y hasta algo del lenguaje hablado en
contextos altamente controlados, tanto la afirmación de Simon y Newell co-
mo el ambicioso objetivo de los japoneses en 1981 permanecen a la fecha
incumplidos, y hasta cierto punto absurdos. El absurdo parece recaer en
qué estándar de desempeño inteligente de una computadora se espere. De
acuerdo con Simon y Newell, poco queda por hacer. Si, por otro lado, pa-
labras como “juicio”, “razón”, y “entendimiento” se interpretan con sus
significados usuales, entonces el prospecto de éxito es realmente obscuro.
Los japoneses han logrado un alto nivel en la construcción de hardware du-
rante la década de los 80’s y hasta la fecha, involucrando en una cooperación
estrecha al Ministerio Internacional de Comercio e Industria del Japón y a
grandes firmas de electrónica, pero tal cooperación no ha arrojado nada que
pueda ser considerado como un avance radical en IA. Varias áreas de in-
vestigación en IA han tenido y tienen un sólido progreso en la actualidad.
Sin embargo, este progreso no ha dependido exclusivamente del ambicioso
proyecto japonés de la “Quinta Generación”.
2. Realidades: Investigación y Resultados
Jonh von Neumann, creador de la arquitectura de computadora que aún
en la actualidad es el estándar internacional, fue uno de los primeros (si
no el primero) en reconocer que las instrucciones de computadora son me-
ramente śımbolos que pueden ser manipulados por las computadoras de la
misma forma que los números o cualquier otro śımbolo puede ser manipula-
do. Citado comúnmente como “ejemplo” de un pionero de la computación
3
que desarrolló las bases del pensamiento automatizado y de la IA, en su últi-
mo trabajo publicado, von Neumann establece que “una aproximación hacia
el entendimiento del sistema nervioso desde un punto de vista matemático”,
simplemente no tiene nada que ver con que “las computadoras exhiban in-
teligencia” [2]. En realidad, von Neumann teńıa una respuesta estándar para
cualquiera que le preguntara si las computadoras pod́ıan pensar, o ser in-
teligentes. Su respuesta era que si quien preguntaba pod́ıa presentarle una
descripción precisa de que queŕıa que la computadora llevara a cabo, alguien
podŕıa programar la computadora para comportarse de la forma requerida.
Si von Neumann pensaba que habŕıa algunas cosas dentro de la experien-
cia humana que no satisfaćıan este criterio, simplemente no lo sabemos. Sin
embargo, su posición en cuanto a que todo aspecto de la naturaleza debe
poder ser precisamentedescrito, y su colorario de que todo conocimiento
humano puede ser enunciado mediante palabras, es el credo central que to-
do verdadero creyente de las posibilidades ilimitadas de la IA debe sostener.
Desde este punto de vista, los japoneses creadores del proyecto de la “Quin-
ta Generación” parecen ser creyentes genuinos; sin embargo, von Neumann
quizá no lo era.
Siguiendo esta misma linea de pensamiento, y fuera de los mitos, se ex-
ponen a continuación algunas realidades sobre la IA, discutiendo brevemente
las áreas que han sido desarrollados como parte de la investigación en la IA.
Una de las áreas de investigación de la IA más cultivadas es la visión
a “bajo nivel”, basado en técnicas que utilizan hardware paralelo y
procesamiento cooperativo. Tal investigación se basa en estudios de-
tallados de la formación de imágenes a partir de las caracteŕısticas
tridimensionales de la luz ambiente (tales como forma, profundidad,
textura y orientación de superficies), a fin de extraer conocimiento
de alto nivel de a partir de un escenario dado. Parte de este trabajo
se realiza en el contexto de la psicoloǵıa humana y neurofisioloǵıa, y
parte en un contexto más tecnológico. Máquinas masivamente parale-
las, dedicadas a esta área particular, han sido diseñadas, y todav́ıa los
mayores avances dependen del hardware.
Otra área en la cual podemos esperar progresos significativos es la
robótica. Esta incluye problemas de control de movimiento, planeación
de trayectorias, y coordinación entre sensores y motores (utilizando
elementos del trabajo en visión a “bajo nivel”). Como en el caso de
la visión, los proyectos de esta área se basan en medios “artificiales”
para asegurar el éxito en la actividad propuesta. Por ejemplo, sistemas
4
de soldado utilizan franjas de luz para reconocer diferentes tipos de
junturas, guiando aśı la actividad del soldado de partes. Tambien en
esta área se utilizan medios relacionados a las teoŕıas psicofisiológicas
de control y coordinación motora presente en organismos vivos.
Los sistemas “expertos” basados en conocimiento se han multiplicado
enormemente en las últimas décadas, principalmente al interés comen-
cial en ellos. Diferentes dominios de experiencia humana pueden re-
querir diferentes aproximaciones de la “ingenieŕıa del conocimiento”.
En aquellos dominios menormente cubiertos por una teoŕıa cient́ıfi-
ca es en los que parece ser más fácil extraer el conocimiento de ex-
pertos humanos quienes son competentes pero aún no han llegado a
una maestŕıa ı̈ntuitiva.en el dominio que los reconocidos como exper-
tos tienen. Estos expertos reconocidos dan respuestas correctas más
frecuentemente, pero no les es posible reflexionar en forma introspec-
tiva acerca de su proceso de razonamiento, el cual sucede de forma
muy rápida y espontánea, lo que la hace dif́ıcil de accesar conciente-
mente. El razonamiento de los expertos humanos simplemente com-
petentes es más fácil de estudiar debido a que éstos tienden a tomar
más tiempo para decidir, después de ponderar concientemente dis-
tintas consideraciones entre śı, y verbalmente identificar áreas poco
claras. Los dominios que dependen de la comparación e interpretación
de imágenes visuales complejas (como el caso de la radioloǵıa médica)
son especialmente dif́ıciles de automatizar, debido a que los procesos
de visión a ”bajo nivel”no se prestan a inspección voluntaria o control.
Ciertamente, los expertos encuentran muy complicado describir como
realizan las comparaciones relevantes (estudios sobre el movimiento
del ojo, por ejemplo, muestran que los expertos radiólogos no revisan
o registran placas de rayos X en la forma que ellos mismos describen).
La investigación en sistemas expertos se enfoca también en las arqui-
tecturas computacionales requeridas para lidiar con grandes y com-
plejas bases de conocimiento. Los sistemas actuales son relativamente
simples e inflexibles, y se restringen a dominios muy espećıficos. Al-
gunos se han mejorado incrementalmente, pero solo hasta cierto punto.
Eventualmente, las interacciones entre un número creciente de reglas
independientemente añadidas (en las que se basa el conocimiento en
śı) se vuelven muy dif́ıciles de controlar, lo que pone en peligro la con-
fiabilidad e inteligibilidad del sistema. Más aún, problemas complejos
5
surgen cuando se requiere que los sistemas operen en tiempo real, en
donde eventos inesperados pueden necesitar un cambio rápido de la
acividad actual a otra.
Algún progreso se ha logrado en procesamiento de lenguaje natural
en enunciados y textos. Puntos claves en esta investigación incluyen
revisión sintáctica, la integración de sintaxis y semántica, y la com-
prensión de texto conexo. La traducción automática de textos puede
beneficiarse aún en avances en revisión de enunciados y análisis de
textos.
El trabajo actual en revisión de textos se realiza sobre todo en teoŕıa
del lenguaje y en el perfeccionamiento de la interfaz humano-máquina,
a fin de permitir a los usuarios no especializados comunicarse con la
computadora utilizando un razonable subconjunto del lenguaje natu-
ral. En aplicaciones donde un programa se utiliza para un propósito
espećıfico, factores semánticos pueden ser fácilmente usados para ayu-
dar en la revisión y clarificación de instrucciones y preguntas prove-
nientes del usuario. Intercambios verbales con la computadora acerca
de temas pariculares como geoloǵıa lunar o reservaciones de boletos
de avión son razonablemente ”naturales”debido a la explotación de
restricciones semánticas. Conjuntos de semánticas para dominios es-
pećıficos continuarán desarrollándose durante los próximos años.
Programas para el análisis de textos son capaces actualmente de obten-
er ideas generales de escritos acerca de tópicos espećıficos. Sin embargo,
estos programas dependen en esquemas ŕıgidos de programación, los
cuales proveen el esqueleto semántico del tipo de escritos analizados.
Investigación reciente se enfoca a hacer que el programa de análisis
de textos pueda generar los esquemas por śı mismo, a fin de integrar
esquemas entre śı de tal forma que pueda entender una historia combi-
nando los esquemas necesarios, y para poder analizar un nuevo texto
de forma análoga. Tal vez un gran éxito no es de esperarse en los próxi-
mos años, pero un mayor entendimiento de los problemas relevantes
debe representar un avance después de todo.
Investigación se esta llevando tambien a cabo en una variedad de apli-
caciones educacionales. Algunas de estas aplicaciones se enfocan en
cursos curriculares, requiriendo información tanto del modelo de la
teoŕıa del curso como del modelo del conocimiento del estudiante (que
vaŕıa respecto al nivel y organización, de persona a persona y de un
6
tiempo a otro). Otras aplicaciones son menos espećıficas, con el ob-
jetivo de utilizar técnicas basadas en IA para mejorar la actitud del
estudiante a el conocimiento en general. Existe evidencia que tanto
los estudiantes comunes como aquellos con problemas de discapacidad
pueden alcanzar mayor confianza en śı mismos, aśı como logros in-
telectuales, al experiementar con ambientes de programación especial-
mente diseñados. Investigaciones sobre los efectos de sistemas basados
en IA se realizan, y podremos esperar algunos resultados en los años
venideros.
Un área extremadamente importante, y que está incrementalmente
siendo estudiada con interés debido a los desarrollos recientes en el
hardware, se ocupa de las propiedades computacionales de grandes
sistemas paralelos. Hasta ahora, entendemos muy poco de las potencia-
lidades y limitaciones de tales sistemas. Algunos trabajos sugieren que
el procesamiento cooperativo puede tener algunas propiedades muy
sorprendentes. Sin embargo, las propiedades computacionales de los
sistemas paralelos parece que no serán bien entendidas por un largo
tiempo, pero la experiencia con estos sistemas en el futuroinmediato
llevará sin lugar a dudas a algún avance considerable.
3. Impacto en otras Ciencias y Tecnoloǵıas
La IA influenciará otras ciencias tanto en su aproximación filosófica como
en su contenido teórico espećıfico. Es cierto que la psicoloǵıa y (en un menor
grado) la bioloǵıa han sido ya afectadas por ideas de IA. Contrario a lo que
mucha gente asume, la IA ha tenido un efecto humanizante en la psicoloǵıa.
Por ejemplo, la aproximación conductista de la psicoloǵıa hab́ıa rechaza-
do cualquier referencia a la “mente” y al “proceso mental”, suponiéndolos
como conceptos no-cient́ıficos y misteriosos. Sin embargo, la IA, tal como
está basada en el concepto de representación, ha hecho estos conceptos teóri-
camente respetables de nuevo.
La influencia de la IA se hará sentir especialmente en la psicoloǵıa de la
visión y del lenguaje, y, como se menciona anteriormente, es posible que la
robótica se involucre con la psicofisioloǵıa del movimiento. Por otro lado, la
investigación en psicoloǵıa también influenciará a su vez a la IA. Por ejemplo,
mientras que los psicólogos tratan de llegar a tener un mejor entendimiento
de la organización del conocimiento, su trabajo puede ser útil para el diseño
de sistemas expertos computarizados. La investigación interdisciplinaria y
7
cooperativa debe ser alentada: la separación institucional de la psicoloǵıa y
la IA o computación ha entorpecido una colaboración fruct́ıfera entre estos
dos grupos.
El impacto de la IA en otras tecnoloǵıas incluirá muchos ejemplos dife-
rentes de aplicaciones a problemas individuales. Por ejemplo, un circuito in-
tegrado de silicio puede ser rediseñado utilizando técnicas de reconocimiento
de patrones en IA. Dados los avances en circuitos de muy grande escala de
integración (VLSI), intrumentos y productos de muchos tipos y clases in-
cluirán circuitos cuyo diseño ha hecho uso de métodos de IA. Cualquier tarea
comercial o industrial que se realizan con un grado limitado de inteligencia
podŕıa benficiarse con ayuda de IA, de tal forma que las aplicaciones tec-
nológicas de la IA tienden a ser inmensas.
4. Conclusión
Las computadoras, por largo tiempo, han sido una solución en búsqueda
de problemas. Son el último dispositivo tecnológico que nos aisla de tener
que enfrentar los problemas. Actualmente muchas personas “interactúan”
más frecuentemente con computadoras que con otras personas. De hecho,
muchas computadoras que realizan sus labores basadas en técnicas de IA
están cada vez más rápidamente formando parte de nuestra vida diaria.
Por ejemplo, cada vez mas, voces sintetizadas por computadoras nos dicen
qué hacer cuando llamamos por teléfono. Esas mismas voces nos dan la
bienvenida, nos instruyen, nos agradecen y despiden cuando hemos hecho lo
que nos piden. Pero, ¿qué significan “esas mismas voces” en este contexto?
Individualidad, identidad, todo aquello que tiene que ver con la definición
de una persona como única (o simplemente todo) desaparece. ¿Con quién (o
con qué) hablo?
Referencias
[1] H.A. Simon & A. Newell, Heuristic Problem Solving: The Next
Advance in Operations Research. Operations Research, Jan-Feb, 1958. p 8.
[2] J. von Neumann, The Computer and the Brain. Yale University Press,
1958.
Revista Humanidades
Instituto de Investigaciones Antropológicas, UNAM. Nums. 204, 205 y 206
8