"¡Tachaaan!
Señoras y señores: he aquí la lavadora
inteligente, ..." ¿Cómo?
¿Lavadora? ¿Alguien ha dicho Java? Ya
sabemos que Java era originariamente un
lenguaje para electrodomésticos, pero
esta vez no se trata de eso. Este
artículo trata de otra cosa. El título
podría haber sido "La Inteligencia
Artificial (IA) ha muerto" o
"Lo de la IA ya no se lo cree
nadie".
Tenía que ocurrir. Ahora, si alguien
califica su creación informática de
inteligente, se fruncen ceños de
desconfianza, cuando no se provoca risa.
Rodeados como estamos de edificios
inteligentes donde si no hace calor, hace
frío; automóviles inteligentes que
insisten en que nos pongamos un cinturón
de seguridad estropeado, y semáforos
inteligentes en perenne madurez y sin
caer del guindo, ha llegado un momento en
el que decir que nuestro programa es
inteligente sólo lo descalifica.
La culpa la tienen, por supuesto, la
televisión, la publicidad y las
lavadoras automáticas. Confirmándose
una vez más el éxito indiscutible del
iterado cliché de la vecina elogiando
las camisas de su marido, los
comerciales informáticos no dudaron en
aplicar similares atribuciones a sus
productos. Los jabones pasaron del
superblanco al ultrablanco. Nuestros
programas, con idéntica lógica, de ser Sistemas
Expertos o Agentes Inteligentes, a
usar tecnología IntelliSense (un tipo de
ayuda sensible en el que trabaja
Microsoft). También han salido ya las
lavadoras con Fuzzy Logic,
concretamente la nueva Eco-Lavamat de
AEG. No dudo que sea una fantástica
lavadora. Probablemente la capacidad de
manejar conceptos difusos mediante Lógica
Borrosa le confiera alguna ventaja;
tal vez la de distinguir la ropa sucia de
la muy sucia y de la extremadamente
sucia. Pocas cosas hay tan borrosas como
una camiseta blanca después de diez
días de travesía por el monte, sin mas
agua que la de la cantimplora. Poco
importa, en definitiva, el nombre del
jabón, se trata de que lave.
¿Y ya lava? No está mal. ¿Y es
inteligente? Pues vaya, depende... Pero
bueno, ¿Es que cada uno tiene derecho a
llamar IA a lo que le dé la gana? Pues
claro que sí. Esto ocurre porque nadie
sabe aún qué demonios es la IA. Yo
quiero mostrar en primer lugar mi
definición predilecta, mediante una
inspirada conversación de bar, real como
la vida misma.
-...y acabo de terminar un programa
inteligente. -Comento bajito, para que no
me oiga nadie más, claro.
-¿Te refieres a un programa de IA? -Me
responde- ¡Eso es imposible!
Ésta es mi oportunidad de alargar un
poco más la noche, y llenar de nuevo el
vaso de cerveza vacío. Sin vacilar
comienzo la habitual argumentación.
-Bueno, hay gente que opina que nunca se
podrá imitar la mente humana, pero...
-¡No, No! -Me corta enseguida- Todo eso
me lo creo. ¡Lo que digo que es
imposible es que lo hayas hecho tú!
¡Acabáramos! La IA son los últimos
descubrimientos, las nuevas tecnologías,
los límites de la computación. La IA es
una frontera en continuo movimiento. Y
claro está, parece obvio que todo esto
no es posible en manchego: si no
lo leo en inglés, no me lo creo.
Hay otras definiciones más aceptadas: la
IA trata de construir máquinas con
comportamiento aparentemente inteligente.
El hombre es un ser inteligente. ¿Lo son
los animales? ¿Lo son las células?
¿Acaso son necesarias células de algún
tipo para que se produzca comportamiento
inteligente? Podemos decir que en torno a
la respuesta a estas preguntas surgen los
dos grandes bloque enfrentados en la
materia: el enfoque simbólico o
Top-Down, también llamado IA clásica,
y el enfoque subsimbólico (Bottom-Up),
llamado a veces conexionista.
Los simbólicos simulan
directamente las características
inteligentes que se pretenden conseguir.
Como modelo de mecanismo inteligente a
imitar, lo mejor que tenemos y más a
mano es el Hombre (que tal vez no sea
gran cosa, todo hay que decirlo). Desde
este punto de vista, poco interesa
simular los razonamientos de los
animales, y mucho menos simular procesos
celulares. El boom de los Sistemas
Expertos, ahora de capa caída, fue
producido por este planteamiento.
Las
principales corrientes en IA son la
simbólica y la subsimbólica
Para los constructores de sistemas
expertos, es fundamental la
representación del conocimiento humano y
debemos a ellos los grandes avances en
este campo. Realizando una gran
simplificación, se debe incluir en un
sistema experto dos tipos de
conocimiento: "conocimiento acerca
del problema particular" y
"conocimiento acerca de cómo
obtener más conocimiento a partir del
que ya tenemos". Para el primero
existen técnicas como los Frames
(marcos) que fueron los padres de lo que
hoy conocemos como Programación
Orientada a Objetos. El segundo es
llamado también mecanismo de inferencia
y requiere además de un método de
búsqueda que permita tomar decisiones,
como por ejemplo, seleccionar la regla a
aplicar del conjunto total de posibles
reglas. Esto puede parecer lo más
sencillo, pero suele ser lo más
difícil. Se trata de elegir y elegir
bien, pero sin demorarse varios millones
de años en hacerlo.
Como ejemplo representativo de la rama
simbólica llevada al extremo tenemos el
proyecto Cyc de Douglas B. Lenat, con un
sistema que posee en su memoria millones
de hechos interconectados. Según Lenat,
la inteligencia depende del numero de
reglas que posee el sistema, y "casi
toda la potencia de las arquitecturas
inteligentes integradas provendrá del
contenido, no de la arquitectura".
Para él, los investigadores que esperan
poder resolver con una única y elegante
teoría todos los problemas de inferencia
y representación de conocimientos,
padecen celos de la física: ansían una
teoría que sea pequeña, elegante,
potente y correcta.
Los esfuerzos de la otra rama de la IA,
los subsimbólicos, se orientan a simular
los elementos de mas bajo nivel que
componen o intervienen en los procesos
inteligentes, con la esperanza en que de
su combinación emerja de forma
espontánea el comportamiento
inteligente. Los ejemplos más
significativos probablemente sean las Redes
Neuronales Artificiales y los Algoritmos
Genéticos. Aunque parezcan un
fenómeno reciente, estos paradigmas no
son más jóvenes que los Sistemas
Expertos de la IA clásica,
simplemente tuvieron menor publicidad y
financiación. En cualquier caso, pasaron
desapercibidos. El Primer modelo de red
neuronal fue propuesto en 1943 por
McCulloch y Pitts. El Perceptrón de
Rosenblat apareció en 1959, produciendo
una gran y breve expectación que quedó
pronto en el olvido, y J. H. Holland
introdujo la idea de los Algoritmos
Genéticos en los años sesenta. Las
grandes ventajas de estos sistemas son la
autonomía, el aprendizaje y la
adaptación, conceptos todos ellos
relacionados.
Las peleas y críticas entre los dos
planteamientos fueron casi tan intensas
como ridículas. Pero podían ser
entretenidas. A veces se encendían los
ánimos, como en una competición
deportiva, y en cierto modo era
divertido, seguro que mucho más que el
fútbol. Se preguntará el lector con
qué postura me identifico yo.
Precisamente, me he visto envuelto en
discusiones, defendiendo ambas
alternativamente, llegando finalmente a
la conclusión obvia, desenlace de la
trama. Tras la resaca del auge de la IA
simbólica, todos los éxitos fueron
cosechados por los subsimbólicos, y el
"pasarse al otro bando", al
menos en ciertos aspectos, se convirtió
en una actitud habitual. Pero como era de
esperar, finalmente vemos triunfar el
sentido común de aprovechar las grandes
cualidades de una u otra postura, o de
ambas, en sistemas combinados.
|
