Uno de los mayores retos del ser humano ha sido siempre poder construir máquinas que puedan emular la inteligencia humana. Ahora la meta va más allá: ¿pueden las máquinas tener conciencia?

Introducción

La IA es una ciencia multidisciplinar que abarca múltiples campos: matemáticas, lógica, informática, psicología, sociología, filosofía, neurobiología, etc. Podemos definirla como la disciplina que se dedica a procurar que los computadores sean capaces de realizar tareas que, si las hiciesen los seres humanos, diríamos que requieren inteligencia.

Tomando al ser humano como modelo de comportamiento inteligente, el objetivo sería reproducir en la computadora la eficacia de sus reacciones frente a tareas o situaciones complejas. Entre las capacidades humanas que involucran las facultades intelectuales, la de mayor relevancia es la de dialogar en una lengua verbal, que es la utilizada en el test que ideó el matemático Alan Turing para validar una máquina inteligente. Este test compara el comportamiento de una computadora con el de un humano en un “juego de imitación” en que aquella trata de hacerse pasar por un humano contestando a unas preguntas. Si un observador no puede distinguir si las respuestas provienen de un humano o de una máquina, entonces la computadora ha pasado el test. A nuestro juicio, esta clásica prueba de IA ha quedado desfasada porque solo incide en el aspecto verbal de la inteligencia, y porque para parecer humana, la máquina debe imitar también los errores humanos.

Qué es la inteligencia

El funcionamiento de la inteligencia humana es tan sumamente complejo y tan poco entendido que ha de ser descompuesto en subelementos. Pero, aunque consiguiéramos reunir todos los subelementos, tampoco sabemos cuáles son las inferencias entre ellos. De hecho, la noción de inteligencia es difícil de precisar. A pesar de que a la mayoría de nosotros nos parece obvio distinguir cuándo un comportamiento es inteligente o no, la intuición que avala este juicio no es suficiente como para ser utilizada como criterio de evaluación de la supuesta inteligencia de un programa de ordenador. Trataremos, por lo tanto, de definir la IA.

Para los griegos, la inteligencia o razón era la parte esencial del ser humano, constitutiva de su alma y, por lo tanto, debía ser algo eterno y simple. Es simple, porque si fuera compuesta, sería susceptible de descomposición en elementos. Es eterna por ser una cualidad que nos asemeja al Dios creador y arquitecto del universo.

Jorge Á. Livraga define la inteligencia como la capacidad de aprendizaje y de aplicación del mismo. Abarca conceptos tales como el discernimiento, la relación y la selección de valores. Proviene del latín intelligere, “recolectar de entre”, siendo la capacidad de separar lo superfluo de la trascendente.

Para John McCarthy la inteligencia es la capacidad de adaptación al cambio de circunstancias mediante el uso de información sobre esos cambios. Para Newell y Simon la inteligencia consiste en la capacidad de manipular símbolos, la aptitud para manejar cosas indirectamente.

Por lo tanto, dentro de las características de la inteligencia podríamos enumerar las siguientes:

– Responde de manera flexible a situaciones diversas.

– Puede extraer el sentido a mensajes contradictorios o ambiguos.

– Reconoce la importancia relativa de los diferentes elementos de una situación.

– Encuentra semejanzas entre situaciones, a pesar de las diferencias que pueda haber entre ellas.

– Extrae diferencias entre situaciones a pesar de las similitudes que pueda haber entre ellas.

En este contexto vemos que hay máquinas o programas de ordenador que sí pueden tener un comportamiento llamado inteligente, pese a que la costumbre nos ha hecho tener asumidas estas tareas como algo “mecánico”. Es el caso de los termostatos, de las calculadoras, del piloto automático de un avión de pasajeros, del “ayudante” de nuestro procesador de textos, etc.

¿Puede una máquina ser inteligente?

La objeción que oponen quienes defienden la inteligencia humana frente a la de las máquinas se basa en que estas no poseen creatividad ni conciencia. La creatividad podría definirse como la capacidad de combinar los elementos a nuestra disposición para dar una solución eficiente, o bella, o sagaz, a un problema con que nos enfrentamos. Es decir, llamamos creatividad a aquello que en nuestro comportamiento todavía no hemos podido explicar y reproducir mecánicamente. Sin embargo, el funcionamiento de las redes neuronales artificiales también puede ser considerado creativo, por poco predecible.

La conciencia es para el filósofo John Locke la característica distintiva del ser humano, y la define como la “percepción de lo que pasa en la mente del individuo”. La conciencia es uno de los rasgos distintivos de la inteligencia, que se basa en elecciones conscientes. En realidad, nadie sabe bien qué es la conciencia, y tampoco podemos distinguir quién o qué es consciente. Es posible que en algún momento haya máquinas que se comporten como si fueran conscientes, pero no podremos averiguarlo. Por lo tanto, esto no representa una dificultad para los investigadores en IA, sino más bien un problema de índole filosófico. Y, desde este punto de vista, la conciencia es algo que está más allá de la mente: es ese espectador silencioso que trasciende nuestra existencia física y es, por lo tanto, ajeno a una máquina inerte.

Las posibilidades de la mente humana van mucho más allá de la capacidad de pensar. Entre sus principales características, además del pensamiento, figuran la posibilidad de sentir, la voluntad y la conciencia. Recientemente ha sido reconocido por los científicos, pues antes existía una cierta estigmatización de los sentimientos, que se identificaban como un obstáculo para pensar y un lujo de los humanos sin utilidad aparente. Pero ahora se entiende que un individuo que carece de la capacidad de sentir emociones pierde buena parte de su habilidad para razonar. El concepto de inteligencia emocional es algo que ya ha sido tenido en cuenta en el desarrollo de la IA.

Uno de los primeros retos de la IA fue hacer un programa que jugara al ajedrez. Un programa de ajedrez actúa inteligentemente, pero en esencia no puede decirse que razone, ya que lo único que hace es explorar un gran número de posibles jugadas, aplicando una función de evaluación que dice lo buena o mala que es cada una de esas jugadas, teniendo en cuenta para ello el número de piezas de cada jugador en el tablero y el valor ponderado de las mismas. A partir de esta información, en cada turno se elige la mejor de las jugadas obtenidas. Para ello se utilizan métodos de “fuerza bruta”, desarrollo del árbol de posibilidades, análisis “posicional”, búsqueda “mini-máx”, etc. El éxito ha estado determinado por el avance en la tecnología, que permite búsquedas más grandes. Pero esto no funciona todavía en el complejo juego del Go: el árbol de posibilidades es extraordinariamente amplio y el análisis posicional es más dificultoso de llevar a cabo.

El interés de los investigadores es construir máquinas que sean agentes inteligentes, que no se limiten tan solo a imitar a los seres humanos. Un agente inteligente actúa en un entorno adaptándose a las circunstancias y las metas, siendo flexible al cambio de ambos y aprendiendo con la experiencia. El modelo de agente inteligente que se toma, superior al ser humano, es una organización humana eficiente.

Historia de la IA

Aunque se dice que en Egipto los sacerdotes eran capaces de dar vida a las estatuas, las primeras historias de autómatas inteligentes, dotados de apariencia humana e imitadores humanos están en la mitología griega. Hefestos creó en bronce a Talos, que defendía la isla de Creta de los extranjeros. Fue muerto por los argonautas, que quitaron el clavo del talón que retenía el líquido de su única vena. Por otra parte, Prometeo creó a los hombres a partir del barro y, pese a la oposición de Zeus, les otorgó el fuego del Olimpo, es decir, la inteligencia o chispa divina. Hefestos también creó, esta vez a petición de Zeus, a la primera mujer, Pandora, que recibió todos los dones de los dioses del Olimpo en una caja, que al final perdió, como todos sabemos.

Otros ejemplos griegos son los de Pigmalión, que construyó en marfil a Galatea y que recibió vida de Atenea, o Dédalo, que creó estatuas vivientes que le sirvieran como criados.

Ya en la Edad Media, encontramos numerosas leyendas acerca de la creación de seres superiores, que siempre acababan mal porque esta creación constituye un pecado a los ojos de Dios. Los templarios hablaban del Baphomet, a quien se dice que adoraban. El papa nigromante y matemático Silvestre II construyó una cabeza parlante que poseía el poder de la premonición. Esta cabeza se dice que pasó posteriormente a Roger Bacon y luego a Alberto Magno.

En el Renacimiento podemos mencionar a Paracelso, que construyó un homúnculo afirmando: “seremos dioses; duplicaremos el milagro más grande, la creación del hombre”. Atanasio Kircher también construyó uno que recogía las conversaciones secretas para la reina Cristina de Suecia. Bartolomé de las Casas y Tomás de Aquino también se interesaron en los homúnculos.

En el siglo XVIII asistimos a la creación de diversos autómatas, capaces de ejecutar piezas de música o de baile, que se pusieron de moda especialmente en la corte francesa. Pero no tenían un ápice de inteligencia; simplemente se movían automáticamente en respuesta a un estímulo determinado.

En cuanto a la literatura, mencionaremos la novela de Mary Shelley de 1816 con la creación monstruosa del doctor Frankenstein. En este relato, la autora hace una crítica a la irresponsabilidad de la ciencia, que no puede hacerse cargo de su propia creación. Posterior (1883) es la novela de Carlo Collodi que narra la creación del niño Pinocho a cargo del carpintero Gepetto. Y ya en el siglo XX está la novela de Gustav Meyrinck, basada en leyendas medievales, El Golem, hombre de barro creado por el rabino Judá León, que le otorga vida a través de la palabra y que se convirtió en un asesino sin control.

A finales del s. XIX y primera parte del XX se realizan numerosos avances en el campo de las máquinas calculadoras, que condujeron a la creación de los primeros ordenadores. Entre los creadores de estos tenemos a los pioneros de la IA, John von Neumann (1903-1957) y Alan Turing (1912-1954). Aunque la primera utilidad práctica fueron los cálculos de balística durante la Guerra Mundial, ellos tenían como meta resolver una gama de problemas más amplios. No se pudo seguir hasta que no se avanzó en la teoría de la información, en la que todo puede ser expresado como una magnitud numérica o por medio de fórmulas matemáticas; en definitiva, todo se compone de ceros y de unos dentro del código binario.

La IA propiamente dicha nació en 1956 en una reunión de investigadores de distintos campos en el Dartmouth College (Hanover, EE.UU.), donde se planteó la posibilidad de construir máquinas inteligentes. Allí estaban los matemáticos Marvin Minsky, John McCarthy y Claude Shannon, el sociólogo Herbert Simon (posteriormente premio Nobel de Economía), el informático Allan Newell, etc. Se pusieron como objetivo la experimentación con ordenador de las actividades reservadas hasta entonces a los seres humanos, como el juego (ajedrez), la demostración matemática de teoremas o la traducción.

Áreas de Investigación de la IA

Sistemas expertos

Los sistemas expertos, o sistemas basados en el conocimiento, son el área más conocida de la IA. Un SE recopila en un programa informático el conocimiento de los especialistas en una materia. El saber de un experto se almacena en una base de conocimientos que un programa de inferencia maneja mediante procesos de búsqueda. Según la Sociedad Británica de Ordenadores, “un sistema experto es la incorporación en un ordenador de un componente basado en el conocimiento, que se obtiene a partir de la pericia de un experto, de tal forma que el sistema pueda ofrecer asesoramiento o tomar una decisión inteligente sobre una función del proceso. Una característica adicional deseable, que muchos considerarían fundamental, es la capacidad del sistema de justificar su propia línea de razonamiento”.

En los SE observamos que, a mayor generalidad en la búsqueda, menos potencia en los resultados y viceversa. La llamada explosión combinatoria hace imposible que se puedan examinar todas las alternativas posibles en la solución de un problema que no sea trivial. Los únicos programas realmente eficientes han sido los basados en métodos de poca generalidad, basados en conocimientos específicos de un campo, donde se requieren muchos conocimientos en un dominio reducido del conocimiento. Existen SE en áreas como la prospección geológica, el diagnóstico médico, el análisis químico, el diseño de circuitos, etc. No tenemos todavía, ni parece que tendremos en mucho tiempo, programas capaces de dar consejos en materias de la vida común y corriente, pero los SE son capaces de sistematizar y desentrañar la experiencia como conocimiento justificable racionalmente, frente a posiciones no-científicas que descansan en conceptos como el llamado “ojo clínico”.

Redes neuronales artificiales

Un computador tradicional es una máquina que ejecuta una serie de instrucciones de forma secuencial, siendo capaz de realizar complicadas operaciones lógicas y aritméticas muy rápidamente. Sin embargo, la estructura del cerebro es radicalmente diferente. No está compuesto por un único microprocesador complejo y eficiente, sino por miles de millones de neuronas, que realizan de modo impreciso, redundante y relativamente lento un tipo de cálculo muy simple. Y, sin embargo, estos sistemas resuelven ciertas tareas, como la visión, manejando grandes cantidades de información redundante, defectuosa y cambiante como ninguna máquina que el hombre haya podido construir hasta la fecha.

Los sistemas neuronales artificiales toman las características esenciales de la estructura neuronal del cerebro para crear sistemas que lo mimeticen, mediante sistemas electrónicos o mediante simulación por ordenador, aprovechando sus propiedades de cálculo. Estos sistemas están compuestos por multitud de procesadores simples que operan sobre la base de reconocimiento de patrones, y que pueden adquirir, almacenar y utilizar conocimiento experimental, obtenido a partir de ejemplos. Esta forma de adquirir el conocimiento es una de sus características más destacables: no se programa de forma directa, como en los sistemas expertos, sino que se adquiere el conocimiento a partir de ejemplos, por ajuste de parámetros de las neuronas mediante un algoritmo de aprendizaje.

Algoritmos genéticos

Los algoritmos genéticos establecen una analogía entre el conjunto de soluciones de un problema y el conjunto de individuos de una población natural, codificando la información de cada solución en un vector a modo de cromosoma. Son algoritmos de búsqueda de soluciones para resolver problemas a través de una función de evaluación y un criterio de selección. Dadas todas las posibles soluciones a un problema, y partiendo de una solución inicial, son capaces de encontrar la solución mejor, que es genéticamente la más fuerte o mejor adaptada. Su funcionamiento consiste en hallar de qué parámetros depende el problema, codificarlos en un “cromosoma”, y aplicar los métodos de la evolución: selección y reproducción sexual con intercambio de información y alteraciones que generan diversidad. De esta forma, el algoritmo que “sobrevive” es el utilizado.

El funcionamiento de los algoritmos genéticos se puede observar en el llamado “dilema del prisionero”, un tipo de juego cooperativo en el que dos prisioneros deben optar entre delatar al otro o no, sin conocer su respuesta. La problemática del dilema del prisionero es similar a la cooperación entre investigadores, que pueden optar por dar a conocer su investigación para que otros la continúen, o mantenerla en secreto para que nadie supere sus conocimientos. Otro ejemplo más cercano es el que nos ocurre cuando vamos con un grupo de amigos a comer y dudamos entre pedir un plato más o menos caro, sabiendo que todos pagaremos a partes iguales: si pedimos el plato más barato la factura será algo menor para todos, aunque alguno se puede aprovechar pidiendo lo más caro; si todos nos aprovechamos, todos salimos perjudicados. En estos juegos, a corto plazo lo mejor es engañar o no colaborar, pero a largo plazo la mejor estrategia es cooperar, confiando en los demás, como demostrarían los algoritmos genéticos.

Robótica

La fabricación de robots es el mejor campo de experimentación para la Inteligencia Artificial. La robótica no es ciencia ficción, no trata de hacer robots que piensen como personas y se parezcan a ellas, sino que trabaja con metas más simples. Los robots no tienen nada que ver con lo que entendemos por humanoides. Son objetos cotidianos que facilitan un poco la vida, como un electrodoméstico. Por ejemplo, existen ya modelos de aspiradora sin cable que recorren la casa por la noche limpiándola, así como cortacéspedes o limpiafondos de piscina.

La reproducción de cualquier órgano del ser humano es extremadamente difícil, y para imitar el funcionamiento de una pierna se utiliza algo tan rudimentario como ruedas y cadenas. Algo parecido ocurre con la visión, pues una cámara no se aproxima a la riqueza que tiene el ojo humano, que además tiene visión estereoscópica, mientras que una cámara ve una imagen plana.

El reto más interesante de la robótica no es la capacidad de imitar las acciones humanas, sino el desarrollo de un mecanismo para aprender y adquirir nuevas habilidades. El desarrollo humano es un proceso incremental: los niños no nacen con un sistema de razonamiento, motor o sensorial completo, e incluso tienen capacidades limitadas (como por ejemplo, la visión) para simplificar las sensaciones que tienen que procesar. La robótica no trata de construir sistemas terminados, sino que sean capaces de aprender a través de la imitación, lo cual es realmente complicado. Pensemos en un robot que quiera aprender a abrir un tapón de rosca de una botella de agua. Esta operación es compleja de imitar, pues implica la eliminación de las acciones superfluas, saber qué es lo que hay que imitar y qué no, determinar cuándo se considera que la acción ha concluido, etc., aparte de que la finalidad, beber el contenido, es algo que se escapa a las necesidades de la máquina.

Críticas

La IA suscita pasiones y debates porque su ambición parece desmesurada. Si se siguieran sus postulados hasta el final, la culminación del programa llevaría a la creación de un ser semejante al hombre, lo cual significa convertirse en dioses. Aunque todavía se está muy lejos de este fin, la IA ha recibido por ello muchas críticas.

La IA da excesiva importancia a la abstracción y al razonamiento en detrimento de otros aspectos de la riqueza de la inteligencia humana: la imaginación, los sentimientos, la interpretación, el ansia de superación, etc.

Para algunos detractores, la IA solo es un conjunto de recursos de programación muy avanzados, nada que se pueda parecer al conocimiento humano. Lo que la IA busca en el pensamiento y la forma de razonar del humano es inspiración o intento de réplica, pero conseguir este objetivo es una meta inalcanzable.

La inteligencia y las máquinas son conceptos esencialmente incompatibles. Para ser inteligente se requiere ser capaz de elegir conscientemente el propio camino en la solución de problemas. Pero no podemos hablar de conciencia en las máquinas

Conclusiones

Hemos visto una breve exposición de la problemática y del campo de trabajo de la IA. Lo que nos interesa ahora es extraer conclusiones positivas de lo que nos puede aportar la IA.

Las investigaciones en IA nos pueden ayudar a conocernos mejor (y conocer la naturaleza) actuando como:

Una herramienta científica, simulando en la computadora modelos del comportamiento de sistemas inteligentes naturales (en particular, humanos) para verificar empíricamente su validez.

Una herramienta tecnológica, resolviendo problemas “difíciles”, al alcance de sistemas inteligentes naturales pero para los cuales no existe una descripción algorítmica satisfactoria. Es decir, problemas donde hay demasiada información que considerar (ajedrez), es incompleta o inconsistente (lenguaje verbal), está poco estructurada (análisis de imágenes), etc.

La IA comenzó con la meta de replicar la inteligencia humana en una máquina. La esperanza inicial decayó a medida que se percibió la dificultad y complejidad de la meta. Ahora no se intenta replicar completamente la inteligencia humana, sino que lo que se hace es abordar problemas especializados, como la capacidad de visión, el reconocimiento del lenguaje natural, la representación del conocimiento, etc.

Mientras que los humanos necesitan una gran cantidad de conocimientos para llevar a cabo las tareas más simples, los ordenadores son muy eficientes para hacer tareas que no requieran mucho conocimiento, como las operaciones aritméticas, la ordenación, la diferenciación simbólica. Por el contrario, el hombre realiza fácilmente otras, como reconocer una cara en un cuadro, un diagnóstico médico o entender el lenguaje natural.

Las computadoras pueden descollar en el campo de la solución de problemas específicos, pero el intelecto humano parece insustituible en relación con la solución de problemas de sentido común. Por ello nos parece positivo fomentar la asociación de hombre y máquina en sistemas de cooperación simbiótica y sinérgica; hombre y máquina se necesitan mutuamente.

Si tenemos en cuenta que ya somos capaces de construir máquinas o programas que en tareas concretas superan al hombre, máquinas que son capaces de aprender por sí solas a través de la experiencia o mediante la imitación de otras conductas más hábiles o más inteligentes, máquinas que toman decisiones por sí solas, e incluso máquinas capaces de crear a otras máquinas, vemos que estamos acercándonos peligrosamente a un punto en el cual las máquinas pueden tener un atisbo de “conciencia”, o de lo que ahora entendemos por conciencia. Para que el hombre no pierda el control del desarrollo de la IA, como probablemente ocurre con la manipulación genética, es necesario poner sensatez y ética en los avances científicos. Las máquinas pueden ser un buen complemento de los hombres, pero nunca sus sustitutos.

Juan Carlos del Río