Soy un cibernetico

Cosmovisión y paradigmas

El concepto de paradigma está muy relacionado con la cosmovisión. La cosmovisión nos da una idea de la estructura del mundo siguiendo una serie de principios comunes que inspiran teorías o modelos que se aplican a todos los campos de la vida, desde la política, la economía o la ciencia hasta la religión, la moral o la filosofía. Por su parte el paradigma crea el marco para una estructura más específica del mundo y construye los principios, teorías y modelos para un solo contexto (ejemplo el tecnológico). Pero ambas representan una forma de actuar en el mundo, una con un carácter más general y la otra más enfocada a un tipo de contexto

Por otra parte, los filósofos no están muy satisfechos con el uso y abuso que se le da los paradigmas ya que a cualquier transformación se le llama paradigma y sin más acá se dice, esto es un paradigma. Hay filosofo que prefieren utilizar la palabra vertiente, otros modelos, aunque los modelos son partes de un paradigma. Nosotros nos concentraremos en el concepto de paradigma como principios comunes sobre los que se inspiran teorías y modelos en el contexto de la inteligencia artificial

Paradigma computacional

Aunque su aplicación ha sido fundamentalmente en la inteligencia artificial (IA) específica, pero se puede aplicar a la IA general y a la futurista super IA. De los tipos de IA hablaremos en un próximo artículo.

En general podemos decir que el desarrollo de una inteligencia artificial está compuesto por los siguientes pasos

Una teoría de la inteligencia (supuestos teóricos). La representación (modelos generales) del razonamiento inteligente en una computadora.
Un modelo formal de la teoría (supuestos técnicos). Modelos computacionales
Una implementación computacional del modelo (sistemas de IA especificas). Métodos técnicos para su realización.

Los modelos

La ciencia históricamente se ha basado en los modelos para representar al universo y sobre todo al mundo real. Podemos decir que la inteligencia artificial siempre ha buscado un modelo que represente la inteligencia humana, pero la realidad ha sido otra, ya que no existe un modelo único capaz de representar a la inteligencia, incluso no existe una definición de inteligencia artificial que cubra las expectativas de todos los investigadores. En computación las primeras teorías y modelos se inspiraron en la representación de la mente. Ya que la inteligencia artificial partió del principio de la inteligencia se podía representar por medio de algoritmos para ser ejecutada en una computadora

Modelos computacionales de la IA pragmática (específica)

Los modelos de la IA: son una representación algorítmica del mundo real (mente, cerebro, realidad económica (procesamiento de grandes bases de datos), sociedad, evolución, interacción (mente-cuerpo) para ser ejecutado en una computadora. Dentro de los modelos computacionales surgen métodos y técnicas para facilitar su representación.

Aunque al final los diferentes modelos nos han conducido al desarrollo de IA específicas, normalmente se ha culpado a las limitaciones del hardware asumiendo que si las máquinas fueran más veloces y tuvieran más prestaciones, se podría lograr la misma eficiencia que el cerebro humano. Siendo el más representativo el modelo basado en datos, el cual se soporta sobre las potencialidades de la computadora. No se puede olvidar que, hasta la fecha, los modelos de la IA deben poder reproducirse en las computadoras, las cuales son cada vez más potentes, lo cual permite nuevas formas de programación teniendo en cuenta las actuales prestaciones de las máquinas que permiten un aumento cada vez mayor de almacenamiento, procesamiento de la información y conexión, lo cual ha facilitado el surgimiento de una IA operativa basada en datos.

Principales modelos de la IA

En el artículo Paradigmas y tendencias en la investigación de la IA, habíamos hecho una clasificación de los principales modelos:

Modelo simbólico – Lógico: reglas de producción o semántico: conceptos.
Modelo conexionista o emergente – Redes neuronales.
Modelo basado en datos (BD) u operativo – Aprendizaje profundo.
Modelo basado en agentes o colectivo – Sistemas multiagentes
Modelo corpóreo o enactivo – Robótica y agentes reactivos
Modelo evolutivo – Algoritmo genético.

Todos los modelos son las técnicas que se aplican para desarrollar una IA (de momento específica) que puede alcanzar, en algún momento, una IA avanzada (general). Los modelos tienen su aplicación fundamental dentro del enfoque socioeconómico como IAs específicas que buscan dar solución a los diferentes dominios, aunque su pretensión inicial haya sido la construcción de una IA de carácter general. Sin embargo sus logros han estado en las aplicaciones a dominios restringidos, Ya existen aplicaciones (IA específicas) que superan a los humanos en una tarea (ej.: ajedrez, GO, etc.)

Enfoque simbólico/modelo o paradigma simbólico/cognitivo

Surge de las ciencias cognitivas y busca representar como trabaja la mente. Tiene las siguientes características:

Sigue la medida humana (Ver: IA centrada en el ser humano. La medida humana)
Representación del pensamiento como manipulación de símbolos
La mente y/o cerebro como un sistema de procesamiento de información

En sus inicios se habló de un paradigma simbólico que pretendía la representación del pensamiento como símbolos que podían ser convertidos en programas y ejecutados en la computadora donde los programas representaban los estados mentales y la computadora el funcionamiento del cerebro. También se usó el término paradigma cognitivo tanto para el modelo simbólico como para el conexionista ya que ambos parten de la reproducción de las funciones de la mente o del cerebro en una computadora. Cuando hablamos de mente o cerebro estamos hablando de un individuo o sea de los estados de una mente o de las funciones de un cerebro del cual se pueden representar en formas de algoritmos y ser ejecutados en una máquina.

Dado el abuso del concepto paradigma, usaremos la palabra modelo computacional y con ello aceptamos la mente humana como una forma de representación del procesamiento de la información. Lo cual trae como consecuencia que se produzcan dos fenómenos inversos:

La simplificación (reduccionismo) de la mente humana
La generalización de los sistemas procesadores de información.

El reduccionismo afirma que se pueden explicar los fenómenos reduciéndolos a un nivel más elemental. Por ejemplo: la conducta humana puede reducirse a estudios neurofisiológicos (incluso sobre animales), el estudio del cerebro puede reducirse a la biología celular, etc. La IA es reduccionista, ya que trata de reducir los procesos de la mente (que son complejos) a sencillos procesamientos de la información. Siguiendo la metáfora del computador, la mente es un sistema de procesamiento de la información que cumple con las leyes de la manipulación de símbolos.

El problema radica en la generalización que se le quiere dar a los sistemas de procesamiento de la información. Hay palabras que, para los creadores de teorías, toman un significado especial (trascendental) y se convierten en un “símbolo” cargado de significados adicionales, en muchos casos abiertos a nuevas manipulaciones, que se adaptan a la interpretación del contexto de la teoría, como es el caso del término “procesamiento de la información”.

Hoy se aspira a desarrollar una IA general compuesta por varias IA específicas (que resuelven una tarea) y la IA general cuenta con una interfaz que ante un problema es capaz de seleccionar cuál de las IA especificas los puede resolver por lo que a los efectos sería una IA multitarea. También cada IA específica podría ser vista como un agente que funciona dentro de un sistema multiagente y estos se combinan para resolver cualquier problema. Por lo que los agentes serían capaces de resolver una tarea, pero como sistemas multiagentes pueden resolver cualquier tarea como una IA general. Al final todo depende de la potencia del hardware y de agentes inteligentes que funcionan como IA específica, incluso, cada agente puede responder a un modelo de computación diferente.

1.-Modelo simbólico

Fue el primero de los modelos de representación de la información utilizado por la IA y se sustenta sobre la hipótesis de los sistemas de símbolos físicos (SSF)

Hipótesis del sistema de símbolos físicos

“Todo sistema de símbolos físicos posee los medios necesarios y suficientes para mostrar conductas inteligentes”

“Los seres humanos son capaces de mostrar conductas inteligentes”

Entonces: “Los seres humanos son sistemas de símbolos físicos”

Definiciones (siguiendo a López de Mántaras):

Sistema de símbolos físicos (SSF): consiste en un conjunto de entidades denominadas símbolos que, mediante relaciones, pueden ser combinados formando estructuras más grandes —como los átomos que se combinan formando moléculas— y que pueden ser transformados aplicando un sistema procesador de símbolos.

Sistema procesador de símbolos: Sistema capaz de manipular símbolos, generar nuevos símbolos, crear y modificar relaciones entre símbolos, almacenar símbolos, etc.

Los símbolos son físicos, ya que tienen un sustrato físico

Donde los sustratos físicos pueden ser:

Físico-electrónico (computador)
Físico-biológico (seres humanos)

Computadora: los símbolos se realizan mediante circuitos electrónicos digitales

Seres humanos: los símbolos se realizan mediante redes de neuronas.

Por lo que tanto las computadoras como los seres humanos son capaces de procesar símbolos-

El adjetivo «físico» denota que se trata de la realización material de un sistema formal, Por lo tanto, un sistema de símbolos físico es un sistema formal ejecutado por una máquina real, (mediante circuitos electrónico digitales) en general en una computadora o en un ser humano (mediante redes de neuronas) donde el cerebro seria otro tipo de maquina donde se produce la inteligencia ejecutando un sistema de símbolos.

De acuerdo con la hipótesis SSF: la naturaleza del sustrato (circuitos electrónicos o redes neuronales) carece de importancia siempre y cuando dicho sustrato permita procesar símbolos y como se trata de una hipótesis no puede ser aceptada ni rechazada a priori.

Nota: Aquí se puede suponer que las redes de neuronas puedan ser sustituidas por circuitos electrónicos dado que ambos son lo mismo (sistemas de símbolos físicos equivalentes entre sí). Otra cosa seria que las redes neuronales puedan ser reproducidas totalmente en circuitos electrónicos y por medio de programas se reproduzca la mente (dualismo).

En las ciencias cognitivas se conoce como tesis internalista que establece la existencia de representaciones mentales y que reclama un nivel de análisis propio para estudiarlas al margen de los factores biológicos y de algunos de los factores ambientales que las afectan.

Como consecuencia de todo lo anterior surge, la metáfora del computador que afirma que existe una variante de la hipótesis anterior según la cual no es que un sistema de símbolos físico tenga las capacidades necesarias y suficientes para la acción inteligente general, sino que dichas capacidades son exclusivas de los sistemas de símbolos físicos: la metáfora del computador.

La metáfora computacional o del computador es la analogía que define la mente como un procesador de información semejante a una computadora electrónica, lo que significa que la computadora puede sustituir al hombre en todas sus actividades ya que ambos son “sistemas basados en el procesamiento de la información”. Por lo que se acepta la equivalencia entre el cerebro y la computadora. Por otra parte la tesis internalista, acepta la equivalencia entre programas de computadora (algoritmos) y la mente, pero no (necesariamente) la equivalencia entre cerebro y computadora. Aunque en la práctica, lo más común, es la representación de la mente (estados mentales) por medio de programas computacionales sin importar si existe o no, algún tipo de equivalencia entre ellos

Modelo simbólico (definición)

El modelo simbólico es un modelo descendente, que se basa en el razonamiento lógico y la búsqueda heurística como pilares para la resolución de problemas, sin que el sistema inteligente necesite formar parte de un cuerpo (no encarnado) ni está situado en el entorno real. La IA simbólica opera con representación abstracta del mundo real

2.-Modelo conexionista.

Hubo un tiempo que se utilizó el nombre de paradigma conexionista, que, en lugar de representar los estados mentales, buscaba la representación de las conexiones que se establecen entre las diferentes partes de una organización, ya sean neuronas (redes neuronales), agentes (agentes inteligentes), genes (algoritmos genéticos) y como de estas conexiones se genera un accionar inteligente. Ahora en lugar de la representación del conocimiento humano se buscaba la representación de elementos no inteligentes que son capaces de conectarse entre sí para darle solución a un problema. Conexiones que se van almacenando por medio del aprendizaje automático. Esta flexibilidad rompe con el esquema secuencial de paradigma simbólico que obliga a contar con una máquina de inferencia que vaya ejecutando las reglas, ahora estos entes (neuronas, agentes, genes) son capaces de conectarse entre sí y de ajustarse al problema e ir guardando su experiencia. Para el modelo conexionista también conocido como sub-simbólico, nos concentraremos en las redes neuronales artificiales (RNA).

Las investigaciones en las RNA han estado inmersas en la creación de autómatas que aprendan a descubrir relaciones ocultas en los datos a la vez que puedan codificar y almacenar información en forma similar a como lo realiza el cerebro. La neurocomputación utiliza como base la metáfora cerebral, pero no persigue como objetivo la construcción de máquinas absolutamente plausibles biológicamente, sino el desarrollo de máquinas útiles. La capacidad intelectual depende de la acción colectiva de las neuronas, que realizan procesos en serie y en paralelo utilizando la retroalimentación y una organización molecular y laminar con alta capacidad de auto-organización y cooperación basada en una estructura jerárquica que permite el procesamiento local y centralizado en fases.

Modelo conexionista (definición)

Los sistemas conexionistas son compatibles con la hipótesis simbolista (SSF) pero al contrario del simbólico, se trata de un modelo ascendente, ya que se basa en la hipótesis de que la inteligencia emerge a partir de la actividad distribuida de un gran número de unidades interconectadas que procesan información paralelamente. En la IA conexionista estas unidades son modelos muy aproximados de la actividad eléctrica de las neuronas biológicas.

3.-Modelo basado en datos

Se acepta que la forma de pensar de los humanos es totalmente diferente a la de las máquinas (IA débil) y que el método es crear programas capaces de desarrollar actividades llamadas inteligentes sin imitar al pensamiento humano (no sigue la medida humana). Por supuesto, esto nos lleva a máquinas carentes de sentimientos (al menos como los humanos), tan inteligentes como los humanos o quizás más, pero dentro de su propio contexto digital. Y es que el progreso tecnológico y el almacenamiento de grandes bases de datos ha posibilitado, que el procesamiento orientado a los datos del mundo real sea factible, dado el surgimiento de hardware cada vez más potente, barato y confiable, además, la capacidad de internet para recopilar grandes cantidades de datos y la disponibilidad de almacenamiento para procesar esos datos.

Al final los diferentes modelos nos han conducido al desarrollo de inteligencias artificiales específicas o estrechas. Normalmente se ha culpado a las limitaciones del hardware asumiendo que si las máquinas fueran más veloces y tuvieran más prestaciones, se podría lograr la misma eficiencia que el cerebro humano, siendo el más representativo el modelo basado en datos, el cual se soporta sobre las potencialidades de la computadora. No se puede olvidar que, hasta la fecha, los modelos de la IA deben poder reproducirse en las computadoras, las cuales son cada vez más potentes, con nuevas formas de programación teniendo en cuenta las actuales prestaciones de las máquinas que permiten un aumento cada vez mayor de almacenamiento, procesamiento de la información y conexión, lo cual ha facilitado el surgimiento de una IA operativa basada en datos.

Modelo basado en datos (definición)

Son, algoritmos para el procesamiento de grandes bases e datos, en general algoritmos de fuerza bruta que se programan utilizando la velocidad de procesamiento de la máquina, estamos ante programas capaces de desarrollar actividades llamadas inteligentes sin proponerse imitar al pensamiento humano

4.-Modelo basado en agentes (inteligencia colectiva)

La interacción con entornos no restringidos ni previamente preparados.

Se estudia la solución cooperativa de problemas por un grupo de agentes distribuidos. Tal cooperación se basa en que ninguno posee la información (experticia, recursos, etc.) para resolver completamente el problema y donde un agente tiene como característica la de ser una entidad más o menos autónoma, con conocimientos propios y de su entorno así como con la posibilidad de interactuar con dicho entorno y otros agentes. Se concentra en la inteligencia distribuida en diferentes agentes (con conocimientos parciales) que al integrarse logran resolver problemas complejos en lugar de grandes bases de conocimientos cerradas.

Modelo basado en agentes (definición)

Son sistemas multiagentes y es compatible con la hipótesis simbolista y se puede decir que es no corpórea aunque si tiene en cuenta al entorno, también se trata de un modelo ascendente ya que la inteligencia emerge de una gran número de unidades interconectadas en este caso son los llamados agentes inteligentes, que tienen como característica la de ser una entidad más o menos autónoma, con conocimientos propios y de su entorno así como la posibilidad de interactuar con dicho entorno y con otros agentes.

5.-Modelo corpóreo (enfoque enactivo)

Se basa en que un agente inteligente necesita un cuerpo para tener experiencias directas con su entorno, en lugar que un programador proporcione descripciones abstractas de dicho entorno, codificado mediante un lenguaje de representación del conocimiento, sin un cuerpo esta representación abstracta no tiene contenido semántico. El método corpóreo ha dado lugar a un nuevas líneas de desarrollo dentro de la robótica ya sea del desarrollo o evolutiva. Varela incluye el enfoque enactivo en las ciencias cognitivas, aunque también encaja dentro de las ciencias de la complejidad.

Modelo corpóreo (definición)

Rompe con la hipótesis simbolista, ya que no es la representación del mundo objetivo y su conversión en símbolos para ser procesados por una computadora sino, la actuación de la máquina en el entorno.

6.-Modelo evolutivo

Desde el punto de vista biológico, el problema se centra en la imitación del mecanismo evolutivo de los seres vivos. De una población, tienen más posibilidades de sobrevivir y de tener descendencia aquellos organismos mejor adaptados al medio. De combinarse dos que tengan características deseables para aspectos distintos pueden surgir nuevos que hereden ambas peculiaridades y plantea que se pueden encontrar soluciones aproximadas a problemas de gran complejidad computacional mediante un proceso de “evolución simulada”, en particular como un algoritmo matemático implementado en un ordenador, conocidos como algoritmos genéticos

Modelo evolutivo (definición)

Los algoritmos genéticos también son compatibles con la hipótesis simbolista y no corpórea. Se trata de imitar la evolución con el fin de que los programas de computadoras mediante un proceso evolutivo mejorasen automáticamente las soluciones a los problemas para los que fueron programados

Conclusión

Como hemos visto, todos los modelos excepto el basado en datos (BD) tratan de emular las competencias de la mente o del cerebro humano. En el caso del modelo BD, estamos hablando del surgimiento de una inteligencia no humana en el sentido literal. Ya que el modelo BD no tiene nada que ver con la forma de pensar del ser humano es un algoritmo, más bien, de fuerza bruta basado en la velocidad del hardware. Ahora de acuerdo al paradigma basado en datos, según crezcan los datos las máquinas tendrán más acceso a la información y a su procesamiento (dada su creciente velocidad) y con ello a aumentar exponencialmente su inteligencia, lo que lleva a una posible singularidad tecnológica, fuera de la medida humana (Ver: La singularidad tecnológica de Raymond Kurzweil).

Bibliografía:

López de Mántaras, R., “El futuro de la IA: hacia inteligencias artificiales realmente inteligentes”, en ¿Hacia una nueva Ilustración? Una década trascendente, Madrid, BBVA, 2018.