Relevant Statutory Provisions

Las críticas filosóficas no fueron las responsables principales de la deca- dencia de la inteligencia artificial de sistemas simbólicos. Antes bien, fue la incapacidad de este programa de investigación para cumplir con las expectati- vas despertadas lo que indujo a los científicos a buscar otros derroteros. En efecto, suelen distinguirse tres etapas en el desarrollo de la creación de sistemas simbólicos en computadoras: entre 1955 y 1965, el propósito fue diseñar para las máquinas procedimientos de representación y de búsqueda; entre 1965 y 1975, se trataba de construir modelos computacionales de parcelas restringi- das de actividad intelectual, y este empeño dio como fruto la aparición de los sistemas expertos; por fin, a partir de 1975, se propuso una meta mucho más ambiciosa: crear modelos eficaces del sentido común de los humanos; y hay que reconocer que, a día de hoy, tal empeño se ha saldado con un rotundo fracaso, que ha tenido embarrancada a la IA en un aparente callejón sin salida11_{. El}

diagnóstico dado por los investigadores destaca las siguientes causas:

1. Los programas escalan muy mal, es decir, podría esperarse que un pro- grama que ofrece indicios de una conducta inteligente la pudiera des-

12 _{Cfr. D. L. Waltz (1988), «Perspectivas de la construcción de máquinas verdaderamen-}

te inteligentes», en S. R. Graubard (comp.), 1988, 221-224.

13 _{El texto fundacional del neo-conexionismo es D. E. Rumelhalt, J. L. McClelland y el}

PDP RESEARCH GROUP (1986), Parallel Distribuited Processing, Cambridge, MIT Press.

14 _{Cfr. Von Neummann (1951), «The General and Logic Theory of Automata», en}

L. A. Jeffress (ed.) (1951), Cerebral Mechanisms in Behavior, Nueva York, Wiley.

arrollar con tal de dotarlo de una capacidad significativamente mayor para procesar información. Sin embargo, esta suposición se ve des- mentida por los hechos: a menudo, a partir de cierto grado de com- plejidad, el aumento en la velocidad de procesamiento no supone un aumento significativo de las capacidades de la máquina. Por otra parte, el aumento de la velocidad de procesamiento tiene un límite en la máquina de von Neumann, derivada de la velocidad de la luz y de la complejidad del «cableado» utilizado; de manera que no puede ser aumentada indefinidamente.

2. Los programas no saben buscar objetivos insuficientemente definidos: el estilo de programación en que se basan requiere dotar a la compu- tadora de una información exhaustiva, para que ésta pueda tomar decisiones. Y no es ésta la naturaleza del sentido común, quien puede suplir a menudo las insuficiencias de una información sólo parcial. 3. Los programas no saben reaccionar ante circunstancias cambiantes del

entorno, tales que hagan inútiles algunas de las reglas que han sido establecidas en los mismos. Los programas informáticos son, en este sentido, rígidos en exceso. Y, de nuevo, la adaptabilidad a nuevas coor- denadas es una de las características más interesantes del sentido común de los humanos12_.

Estas dificultades de naturaleza no circunstancial en la IA de sistemas simbólicos indujeron, a mediados de la década de los 80, a volver la vista hacia el antiguo proyecto conexionista, que había permanecido en el limbo durante tres lustros y cuya historia relataremos a continuación brevemente13_.

Ya en 1943, el mismo año en que se diseñaban y construían las primeras computadoras digitales, McCulloch y Pitts consiguieron establecer un mode- lo matemático del comportamiento de una neurona. En principio, pues, pare- cía factible la modelización computacional de las redes neuronales del cere- bro, y con ello, una vía de acceso nueva para el estudio del cerebro y —en la medida en que las tesis fisicalistas fueran acertadas— de la mente. Algunas voces muy autorizadas mostraron recelos a hacer operativa la semejanza indi- cada por McCulloch y Pitts, porque les parecía que las diferencias tanto entre las neuronas cerebrales y las neuronas formales cuanto entre una red neuro- nal del cerebro y las llamadas, desde entonces, redes de McCulloch-Pitts eran demasiado significativas como para obviarlas14_{. Aun así, nuevos descubri-}

mientos dieron vida al programa conexionista de simulación computacional de las estructuras cerebrales. En 1949, Donald O. Hebb indicó que los pro-

15 _{Cfr. D. L. Waltz (1988), «Perspectivas de la construcción de máquinas verdaderamen-}

te inteligentes», en S. R. Graubard (comp.), 1988, 231.

cesos de aprendizaje de un organismo se traducen en modificaciones en las conexiones sinápticas; y una década después, Frank Rosenblatt (1958) dise- ñó un dispositivo computacional denominado perceptrón, que no era sino una red neuronal artificial con conexiones modificables. El perceptrón podía con- siderarse, al igual que la computadora digital, una realización material de la máquina de Turing, pero presentaba una sorprendente ventaja frente a las máquinas de von Neumann: podía ser «entrenado» para realizar determina- das tareas de naturaleza muy simple y para las que no había sido programa- do específicamente. Dicho de otro modo, frente a la programación de tareas concretas, como estrategia de la IA de sistemas simbólicos, ahora se imponía el aprendizaje. Los perceptrones no eran programados, sino sólo sometidos a un proceso sistemático de ensayo y error, tan querido por los conductistas, mediante el cual se iban modificando sus conexiones, hasta adquirir el tipo de conducta adecuado al caso.

El año 1969 supuso un cambio radical en la consideración de esta vía para la investigación científica: un trabajo de Marvin Minsky y Seymour Papert parecía demostrar la incapacidad del perceptrón para la tarea de simular ade- cuadamente las redes neuronales. El influjo de este estudio fue tal que el programa diseñado por Rosenblatt, y que hoy denominamos conexionismo, quedó congelado durante casi dos décadas. Sin embargo, a raíz del estanca- miento de la IA de sistemas simbólicos, el antiguo programa conexionista fue revisado; y, entonces, se descubrió que las objeciones vertidas contra él sólo eran pertinentes para un cierto tipo de perceptrones, los más simples (per- ceptrones de una sola capa), mientras que eran inoperantes, por el contrario, frente a diseños más complejos (perceptrones de varias capas, y otros tipos de redes neuronales artificiales).

Los perceptrones de varias capas, para cuyo entrenamiento sólo a partir de 1985 se dispuso de métodos eficaces, tienen la naturaleza de pequeños sis- temas expertos que, a la manera de redes neuronales locales, son capaces de realizar tareas muy específicas y, a menudo, extremadamente simples15_{. ¿De}

qué manera podían ser utilizados para la duplicación de facultades mentales? Una de las tesis básicas del conexionismo, propuesta precisamente por quien fue uno de sus primeros críticos, Marvin Minsky, es que la inteligencia es el resultado de la interacción de un número muy elevado de redes neuronales, cada una de las cuales tiene unas capacidades funcionales específicas y no necesariamente «inteligentes». De manera que quizás podrían ser duplicados los poderes de la mente haciendo interaccionar, a su vez, a un número signi- ficativo de perceptrones, cada uno de los cuales habría de ser entrenado para la realización de un tipo particular de tarea. Esas interacciones en masa de distintas redes artificiales son compatibles con otra característica de los modelos conexionistas, la programación en paralelo: al igual que en el cere-

bro, el input (estímulo que desata el procesamiento de la máquina) dispara simultáneamente varios sistemas, que operan en paralelo e interactúan entre sí, antes de emitir un output (respuesta al estímulo).

Las redes neuronales artificiales ofrecen otras características que le ase- mejan al cerebro, además de su capacidad de aprendizaje o su naturaleza masivamente paralela: disponen de una memoria asociativa, capaz de recu- perar contenidos a partir de fragmentos; e, igualmente, de tolerancia a fallos en el hardware. Además, su programación en paralelo ha permitido aumentar de modo muy notable la capacidad de procesamiento de información, res- pecto de las computadoras von Neumann.

A pesar de todo ello, no son pocas las objeciones que se le han puesto al programa conexionista. Para empezar, hay serias limitaciones de orden pura- mente técnico, para la realización de redes neuronales artificiales de las que pudiera esperarse la emergencia de facultades mentales. Por ejemplo, es impensable que las redes neuronales artificiales puedan llegar a constituir estructuras tan complejas como las cerebrales, en donde se estima que están interconectadas diez mil millones de neuronas. En el mejor de los casos, los sistemas conexionistas no alcanzarán, a medio plazo, más allá del uno por cien de la capacidad del cerebro. Pero también hay objeciones provenientes del ámbito de la neurobiología: las redes de McCulloch-Pitts son simplifica-