La Primera Revolución Cognitiva: El desarrollo de la Inteligencia Artificial.

John von Neumann (1903-1957) junto a ENIAC

El desarrollo conceptual impulsado por la cibernética, los trabajos de McCulloch y Pitts en el ámbito de las redes neuronales artificiales, los esfuerzos hechos por Alan Turing y su equipo para diseñar un mecanismo que basado en circuitos electrónicos pudiera descifrar el código utilizado por los militares alemanes para comunicarse y el diseño que posteriormente hiciera John von Neumann para ENIAC (Electronic Numerical Integrator and Calculator), conocido como arquitectura von Neumann, basado en procesos de retroalimentación, permitieron el desarrollo de los computadores digitales hacia fines de la década de 1940.

Siguiendo las ideas propuestas por el filósofo alemán Gottfried Leibniz (1646-1716) y por el matemático inglés George Boole en el siglo XIX, quien sugirió que las leyes que gobiernan el cálculo proposicional pueden ser consideradas como leyes del pensamiento, los computadores digitales comenzaron a ser considerados máquinas capaces de simular el razonamiento humano y, por tanto, capaces también de presentar conducta inteligente. De esta manera, el desarrollo de la computación, les permitió a los psicólogos que advertían la inviabilidad del conductismo radical, contar con una alternativa real y confiable para estudiar los procesos mentales, basada en la tradición y en el quehacer de la ciencia y no en la especulación introspeccionista.

En el desarrollo de los sistemas de inteligencia artificial (I.A.), es importante distinguir, para evitar confusiones teóricas y epistemológicas, los dos paradigmas, conocidos como arquitecturas o enfoques, que surgieron a mediados del siglo pasado. Uno de ellos, fue la llamada arquitectura simbólica o serial, que pasaría posteriormente a denominarse clásica y que constituiría el enfoque hegemónico, basada en el operar serial de los computadores y, el otro modelo, la arquitectura conexionista o de redes neuronales, llamada también de procesamiento distribuido en paralelo (PDP), que se basó en la forma de operar que tiene el sistema nervioso en los organismos vivos dotados de éste. Estas arquitecturas se fundamentan en epistemologías claramente distintas, la primera, en una epistemología analítica, lineal-causal, característica del método científico tradicional, según el cual, los fenómenos se pueden descomponer en sus elementos constituyentes más simples para ser estudiados; la segunda, en una epistemología holista, no lineal o recursiva, según la cual, al conocer un fenómeno debe considerarse éste como una totalidad complejamente organizada, que no se puede descomponer sin alterar las características que le son propias.

De esta manera, estos enfoques encarnaron, en el seno de la inteligencia artificial, dos viejas tradiciones de pensamiento: el mecanicismo asociacionista, representado por la arquitectura computacional y que en el ámbito de la psicología cognitiva dio lugar al enfoque del procesamiento de la información; y el estructuralismo organicista, que se materializó en la arquitectura conexionista y que anteriormente había inspirado a la psicología cognitiva europea que se desarrolló en la primera mitad del siglo XX. Estas diversas formas que tiene la inteligencia artificial de conceptuar la cognición, se advierten en la distinción que hace Sherry Turkle, profesora asociada del MIT, al señalar que:

“La IA no es una empresa unitaria. La computación es la sustancia de la que están hechas muchas teorías. Es verdad decir que no hay una IA sino muchas. Y ayuda mucho decir que son esencialmente dos. La primera es el procesamiento de la información, con sus raíces en la lógica, en la manipulación de proposiciones para obtener nuevas proposiciones, en la combinación de conceptos para obtener nuevos conceptos. La segunda se origina en un estilo de trabajo muy distinto (. . .). Esta segunda es la ‘IA emergente’.

La IA emergente no se ha inspirado en el ordenado terreno de la lógica. Las ideas sobre la inteligencia de la máquina que desarrolla tienen que ver menos con enseñar a la computadora que con dejarla que aprenda. Esta IA no sugiere que se den a la computadora reglas a seguir, sino que trata de configurar un sistema de elementos independientes dentro de la computadora, elementos de cuya interacción se espera que surja la inteligencia. Desde esta perspectiva, una regla no es algo que usted da a una computadora, sino un patrón que usted infiere cuando observa la conducta de la máquina, en forma parecida a la de la observación de la conducta de una persona. Sus imágenes sustentadoras no han sido tomadas de la lógica, sino de lo biológico.”[1]

El enfoque clásico o serial, que concibe a la cognición como la manipulación de símbolos que pueden representar adecuadamente cualquier aspecto del mundo, basada en reglas formales explícitas, comenzó a ser sistemáticamente cuestionado en la década de los ’70, dada su incapacidad de cumplir con las promesas con las que originalmente se había comprometido, pues no lograba dar cuenta de la conducta inteligente que manifiesta un ser humano al aplicar lo que se conoce como “sentido común” para resolver los problemas cotidianos con los que se enfrenta. Más aún, ni siquiera podía explicar claramente, la conducta inteligente que se advierte en animales aparentemente tan simples, como lo son los insectos. De esta situación da cuenta Andy Clark, al preguntarse:

“¿Dónde están las mentes artificiales prometidas por la ciencia ficción de los años cincuenta y el periodismo científico de los sesenta? ¿Por qué incluso nuestros mejores artefactos ‘inteligentes’ son aún tan insoportable y mortalmente tontos? Una posibilidad es que, sencillamente, hemos malinterpretado la naturaleza de la inteligencia misma. Concebíamos la mente como una especie de dispositivo de razonamiento lógico asociado a un almacén de datos explícitos: una especie de combinación entre una máquina lógica y un archivador. Al adoptar esta perspectiva, desatendíamos el hecho de que las mentes han evolucionado para hacer que ocurran cosas. (. . .) Las mentes hacen movimientos y los deben hacer con rapidez: antes de que el depredador nos pille o de que nuestra presa consiga escapar. Las mentes no son dispositivos incorpóreos de razonamiento lógico.”[2]

A pesar de las críticas, el enfoque clásico computacional, que en el ámbito de la inteligencia artificial ha pasado a denominarse GOFAI (Good Old Fashioned Artificial Intelligence), se ha mantenido como el paradigma predominante de concebir los procesos cognitivos. Sin embargo, el resurgimiento a principios de los ’80 del enfoque conexionista, la reconsideración de la psicología cognitiva europea de entreguerras, el desarrollo de la antropología, de la psicolingüística, de la robótica y de la neurociencia cognitiva, han estado promoviendo una manera muy diferente de entender los fenómenos mentales, que coloca, según Clark, al modelo computacional en su lugar, “como complemento secundario de la dinámica y los complejos bucles de respuesta que unen entre sí cerebros, cuerpos y entornos reales.”[3]

---

[1] Turkle, S., “Inteligencia artificial y psicoanálisis: una nueva alianza” en Graubard, Stephen. The artificial intelligence debate: False starts, real foundations. MIT Press: Cambridge, MA. 1988. Edición en español, El nuevo debate sobre la inteligencia artificial: Sistemas simbólicos y redes neuronales. Ed. Gedisa. Barcelona. 1993. p. 281.

[2] Clark, Andy. Being there: Putting Brain, Body and World together again. MIT Press, Cambridge, MA. 1997. Edición en español, (1999) Estar ahí: cerebro, cuerpo y mundo en la nueva ciencia cognitiva. Ed. Paidós, Barcelona. p. 39.

[3] Ibíd.., p. 40.