El concepto de inteligencia en la ciencia cognitiva (I Parte).

Allan Newell (izq.) y Herbert Simon.

En relación al enfoque simbólico o serial en la ciencia cognitiva, Francisco Varela, señala que para los fundadores de este modelo, “la inteligencia (incluida la inteligencia humana) se parece tanto a un ordenador o computador, en sus características esenciales, que la cognición se puede definir como la computación de representaciones simbólicas.”[1] Esta definición, la explica el mismo Varela cuando se pregunta:

“¿Qué significa exactamente decir que la cognición se puede definir como computación? Una computación es una operación que se lleva a cabo sobre símbolos, es decir, sobre elementos que representan aquello que designan. La noción clave es la de representación o ‘intencionalidad’, el término filosófico para aludir al ‘acerca de’. El argumento cognitivista es que la conducta inteligente presupone la aptitud para representar el mundo como si fuera de ciertas maneras. Por lo tanto no podemos explicar la conducta cognitiva a menos que demos por sentado que un agente actúa representando rasgos relevantes de la situación en que se halla. En la medida en que esta representación de una situación sea precisa, la conducta del agente tendrá éxito (siempre que todo lo demás permanezca igual).

La noción de representación es –al menos desde el ocaso del conductismo- relativamente poco controvertida. Lo controvertido es el paso siguiente. Nos referimos a la afirmación cognitivista de que la única manera de explicar la inteligencia y la intencionalidad es plantear la hipótesis de que la cognición consiste en actuar a partir de representaciones que se realizan físicamente en forma de un código simbólico dentro del cerebro o de una máquina.”[2]

Allan Newell y Herbert Simon, fundadores del enfoque computacional, señalan, en un clásico artículo publicado en 1976, que:

“Los símbolos descansan en la raíz de la acción inteligente que es, desde luego, el tema principal de la inteligencia artificial. En cuanto a eso, es una cuestión central para toda la ciencia de la computación, ya que toda la información se procesa en computadoras en función de fines y medimos la inteligencia de un sistema por su capacidad para alcanzar objetivos establecidos frente a variaciones, dificultades y complejidades planteadas por el ámbito de la tarea que hay que realizar.”[3]

En cuanto a la naturaleza de la inteligencia plantean:

“Nuestro entendimiento de los requisitos del sistema para realizar actos inteligentes surge lentamente. Es compuesto, pues no hay una sola cosa elemental que explique la inteligencia en todas sus manifestaciones. No existe un ‘principio de la inteligencia’ como tampoco hay un ‘principio vital’ que por su propia naturaleza transmita la esencia de la vida. Sin embargo, la ausencia de un simple deus ex machina no implica que no existan requisitos estructurales para la inteligencia. Uno de estos requisitos es la capacidad de almacenar y manipular símbolos.”[4]

El trabajo de Newell y Simon, así como el de otros teóricos de la inteligencia artificial, los llevó a proponer sistemas que fueran capaces de resolver problemas, pues, como ellos mismos explicitaron, “la capacidad de resolver problemas se considera en general como un primer indicador de que el sistema tiene inteligencia.”[5] Un sistema de resolución de problemas para ser considerado inteligente, no sólo necesita ser eficaz, es decir, llegar a una o varias soluciones posibles, sino también necesita ser eficiente, esto es, alcanzar dichas soluciones utilizando la menor cantidad de recursos posibles, como el tiempo, o dicho de otra manera, maximizando todo lo posible los recursos de que dispone, tales como la información, que suelen ser limitados.

El enfoque serial o computacional, hacia fines de la década de los ’60, predominó sobre el enfoque conexionista o de redes neuronales, a pesar de los importantes aportes que éste había realizado. Hubert y Stuart Dreyfus, en un artículo publicado en 1988 en la revista Artificial Intelligence, se explican esta situación por el “prejuicio filosófico cuasirreligioso contra el holismo”[6], que tenían los estudiosos de la inteligencia artificial y la comunidad científica en general. En la tradición racionalista que imperó durante el siglo XX y que perdura hasta nuestros días, la inteligencia no podía basarse en supuestos holistas, como los que subyacen al enfoque conexionista. De esta manera, se impuso la idea de que “cualquier campo debe poderse formalizar, la manera de hacer IA en cualquier área es obviamente encontrar los elementos y principios exentos de contexto y basar una representación simbólica formal en este análisis teórico.”[7]

Para estos autores, el hecho de que este reduccionismo analítico no aparezca fundamentado por los teóricos del enfoque simbólico, indica que éstos “suponen implícitamente que la abstracción de los elementos a partir de su contexto cotidiano, que define a la filosofía y que funciona en las ciencias naturales, también debe funcionar en la IA.”[8] Sin embargo, a poco andar, esta forma de concebir la inteligencia comenzó a ser severamente cuestionada, al advertirse que el enfoque computacional no lograba dar cuenta de la conducta inteligente que manifiesta un ser humano común y corriente, 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. Esto llevó al resurgimiento del enfoque conexionista hacia fines de la década del ‘70, que se vio también apoyado por el desarrollo que estaba teniendo en esos años la neurobiología.

“Quizás tengamos que desechar la intuición básica, fundamento de la filosofía, de que debe existir una teoría de cualquier aspecto de la realidad, es decir, que debe haber elementos y principios en términos de los cuales podamos explicar la inteligibilidad de cualquier ámbito. Las redes neurales pueden mostrar que Heidegger, el Wittgenstein de la época posterior y Rosenblatt tenían razón al pensar que nos comportamos de manera inteligente en el mundo sin tener una teoría de ese mundo. Si no es necesaria una teoría para explicar el comportamiento inteligente, tenemos que estar preparados para formular la pregunta de si esta explicación teórica es siquiera posible en ámbitos cotidianos.”[9]

---

[1] Varela, Francisco. Connaître: Les Sciences Cognitives, tendences et perspectives. Editions du Seuil, Paris. 1988. Edición en español, Conocer. Editorial Gedisa, Barcelona. 1996. p. 37.

[2] Varela, F., Thompson, E., Rosch, E. The Embodied Mind: Cognitive Science and Human Experience. MIT Press, Cambridge, Mass. 1991. Edición en español, De Cuerpo Presente: Las ciencias cognitivas y la experiencia humana, Ed. Gedisa, Barcelona. 1997. pp. 64-65.

[3] Newell, Allan. y Simon, Herbert. La ciencia de la computación como investigación empírica: símbolos y búsqueda. En Boden, Margaret. Filosofía de la Inteligencia Artificial. FCE, México. 1994. p. 124.

[4] Ibíd., pp. 124-125.

[5] Ibíd., p. 138.

[6] Dreyfus, H. y Dreyfus, S. “La construcción de una mente versus el modelaje del cerebro: la inteligencia artificial regresa a un punto de ramificación” en Boden, M. (1994), Filosofía de la Inteligencia Artificial, FCE, México, p. 353.

[7] Ibíd., p. 356.

[8] Ibíd., p. 356.

[9] Ibíd., p. 366.