IA simbólica vs. subsimbólica

Inteligencia Artificial: Simbólico versus Subsimbólico∗
Manuel de la Herrán Gascón
“¡Tachaaan! Señoras y señores: he aquı́ la lavadora inteligente, . . . ” ¿Cómo? ¿Lavadora?
¿Alguien ha dicho Java? Ya sabemos que Java era originariamente un lenguaje para electrodomésticos, pero esta vez no se trata de eso. Este artı́culo trata de otra cosa. El tı́tulo
podrı́a haber sido “La Inteligencia Artificial (IA) ha muerto” o “Lo de la IA ya no se lo cree
nadie”.
Tenı́a que ocurrir. Ahora, si alguien califica su creación informática de inteligente, se
fruncen ceños de desconfianza, cuando no se provoca risa. Rodeados como estamos de edificios
inteligentes donde si no hace calor, hace frı́o; automóviles inteligentes que insisten en que nos
pongamos un cinturón de seguridad estropeado, y semáforos inteligentes en perenne madurez
y sin caer del guindo, ha llegado un momento en el que decir que nuestro programa es
inteligente sólo lo descalifica.
La culpa la tienen, por supuesto, la televisión, la publicidad y las lavadoras automáticas.
Confirmándose una vez más el éxito indiscutible del iterado cliché de la vecina elogiando
las camisas de su marido, los comerciales informáticos no dudaron en aplicar similares atribuciones a sus productos. Los jabones pasaron del superblanco al ultrablanco. Nuestros
programas, con idéntica lógica, de ser Sistemas Expertos o Agentes Inteligentes, a usar tecnologı́a IntelliSense (un tipo de ayuda sensible en el que trabaja Microsoft). También han
salido ya las lavadoras con Fuzzy Logic, concretamente la nueva Eco-Lavamat de AEG. No
dudo que sea una fantástica lavadora. Probablemente la capacidad de manejar conceptos
difusos mediante Lógica Borrosa le confiera alguna ventaja; tal vez la de distinguir la ropa
sucia de la muy sucia y de la extremadamente sucia. Pocas cosas hay tan borrosas como
una camiseta blanca después de diez dı́as de travesı́a por el monte, sin mas agua que la de la
cantimplora. Poco importa, en definitiva, el nombre del jabón, se trata de que lave.
¿Y ya lava? No está mal. ¿Y es inteligente? Pues vaya, depende... Pero bueno, ¿Es
que cada uno tiene derecho a llamar IA a lo que le dé la gana? Pues claro que sı́. Esto
ocurre porque nadie sabe aún qué demonios es la IA. Yo quiero mostrar en primer lugar mi
definición predilecta, mediante una inspirada conversación de bar, real como la vida misma.
—. . . y acabo de terminar un programa inteligente. — Comento bajito, para que no me
oiga nadie más, claro. — ¿Te refieres a un programa de IA? — Me responde — ¡Eso es
imposible! Ésta es mi oportunidad de alargar un poco más la noche, y llenar de nuevo el vaso
de cerveza vacı́o. Sin vacilar comienzo la habitual argumentación. — Bueno, hay gente que
opina que nunca se podrá imitar la mente humana, pero. . . – ¡No, No! — Me corta enseguida
— Todo eso me lo creo. ¡Lo que digo que es imposible es que lo hayas hecho tú!
¡Acabáramos! La IA son los últimos descubrimientos, las nuevas tecnologı́as, los lı́mites
de la computación. La IA es una frontera en continuo movimiento. Y claro está, parece obvio
que todo esto no es posible en manchego: si no lo leo en inglés, no me lo creo.
Hay otras definiciones más aceptadas: la IA trata de construir máquinas con comportamiento aparentemente inteligente. El hombre es un ser inteligente. ¿Lo son los animales?
¿Lo son las células? ¿Acaso son necesarias células de algún tipo para que se produzca comportamiento inteligente? Podemos decir que en torno a la respuesta a estas preguntas surgen
los dos grandes bloque enfrentados en la materia: el enfoque simbólico o Top-Down, también
llamado IA clásica, y el enfoque subsimbólico (Bottom-Up), llamado a veces conexionista.
Los simbólicos simulan directamente las caracterı́sticas inteligentes que se pretenden conseguir. Como modelo de mecanismo inteligente a imitar, lo mejor que tenemos y más a mano
∗ Documento
original en: http://www.aircenter.net/mc13039905.html
1
es el Hombre (que tal vez no sea gran cosa, todo hay que decirlo). Desde este punto de vista,
poco interesa simular los razonamientos de los animales, y mucho menos simular procesos
celulares. El boom de los Sistemas Expertos, ahora de capa caı́da, fue producido por este
planteamiento.
1
Las principales corrientes en IA son la simbólica y la
subsimbólica
Para los constructores de sistemas expertos, es fundamental la representación del conocimiento humano y debemos a ellos los grandes avances en este campo. Realizando una gran
simplificación, se debe incluir en un sistema experto dos tipos de conocimiento: “conocimiento acerca del problema particular” y “conocimiento acerca de cómo obtener más conocimiento
a partir del que ya tenemos”. Para el primero existen técnicas como los Frames (marcos)
que fueron los padres de lo que hoy conocemos como Programación Orientada a Objetos. El
segundo es llamado también mecanismo de inferencia y requiere además de un método de
búsqueda que permita tomar decisiones, como por ejemplo, seleccionar la regla a aplicar del
conjunto total de posibles reglas. Esto puede parecer lo más sencillo, pero suele ser lo más
difı́cil. Se trata de elegir y elegir bien, pero sin demorarse varios millones de años en hacerlo.
Como ejemplo representativo de la rama simbólica llevada al extremo tenemos el proyecto
Cyc de Douglas B. Lenat, con un sistema que posee en su memoria millones de hechos interconectados. Según Lenat, la inteligencia depende del numero de reglas que posee el sistema,
y ”casi toda la potencia de las arquitecturas inteligentes integradas provendrá del contenido,
no de la arquitectura”. Para él, los investigadores que esperan poder resolver con una única y
elegante teorı́a todos los problemas de inferencia y representación de conocimientos, padecen
celos de la fı́sica: ansı́an una teorı́a que sea pequeña, elegante, potente y correcta.
Los esfuerzos de la otra rama de la IA, los subsimbólicos, se orientan a simular los elementos de mas bajo nivel que componen o intervienen en los procesos inteligentes, con la
esperanza en que de su combinación emerja de forma espontánea el comportamiento inteligente. Los ejemplos más significativos probablemente sean las Redes Neuronales Artificiales
y los Algoritmos Genéticos. Aunque parezcan un fenómeno reciente, estos paradigmas no
son más jóvenes que los Sistemas Expertos de la IA clásica, simplemente tuvieron menor
publicidad y financiación. En cualquier caso, pasaron desapercibidos. El Primer modelo
de red neuronal fue propuesto en 1943 por McCulloch y Pitts. El Perceptrón de Rosenblat
apareció en 1959, produciendo una gran y breve expectación que quedó pronto en el olvido, y
J. H. Holland introdujo la idea de los Algoritmos Genéticos en los años sesenta. Las grandes
ventajas de estos sistemas son la autonomı́a, el aprendizaje y la adaptación, conceptos todos
ellos relacionados.
Las peleas y crı́ticas entre los dos planteamientos fueron casi tan intensas como ridı́culas.
Pero podı́an ser entretenidas. A veces se encendı́an los ánimos, como en una competición
deportiva, y en cierto modo era divertido, seguro que mucho más que el fútbol. Se preguntará
el lector con qué postura me identifico yo. Precisamente, me he visto envuelto en discusiones,
defendiendo ambas alternativamente, llegando finalmente a la conclusión obvia, desenlace de
la trama. Tras la resaca del auge de la IA simbólica, todos los éxitos fueron cosechados por
los subsimbólicos, y el “pasarse al otro bando”, al menos en ciertos aspectos, se convirtió
en una actitud habitual. Pero como era de esperar, finalmente vemos triunfar el sentido
común de aprovechar las grandes cualidades de una u otra postura, o de ambas, en sistemas
combinados.
2