En el post anterior concluíamos que la teoría de la información de Shannon (con el concepto de entropía), unido a los árboles de decisión, constituían las herramientras principales para la creación de Akinator y sistemas similares. También es cierto que uno de los puntos más importantes en la concepción de dicha máquina es la capacidad de “aprendizaje” o realimentación que muestra a partir de las respuestas de la gente.

Akinator no es una máquina estática, que toma decisiones estáticas durante toda su “existencia”; más bien es una máquina dinámica, que se adapta a las nuevas entradas que la gente introduce. Intuitivamente podemos entender que el árbol que modela su comportamiento se va recalculando a medida que la gente introduce entradas nuevas, de este modo si las tendencias de la gente cambian a la hora de elegir un futbolista, por ejemplo, la máquina se adapta a dicho cambio y por tanto las preguntas variarán. El tema del aprendizaje es de por sí un tema amplísimo, de los más importantes quizá en el campo de la inteligencia artificial, y en mi opinión de los más apasionantes, por ello no voy a tratarlo en este post, sino que dedicaré tiempo a ello más adelante.

Además, tampoco voy a hablar del algoritmo ID3 ni de Quinlan, su creador, puesto que me parece que lo interesante de estos posts era saber intuitivamente cómo era concebible Akinator, sin entrar en detalles más técnicos que a muchos de vosotros quizá no os interese (no obstante, si os interesa, es bastante sencillo entender cómo funciona dicho algoritmo, así que adelante, preguntad).

En este post por tanto quiero dejar algunas reflexiones abiertas; no se basan en mi opinión, son sólo reflexiones, así que a ver si os animáis, las criticáis o las defendeis y levantamos nuevamente el blog después de este pequeño letargo.

Dado un dominio del conocimiento concreto, tanto para humano como para una máquina, y entendiendo intuitivamente la inteligencia:

Reflexión 1: El test de Turing. Si un humano que observa un ente (ya sea humano o máquina) y aprecia en dicho ente un comportamiento que pueda entenderse como inteligente, ¿está observando inteligencia?. De otro modo, si veo a una persona intentando adivinar el pensamiento de otra con preguntas, y después veo el comportamiento de Akinator, presentando ambos un comportamiento inteligente, ¿puedo concluir que ambos son inteligentes?.

Reflexión 2: La habitación China. Si una máquina que muestra un comportamiento inteligente, implementa en su interior un comportamiento que es totalmente determinista, con unos algoritmos concretos y un conocimiento dado, ¿es la máquina inteligente?. Si respondemos que no lo es, sino que sólo atiende a lo que tiene “programado”, entonces ¿por qué entendemos a un humano como un ser inteligente? es decir, en realidad no sabemos que hay en lo más profundo del cerebro humano.

Conclusión:
Tenemos una máquina que responde de forma inteligente, y de la que conocemos totalmente su funcionamiento interno.
Por otro lado tenemos un humano que también responde de forma inteligente y del cual no conocemos su funcionamiento interno.
De esto ¿cómo podemos concluir o discernir dónde hay inteligencia?

A muchos os sonará el término cociente intelectual o coeficiente intelectual; esto es debido a que es el método más común para medir la inteligencia de un individuo. A través de unas preguntas se consiguen medidas psicométricas, las cuales intentan demostrar las capacidades del individuo a través de la resolución de problemas, utilizando la lógica, el cálculo mental, o el análisis del lenguaje. Es muy típico en este tipo de test preguntar cómo continúa la serie, eliminar elementos fuera de lugar, descubrir erratas en el texto o juegos de lógica. Con todos estos conocimiento se realiza un análisis, que da unos valores que son normalizados utilizando una campana de Gauss. De esta normalización se obtiene el coeficiente intelectual.

Campana de Gauss que normaliza el coeficiente intelectual

La teoría triárquica de la inteligencia es en sí misma una crítica a los actuales test de inteligencia que miden los coeficientes intelectuales. Cuando Sternberg define las diferentes subteorías de la inteligencia, realmente desea dejar claro cuáles son las capacidades que cubren las medidas psicométricas realizadas al evaluado. La inteligencia analítica es medida a través de estos test, la inteligencia creativa puede ser medida de manera parcial, pero la inteligencia de adaptación no se puede medir con los test actuales.

Por tanto, nos podemos encontrar con individuos con coeficientes intelectuales muy altos pero con serias capacidades sociales. Muchos de los grandes superdotados con coeficiente muy por encima de la media, como el filántropo Bill Gates, sufren Síndrome de Asperger, un grado de autismo muy bajo que les impide captar las emociones de otros individuos, por lo que su capacidad de adaptación y de relación interpersonal es muy limitada. Con el coeficiente intelectual no se valora la inteligencia social o de adaptación para describir la inteligencia del individuo, no se tiene en cuenta en las mediciones, aunque según esta teoría (y otras, como la teoría de las inteligencias múltiples) es parte de la inteligencia. Por esto, Sternberg pensaba que estas mediciones eran sesgadas y no reflejaban la realidad.

Por último, señalar que si evaluáramos a las máquinas con los mismos tests que miden la inteligencia de los seres humanos, podría sorprender la capacidad y el coeficiente intelectual que obtendrían éstas. Si es válido para los humanos, ¿estaríamos frente a máquinas superdotadas?