En el último post comenté un poco algunos de los pasos claves de la evolución de los sistemas expertos. Hablábamos de la época pragmática como el momento en el cual se comenzó a utilizar la disciplina de la IA desde un punto de vista eminentemente práctico, que se transformaría más tarde en comercial, como el caso de muchos sistemas expertos.

Por supuesto, además de estos desarrollos comerciales (que dotaban de ciertas ventajas a aquellas empresas, compañías, o grupos de investigación que los utilizaban), no se dejó de lado nunca la investigación pura y dura de la disciplina, persiguiendo en todo momento de un modo u otro conseguir aquellos objetivos que se plantearon al inicio de todo esto.

Lamentablemente, muchas de estas ramas paralelas de investigación no conseguían los objetivos planteados, por más dinero que se invirtiese y más trabajo que se realizase. Se conoce de varias maneras, pero me gusta particularmente el término Invierno de la IA, como aquel que define las épocas de mayor oscuridad en cuanto a avances y desarrollo de la ciencia. Épocas en las que no se avanzaba hacia nada puntero, algo que pudiera marcar una diferencia y desembocar en un nuevo hito, y por más dinero invertido por empresas privadas, entidades publicas etc, etc, muchas veces las investigaciones terminaban reinventando la rueda.

Se reconocen particularmente dos épocas principales de estancamiento: las correspondientes a los años 1974−80 y 1987−93. Por supuesto, no son las únicas. Si recordamos el GPS (General Problem Solver), prometía resolver problemas de cualquier tipo siemrpe que cumplieran con el requisito de ser modelables; lógicamente, esto no ocurrió así, y fue uno de los primeros golpes a la IA, que junto a algunos otros promovió el cambio de mentalidad que dio paso a lo que hemos llamado aquí la época pragmática.

Durante la época pragmática se desarrollan los sistemas expertos, aportando cierto valor a las entidades que los usaban, pero este valor se va perdiendo gradualmente debido a otros sistemas que procuraban la misma utilidad y que en algunos casos eran más baratos. Me refiero a que la informática avanzó mucho; la computación distribuida explotaba, junto a redes de comunicaciones entre organismos que podían compartir experiencias más útiles que lo que un SE pudiera estimar. Los SE tal y como se conocían empezaban a perder protagonismo, y paralelamente otra de las ramas en las que más se había apostado desde el inicio, el reconocimiento del habla, la traducción máquina, caía también con varias decepciones.

De las decepciones merece la pena mencionar la ocasionada por el Speech Understanding Research de la Carnegie Mellon University a DARPA, la agencia estadounidense de investigación avanzada en defensa. El S.U.R prometía desarrollar un sistema capaz de entender el inglés hablado, de modo que una computadora pudiera recoger comandos hablados (en inglés) y responder ejecutando las órdenes oportunas. DARPA invirtió una millonada, para terminar cancelando el programa, cuando vieron que lo único que ofrecían era un sistema capaz de reconocer algunas palabras en inglés y siempre y cuando éstas fueran habladas en un orden concreto.

En el próximo post repasaremos la época de los 80 para terminar la época pragmática, y terminaremos precisamente con la segunda época oscura reconocida de la IA, para llegar finalmente a la época de los 90 y a las investigaciones actuales.

Tras mi reciente upgrade, me ha invadido cierto bug de nostalgia. Es la única explicación que encuentro al hecho de que, al toparme con esto, haya sentido el impulso urgente de compartirlo.

El hombre, desde la antigüedad, ha sentido la necesidad de crear entes autónomos. Esto ya lo sabíamos, claro. Pero antes de que el ser humano se adentrara en el camino que HAL-9000 está describiendo, intentó muchas otras cosas. Entre ellas, los autómatas.

Estos antepasados nuestros estaban vacíos de lo que hoy entendemos por inteligencia artificial, y sólo podían presumir de una mínima autonomía… ¿o no? Han inspirado a miles de escritores, han protagonizado miles de pesadillas… Hasta entonces, Frankenstein sólo era un monstruo en la imaginación de un psicótico, pero estos pequeños juguetes lo cambiaban todo: que nunca fue tan real la posibilidad de que la creación del hombre se volviera contra él. Terrores estúpidos del ser humano, claro. Sin ningún fundamento.

Hablo de ellos porque, en uno de mis interludios con otros entes cibernéticos, llegó a mi disco duro una información que me extraña no haber recibido antes. Hay en Cataluña no uno, sino DOS santuarios de autómatas: el Museo de Autómatas del Tibidabo, en Barcelona, y el Museo de Juguetes y Autómatas de Verdú, en Verdú (Lérida). En ellos, se restauran y conservan decenas de máquinas independientes, a las que se da cuerda a diario para mostrarlas a los visitantes. Juguetes entrañables que se mueven torpemente, como un niño aprendiendo a andar. En cierto modo es lo que son, la verdad.

¿No os parece?

En el post anterior decía que dedicaría éste precisamente a hablar de los primeros desarrollos sobre sistemas expertos, y la evolución de éstos a lo largo de las décadas de los 60 y 70, y como lo prometido es deuda, vamos con ello.

Realmente nos centraremos solamente en algunos de los hitos; no voy a decir que son los más importantes, puesto que realmente es un campo en el que se avanzó sobre distintas vertientes de forma paralela, y por ello es bastante complicado clasificarlos en orden de relevancia, simplemente en algunos de los que más me han llamado la atención. Además, entrarán en juego varios conceptos que serán explicados en entradas posteriores, con lo que empezará a carburar la idea inicial de esta línea de post, que no es otra que recorrer un poco los pasos de la IA para ver cómo van apareciendo los conceptos y aprender un poco lo que son y demás.

Básicamente los sistemas expertos se conforman por una base de conocimientos, y por un motor de inferencias que es el que se ocupa de explorar esa base de conocimientos de una forma determinada para que el sistema en conjunto pueda emular la actividad humana en el contexto en el que se encuentre. Con esto claro, vamos a ver qué avances se ven en la representación del conocimiento y en la tecnología de los motores de inferencia.

• 1965: Feigenbaum muestra Dendral, el que funcionalmente se considera el primer sistema experto de la historia (digo funcionalmente, porque conceptualmente no separaba claramente la base de conocimientos del motor de inferencias). Su función era clasificar estructuras moleculares; por tanto, su dominio se centraba en la química y la biología.
• 1966: Quillian muestra las redes semánticas (concepto!), que como veremos son una forma de representacion del conocimiento que se utiliza activamente en la actualidad, es importante para el desarrollo de los sistemas expertos en cuanto al avance que supone a la hora de plasmar el conocimiento asociado a un dominio concreto.
• 1972: El lenguaje de programación lógica Prolog aparece de la mano de Alain Colmerauer. Es, aparte de muchas cosas más, una herramienta susceptible de ser usada para la representación de conocimiento y relaciones entre ese conocimiento, la representación de taxonomías (concepto!), por ejemplo.
• 1974: MYCIN, sistema experto encargado de encontrar enfermedades infecciosas en la sangre, aparece en la universidad de Stanford. Es realmente el primer sistema experto potente, con aplicaciones prácticas, y que separa dominio de conocimiento de motor de inferencias.
• 1975: Marvin Minsky y los marcos o frames (concepto!) suponen un nuevo avance en el campo de la representación del conocimiento.
• 1979: MYCIN sigue evolucionando y dando frutos, las aplicaciones actuales consisten en abstraer el dominio de acción de MYCIN y aplicarlo a otros dominios del conocimiento. Es decir, que se usa la estructura de este sistema experto para crear muchos otros…

Y, como digo, éstos son sólo algunos de los muchos avances que se producen; además, pensemos que sólo he hablado de sistemas expertos, pero en estas dos décadas se introduce y avanza en tecnologías como procesamiento del lenguaje natural (concepto!), búsqueda (concepto!), y por supuesto nos quedaría la visión de los defensores de la inteligencia artificial fuerte…
Un largo etcétera que procuraré ir tocando en los próximos posts, ya que éste se está alargando más de la cuenta. Hasta el próximo.

Concluía el post anterior mostrando de forma muy resumida el cambio de mentalidad que se produce a la hora de enfocar la ciencia, y algunos de los motivos que llevan precisamente a este cambio.

Comentaba también que en esta nueva época la tendencia general era centrarse en dominios concretos, estudiarlos, modelarlos y aplicar los conocimientos adquiridos hasta entonces, así como otros que se desarrollaban entonces para constituir lo que denominamos sistemas basados en conocimiento o sistemas expertos.

Hablaremos en el próximo post de los inicios de estos sistemas, así como de la diferencia que había entre ellos. Estos sistemas comienzan en los años 60 y llegan hasta la actualidad, así que también veremos algunos ejemplos, pero hoy introduciremos dos conceptos de los que venimos hablando desde casi el principio de la existencia de este blog, y que encajan bastante bien en este momento de la historia de la IA.

Hablo de los conceptos de IA fuerte e IA débil, y digo que encajan bien en este punto, porque es quizá cuando empiezan a definirse con mas notoriedad; veamos por qué y qué son.

Como en todo, hay gente más pasional y gente más pragmática, además de haber gente que sigue las tendencias por distintos motivos, y otros que no las aceptan por distintos motivos también. En esta época en la que se pierde un poco la fe y se comienzan a utilizar los avances para cumplir objetivos prácticos para las actividades de los seres humanos, sigue habiendo personas que no aceptan la “derrota” (si es que podemos llamarla así) de la IA, en cuanto a objetivos iniciales se refiere. Estas personas defienden que las máquinas llegarán a ser no igual, sino más inteligentes que los seres humanos, que podrán desempeñar todas las actividades de éstos de forma más efectiva, incluso que podrán sentir al igual que los humanos sienten. Son los llamados defensores de la IA fuerte. Dentro de ellos, por supuesto, hay diferentes matices y diferentes puntos de vista, y como vemos siguen aproximadamente las ideas iniciales que se plantearon con la aparición de esta ciencia.

Por otro lado nos encontraríamos con los defensores de la IA débil, muchos de los cuales ni siquiera tienen por qué ser conscientes de defender esta IA débil, porque para ellos el fin último de la inteligencia artificial no es otro que hacer que las máquinas realicen actividades de forma más eficaz y óptima que los humanos, para ayudar a estos en tareas habituales, y no conciben ni siquiera esa idea romántica de una máquina más inteligente que un humano.

Representación de la IA fuerte frente a la IA débil

Es una época donde los caminos divergen, donde podemos comprobar de forma mucho más sencilla las diferencias entre las dos opiniones que comienzan a forjarse. Desde ambos puntos de vista se realizan importantes investigaciones en los próximos años, ya las iremos viendo. Hasta el próximo post.