Finalmente aparecen críticas y escepticismo en los centros de investigación: la inteligencia artificial no es lo que se decía que era, no resuelve lo que se decía que resolvería. Se han generado muchas decepciones a raíz de todo lo prometido; el GPS y los sucedáneos, así como otros proyectos que del mismo modo (con iguales expectativas de éxito) surgieron en estos primeros años, no han triunfado, y han decepcionado a creadores y a financiadores.

¿Qué ocurre?, ¿no vale nada de lo que hemos desarrollado?, ¿esa máquina en la que trabajamos no cumple las expectativas que se le presuponían?, ¿por qué?, ¿es que entonces una máquina no puede ser inteligente y sólo nos vale si le programamos las tareas exactas que queremos que resuelva?, ¿seguirán siendo entonces las máquinas meros dispositivos de cálculo?, quizá solo sean eso, sí… o, espera… quizá si no pretendemos abarcar todos los problemas del mundo y nos centramos en algunos más concretos, modelables, y a los que se puedan aplicar las técnicas que hemos estado desarrollando todo este tiempo…

Bingo!

La época romántica ha terminado, la época pragmática ha comenzado, la especialización de las tareas, el enfoque a tareas concretas, la búsqueda de expertos en ciertos dominios, la ingeniería del conocimiento… están perfilándose finalmente.

Después de esta dramatización que intenta explicar un poco la motivación del cambio de rumbo, ahí nos plantamos, en medio del desarrollo de los sistemas expertos, de los sistemas basados en conocimiento, en medio de, en definitiva, una época que le dio mucho sentido a la ciencia que tratamos, en la que se encontraron numerosísimas aplicaciones que vemos hoy día.

En estos momentos, la inteligencia artificial buscaba resolver problemas concretos, es decir, se buscaba un dominio de acción que fuera susceptible de ser mejorado al tratarlo con técnicas de inteligencia artificial. Se consideraría mejorado si el diseño que se le aplicara consiguiera hacer la misma tarea que podría desempeñar un humano en menos tiempo, o de forma más óptima. Estamos en los 70.

Estos sistemas expertos se impulsan principalmente en la universidad de Stanford, con MYCIN, el primer sistema experto reconocido como tal (anteriormente apareció Dendral, el que muchos consideran verdaderamente el primero). Su función era detectar enfermedades infecciosas de la sangre.

De todos estos sistemas y de los demás logros y decepciones que depararon esta época hablaremos próximamente.

Concluía el anterior post, diciendo que al inicio existía una sensación esperanzadora, basada en la idea de que con la IA se resolverían muchísimos de los problemas de aquel entonces, y comenté que finalmente se desvanecería esa sensación general, terminaría lo que aquí clasificaremos como la primera época, la época romántica de la IA, los inicios.

Precisamente termina esta época con la primera crisis que sufre la rama de la que hablamos, pero antes de llegar a este punto, e intentar ver por qué se pierde esta esperanza, quedan muchos eventos que revisar y que merecen especial mención, por ello, este post está dedicado a nombrar y comentar algunos de los que considero más relevantes.

Para comenzar, voy a hablar un poco de un programa desarrollado por Herbert Simon y Allen Newell en el 57, me refiero al “General Problem Solver”, lo mencioné en el post anterior y dije que su nombre reflejaba esa idea inicial de buscar una solución a todos los problemas con la IA. Concretamente, este programa podría resolver cualquier problema, eso sí, tenía que ser un problema que se pudiera formalizar a la perfección, y aun así no cumplía siempre con las expectativas. Con formalizar un problema, me refiero a definir las variables que intervendrán en el problema, así como las reglas que son aplicables sobre esas variables. Si podemos hacer esto, entonces tenemos un problema formalizado, que es una base para darle a una máquina y que pueda ser procesable. Por supuesto, no todos los problemas de la vida real son formalizables en ese sentido, y esto es algo de lo que los creadores del GPS eran totalmente conscientes, pero aun así, había quien defendía que sí era posible ir más allá y conseguir incluso mejores resultados. El funcionamiento a nivel técnico del GPS suponía el uso de métodos heurísticos, para ir hallando sub-soluciones que le llevarán a la solución final, que sería en el caso óptimo la resolución del problema. De cómo se plantean, formalizan y resuelven problemas mediante búsqueda se está ocupando Proteus-IV (aquí y siguientes), así que no entraremos en más detalle.

Hablando de formalizar problemas, a la hora de escribir los programas para representar o resolverlos, no existía por entonces un lenguaje que estuviera claramente enfocado a este fin, que facilitase esta representación mediante unas estructuras de datos más acomodadas o mediante unos procedimientos más cercanos. El GPS anteriormente comentado estaba escrito en IPL, un lenguaje de muy bajo nivel. John McCarthy inventa en el 58 el lenguaje de programación Lisp , el que ha sido desde entonces uno de los más utilizados lenguajes de programación en Inteligencia Artificial. Algunas características que le hacen tan aconsejable para esta ciencia son la facilidad a la hora de emplear notaciones matemáticas, así como la estructura base del lenguaje, la lista (de donde proviene su nombre, por cierto).

No puede terminar el post sin comentar el nacimiento del MIT Ai Lab, el que ha sido uno de los mayores propulsores de la Inteligencia Artificial, por sus investigaciones y por sus logros. Fue fundado en el 59 por el mismo creador que el lenguaje Lisp y por Marvin Minsky, a quien también nombramos en el post anterior. El MIT AI Lab aparecerá en muchas más ocasiones porque, como se ha dicho, ha sido un gran impulsor de la rama desde los inicios de su existencia; por eso, de momento no comentaremos nada más.

El último post de los Inicios de la IA estará dedicado a ver un poco por qué esta idea que he intentado reflejar a grandes rasgos en estos dos primeros posts va esfumándose, y se forja una nueva visión que perdurará durante las siguientes décadas. Hasta entonces y como siempre, sugerencias, comentarios y sobre todo más cosas que ocurrieran en ese inicio y que queráis comentar.

Como anuncié en el pasado post, voy a comenzar hablando del inicio de la Inteligencia Artificial tal y como la conocemos hoy día. Quizá sería más preciso decir que voy a hablar de los inicios de la Inteligencia Artificial desde que es reconocida como otro campo de conocimiento de la ciencia, puesto que podríamos mencionar las referencias que existen en las culturas egipcias y griegas, pero son conceptos mucho más alejados de lo que pretendemos mostrar aquí. Y para comenzar, qué mejor manera que ver de dónde proviene el propio término que vamos a tratar, Inteligencia Artificial.

La conferencia de Darmouth de 1955, organizada e ideada principalmente por John McCarthy y Marvin L. Minsky, se considera la cuna del término. Fue a raíz de esta conferencia, organizada precisamente con la intención de hablar de la posibilidad de que cada comportamiento humano fuera simulado por una máquina, que surge la nueva disciplina.

Todo aspecto de aprendizaje o cualquier otra característica de inteligencia puede ser definido de forma tan precisa que puede construirse una máquina para simularlo.

Esta proposición, discutida, defendida, y también rechazada en la conferencia, supone el punto de partida formal de la disciplina que conocemos hoy día como IA, así de contundente. Pero, ¿el concepto surge de repente en la famosa conferencia?. La respuesta es no, y vamos a ver por qué. Como se mencionaba al principio, siglos y siglos atrás ya se había flirteado con el término inteligencia, otorgándoselo a otros entes más allá de los propios seres humanos, pero cuando comienza a surgir con más fuerza la idea, la percepción de la disciplina, es cinco años antes de la conferencia, cuando se producen tres eventos de renombre. Alan Turing, en un paper técnico llamado “Computing Machinery and Intelligence” introduce el concepto de “Test de Turing”, Claude Shannon modela el juego del ajedrez como un problema de búsqueda (como éste) e Isaac Asimov enuncia las tres leyes de la robótica (estas). Cada uno desde distintos ángulos, desde su disciplina, evocan, viéndolo como lo vemos actualmente (desde la distancia) la idea transversal de inteligencia artificial.

El inicio de la disciplina es un inicio pasional, un inicio muy esperanzador; muchos problemas hasta entonces muy difíciles de resolver parecían volverse claros con las técnicas y los métodos que pregonaba la inteligencia artificial (más concretamente con los métodos heurísticos, que son, a grosso modo, aquellos que nos llevan desde el estado inicial de un problema al estado final sin una metodología descrita a priori, es decir, sin unos pasos claros a seguir). Esta idea parecía encajar para la solución de la inmensa mayoría de problemas que se presentaban, lo que sumado al auge de la computación, y a las inversiones que realizaron las instituciones en los centros de investigacion de Inteligencia Artificial (en el 63, el Gobierno de Estados Unidos destinó 2 millones de $ al MIT AI LAB, fundado en el 59), conformaban una visión muy optimista para la nueva disciplina. Esta visión general que se tiene sobre la IA al inicio termina por diseccionarse.

Por hoy es bastante, pero en el próximo post veremos el “General Problem Solver”, cuyo nombre ejemplifica a la perfección las esperanzas depositadas en la IA. También veremos por dónde va esa disección de la que hablaba más arriba, y algunos eventos importantes acontecidos en los 50. Hasta entonces, comentarios, aportaciones…lo que queráis.

En los siguientes posts voy a dedicarme a explorar por qué surgió la inteligencia artificial, en qué tiempos, situación, con qué intenciones… sobre todo con esto último, puesto que, como iremos viendo, esa intención ha sido muy cambiante, pasando por una época romántica, la época inicial, donde se pregonaba que la IA sería la solución a muchos de los problemas que se planteaban en aquel entonces. Se comienza pensando que con métodos heurísticos se podía resolver cualquier problema, partiendo de lo general y convergiendo a lo más específico. Aquí llega la primera crisis de la IA, se desvanece esta idea, y se empieza a apostar por justamente lo contrario, aplicar el conocimiento para ir de lo concreto a lo más genérico. Aquí nace la ingeniería del conocimiento, y todo lo que conlleva, con el desarrollo de los primeros sistemas expertos en primera fila. Se evolucionó, por tanto, a una época más pragmática, donde se buscaban no tantas ideas, sino realizar verdaderamente diseños que fueran útiles para las actividades humanas, y la consecuente explosión comercial que supuso esto. Como vemos, estas evoluciones vienen dadas por diferentes crisis que sufre la IA. A partir de los 90 se empieza a tener una visión que podemos considerar más realista, y surgen dos vertientes entre los investigadores, los que creen en la inteligencia artificial fuerte y los que creen en la débil.

Tecnoutopías

Con esta serie de posts allanaremos el largo camino que hemos empezado a recorrer, dejando claros algunos conceptos básicos como por qué surge la necesidad y a qué se aplica esta tecnología. Además tendremos la base para poder entrar más de lleno en todos los conceptos que surgen tras el velo que cubre esa visión de la inteligencia artificial fuerte, algunos de los cuales ya se han presentado brevemente en posts anteriores.

En definitiva, forjaremos una base para poder entrar en conceptos más específicos, por tanto espero vuestros comentarios, sugerencias y dudas a lo largo de estos posts más que nunca.