Inteligencia Artificial

Lady Ada Lovelace predijo la IA en la década de 1840.1 Más concretamente, predijo parte de ella. Al no haber atisbos de las redes neuronales ni de la IA evolutiva o dinámica, se centró en los símbolos y en la lógica. Tampoco sentía inclinación por el objeto psicológico de la IA, ya que su interés era puramente tecnológico.

Todas las mentes que conocemos se encuentran en organismos vivos. Muchos, entre los que se encuentran los cibernéticos (véanse los capítulos I y V), creen que debe ser así; esto es, asumen que la mente presupone necesariamente la vida.

En suma, muy pocos filósofos afirman comprender la conciencia fenoménica y a los que sí lo hacen no los cree casi nadie. Este tema es una ciénaga filosófica.

Sorprendentemente, estos autómatas celulares compartían el mismo valor numérico en un parámetro simple de la complejidad informativa del sistema.17 Langton sugirió que este “parámetro lambda” se aplica a todos los seres vivientes posibles, ya sea en la Tierra o en Marte.18

La novedad radical en la IA sí requiere influencias exteriores, porque es cierto que un programa no puede superar su espacio de posibilidad, aunque estas influencias no tienen que ser físicas. Un sistema de algoritmos genéticos conectado a internet podría desarrollar novedades fundamentales al interactuar con un mundo virtual.

Parte de la IA evolutiva es totalmente automática: el programa aplica la función de aptitud a cada generación y deja que evolucione sin supervisión. En este caso la tarea tiene que estar definida muy claramente (mediante la física de los motores de la aeronave, por ejemplo). El arte evolutivo, en cambio, suele ser muy interactivo (el artista selecciona lo mejor de cada generación), porque no se puede establecer claramente la función de aptitud (el criterio estético).

Un programa puede cambiarse a sí mismo (en vez de que lo reescriba un programador) e incluso puede mejorarse a sí mismo usando algoritmos genéticos (AG). Inspirados en la genética real, estos algoritmos permiten tanto la variación aleatoria como la selección no aleatoria. La selección necesita un criterio para medir el éxito o “función de aptitud” (equivalente a la selección natural en biología) colaborando con los AG. Definir la función de aptitud es crucial.

Pero otros, como David Kirsh,6 se oponían (y se oponen) con vehemencia, arguyendo que las representaciones composicionales son necesarias para aquellos tipos de comportamiento que involucran conceptos. Por ejemplo, reconocer la constancia perceptiva, mediante la que se puede reconocer un objeto desde muchos puntos de vista diferentes; volver a identificar a los individuos a lo largo del tiempo; tener autocontrol anticipatorio (planificación); negociar motivos conflictivos, no solo programarlos; utilizar el método comparativo y el lenguaje. Estas críticas admiten que la robótica situada demuestra que el comportamiento libre de conceptos está más extendido de lo que creen muchos filósofos. No obstante, la lógica, el lenguaje y la acción humana requieren computación simbólica.

Un autómata celular es un sistema de unidades individuales que adoptan un número finito de estados siguiendo reglas sencillas que dependen del estado de sus vecinas. El patrón general de comportamiento de un autómata celular puede ser sorprendentemente complejo. La analogía básica son las células vivas que cooperan en organismos multicelulares.

(Aunque los robots son cosas físicas, gran parte de la investigación robótica se hace mediante simulación. A los robots de Beer, por ejemplo, a veces se les hace evolucionar en software antes de construirlos. De la misma forma, se diseñan como programas antes de probarlos en el mundo real).