Resolviendo IA

El objetivo de la inteligencia artificial (al menos según los fundadores del campo) es crear computadoras cuya inteligencia iguale o supere a la de los humanos. Alcanzar este objetivo es el famoso problema de la IA. Para algunos, la IA es el destino manifiesto de la informática. Para otros, es un fracaso: claramente, el problema de la IA no está ni cerca de resolverse. ¿Por qué? En su mayor parte, la respuesta es simple: nadie está realmente tratando de resolverlo. Esto puede sorprender a personas ajenas al campo. ¿Qué han estado haciendo todos esos investigadores de IA todos estos años? La realidad es que han renunciado en gran medida a las grandes ambiciones de la IA y, en cambio, están trabajando en subproblemas cada vez más especializados: no solo el aprendizaje automático o la comprensión del lenguaje natural, por ejemplo, sino problemas dentro de esas áreas, como clasificar objetos o analizar oraciones.

Creo que este enfoque de dividir y conquistar no funcionará. En IA, la mejor solución a un problema visto de forma aislada a menudo se interpone en el camino de resolver el problema más grande. Para lograr un progreso real, debemos trabajar en los problemas de un extremo a otro: tareas autónomas, como leer texto y responder preguntas, que implican una serie de subtareas (consulte el Asistente de software inteligente). Hasta ahora, realmente no ha sido posible hacer esto, porque no se disponía de la potencia informática necesaria. Pero dentro de una década más o menos, las computadoras superarán la potencia informática del cerebro humano. (Si bien las computadoras son extremadamente eficientes en tareas específicas, como la aritmética, los cerebros humanos aún están por delante en términos de la cantidad de operaciones que pueden realizar por segundo. Cuando esto se aplica a cosas en las que las personas son buenas, como la visión y la comprensión del lenguaje, las computadoras pierden.)

Esta historia fue parte de nuestro número de marzo de 2009

• Ver el resto del número
• Suscribir

Sin embargo, la potencia informática no es la respuesta completa. Los intentos anteriores de resolver problemas de inteligencia artificial de un extremo a otro han fallado en una de dos formas. Algunos simplificaron demasiado los problemas hasta el punto de que las soluciones no se transfirieron al mundo real. Otros se encontraron con un muro de complejidad de ingeniería: demasiadas cosas para juntar, demasiadas interacciones entre ellas, demasiados errores.

Para hacerlo mejor, necesitamos un nuevo lenguaje matemático para la inteligencia artificial. Los ejemplos de otros campos de la ciencia y la tecnología demuestran cuán poderoso puede ser esto: la mecánica, por ejemplo, se benefició del cálculo; corriente alterna de números complejos; y circuitos digitales de lógica booleana. Hoy estas cosas parecen una segunda naturaleza para sus practicantes, pero en ese momento estaban lejos de ser obvias. La clave es encontrar el lenguaje adecuado para formular y resolver problemas.

¿Cuál debería ser el lenguaje de la IA? Por lo menos, necesitamos un lenguaje que combine lógica y probabilidad. La lógica puede manejar la complejidad del mundo real, una gran cantidad de objetos que interactúan, por ejemplo, o múltiples tipos de objetos, pero no su incertidumbre. Los modelos gráficos probabilísticos han surgido como un lenguaje general para lidiar con la incertidumbre, pero no pueden manejar la complejidad del mundo real.

La última década ha sido testigo de un progreso real en esta dirección, pero estos son todavía los primeros días. Es poco probable que encontremos el lenguaje de la IA hasta que tengamos más experiencia con los problemas de IA de un extremo a otro. Pero así es como finalmente resolveremos la IA: a través de la interacción entre abordar problemas reales e inventar un lenguaje que los simplifique.

Pedro Domingos es profesor asociado de informática e ingeniería en la Universidad de Washington en Seattle.

esconder