La Inteligencia Artificial clásica de los sistemas expertos frente a la «nueva» Inteligencia Artificial del Machine Learning

La Inteligencia Artificial es una disciplina que existe aproximadamente desde los años cincuenta del pasado siglo. Inicialmente desde un plano más teórico, aunque en los años setenta comienza a tener un lado práctico. Y ha tenido momentos de «primavera», en los que ha gozado de un gran éxito y predicamento social; y momentos de «invierno», en los que ha sufrido el olvido del gran público y del interés por ella.

Arrancando la segunda década del siglo XXI, la Inteligencia Artificial está viviendo una primavera esplendorosa, con multitud de aplicaciones realmente potentes, por lo que constituye un foco de atención grandísimo para los medios de comunicación, inversores, empresas y público en general.

Esta explosión positiva se debe en gran medida a la utilización de ciertas técnicas que son las que están consiguiendo esos magníficos resultados. Estas técnicas difieren de las que ha utilizado tradicionalmente la Inteligencia Artificial, y de hecho cabe preguntarse, como hicimos aquí, ¿Por qué la «nueva» Inteligencia Artificial suele ser ciencia de datos aplicada? Y es que en realidad no estamos hablando de lo mismo. Casi son disciplinas diferentes desde un punto de vista de metodología informática.

Para entender someramente cómo funcionan las nuevas técnicas remito a los amables lectores al artículo citado en el párrafo anterior. También al que dedicamos a Visión artificial, el mejor ejemplo para comprender qué es la «nueva» IA. Y, por terminar, al tercero donde nos preguntábamos directamente si ¿El «machine learning» es Inteligencia Artificial?

De la lectura conjunta de los tres artículos se podrá obtener una comprensión divulgativa sobre las técnicas que están consiguiendo que la Inteligencia Artificial actualmente esté brillando. Pero no son las únicas opciones disponibles dentro de esta disciplina.

La Inteligencia Artificial clásica y los sistemas expertos

En realidad, los planteamientos originarios de la Inteligencia Artificial se armaron para un tipo de trabajo informático totalmente diferente del que actualmente está triunfando. Es cierto que estas «nuevas» técnicas de ciencia de datos aplicada consiguen el objetivo final de que las máquinas sean capaces de replicar e incluso superar algunos ámbitos muy específicos de la cognición humana. Pero lo hacen de una manera que los clásicos de la disciplina dirían que es poco ortodoxa.

Y eso es así porque en sus planteamientos iniciales, la Inteligencia Artificial estaba pensada más bien como un ejercicio de creación de principios generales a partir de los cuales aplicar el conocimiento para los casos nuevos. Podríamos resumir la visión de la Inteligencia Artificial clásica como el intento de desarrollar programas informáticos que replicaran de alguna manera el conocimiento humano sobre un asunto particular, de tal manera que la máquina pudiera actuar como lo haría un humano buen conocedor de tal asunto.

Por eso este acercamiento ha venido conociéndose tradicionalmente como los «sistemas expertos». Un sistema experto es un programa informático que se ha desarrollado a partir de nuestro conocimiento sobre una cuestión, y que consigue que el ordenador muestre un comportamiento equivalente al que tendría un experto humano sobre el mismo tema.

Para poder desarrollar con éxito un sistema experto, es necesario abordar varios pasos sucesivos:

  • Contar con un conocimiento sobre un asunto en particular.
  • Convertir ese conocimiento en una serie de reglas o pautas.
  • Trasladar esas reglas a un ámbito informático.
  • Comprobar el buen funcionamiento del programa informático generado.

Así, y resumiendo mucho, podríamos decir que la Inteligencia Artificial clásica buscaba hacer computables modelos de conocimiento. Cuando disponemos de un modelo de conocimiento sobre un aspecto específico, esto es, cuando hay un conocimiento que nos aporta una información no de correlación sino de causalidad, podemos plantearnos la posibilidad de hacer computable el modelo.

Esta fue la formulación inicial de la nueva disciplina en las décadas centrales del siglo XX.

Ventajas de los sistemas expertos sobre el «machine learning»

Hay algunos modelos de conocimiento humano que son computables y otros modelos que no lo son. Distinguirlos es probablemente la tarea más importante para la Inteligencia Artificial desde un punto de vista cualitativo.

Cuando un modelo de conocimiento es computable, es porque hay un conjunto completo y suficiente de reglas o procedimientos que son susceptibles de ser computables. Conociendo ese conjunto completo y suficiente de reglas o procedimientos susceptibles de ser computables podemos ser capaces de hacer también computable un modelo de conocimiento.

Esta estrategia de la Inteligencia Artificial clásica no está basada, como el «machine learning», en la utilización de una grandísima potencia de cálculo, ni en la necesidad de contar con una grandísima cantidad de datos etiquetados con unas etiquetas interesantes. Su materia prima es otra: el conocimiento previo sistematizado en un modelo.

Esta estrategia clásica de la Inteligencia Artificial desde un punto de vista epistemológico es mucho más interesante que la contemporánea, porque su acercamiento a la realidad no es asintótico, sino que el conocimiento es exacto, en la medida en que lo sea el modelo de conocimiento en el que se basa.

El ámbito del conocimiento humano que opera mediante modelos de conocimiento probados se llama ciencia. El método científico se caracteriza precisamente porque sus conocimientos están “probados”. Al menos hasta que se detecten anomalías en ellos y surja un paradigma nuevo.

En el caso de que en un “calibrado” de los resultados de esta estrategia se detecten errores, lo que habrá que volver a analizar y validar no es el procedimiento de computación, sino el modelo previo utilizado (el conocimiento científico).

Con eso se ayudará a que la ciencia sea cada vez más avanzada. Así, esta estrategia de la Inteligencia Artificial supone un instrumento idóneo para el avance del conocimiento científico. Sobre ello ya escribimos un artículo anterior: «Neurociencia e Inteligencia Artificial en educación». Y en el futuro seguiremos ahondando en esta muy fructífera relación. Quedan avisados.

Julián Alberto Martín

La tecnología, ¿mejora la educación?

Sobre el autor

Todas las columnas del autor

Julián Martín
Author: Julián Martín

Dejar respuesta

Please enter your comment!
Please enter your name here