Inteligencia Artificial (IV)

En la anterior entrega hemos visto que una de las primeras IA que se intentaron programar estuvo enfocada en la actividad intelectual de demostrar teoremas. Conceptualmente, esto no difiere de programar una computadora para que persiga una derivación de MU en el sistema MIU, salvo que los sistemas formales involucrados ahí eran por lo común mas complicados que el sistema MIU.

Se trataba de versiones del cálculo de predicados, el cual es una extensión del cálculo proposicional que abarca cuantificadores. La mayor parte de las reglas del cálculo de predicados fue incluida, en realidad, en TNT. Un recurso promisorio, cuando es formulado un programa así, consiste en infundirle un sentido de dirección, de modo que, en lugar de vagar por todo el campo, el programa actúe exclusivamente dentro de los recorridos «pertinentes»: aquellos que, siguiendo un criterio razonable, parecen conducir hacia la cadena buscada.

Aquí un ejemplo de Zenón del árbol sin fin para ir de A a B.

Desde diversos puntos de vista, la matemática es un dominio sumamente interesante para ser estudiado a partir del enfoque de IA. Todos los matemáticos tienen la sospecha de que hay alguna clase de métrica entre las ideas matemáticas, es decir, que toda la matemática es una red de conclusiones entre las cuales existe una enorme cantidad de vínculos.En esa red, algunas ideas están relacionadas estrechamente, en tanto que otras son asociadas gracias a recorridos más elaborados.

En ocasiones, dos teoremas matemáticos se encuentran muy próximos porque uno de ellos puede ser demostrado con facilidad, dado el otro. Otras veces, son dos ideas las que se aproximan, porque son análogas, o inclusive isomórficas. Se trata de dos sentidos diferentes de la palabra «pŕoximo» en el dominio de la matemática. Es probable que haya muchos otros. Es difícil decidir si nuestro sentido de la proximidad matemática está dotado de objetividad, o de universalidad, o bien si es, en su mayor medida, un accidente del desarrollo histórico.

Ciertos teoremas pertenecientes a las ramas distintas de las matemática nos impresionan por el gran vínculo que los une, y podríamos concluir que no están relacionados, pero más tarde surge algo que nos obliga a modificar ese concepto. Si pudiéramos implementar nuestro desarrollado sentido de la proximidad matemática en un programa, tal vez pudiésemos producir un matemático artificial. Pero ello depende de que se esté en condiciones de infundir también un sentido de simplicidad, o «naturalidad», lo cual constituye un gran obstáculo.


Quiero recalcar que estamos analizando el desarrollo de la inteligencia artificial desde la década de los 50 del siglo XX. Por ello, en estas primeras entregas de la saga utilizamos ejemplos de finales del siglo XX. En posteriores entregas, una vez se haya explicado el desarrollo histórico, resumido, de la IA comenzaremos con la teoría del siglo XXI. Es conveniente, e incluso necesario, conocer los orígenes y problemas derivados de las primeras décadas de estudio acerca de la inteligencia artificial para una mayor compresión del tema en posteriores entregas.


Una serie de programas desarrollados desde 1968 hasta 1982 en el Instituto Tecnológico de Massachusetts, bajo el nombre de MACSYMA, cuyo propósito era auxiliar a la matemática en la manipulación simbólica de expresiones matemáticas complejas. Este programa contaba con un sentido de «adónde dirigirse», que lo guiaba desde las expresiones complejas por lo general así consideradas hasta las más simples. El programa llamado SIN, perteneciente al repertorio de MACSYMA, efectuaba integraciones simbólicas de funciones, el cual en aquella época ya se reconoció, sin apenas excepciones, que superaba a los seres humanos en determinadas categorías. Se apoyaba en un conjunto de aptitudes diferentes, tal como debe estarlo la inteligencia, en general:

  • Un vasto cuerpo de conocimientos
  • La técnica de reducción de problemas
  • Una gran cantidad de recursos heurísticos

Otro programa, desarrollado por Douglas Lenat, en Stanford, tenía como propósito inventar conceptos y descubrir hechos en el campo de la matemática muy elemental. Comenzando por la noción de conjuntos, y una colección de nociones sobre lo que resulta de interés retener de aquélla, «inventó» la idea de contar, luego la de sumar, luego la multiplicación, finalmente, entre otras, la noción de número primo, y para finalizar ¡redescubrió la conjetura de Goldbach!.

Es cierto que estos «descubrimientos» tienen una antigüedad de centenares, de miles incluso, de años. Quizá esto pueda ser explicado, en parte, diciendo que el sentido de «interesante» fue transmitido por Lenat a una gran cantidad de reglas, las cuales pueden haber recogido el nivel formativo de él, propio del siglo XX. Aún así, se trata de algo impresionante.

El programa pareció perder impulso luego de su muy respetable hazaña. Un dato curioso, con relación a ello, es que fue incapaz de desarrollar o de perfeccionar su propio sentido de lo que es interesante. Esto sugirió un nivel más alto de dificultad, o varios niveles más.

Un programa que se limite a dar una salida impresa (output), en un orden prestablecido, a teoremas de TNT, carecería de toda compresión de la teoría de números, un programa como el de Lenat, con sus estratos adicionales de conocimiento, puede merecer que se lo considere poseedor de un sentido rudimentario de teoría de los números, y un programa que incorpore el conocimiento matemático a un contexto amplio de experiencia del mundo real probablemente sea el más capacitado para «comprender», en el sentido en el que nosotros lo hacemos. Esta representación del conocimiento es la cuestión esencial en IA.