La Inteligencia Artificial y sus paradigmas científicos
Con las innovaciones científicas actuales es innegable que la discusión y la opinión pública se tornará cada vez más sobre la Inteligencia Artificial.
Las innovaciones se han vuelto cada vez más frecuentes y son la base de la estrategia de muchas empresas, especialmente cuando se enfrentan a mercados maduros. Sin embargo, hay pocas innovaciones de «avance» y una es más en un régimen de innovaciones «incrementales».
Aunque esta tipología es restrictiva, el problema es más a menudo una cuestión de percepción de la innovación por parte de los clientes, sugiere que algunas de las llamadas innovaciones «radicales» (Internet, el transistor, etc.) pueden llevar a una serie de innovaciones que afectan a muchos sectores y causan numerosas innovaciones en el suministro, los procesos y los modelos económicos, y lanzan un ciclo de crecimiento.
La inteligencia artificial puede considerarse una innovación que cambiará nuestra vida profesional y personal.
Sin embargo, la difusión de innovaciones, aún más si son radicales, está lejos de ser un río largo y tranquilo. Esto incluye una visión del mundo y lo que debería ser en el futuro al momento de su diseño, que puede durar varios años, incluso varias décadas.
Paradigmas científicos de la Inteligencia Artificial
Inteligencia Artificial (IA) es un concepto que apareció en 1956 con John McCarthy, pero proviene de un choque entre dos visiones del mundo y, por lo tanto, dos formas de concebir el funcionamiento «inteligente» de las máquinas durante varias décadas.
La IA simbólica y la IA conexionista
La primera se basa en un paradigma cognitivista, es decir, la inteligencia artificial se basa en símbolos que tienen una realidad material y un valor semántico de representación, es decir, el razonamiento formal y lógico que encontramos, por ejemplo, en motores de reglas y sistemas expertos.
La segunda se basa en un paradigma conexionista, es decir, que la IA es un cálculo masivamente paralelo de funciones elementales que se distribuirán en una red de neuronas (enfoques probabilísticos).
Investigadores que chocan con diferentes visiones del mundo
Estos dos enfoques de la IA se enfrentarán en círculos científicos con figuras icónicas como Rumelhart, LeCun o Hinton para el paradigma conexionista y McCarthy, Minsky o Simon para el paradigma simbólico.
Sin embargo, esta confrontación científica tiene repercusiones en las orientaciones de investigación, diseños de infraestructura computacional, fondos disponibles, etc., pero sobre todo también animará a los investigadores a modificar los fundamentos de cada uno de los dos enfoques científicos de la investigación de las IA (en términos de cuestionamiento, métodos, objetivos, etc.).
Así, entre los años 1950 y 2000, hubo una competencia real entre equipos de investigación, pero va mucho más allá de los aspectos científicos, se trata de imponer una visión del mundo y su funcionamiento a través de la IA.
El vínculo con la ciencia ficción se puede hacer fácilmente con la Inteligencia Artificial, que ha sido el tema de muchas películas y novelas con gran notoriedad (Minsky fue invitado por Stanley Kubrick como consultor para su película 2001 Odisea del espacio).
La contribución de los avances científicos en campos relacionados
La IA no podría existir en su forma actual sin el progreso considerable que se ha logrado en la computación, especialmente con respecto al poder de computación de las computadoras, sino también el acceso a las bases de datos cada vez mejor elaboradas.
Estos avances en computación permiten a la IA confiar en el aprendizaje profundo y, por lo tanto, mejorar los modelos de predicción. El otro efecto combinado con el aumento de la potencia de cómputo es la reducción en el costo de los equipos que permite en la década de 1980, por ejemplo, fabricar computadoras muy poderosas a precios razonables.
Esto no deja de tener en cuenta el hecho de que el paradigma conexionista se volvió dominante a partir de la década de 2000 gracias al progreso logrado en las redes neuronales y el aprendizaje profundo.
Esto también resulta en la necesidad de dominar las habilidades de desarrollo de computadoras sin paralelo en comparación con los experimentos previos de IA.
Como podemos ver, para entender la filosofía de las herramientas basadas en la IA actualmente, es importante entender su historia porque esta última está marcada por movimientos de péndulos entre dos paradigmas científicos (simbolismo y conexionismo) que Se debe contextualizar.
Este artículo apareció por primera vez en Contrepoints por Sébastien Tran.