MÁQUINAS INTELIGENTES por el Prof. Dr. D. Alberto Requena Rodríguez, académico numerario

La inteligencia es una facultad de la mente humana. La inteligencia artificial es un programa de ordenador capaz de realizar operaciones que son propias de la inteligencia humana. Son incompletos, por tanto, atienden parcialmente a aspectos propios de un ser humanos y, fundamentalmente, tienen capacidad de aprendizaje. Son sistemas que tienen capacidad de recibir información, incorporan una memoria capaz de almacenar tanto la información como los resultados de sus acciones anteriores, aprendiendo de la experiencia, tanto en aras de mejorar el rendimiento como la eficiencia.

 

No es nueva la tentativa de construir máquinas inteligentes. La Historia de la Humanidad rebosa de intentos, la mayoría de ellos fallidos, cuando no fraudulentos. No era infrecuente que la máquina que se había anunciado como jugador automático de ajedrez, pongamos por caso, acabará desvelando al humano bajo la mesa camilla que movía las piezas. Siempre ha habido intención de determinar con precisión la capacidad de “pensar” de una máquina. Descartes en 1670, refiriéndose a los autómatas o máquinas móviles, dejó escrito: “…nunca sucede que pueda ordenar su habla en distintas formas para responder adecuadamente ante lo que se diga en su presencia, de la misma forma que la clase más baja de humanos pueda hacerlo”. En el contesto del materialismo, la mente puede explicar, físicamente, lo que ofrece la posibilidad de creación de mentes artificiales. Por el contrario, el dualismo, en el que la mente no tiene un estado físico, no se puede explicar en términos estrictamente físicos. En 1936, el filósofo Alfred Ayer, propuso un procedimiento para distinguir entre una persona consciente y una máquina inconsciente, apelando a que las pruebas empíricas evidencian la presencia o ausencia de consciencia. En el Reino Unido el interés por el tema se concretó en el llamado “club de la razón”, en el que figuraba como miembro Alan Turing que, en 1947, formuló la propuesta de “maquinaria inteligente” consistente en demostrar si una máquina tenía comportamiento inteligente.

 

Turing abordó la cuestión de fondo: cuando se trata de máquinas denominadas inteligentes, “¿pueden pensar las máquinas? La primera medida que tomó fue transformar la pregunta tradicional por preguntarse si las máquinas pueden hacer lo que nosotros hacemos. Esto puede parecer sutil, pero establece un límite entre capacidades físicas e intelectuales de una persona. Ahora está en condiciones de materializar el interrogante introduciendo una prueba propia de un Juego de Imitación. Hombre y mujer se instalan en habitaciones separadas y los otros jugadores intentan distinguirlos mediante la formulación de preguntas y leyendo las respuestas escritas a máquina, en voz alta. En el juego, los que están encerrados en las habitaciones tienen que conseguir convencer al resto, de que son el otro o la otra. Turing introdujo el interrogante de ¿Qué pasaría si sustituimos por una máquina, a uno de los encerrados en una de las habitaciones? Ahora, el interrogador ¿se equivocaría del mismo modo que cuando se jugaba con un hombre y una mujer? De esta forma materializó la pregunta base original que, recordemos, era “¿pueden pensar las máquinas?”

 

La virtud de la prueba de Turing es su simplicidad. Es una respuesta pragmática a un interrogante tan fundamental como lo es si las máquinas son inteligentes o no. Ciertamente es una interrogación verbal, aunque generaliza toda la capacidad humana, verbal o no, como la que desarrollan los robots. El éxito del ordenador sería cuando se comparara el resultado del juego, cuando uno de los jugadores sea el ordenador y el otro de los jugadores es el que está o la que está en la habitación, de forma que el interrogador no distinga a ordenador de hombre o mujer. En este caso lo calificaremos de inteligente. Hay numerosas alternativas o versiones del test. No se trata de que el ordenador pueda o no engañar al interrogador, sino que tenga capacidad de imitar a un humano.

 

Si hay algo que ha traído de cabeza en las últimas décadas son las técnicas de visión artificial que han fracasado intentando reconocer rostros. Uno de los métodos de aprendizaje automático es el denominado aprendizaje profundo, consistente en asimilar representaciones de datos. Una observación se puede representar de muchas maneras, pero algunas son más ventajosas que otras para aprender tareas. Así que, la técnica se concreta en seleccionar las mejores representaciones y generar modelos para reconocer estas representaciones. Redes neuronales profundas, convolucionales, y las redes de creencia profunda son las que, por el momento, se han utilizado en problemas de visión artificial o el reconocimiento del habla o audio y música. Por ejemplo, las redes neuronales convolucionales son capaces de identificar fotografías, reconociendo con mayor acierto que las personas. En esta técnica se le enseña al sistema a detectar rasgos y no los rasgos en si mismos. El entrenamiento de estas redes se lleva a cabo con cientos o miles de fotografías de las variedades que se pretende que distinga. El sistema está organizado en capas y en cada una de ellas se identifican formas y aspectos: simples en las capas inferiores, hasta aspectos más complejos en las superiores. A ello hay que sumar la capacidad de procesamiento gráfico y en paralelo. Hoy se abordan muchos problemas de visión, desde la automoción, pasando por la agricultura, hasta aplicaciones médicas. El rendimiento de cultivos o el control de plagas, o del agua de riego, pasan por la visión inteligente. La interpretación de los resultados de aplicación de los escáneres, en diagnóstico o en resultados de terapias, la visión inteligente aporta decididamente, hasta el punto de que cabe esperar auténticas innovaciones en su aportación significativa, frente a las defectuosos métodos convencionales.