La inteligencia artificial (IA) es un campo en constante evolución que ha experimentado altibajos a lo largo de su historia. Uno de los períodos más conocidos de declive en la IA se conoce como el invierno de la inteligencia artificial. Este invierno se caracterizó por la falta de financiamiento y las críticas hacia el campo de la IA. En este artículo, exploraremos cómo terminó el primer invierno de la IA y las razones detrás de su ocurrencia.
Falta de Financiamiento
Desde 1974 hasta 1980, el financiamiento en el campo de la IA disminuyó drásticamente, lo que llevó a este período conocido como el Primer Invierno de la IA. El término invierno de la ia hacía referencia explícita a los inviernos nucleares, un nombre utilizado para describir las consecuencias de un ataque nuclear cuando nadie puede vivir en el área debido a la alta radiación. De manera similar, la investigación en IA estaba en un caos tal que no recibiría financiamiento durante muchos años.
Las críticas y los contratiempos financieros, consecuencia de las muchas promesas incumplidas durante el auge temprano de la IA, fueron las causas de esta era. Desde el principio, los investigadores en IA no dudaron en hacer predicciones sobre sus futuros éxitos. La siguiente declaración de Herbert Simon en 1957 se cita a menudo: no es mi objetivo sorprender o asustarlos... pero la forma más sencilla de resumir es decir que ahora hay máquinas en el entorno que piensan, que pueden aprender y que pueden crear. además, su capacidad para hacer estas cosas aumentará rápidamente hasta que, en un futuro visible, el rango de problemas que pueden manejar sea coextensivo con el rango al que se ha aplicado la mente humana.
Términos como futuro visible pueden interpretarse de varias maneras, pero Simon también hizo predicciones más concretas. Dijo que en 10 años una computadora sería un campeón de ajedrez y una máquina demostraría un teorema matemático significativo. Con la victoria de Deep Blue sobre Kasparov en 1996 y la demostración del Teorema de los Cuatro Colores en 2005 utilizando IA de demostración de teoremas de propósito general, estas predicciones se hicieron realidad en 40 años, 30 años más de lo previsto. La excesiva confianza de Simon se debió al prometedor rendimiento de los primeros sistemas de IA en ejemplos simples. Sin embargo, en casi todos los casos, estos primeros sistemas resultaron ser un fracaso cuando se aplicaron a problemas más amplios o más difíciles.
Críticas
Las críticas vinieron de todas partes, incluyendo filósofos. Hubert Dreyfus, profesor de Filosofía del MIT, criticó lo que llamó las dos suposiciones de la IA: la suposición biológica y la suposición psicológica.
La suposición biológica se refiere a que el cerebro es análogo al hardware de una computadora y la mente es equivalente al software de una computadora. La suposición psicológica es que la mente realiza cálculos discretos sobre representaciones o símbolos discretos. Desafortunadamente, estas preocupaciones no fueron tomadas en serio por los investigadores en IA. Dreyfus fue ignorado y luego afirmó que los investigadores en IA no se atrevieron a ser vistos almorzando conmigo.
El Argumento de la Habitación China
Uno de los argumentos más fuertes y conocidos en contra de que las máquinas tengan una inteligencia real marcó el final del Invierno de la IA. En 1980, John Searle, profesor de filosofía en la Universidad de California, Berkeley, presentó el argumento de la habitación china como respuesta a la prueba de Turing. Este argumento propuso que un programa de computadora no puede otorgarle a una computadora una mente, comprensión o conciencia.
Searle comparó la comprensión del lenguaje chino por parte de una máquina con la comprensión de alguien que no conoce el chino pero puede leer el diccionario y traducir cada palabra del inglés al chino y viceversa. De la misma manera, una máquina no tendría una inteligencia real. Su argumento afirmaba que incluso si el dispositivo pasara la prueba de Turing, no significaba que la computadora tuviera literalmente inteligencia. Una computadora que traduce del inglés al chino no necesariamente comprende el chino. Podría indicar que simplemente está simulando la inteligencia necesaria para comprender el chino.
Searle utilizó el término IA Fuerte para referirse a una máquina con inteligencia real, equivalente a comprender el chino en lugar de simplemente traducir palabra por palabra. Pero en el caso de que las computadoras no tengan una inteligencia real, como simplemente traducir palabras chinas en lugar de comprender realmente los significados de las palabras, la máquina tiene IA Débil.
El problema con este argumento es que no hay un límite claro entre la IA Débil y la IA Fuerte. ¿Cómo se puede determinar si alguien realmente comprende el chino o si está imitando el comportamiento? Si la máquina puede traducir todas las frases posibles, ¿es eso comprensión o imitación?
El primer invierno de la inteligencia artificial fue un período de declive en el campo de la IA debido a la falta de financiamiento y a las críticas hacia las promesas incumplidas. Sin embargo, este invierno no marcó el fin de la IA. En lugar de ello, fue un momento de reflexión y aprendizaje que llevó al desarrollo de nuevas tecnologías y enfoques en la IA. En la actualidad, la IA está experimentando un renacimiento y se están logrando avances significativos en campos como el procesamiento del lenguaje natural, la visión por computadora y el aprendizaje automático.
El invierno de la inteligencia artificial fue un período desafiante pero necesario en la evolución de la IA. Las críticas y los contratiempos financieros llevaron a una mayor comprensión de las limitaciones y desafíos del campo. A medida que avanzamos hacia el futuro, es importante recordar las lecciones aprendidas durante este invierno y utilizarlas para impulsar la innovación y el progreso en la inteligencia artificial.
Si quieres conocer otras notas parecidas a El invierno de la inteligencia artificial: financiamiento y críticas puedes visitar la categoría Inteligencia.