Papel de la racionalidad limitada en la Inteligencia Artificial: Objetivos, procesos y resultados

Considera simon que, para la elaboración del diseño, hay tres modos relevantes —o “críticos”— en los que nuestra racionalidad está limitada: 1) sólo conocemos una parte infinitesimal de las cosas que necesitamos saber (entre ellas, las que habríamos de conocer para lograr un diseño óptimo); 2) nuestra capacidad de computación sólo nos permite com- putar unas pocas consecuencias, dentro de las innumerables implicaciones de las cosas que conocemos; y 3) almacenamos lo que sabemos en esa parte enciclopédica del cerebro que se llama habitualmente “memoria de larga duración” (long-term memory), lo que constituye un método para guardar información que nos impone severos límites 96_.

intervienen aquí objetivos, procesos y resultados. Los objetivos o metas (goals) vie- nen ya dados al diseño, al igual que los condicionantes 97_{. Los procesos del diseño están} acompañados por tres tareas acerca de problemas: conformarlos (forming), detectarlos (finding) y resolverlos (solving). se trata de tres subprocesos relacionados con problemas que están entrelazados 98_{. Y los resultados vienen acompañados por lo que simon con-} sidera la “principal lección de la racionalidad limitada”. Enseña esa lección que “en la actividad humana lo que cuenta no es lo que sabemos ‘en principio’, sino lo que conocemos de manera consciente aquí y ahora” 99_.

95 _{“Problem Forming, Problem Finding, and Problem solving in Design”, p. 247.}

96 _{Cfr. siMon, h. a., “Problem Forming, Problem Finding, and Problem solving in Design”, pp. 247-248.} 97 _{Cfr. “Problem Forming, Problem Finding, and Problem solving in Design”, p. 246. “the goals and} constraints we postulated at the beginning represent commitments that limit the alternatives we can generate”, siMon, h. a., “Problem Forming, Problem Finding, and Problem solving in Design”, p. 253.

98 _{Cfr. siMon, h. a., “Problem Forming, Problem Finding, and Problem solving in Design”, p. 251-252.} 99 _{“Problem Forming, Problem Finding, and Problem solving in Design”, p. 252.}

sucede, a juicio de simon, que el proceso de diseño está modulado: en primer lugar, por el hecho fundamental de estar limitada la racionalidad humana, y, en segundo término, por el factor especial del foco de atención, que es muy restringido en el caso humano. a este respecto, “los ordenadores nos permiten manejar un poco más de información de la que podíamos antes, y el ordenador proporciona a nuestro conocimiento unas pocas implicaciones adicionales. Pero esto no cambia el hecho básico de la racionalidad limitada. Con o sin ordenadores, sólo podemos dar cuenta a la vez sólo de una pequeña parte de la complejidad real del mundo” 100_.

Como parte integrante de las Ciencias de Diseño, la inteligencia artificial tiene objetivos, procesos y resultados. En cuanto a sus objetivos, simon insiste en que los programas se orientaban al principio hacia tres metas principales: a) comprender la inteligencia; b) comprender la mente humana; y c) construir y comprender sistemas expertos 101_{. En otras palabras, una primera meta era construir programas de ordenador,} como el Logic Theorist, capaces de exhibir inteligencia; un segundo cometido estuvo en construir programas, como General Problem Solver (GPs), que mostraran inteligencia mediante el uso de procesos como aquellos que utilizan los humanos en las mismas tar- eas; y una tercera tarea era la aspiración a construir programas inteligentes que pudieran suplementar o complementar la inteligencia humana que realiza el mismo trabajo en el mundo (p. ej., los “sistemas expertos”) 102_.

Planteados en términos de procesos, habría una variedad de posibilidades con el es- tudio de la inteligencia artificial: i) procesos que corresponderían a la “naturaleza” de la inteligencia en cuanto tal; ii) procesos que pondrían de relieve rasgos propios de la inteligencia humana; y iii) procesos que dan lugar a sistemas que pueden realizar tareas que requieren inteligencia. Después, los resultados serían evaluados y habría de ser de una manera operacional: “el momento de la verdad es un programa que funciona (running program)” 103_{. De este modo, se asumía que la contrastación de la inteligencia artificial} habría de ser empírica.

Del elenco de objeciones a este planteamiento de simon —y, en particular, al papel que atribuye a la racionalidad limitada en la inteligencia artificial— hay varias que conviene señalar. En primer lugar, como se ha señalado, el análisis de medios a fines —la racionalidad instrumental— es insuficiente para captar todo el conjunto (hace falta reflexionar sobre los fines mismos buscados: la racionalidad evaluativa). En segundo término, el edificio descansa en la computación —la operación física con símbolos pro- cesados por ordenadores—, un cometido que, aun cuando sea suficiente para algunos procesos inteligentes, no parece que cubra todo el campo de posibilidades. Y, en tercera instancia, habría que replantear el objetivo global de la inteligencia artificial como Ciencia de Diseño: ¿ha de contribuir a la tarea descriptiva de cómo piensan, de hecho, los seres humanos o ha de optar a la función perscriptiva de cómo debería pensar, para que lo hicieran de modo correcto?

100 _{siMon, h. a., “Problem Forming, Problem Finding, and Problem solving in Design”, pp. 256-257.} 101 _{Cfr. siMon, h. a., “artificial intelligence: an Empirical science”, pp. 96-97.}

102 _{Cfr. siMon, h. a., “artificial intelligence: an Empirical science”, p. 96.} 103 _{“artificial intelligence: an Empirical science”, p. 96.}

Frecuentemente se insiste en que hay diferencias entre un enfoque meramente compu- tacional, como el propuesto por simon, y un sistema semiótico (entendido en una acepción amplia). Esto afecta al modo de entender los procesos en inteligencia artificial en compa- ración con la mente humana. así, entre sistemas de ordenadores y las “cosas pensantes” (thinking things) o “mentes” hay una diferencia “estática”, que tiene su raíz en cómo se entiende el símbolo 104_{. a mi jucio, cuando los símbolos se engloban en un sistema semióti-} co donde se distingue entre el “signo” (como vehículo expresivo), la “señal” (de contenido semántico monovalente) y el “símbolo” (plurisemántico), se supera ampliamente la idea de Newell y simon del “símbolo” que figura dentro de un “sistema de símbolos”, puesto que —en el enfoque que proponen— puede ser una serie de marcas físicas sin un contenido semántico asociado a ellas (es decir, el sistema puede ser meramente “sintáctico” o, en el mejor de los casos, con una mera función denotativa complementaria).

otra diferencia que existe entre los sistemas de ordenadores y las “cosas pensantes” (thinking things) es dinámica 105_{. Los ordenadores digitales tienen programas que desarro-} llan algoritmos, donde los algoritmos pueden ser procedimientos efectivos de decisión, a tenor de un número finito de pasos. Pero las mentes no están bajo el control de los algoritmos. De hecho, como advierte James Fetzer, hay diversas formas de pensar (sobre el pasado, el presente y el futuro) “que no cumplen las condiciones impuestas por los procedimientos efectivos de decisión. No son procesos fiables para resolver problemas (problem-solving) y no necesitan proporcionar soluciones definitivas a problemas en un número finito de pasos”106_{. En otras palabras, hace falta —a mi juicio— el contemplar} la historicidad que comportan los procesos de decisión, puesto que hay procedimientos que no son estancos o de evolución restringida, sino que están enmarcados en un ámbito donde la actividad humana desarrollada en el pasado y las expectativas de futuro tienen un cometido.