Redacción
Reseña del artículo de Luis A. Pineda y Raymundo Morado: Inteligencia artificial: inductiva, falible, reflejo de la humana falible, reflejo de la humana https://nuevosdialogos.unam.mx/destacados/inteligencia-artificial-inductiva-falible-reflejo-de-la-humana/
Nuevos Diálogos, NÚMERO 02 | ABRIL – JUNIO 2023
En el artículo “Inteligencia artificial: inductiva, falible, reflejo de la humana”, los autores Luis A. Pineda y Raymundo Morado se adentran en la percepción colectiva de las computadoras como entidades superhumanas y plantean argumentos sobre las limitaciones y desafíos actuales en el campo de la inteligencia artificial (IA).
Luis A. Pineda es Investigador en el Departamento de Ciencias de la Computación del Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas de la UNAM.
Raymundo Morado es Licenciado en Filosofía por la Universidad Nacional Autónoma de México y doctor en Filosofía por la Universidad de Indiana en Bloomington.
Los autores explican cómo el acceso generalizado a dispositivos tecnológicos y herramientas de cómputo ha generado una percepción de que las máquinas son capaces de emular todas las capacidades humanas. Sin embargo, enfatizan que no todo lo computado es inteligente, señalando las limitaciones de los modelos simbólicos y neuronales en la manipulación de símbolos y en la modelación del pensamiento y la toma de decisiones.
Pineda y Morado también hacen hincapié en la distinción entre datos e información, explicando que los datos se convierten en información cuando los seres humanos los interpretan y los integran en sus creencias y conocimientos. Existe una gran abundancia de datos, pero no necesariamente de información, y antropomorfizar los sistemas computacionales puede llevar a confusiones.
Para evitar malentendidos y confusiones en la discusión sobre IA, los autores sugieren refinar y ampliar las nociones de inteligencia y razonamiento. Aunque en un principio se intentó generar respuestas infalibles en la IA, señalan la importancia de aceptar que es posible ser inteligente sin ser deductivamente infalible. Por lo tanto, recomiendan fortalecer y ampliar las ideas del razonamiento inteligente, considerando procesos de razonamiento no monotónico, es decir, conclusiones provisionales o aproximadas que puedan revisarse cuando se disponga de nueva información.
Ideas destacadas
-Las computadoras y dispositivos móviles han llevado a la percepción de que poseen habilidades mentales humanas, pero hay que ser realistas sobre sus capacidades.
-No todo lo que está programado es inteligente, y las redes neuronales y la computación simbólica tienen limitaciones en la modelación del pensamiento y la toma de decisiones.
-Existe una gran cantidad de datos en la actualidad, pero no necesariamente de información, y es importante distinguir entre ambos.
-Las creencias y conocimientos requieren capacidades mentales más sofisticadas que la simple posesión de datos.
-La antropomorfización de los sistemas computacionales puede llevar a confusiones, y es crucial apreciar las distinciones entre datos, información y conocimiento.
-Para hablar de inteligencia artificial sin confusiones, es necesario refinar el uso de conceptos y ampliar nuestra noción de lo que es inteligente o razonable.
-La inteligencia artificial ha evolucionado desde la búsqueda de respuestas infalibles hasta la aceptación de conclusiones provisionales o aproximadas.
-El razonamiento no monotónico es un enfoque importante en el estudio de la inteligencia artificial, permitiendo que los agentes inteligentes revisen sus conclusiones sin perder las premisas originales.
Colaboración de la UNAM Global.
Ilustración: UNAM Global
