Propongamos el siguiente juego. Hay dos participantes, un hombre o una mujer que llamaremos el ignoto (si, tipo Mentes Criminales) está de frente a otra persona a la cual llamaremos el adivinador, el objetivo del juego es que el adivinador logre saber si la persona que esta enfrente es hombre o es una mujer, si el adivinador logra distinguir correctamente, gana el juego. Si falla, el ignoto gana el juego. Muy fácil dirán, solo hay que ver a la persona y decir que es, bien, tapemos a la persona, pongamos una barrera física para que no se vean y aún más, para que dicha persona no pueda adivinar por el sonido de su voz, también estarán aislados acústicamente y toda comunicación se hará por lenguaje escrito de manera semejante a WhatsApp.
El adivinador entonces intentará mantener una comunicación escrita con el ignoto y en base a esta conversación deberá de intentar deducir si la persona es hombre o mujer. no hay ninguna regla que impida al ignoto mentir o no, quedando a su albedrío cuando hacerlo o no, pero si debe de contestar coherentemente.
El adivinador entonces podría preguntar directamente si es hombre y el ignoto podría responder lo que quisiera, “si”, “no” “antes si”, lo que realmente no arroja ninguna luz, por lo que el enfoque tendría que ser más sutil y basar la deducción de si es hombre o mujer en cuestiones de lenguaje y cuestiones que el considera propias de hombres y mujeres, quizá podría preguntar de qué color es determinada bufanda pasándole una imagen, asumiendo que si es mujer contestará con un color más específico a que si fuera hombre, el ignoto si es mujer hace el ejercicio mental de pensar cómo contestaría un hombre y viceversa si es un hombre. Y así hasta que el adivinador decida que ya tiene una respuesta a la pregunta de si es hombre o mujer.
Hagamos el juego más interesante, pongamos que en el lugar del ignoto puede haber una persona o una máquina, y el adivinador debe de averiguar quien esta detrás. Si la máquina triunfa a esta prueba de manera aceptable, alrededor de un 50%, podríamos empezar a decir que la máquina es inteligente, o al menos, esa es la idea que planteó Alan Turing y este juego es como conocido como prueba de Turing, sin embargo, hay que recordar que la conversación a tener es abierta y puede abordar cualquier tema, debe de poder abordar temas de literatura, arte, deportes, ciencias, experiencias cotidianas, etc. ¿Qué va a contestar la máquina si uno le pregunta que sueño le ha causado más miedo?¿O qué siente al ver determinada imagen o escuchar cierta música?
Esta prueba se ve incontables veces en numerosas películas y series, como Ex-Machina, Yo Robot, El Hombre del Bicentenario, IA, Matrix, etc. Que en la mayoría de los casos abordan algunas de las preguntas de que se necesitaría para que consideremos a una máquina inteligente ¿Es necesario que una máquina sueñe, tenga anhelos y ambiciones? ¿Sea capaz de negarse a ser destruida o apagada, tenga un lenguaje o que tenga sentimientos? Pues bien, todo este tipo de cosas son las que explora la Inteligencia Artificial, y por eso es común que la gente dedicada a esta área aborde tópicos de epistemología, pedagogía, neurociencia y computación, usando diversas herramientas y conceptos de cada una de ellas, buscando para empezar, que es la Inteligencia y no quedarse con la ejecución de un juego como prueba de inteligencia, como es el caso de las críticas a determinar que la máquina que venció al campeón mundial de ajedrez es inteligente (Deep Blue).
Así podemos ver como el campo de la Inteligencia Artificial es más una búsqueda de crear una máquina que llegue a ser considerada inteligente que una serie de técnicas algorítmicas para llegar a soluciones específicas. Sin duda en esta búsqueda se ha llegado a conocimientos sobre nosotros mismos en cuanto a cómo funciona nuestro cerebro y nuestra manera de aprender, así como también a técnicas computacionales para procesar la información de maneras innovadoras y es así como de esta búsqueda de inteligencia, llegamos a muchas de las técnicas de Machine Learning, visión por computadora, ambientes virtuales, juegos e incluso en simulaciones virtuales, todas ellas mezcladas una y otra vez.
Por eso me parece más apropiado llamar IA a todo aquello que realmente busque parecerse a una inteligencia humana que conviva con nosotros los humanos, y no llamar IA a cada algoritmo implementado en internet que sugiere libros, películas o amigos. Llamémosles a las cosas por su nombre a pesar de que no sea la palabra de moda y veamos qué si estamos hablando de redes neuronales, regresiones lineales, clasificadores, Deep Learning o análisis de datos, si todo esto no está incorporado en buscar una máquina que nos haga compañía como seres inteligentes, entonces estamos hablando de implementaciones de Machine Learning para resolver problemas específicos.
Espero que con este punto de vista arroje un poco de luz en este tema si eres un neófito en el asunto y si al contrario ya eres un experto en el área espero que hayamos logrado compartir algunos puntos de vista en cuanto a cuando deja de ser IA para ser Machine Learning y viceversa. En ocasiones las discusiones de IA suelen ser una especie de confrontación de ideas con elementos de aprendizaje, neurología, ética, técnicas de computación y de implementación práctica, algo en lo que suele ser difícil que todos compartamos la misma idea.
Para todos les dejo el artículo donde Turing propone su prueba. A.M. Turing, Computing Machinery and Intelligence https://www.csee.umbc.edu/courses/471/papers/turing.pdf.
