Inicio └Inteligencia Artificial para Todos: Historia, Herramientas y Pensamiento Crítico └ - Lección 4: La Era del Optimismo y los Primeros Éxitos (1956-1974)

Inteligencia Artificial para Todos: Historia, Herramientas y Pensamiento Crítico

0 %

Completado

Contenido del curso

- Lección 4: La Era del Optimismo y los Primeros Éxitos (1956-1974)

Anterior Siguiente
Pantalla completa Compartir

Lección 4: La Era del Optimismo y los Primeros Éxitos (1956-1974)

Esta lección explora la primera 'primavera de la IA', un período de gran entusiasmo y avances rápidos. Estudiaremos los dos paradigmas principales que surgieron: el 'simbólico' o 'GOFAI' (Good Old-Fashioned AI), basado en la manipulación de símbolos y lógica, y el 'conexionista', inspirado en redes neuronales. Destacaremos predicciones audaces y éxitos en dominios limitados, introduciendo conceptos clave que sentaron las bases técnicas de las décadas siguientes.

1956
La Conferencia de Dartmouth

John McCarthy acuña el término "Inteligencia Artificial". Este taller de verano marca el nacimiento oficial del campo como una disciplina de investigación. Se establece el objetivo de construir máquinas que puedan simular cualquier aspecto del aprendizaje o la inteligencia humana.

1957
El Perceptrón de Frank Rosenblatt

Presentado como un modelo para el reconocimiento de patrones visuales. Fue una de las primeras implementaciones prácticas de una red neuronal artificial, generando un enorme optimismo sobre la capacidad de las máquinas para aprender.

1959
General Problem Solver (GPS)

Desarrollado por Allen Newell y Herbert A. Simon. Este programa emblemático del paradigma simbólico utilizaba reglas heurísticas para resolver problemas de lógica, como las Torres de Hanói. Demostró que la IA podía manejar tareas que requerían razonamiento.

1966
ELIZA de Joseph Weizenbaum

Un programa pionero en Procesamiento de Lenguaje Natural (PLN). Simulaba a una psicóloga rogeriana reformulando las frases del usuario. Su éxito, aunque limitado, sorprendió al público y mostró el potencial (y los riesgos) de la interacción humano-máquina.

Paradigma Simbólico (GOFAI)

Filosofía: La inteligencia surge de la manipulación de símbolos y el razonamiento lógico. La mente es análoga a un software que procesa información.

Ejemplos Clave:

  • General Problem Solver (GPS): Resolución de problemas mediante heurísticas.
  • Sistemas Expertos (incipientes): Bases de conocimiento con reglas del tipo "SI... ENTONCES...".

Fortaleza: Excelente para tareas bien definidas que requieren razonamiento paso a paso y representación explícita del conocimiento.

Paradigma Conexionista

Filosofía: La inteligencia emerge de redes interconectadas de unidades simples (neuronas artificiales), inspiradas en el cerebro biológico. Se enfoca en el aprendizaje y el reconocimiento de patrones.

Ejemplos Clave:

  • Perceptrón de Rosenblatt: Una sola capa neuronal para clasificación.
  • ADALINE (Widrow & Hoff): Una red adaptable para filtrado de señales.

Fortaleza: Potencial para aprender de los datos, tolerancia a la ambigüedad y capacidad para reconocer patrones complejos.

Conceptos Clave Definidos

  • Heurística: Una "regla general" o atajo mental que simplifica la resolución de problemas y la toma de decisiones, aceptando soluciones "suficientemente buenas" en lugar de óptimas. Fundamental para que los programas de IA fueran prácticos.
  • Sistema Basado en Reglas: Un programa de IA cuya inteligencia reside en una base de conocimiento compuesta por reglas condicionales (ej: SI el motor no arranca Y las luces funcionan, ENTONCES revisa la batería). El núcleo de los primeros sistemas expertos.
  • Procesamiento de Lenguaje Natural (PLN): El subcampo de la IA que se ocupa de la interacción entre las computadoras y el lenguaje humano. ELIZA fue un hito al demostrar una conversación superficialmente coherente.
  • Límite de Rosenblatt: La demostración matemática (por Minsky & Papert, 1969) de que un Perceptrón de una sola capa no podía resolver problemas que no fueran linealmente separables (como la función XOR). Este hallazgo contribuyó al primer "invierno de la IA".

"Dentro de una generación [...] el problema de crear 'inteligencia artificial' se resolverá sustancialmente."

— Herbert A. Simon, 1965.

Esta declaración ejemplifica el optimismo desbordante de la época. Los rápidos progresos en dominios limitados llevaron a predicciones que subestimaron enormemente la complejidad de la inteligencia general.

Ilustración del ciclo de expectativas durante la primera primavera de la IA. El entusiasmo inicial por éxitos en problemas específicos llevó a predicciones muy ambiciosas.

El Legado de la Primera Primavera

Este período (1956-1974) no fue solo una época de ingenuo optimismo. Fue fundamental porque:

  1. Definió los dos caminos principales de investigación (simbólico y conexionista) que compiten y se complementan hasta hoy.
  2. Introdujo herramientas conceptuales esenciales como heurísticas, sistemas de reglas y modelos de redes neuronales.
  3. Demostró que la IA podía lograr resultados útiles en dominios restringidos, validando el campo como una empresa científica seria.
  4. Planteó preguntas profundas sobre la naturaleza de la inteligencia, el lenguaje y la cognición que siguen guiando la investigación.

El final de esta era, marcado por el informe Lighthill (1972) y las limitaciones teóricas expuestas, llevaría al primer "Invierno de la IA", un período de escepticismo y reducción de fondos. Sin embargo, los cimientos estaban puestos.

Esta lección explora la primera 'primavera de la IA', un período de gran entusiasmo y avances rápidos. Estudiaremos los dos paradigmas principales que surgieron: el 'simbólico' o 'GOFAI' (Good Old-Fashioned AI), basado en la manipulación de símbolos y lógica (ejemplificado por sistemas como el 'General Problem Solver'), y el 'conexionista', inspirado en redes neuronales (como el Perceptrón de Frank Rosenblatt). Destacaremos predicciones audaces y éxitos en dominios limitados (como el programa ELIZA de Joseph Weizenbaum). Introduciremos conceptos clave como 'heurística', 'sistema basado en reglas' y 'procesamiento de lenguaje natural', mostrando cómo se sentaron las bases técnicas de las décadas siguientes.

No se permite comentar en este curso.