Captulo 1

INTRODUCCIO N AL CAMPO DE LA INTELIGENCIA ARTIFICIAL

Jos Luis Z a c c a g n i ni

1. E l c o n c e p t o d e I n t e l ig e n c ia A r t if ic ia l

El trmino Inteligencia Artificial se debe a John McCarthy, que lo

acua a mediados de los aos 50 al organizar un congreso sobre nuevas
perspectivas de la investigacin en informtica. El congreso se celebr
en Dartmouth (EE.UU.) en 1956, y sa es la fecha que se suele consid
erar como la del nacimiento oficial de la disciplina. Desde entonces el
trmino Inteligencia Artificial no ha dejado de ser criticado por la in
dudable ambigedad que supone la combinacin de las palabras que lo
forman. Tngase en cuenta que el propio concepto de inteligencia hu
m ana que se maneja en psicologa cientfica resulta altamente proble
mtico, pese a la ingente cantidad de investigacin desarrollada sobre el
tema. En la actualidad es posible llevar a cabo cierto tipo de mediciones
psicolgicas de la inteligencia, pero la interpretacin de las mismas y,
sobre todo, la propia definicin del concepto siguen siendo temas com
plejos y muy abiertos (para una discusin vase p.e. Sternberg, 1987).
N o es de extraar, por tanto, que en otros mbitos (informtica, filoso
fa, neurologa...) puedan encontrarse todo tipo de opiniones acerca de
qu pueda ser una inteligencia artificial. De hecho, hay desde los que
ingenuamente tratan de definirla objetivamente, hasta los que niegan su
posibilidad, pasando por los que la caracterizan circularmente como el
trabajo que hacen los que dicen que hacen Inteligencia Artificial, o los
pragmticos que ofrecen listas de capacidades que caracterizaran a un
ente inteligente (sea ste una mquina o un ser vivo). Sin embargo, y es
to es lo importante, el trmino no slo no ha sido abandonado sino
que, ms de treinta aos despus de su invencin, se sigue utilizando y
est totalmente consolidado como form a de identificar una rama de
I+D (Investigacin y Desarrollo) en el campo de la informtica.
En efecto, la lnea de trabajo que se identifica con la etiqueta de
Inteligencia Artificial (IA a partir de ahora) ha desarrollado y organi
zado un conjunto de ideas, tcnicas y productos que constituyen todo

13
 PSICOLOGIA E INTELIGENCIA ARTIFICIAL

un nuevo mbito disciplinar. Lo relevante, por tanto, no es la discusin

acerca de posibles interpretaciones semnticas, ms o menos literales,
de las palabras que conforman el trmino, sino el nuevo mbito de .tra
bajo que se trata de delimitar con ellas. De esto ltimo es de lo que nos
ocuparemos aqu.
Pues bien, si entramos en su contenido, la IA no es ms que una de
terminada forma de programar ordenadores, es decir, de utilizarlos co
mo herramientas para realizar tareas y resolver problemas. En este sen
tido la IA es una rama, o una parte, de la informtica. Pero es una rama
peculiar, que se distingue de la informtica convencional tanto por el ti
po de problemas que aborda como por la forma en que lo hace. En
efecto, lo que hoy da entendemos convencionalmente por informtica
hace referencia al uso de ordenadores para procesar algoritmos lgico-
matemticos capaces de realizar tareas procedimentalmente definidas, o
resolver problemas formalmente planteados. Dicho de otra forma, para
que los problemas o tareas puedan ser tratados mediante esta inform
tica convencional, valga decir, para que puedan ser abordados con la
ayuda de las aplicaciones que suelen tener los ordenadores al uso, es ne
cesario que previamente hayan sido analizados y descritos en trminos
de un procedimiento secuencial, sistemtico y exhaustivo, capaz de al
canzar automticamente la salida correcta a partir de los datos de en
trada. Esto no slo implica que un ordenador no puede hacer nada para
lo que no est programado, cosa que es una tautologa, sino que para
programarlo con los medios de la informtica convencional es necesario
describir, exacta y exhaustivamente, todos los pasos a realizar para al
canzar el resultado deseado (organigrama algortmico). Esto es una cla
ra limitacin en cuanto al tipo de tareas que se pueden mecanizar con
este paradigma. Cualquiera que tenga alguna experiencia en el manejo
o explotacin de ordenadores se ha encontrado, ms de una vez, con la
imposibilidad de mecanizar lo que deseara.
Sin embargo, la informtica convencional, pese a sus limitaciones,
es la que ha dado lugar a los program as de clculo cientfico e indus
trial, las herramientas informticas (bases de datos, tratamientos de
texto, hojas de clculo), las aplicaciones de gestin (p.e. nminas, con
tabilidad, gestin de stocks) y las aplicaciones de tratamiento de infor
macin digitalizada (diseo grfico, sntesis musical, tratamiento de on
das). En definitiva, todo lo que ofrece la actual informtica comercial.
Ahora bien, esto no excluye, tal como acabam os de sealar, que exis
tan muchas tareas y problemas que no pueden ser abordadas con esa
aproximacin algortmica, porque o bien no es posible reducir el pro
blema a dimensiones razonables, o bien no se sabe cmo describir su
tratamiento de manera exacta y exhaustiva. Un ejemplo tpico de lo
primero es el juego del ajedrez. Si se intenta programar algortmica
mente un ordenador para que calcule sistemticamente todas las posi
bles jugadas a partir del inicio del juego, nos encontramos Con que muy
pronto se desborda la capacidad de cualquier ordenador existente o

14
 INTRODUCCION AL CAMPO DE LA INTELIGENCIA ARTIFICIAL

imaginable. Un ejemplo de lo segundo es el diagnstico mdico, que es

una tarea cuyo algoritmo se desconoce. N o existe una frmula lgi
co-matemtica que nos permita obtener automticamente un diagns
tico a partir de un subconjunto de todos los sntomas posibles; senci
llamente, nadie sabe formularla, incluidos los propios profesionales ex
pertos en diagnosticar enfermedades. Sin embargo, no se trata de pro
blemas irresolubles. Los seres humanos son capaces de realizar esas ta
reas (jugar al ajedrez y diagnosticar enfermedades) con un razonable
grado de xito. Por tanto hay que suponer que la mente humana, ade
ms de realizar clculos, es capaz de operar con otro tipo de estrate
gias diferentes. Y esto ocurre con otras muchas actividades humanas
tales como mantener una conversacin, identificar los obstculos y co
ordinar los movimientos al conducir o practicar algn deporte, dirigir
una empresa, realizar descubrimientos cientficos, etc. Todas estas acti
vidades exigen un cierto grado de inteligencia y no parecen fcil
mente abordables mediante mtodos algortmicos. La cuestin enton
ces es: sera posible programar los ordenadores de esa otra forma
para que pudiesen enfrentarse a ese tipo de tareas y problemas? Pues
bien, el intento de responder a esta pregunta dio origen a la IA.
Evidentemente, esa pregunta no fue posible formularla hasta que la
informtica convencional no haba alcanzado un determinado grado
de desarrollo, dejando patente las limitaciones de la aproximacin al
gortmica en el abordaje de cierto tipo de tareas y problemas. Por otra
parte la respuesta a esa pregunta pasaba, en primer lugar, por profun
dizar en cmo resuelven esas situaciones los seres humanos (psicologa
cognitiva) y, en segundo lugar, exiga imaginar una nueva forma de
programar los ordenadores capaz de recoger la forma de pensar de la
mente humana (programacin de heursticas). Ambas cosas, junto con
el nombre de Inteligencia Artifical, aparecieron por primera vez en
el mencionado congreso de Dartmouth, y por ello se le considera el
congreso fundacional de la IA.
A partir de ese momento puede decirse que la IA queda acotada co
mo un campo de investigacin interdisciplinar (surgido de la inform
tica y en conexin con la psicologa, lingstica, neurologa, etc.), que
trata de abordar problemas y tareas no-algortmicamente tratables (pe
ro que s resuelven los seres humanos), mediante el diseo de progra
mas de ordenador que implementan procedimientos no-exhaustivos
(heursticos), inspirados en el funcionamiento mental humano (psicolo
ga cognitiva y neurologa). Posteriormente las investigaciones y traba
jos realizados siguiendo esta idea se han ido diversificando, acotando y
desgajando, con la aparicin de diversos cam pos especficos de desa
rrollo que, a su vez, han dado lugar a definiciones ms concretas y a
enconadas discusiones tericas sobre la posibilidad de construir m
quinas que verdaderamente imiten la inteligencia humana. Sin em
bargo, como ya subraybamos anteriormente, lo importante es que, en
el tiempo transcurrido desde sus orgenes, la IA, entendida como una

15
 INTRODUCCION AL CAMPO DE LA INTELIGENCIA ARTIFICIAL

cia en el Renacimiento es el enorme desarrollo de las matemticas ba

sado en los nmeros arbigos, que sustent toda una gama de disposi
tivos orientados a la realizacin autom tica de clculos numricos.
Pascal y Leibniz realizaron importantes aportaciones en esa lnea, dise
ando mquinas de clculo.
A principios del siglo XIX, Charles Babbage logra construir su m
quina analtica, que ya se considera como la primera calculadora artifi
cial, en el sentido actual del trmino. Se trataba de un artefacto basado
en engranajes y ruedas dentadas construidos de madera, lo que al pare
cer supuso un costo excesivo, dada la cantidad y precisin que exiga.
Babbage se arruin y su mquina tampoco pudo ser explotada. Sin em
bargo, sirvi para mostrar definitivamente la viabilidad efectiva de la
idea de construir un dispositivo artificial capaz de realizar clculos
complicados que, en cierto sentido, podan ser calificados de inteligen
tes. Pero, adems, sirvi para acotar una primera operativizacin de lo
que podra considerarse como una maquina pensante: sera una m
quina capaz de realizar los clculos numricos necesarios para resolver
problemas matemticos. Esta identificacin de la inteligencia con el cl
culo lgico-matemtico era un axiom a indiscutible. La idea original
provena de Aristteles, que haca una clara distincin entre la memo
ria, que guardaba datos literales, y el entendimiento, que razonaba
siguiendo las leyes de la lgica. En el Renacimiento esta idea fue reto
mada y difundida por Descartes, siendo asumida por la mayora de los
filsofos posteriores, hasta llegar al siglo XX.
Durante el primer tercio del siglo XX, y gracias al desarrollo de la
ingeniera electrnica, aparecen los primeros computadores digitales
que, sin ningn gnero de dudas, ya son mquinas capaces de realizar
clculos numricos de manera automtica. Por tanto, con la aparicin
y desarrollo de los computadores se cierra definitivamente la discusin
acerca de la posibilidad de construir mquinas capaces de realizar los
clculos numricos que subyacen a la resolucin de problemas matem
ticos relativamente complejos. Sin embargo, este avance, lejos de zanjar
la discusin acerca de la viabilidad de lo que hoy da llamamos IA,
abri una nueva e interesante polmica respecto de lo que se puede
considerar como pensamiento inteligente. La cuestin ahora sera la
siguiente. Es indiscutible que un computador es una mquina capaz de
procesar informacin. Es decir, un computador es capaz de retener sm
bolos en su memoria y manipularlos, segn una secuencia pre-definida
que se denomina program a. A su vez, con esos ingredientes es posi
ble programar los computadores para que resuelvan cualquier proble
ma que podamos plantear en trminos de un algoritmo, o sea, como
una su cesi n p re-d e fin id a de c lc u lo s n u m rico s e x h a u stiv o s.
Finalmente, es indiscutible que si un sujeto humano realiza ese tipo de
operaciones matemticas algortmicas, por ejemplo para calcular una
raz cuadrada o el rea de un polgono, asumimos que ese sujeto es in
teligente. Sin embargo, eso no nos permite calificar automticamente a

17
 PSICOLOGIA E INTELIGENCIA ARTIFICIAL

los computadores como m quinas inteligentes, porque la cuestin

ahora es dilucidar si esos ingredientes son suficientes para producir el
fenmeno que calificamos de inteligencia. Una cosa es llevar a cabo al
guna de las tareas puntuales que realizan los seres inteligentes, y otra
muy diferente ser inteligente. De la misma forma que el auto-movi-
miento es caracterstico de la vida, pero no todo sistema capaz de au
to-moverse est vivo; al menos parece obvio que un auto-mvil no lo
est.
En este contexto algunos autores de principios del presente siglo
argumentaban que la inteligencia propiamente dicha era algo exclusi
vo de los seres dotados del espritu de la vida y, por tanto, los com
putadores jam s podran llegar a ser inteligentes, por mucha capaci
dad de clculo que llegaran a mostrar. Incluso hoy da se pueden en
contrar argumentaciones que le niegan a los computadores la posibili
dad de sustentar pensamiento inteligente por razones tales como que
no estn constituidos evolutivamente, que no viven en un medio so
cio-cultural, o que carecen del grado de incertidumbre que caracteriza
el funcionamiento de los cerebros neuronales que sustentan la inteli
gencia natural. Pues bien, frente a este tipo de actitudes negativas a
priori, A. M . Turing propuso en 1950 una alternativa pragm tica.
Defini un experimento hipottico en el cual una persona se comuni
cara mediante teletipo con dos interlocutores; uno de ellos sera un
ser humano y el otro sera un computador. A partir de aqu Turing
postulaba que si esa persona no era capaz de distinguir cul era el in
terlocutor humano y cul el artificial, tendra que concluirse que el
computador se estaba com portando de manera inteligente, con lo que
planteaba una definicin a posteriori de la inteligencia. Este experi
mento ocurri accidentalmente unos aos ms tarde con un programa
llamado ELIZA (vid. Boden, 1977), y hoy da sera muy fcil de re
producir utilizando una mquina de jugar al ajedrez. Pero lo realmen
te trascendente de la aportacin de Turing es que rescata la cuestin
del mbito de las discusiones de ciencia-ficcin, y la ubica en el con
texto de la investigacin emprica. En efecto, para resolver la cuestin
acerca de si una m quina puede sustentar pensamiento inteligente
ms all del clculo algortmico, no slo cabe argir postulados filo
sficos, sino que con ayuda de los computadores tambin es posible
ponerse manos a la obra. Pues bien, el resultado de esta segunda op
cin abri una nueva forma de trabajar con los computadores que se
separa claramente de la lnea constituida por la informtica conven
cional, dando lugar a un ingente volumen de nuevas ideas, herramien
tas y aplicaciones que, con independencia de que se quieran conside
rar como autntica inteligencia artificial, o no, el hecho innegable es
que son de una gran trascendencia y, sobre todo, que ofrecen unas in
discutibles posibilidades futuras.
En el cuadro 1 se ofrece una sntesis de los hitos ms importantes
que precedieron a la aparicin de la IA.

18
 INTRODUCCION AL CAMPO DE LA INTELIGENCIA ARTIFICIAL

350 a.C . A ristteles crea la lgica com o form alizacin del proceso de r a
zonamiento humano.

1110 Raim undo Llull, en su Ars m agna describe una m quina capaz
de realizar razonam iento teolgico y cientfico (esta m quina es
taba inspirada en la z a n ja , que era una m quina sim ilar crea
da por los rabes).

1120 A belardo de Bath traduce del rabe el libro de lgebra (en base
decimal) de A l-Guarism i (850).

1642 Blaise Pascal disea una m quina de calcular.

1694 G ottfried Leibnitz presenta su C alcu lado ra universal.

1747 Le Metri publica su obra L homme machine.

1822 Charles Babbage disea y construye su M quin a analtica.

1915 Leonardo Torres Q uevedo construye un autm ata capaz de ju

gar al ajedrez.

1936 Alan Mi Turing disea form alm ente una M qu in a universal

que demuestra la viabilidad de un dispositivo fsico para imple-
mentar cualquier cm puto form alm ente definido.

1943 M cCulloch y Pitts disean una neurona electrnica.

1944 Comienza a funcionar oficialm ente el M ARK I (considerado el

primer ordenador digital moderno).

1948 N orbert Wiener crea la ciberntica.

1950 Turing propone una prueba em prica (el T est de Turing) para
verificar la posibilidad de que una m quina sea capaz de pensar
de manera inteligente.

1952 A parece el IBM 701 (prim er o rd en ad o r potente p ara clcu lo

cientfico).

Cuadro 1.- H itos en la historia de la IA (Antecedentes)

3. E l n a c im i e n t o d e l a I n t e l ig e n c ia A r t if ic ia l

Para entender el significado de esa nueva forma de programar ordena

dores que se denomina IA, es necesario acotar claramente lo que hasta
entonces se vena haciendo con los ordenadores, y que hoy da seguimos
haciendo bajo el nombre de informtica convencional. Esta informtica
convencional es la que se orienta a la explotacin de las posibilidades de
los computadores para procesar algoritmos. Los primeros ordenadores
construidos a principios de los aos 50 tenan unas capacidades de ma-

19
 PSICOLOGIA E INTELIGENCIA ARTIFICIAL

nipulacin simblica muy limitadas, por lo que, aunque efectivamente

procesaban informacin, apenas si podan manejar unos cuantos nme
ros y algunas operaciones aritmticas elementales. Esto, si bien resultaba
muy prometedor, no permita a aquellas primeras mquinas abordar ta
reas mnimamente complejas y, mucho menos, realizar operaciones so
fisticadas. Sin embargo, la situacin cambiara drsticamente en muy
pocos aos. El exponencial desarrollo de la tecnologa de diseo electr
nico, tras la Segunda Guerra Mundial, permiti un espectacular aumen
to cuantitativo en la potencia del hardware de los ordenadores digitales.
A finales de los aos 60 este aumento en la cantidad de informacin que
poda manejarse permiti a su vez el desarrollo del software y, sobre to
do, su avance cualitativo. Aparecieron entonces los lenguajes de progra
macin de primera generacin y, a continuacin, los sistemas operati
vos y otras herramientas de apoyo al desarrollo. Con ello se crearon las
condiciones para la aparicin, en los aos 70, de las primeras aplicacio
nes comerciales, tales como los procesadores de textos, las bases de da
tos, los sistemas de procesamiento matemtico, las aplicaciones de ges
tin de stocks, de nminas, de gestin bancaria, etc. Finalmente, en los
aos 80, el desarrollo de los ordenadores personales, que actualmente
alcanzan potencias muy superiores a las de los grandes ordenadores de
la pasada dcada, junto con nuevos avances cualitativos en el software,
han generalizado y popularizado el uso de lo que se denomina inform
tica convencional, que est presente en la mayora de los mbitos de la
vida cotidiana (para una revisin de la historia de la informtica con
vencional vase p.e. Arroyo, 1991).
La informtica convencional, pese su impresionante aumento cuanti
tativo y cualitativo, sigue limitndose al procesamiento algortmico de
la informacin. Es decir, slo resuelve las tareas que se pueden abor
dar en trminos de algoritmos lgico-matemticos que operan sobre ba
ses de datos. En esencia, un algoritmo es un procedimiento de ordena
cin secuencial de una serie de frmulas lgico-matemticas totalmente
explcitas, que operan de forma exhaustiva sobre cierto tipo de datos. A
su vez, los datos, en este contexto, son tablas de cdigos numricos que
representan informacin directamente tratable mediante operaciones l
gico-matemticas. Un ejemplo de algoritmo puede ser el procedimiento
para calcular los plazos que hay que pagar por un prstamo de x pese
tas a n aos. Este tipo de problemas algortmicos se pueden programar
muy fcilmente con las herramientas de programacin disponibles en
cualquier ordenador personal (p.e. BASIC). Adems, para ayudarnos a
disear estrategias formales encaminadas a resolver problemas de ese ti
po, contamos con todos los desarrollos de la matemtica y la lgica for
mal, con lo que la capacidad de resolucin de problemas mediante pro
cesamiento algortmico de la informacin es realmente importante.
Ahora bien, el tratamiento algortmico de la informacin no agota las
posibilidades de resolucin de problemas relevantes. Existen, efectiva
mente, muchos problemas y tareas que resulta muy difcil, o prctica-

20
 INTRODUCCION Al CAMPO DE LA INTELIGENCIA ARTIFICIAL

mente imposible, abordar directamente mediante estrategias formales

implementables en un procesamiento lgico-matemtico de informacin.
Por ejemplo, siguiendo con el tema de los prstamos, el problema se
complicara si lo que quisiramos fuera programar los criterios por los
que un empleado de una entidad bancaria debe decidir si se puede conce
der, o no, un determinado prstamo a un cliente que lo solicita. Cuestio
nes tales como la apariencia del cliente, la estimacin de la probabilidad
de que el cliente devuelva el prstamo, o la adecuacin de la concesin
de ese crdito a la poltica coyuntural de la entidad o a los intereses pun
tuales de la sucursal que trata con el cliente, no son directamente trata
bles mediante el tipo de anlisis que habitualmente subyace a la defini
cin de las frmulas lgico-matemticas al uso. La razn es que en ese ti
po de problemas y decisiones juegan un papel clave ciertos procesos de
percepcin, pensamiento, motivacin y lenguaje que no son algortmicos
porque no se basan en razonamientos directamente cuantificables, sino
que dependen de procesos aproximativos y difusos, basados en la expe
riencia, el sentido comn e, incluso, la intuicin, tpicas del pensamiento
humano. En definitiva, parece evidente que el comportamiento que de
nominamos inteligente se apoya en algo ms que puro clculo.
Una de las primeras utilizaciones de los computadores para realizar
tareas que van ms all del simple clculo consisti en implementar m o
delos de simulacin. La simulacin, que es anterior a la aparicin de los
ordenadores, consiste bsicamente en experimentar con modelos de
algn fenmeno real. Un caso muy tpico consiste, por ejemplo, en cons
truir una maqueta a escala de una embarcacin o un coche, para reali
zar experimentos para comprobar su comportamiento bajo determina
das condiciones. M s simple todava es el caso de colocar sacos de tierra
en un puente u otra edificacin recin construida, para simular el peso
que habr de soportar cuando efectivamente se utilice. Ahora bien,
cuando se conocen las formulas que modelizan la resistencia de materia
les, aunque slo sea de forma aproximada, es posible realizar esa simu
lacin mediante clculos ms o menos tentativos. De hecho, este tipo de
clculos vienen siendo habituales en ingeniera y arquitectura. Con la
llegada de los computadores ha sido posible complejizar cuantitativa y
cualitativamente este tipo de simulaciones, ampliando grandemente las
posibilidades de esta tcnica. En concreto, la inclusin del calculo de
probabilidades abri todo un nuevo campo de trabajo que, por ejemplo,
incluye la simulacin de la reproduccin de especies en sus nichos ecol
gicos, teniendo en cuenta los recursos alimenticios, los depredadores, las
enfermedades, etc. En definitiva, la simulacin, en tanto que experimen
tacin con modelos formalizados, si bien se apoya en clculos puramen
te numricos, permite abordar problemas complejos que van ms all de
los que tradicionalmente se podan resolver mediante el clculo conven
cional. Pero estas tcnicas tambin exigen una formalizacin estadstica
del problema, con lo que dejan fuera una gran cantidad de tareas no
formalizables que resuelve la inteligencia humana.

21
 PSICOLOGIA E INTELIGENCIA ARTIFICIAL

Otra aproxim acin en la utilizacin del ordenador para resolver

problemas no fcilmente calculables es la bsqueda en rboles de deci
sin. Aqu la idea es que los algoritmos no operen sobre bases de datos
planas (simples listas/tablas de datos) sino sobre informacin estructu
rada en rboles de decisin previamente construidos. Para ello se ha
llegado a desarrollar un lenguaje de programacin especfico, el PRO
LOG, que permite construir dichos rboles y realizar bsquedas ex
haustivas en ellos. Con esta aproxim acin, actualmente denominada
programacin lgica, es posible resolver tareas tales como planifica
cin de recursos o diagnstico de averas, que son tareas tpicas de la
IA. Sin embargo, la exigencia de disponer previamente de un rbol que
incluya todos los caminos posibles (sin crculos viciosos) limita las po
sibilidades de aplicacin de esta aproximacin.
Algunos autores incluyen la simulacin y/o la programacin lgica
dentro del mbito de la IA, pero otros muchos consideran que no se
puede hablar de autntica IA hasta que no se trasciende el clculo
numrico formalizado y se pasa directamente a emular en los compu
tadores las estrategias no-exhaustivas que se supone utiliza la mente
humana. Pues bien, el primer paso concreto en esta nueva lnea de in
vestigacin se dio en la ya fam osa conferencia de Dartmouth. El ya
mencionado Delclaux (1982) lo describe as:

En el verano de 1956 se reunieron (...) en Dartmouth los grandes especialistas en

computacin, con el propsito de aprovechar las ideas que existan hasta aquel
momento sobre ordenadores, con la intencin de construir una mquina de ml
tiple uso que fuera capaz de realizar funciones que cayeran fuera del puro clcu
lo numrico, que era el fin para el que haban sido construidas hasta entonces.
Es decir, se pretenda sacar a los ordenadores de su uso exclusivo como calcula
doras, para tratar de llevar a cabo acciones inteligentes. (...) Faltaban personali
dades como... Turing, pero de una u otra forma su impacto haba sido ya tan
grande para aquellos momentos en la ciencia de la computacin que su espritu
estaba presente a travs de sus publicaciones (op. cit., p. 25).

El resultado de esta fam osa conferencia fue el inicio de una nueva

lnea de explotacin de las posibilidades de los computadores que se
denomina IA y que se separa claramente de lo que hoy da conocemos
como informtica convencional.
La IA, tal como qued establecida de hecho en Dartmouth, no slo
pretende utilizar los ordenadores para realizar tareas inteligentes, sino
que definitivamente se enfrenta con el reto de que los ordenadores
aborden dichas tareas mediante estrategias que imiten o, por lo menos,
se asemejen a la mente humana. Volvamos ahora a la conferencia de
Dartmouth y retomemos el mencionado trabajo de Delclaux (1982),
porque a aquella conferencia acudieron dos desconocidos, cuyos
nombres eran Alien Newell y Herbert Simn. Estos dos cientficos ha
ban estado trabajando en un programa de ordenador que trataba de

22
 INTRODUCCION AL CAMPO DE LA INTELIGENCIA ARTIFICIAL

llevar a cabo operaciones similares a las que realiza el ser humano en

sus actividades de pensamiento. Concretamente este programa, deno
minado Logic theorist, permita resolver algunos de los teoremas de
los Principia mathematica de Whitehead y Russell. Lo interesante era
que en la construccin de ese programa los mencionados autores se ha
ban interesado no slo por lograr que su program a funcionara, sino
que lo hiciera mimetizando la mente de los matemticos cuando tratan
de demostrar teoremas. Para ello haban introducido una novedad me
todolgica consistente en la utilizacin de un lenguaje intermedio entre
los lenguajes estndar de program acin y las descripciones verbales
que los expertos hacan acerca de la forma en que se deban resolver
ese tipo de problemas. Esta idea habra de resultar enormemente fruc
tfera, aunque, en principio, el esfuerzo de estos autores no fue aprecia
do en toda su medida (Minsky, 1963).
Una de las razones por las que inicialmente no se comprendi la
importancia de las ideas de Newell y Simn era que, por entonces, to
dava se pensaba que la aproximacin computacional-algortmica, pese
a las evidentes limitaciones que presentaba, sera capaz de resolver la
mayora de los problemas relevantes. Slo era cuestin de ms tiempo
y de ms investigacin. ste es un error muy comn en la historia de la
ciencia o, mejor dicho, en la trayectoria personal de los cientficos;
cuando se enfrentan con un fracaso, en lugar de cuestionar el mtodo
o la estrategia (lo que les obligara a cam biar su forma de pensar),
cuestionan los medios (lo que justifica un aumento en los presupues
tos). En cualquier caso, problemas muy interesantes tales como la tra
duccin automtica, la visin artificial, el aprendizaje o la resolucin
de problemas en contextos de informacin incompleta se mostraron
muy resistentes al abordaje mediante estrategias algortmicas. Fue en
tonces cuando los investigadores que trabajaban en informtica con
vencional comenzaron a comprender que haba que explorar otras
aproximaciones en la programacin de los ordenadores, si se quera te
ner algn xito en el abordaje de dichos problemas. Pues bien, la mejor
idea acerca de cmo poda ser esa otra aproximacin era la de Newell
y Simn, a saber, tratar de analizar cmo lo hace la mente humana,
para emular ese funcionamiento mediante programas de ordenador di
seados al efecto.
Ahora bien, para poner en prctica esa idea era necesario dar dos
pasos fundamentales. El primero era que los investigadores informti
cos se volvieran hacia sus colegas que investigaban esos temas (psiclo
gos, lingistas, neurlogos, bilogos, etc.) y trataran de utilizar los co
nocimientos obtenidos en dicha reas para disear nuevas estrategias
de abordaje de los problemas. El segundo era disear herramientas in
formticas (lenguajes) capaces de implementar esas nuevas estrategias.
Pues bien, la profundizacin en ambos aspectos es lo que constituye el
desarrollo de la IA, dando lugar a los distintos campos de investiga
cin que la constituyen.

23
 PSICOLOGIA E INTELIGENCIA ARTIFICIAL

4. El d e sa r r o llo d e la I n t e l ig e n c ia A r t if ic ia l

Tal como acabam os de sealar, la idea seminal que subyace a la IA, y

que aparece en Dartmouth, es la de que puede merecer la pena explo
rar otras formas de programacin de ordenadores que no se limiten a
los formalismos de la lgica y la matemtica convencional, sino que
traten de emular el funcionamiento mental humano. Rpidamente esta
idea cal en unos cuantos investigadores que, a su vez, la operativiza-
ron de maneras muy distintas. Con ello empez un largo camino que,
si bien inicialmente pareca muy prom etedor, pronto tropez con
grandes dificultades que frenaran su desarrollo. Incluso a finales de
los aos 60 se lleg a afirmar que la IA era inviable. Sin embargo, a
mediados de los 70 la IA recibe un nuevo impulso que culmina en los
80 con la definitiva consolidacin de la IA como rea de investigacin
y desarrollo con importantes aplicaciones prcticas y comerciales. En
la figura 1 se ofrece un esquem a de esta evolucin, siguiendo a
Winston (1987).
Para profundizar en el anlisis de lo que hoy da constituye la IA,
convendr hacer algunas distinciones bsicas. En primer lugar, hay que

1990
Primer Congreso Internacional sobre
redes neuronales
COMERCIALIZACION
Creacin de empresas de IA
1980 XCON: Primer sistema experto comercial
CONSOLIDACION
Nace la ingeniera del conocimiento
1975
RENACIMIENTO
MYCIN: Primer sistema experto: basado en reglas i

1970 i

Reduccin drstica en la financiacin

EPOCA OSCURA de la investigacin en IA

1965 DENDRAL: Primer sistema experto operativo

PRIMEROS CLASICOS
Primeros laboratorios de IA
1960
Creacin del LISP
NACIMIENTO Conferencia de Dartmouth
1955
PREHISTORIA

Figura 1.- Evolucin de la IA (Adaptado de Winston, 1987)

!
24
 INTRODUCCION AL CAMPO DE LA INTELIGENCIA ARTIFICIAL

separar lo que es investigacin bsica, la IA propiamente dicha, de lo

que es el desarrollo de aplicaciones comerciales, que se denomina inge
niera del conocimiento. Por otra parte, es importante distinguir los te
mas, o reas de investigacin, de las herramientas metodolgicas con
que se trabaja. Tal como ya hemos sealado, la diferencia entre la IA y
la informtica convencional se debe tanto al tipo de problemas que
abordan (reas de investigacin), como al tipo de estrategias de pro
gramacin con que los abordan (herramientas metodolgicas). Pues
bien, a continuacin revisaremos cada uno de estos aspectos por sepa
rado, aunque evidentemente tienen gran relacin entre s.

4.1. reas de investigacin en Inteligencia Artificial

Tal como ya hemos sealado, los intentos por construir mquinas inte
ligentes capaces de mostrar algunos de los comportamientos propios
de la mente humana son anteriores a la aparicin de los ordenadores
(p.e. mquinas de calcular, robots mecnicos). Tras la aparicin de s
tos, y antes de que se desarrollaran las tcnicas de IA, tambin se esta
ban abordando comportamientos mentales mediante estrategias for
males (p.e. la traduccin automtica, la simulacin del funcionamiento
neuronal). Pero con la aparicin y desarrollo de la idea de emular el
funcionamiento mental humano, tal como se aborda desde la IA, todos
esos intentos, dispersos, convergen y se estructuran bajo esta nueva r
brica. La razn es que todos ellos estn vinculados con un ncleo
central constituido por las estrategias mentales de manipulacin del
conocimiento. Simplificando mucho podramos decir que la IA estruc
tura el comportamiento inteligente humano en cinco grandes bloques,
o reas (vase figura 2), que dan lugar a las grandes lneas de investiga-

ncleo bsico
EMULACION DEL
RAZONAMIENTO SIMBOLICO

PROCESAMIENTO NEURONAL

TRATAMIENTO
VISION FUNCIONAMIENTO __ DEL
ARTIFICIAL LENGUAJE
MENTAL HUMANO

CUERPO HUMANO

ROBOTICA

Figura 2.- Graneles reas de investigacin en IA

25
 PSICOLOGIA E INTELIGENCIA ARTIFICIAL

cin en IA: razonamiento simblico, simulacin del funcionamiento

neuronal, tratamiento del lenguaje natural, visin artificial y robtica.
A continuacin las analizaremos brevemente.

4.1.1. Emulacin del razonamiento simblico

El ncleo bsico de las investigaciones en IA es el resultado de exten

der las ideas de Turing, operativizadas por Newell y Simn. Tal como
ya se ha sealado, se trata de emular la forma de razonar que tiene la
mente humana cuando se enfrenta con tareas que no son resolubles
mediante clculo. El caso tpico de aplicacin de esta idea fue el de la
construccin de mquinas capaces de jugar al ajedrez. Cuando este
problema se aborda con mtodos puramente lgico-matemticos, re
sulta que las combinaciones posibles a analizar a partir de una situa
cin de partida aumentan de forma logartmica. Es lo que se llama la
explosin com binatoria. Este fenmeno hace que, aunque el proble
ma sea tericamente resoluble mediante clculo, en la prctica sea im
posible calcularlo en un ordenador, ya que ste debera tener una po
tencia de procesamiento de informacin prcticamente ilimitada. Sin
embargo, cuando el problema se abord con la estrategia propuesta
por Newell y Simn, acudiendo al estudio del pensamiento de los juga
dores de ajedrez expertos, se encontr que lo que ellos hacan era algo
muy diferente. En concreto, el pensam iento de los expertos slo
operaba con unas pocas estructuras significativas de combinaciones
de piezas, que son las que tienen significado, y con las reglas que per
mitan pasar de unas a otras. Cuando se program los ordenadores
con estos criterios, se alcanzaron dos importantes logros. El primero
fue la construccin de un programa que efectivamente jugaba razona
blemente bien al ajedrez (una versin mejorada de ese primer progra
ma es lo que tienen las mquinas de jugar al ajedrez que hoy da se
venden com o electrodomsticos). La segunda consecuencia, mucho
ms trascendente, es que a partir de ese momento qued establecida
una nueva forma de programacin que trascenda el procesamiento
de la informacin. Es decir, se haba encontrado una alternativa a la
idea de abordar los problemas tratando de resolverlos en trminos de
algoritmos que operan sobre datos. Esta nueva forma de progra
macin, que por analoga podramos denominar el procesamiento de
conocimiento, no utiliza las posibilidades de procesamiento de los or
denadores para implementar algoritmos, sino para emular artificial
mente ciertos aspectos de los procesos que subyacen al pensamiento
humano.
En concreto, lo que se hizo fue descomponer el conocimiento de los
expertos en reglas del tipo:
Si: se cumple tal y cual condicin,
Entonces: realcese determinada accin.
Mediante este formalismo, denominado produccin, es posible

26
 INTRODUCCION Al CAMPO DE LA INTELIGENCIA ARTIFICIAL

describir con bastante exactitud todo el conocimiento que utiliza un

jugador de ajedrez experto a la hora de tomar decisiones sobre la si
guiente jugada. Si a esa descripcin se le aplica un mecanismo que, en
funcin del estado en que se encuentra la partida, identifique las pro
ducciones que se cumplen y realiza las acciones correspondientes (mo
tor de inferencias), tenemos las bases para programar el conocimiento
heurstico (no-algortmico, no exhaustivo) con que opera un jugador
de ajedrez (para mayor profundizacin, vase el captulo 6).
Con el tiempo han ido apareciendo nuevas formas de representar el
conocimiento sim blico (redes sem nticas, esquem as, m arcos, etc.;
vanse los captulos 3-6) y nuevas formas de manejarlo (vanse los ca
ptulos sobre modelizacin lgica de procesos de solucin de proble
mas, sistemas basados en el conocimiento, y el apartado dedicado a las
herramientas metodolgicas de la IA, en este mismo captulo). Sin em
bargo, la idea bsica contina siendo la misma. Para emular el razona
miento simblico heurstico, que utiliza la mente humana para resolver
problemas que no son abordables mediante clculo puro, es necesario
dotar al ordenador de dos cosas: de una representacin simblica
del medio sobre el que ha de operar, y de algn tipo de estrategia in-
ferencial capaz de operar sobre dicha representacin simblica para
extraer conclusiones a partir de datos sobre el estado en que se encuen
tra el medio en un momento dado. La gran diferencia con la informti
ca convencional es que ya no es necesario describir formalmente todos
los pasos que ha de dar el programa para alcanzar la solucin, sino
que es el mecanismo inferencial el que busca su camino a travs de
la representacin, para alcanzar la solucin, o soluciones posibles (pa
ra una explicacin ms detallada, vase el captulo 6).
En definitiva, el ncleo de la IA viene constituido por las investiga
ciones que se orientan a encontrar y perfeccionar formas de describir
funcionalmente los escenarios en los que se plantean los problemas de
razonamiento humano, as como las estrategias inferenciales con las
que se analizan.
Posteriormente este ncleo se ha ampliado con el abordaje de otros
muchos procesos cognitivos vinculados con el pensamiento, en general.
Por ejemplo, se ha trabajado en el aprendizaje automtico (Michalski
et a i , 1982), el razonamiento analgico basado en casos (ver captulo
3), la demostracin automtica de teoremas (Wos et al., 1984), y otros
procesos mentales de naturaleza simblica y relacionados con el razo
namiento, como la program acin autom tica de ordenadores (para
una revisin pueden consultarse manuales como p.e. Barr y Feigen-
baum, 1982; Shapiro, 1987).

4.1.2. Simulacin del funcionamiento neuronal

Tal como acabamos de revisar, el ncleo original de la IA se comienza

a partir del desarrollo de algunas ideas acerca de cmo se podra pro-

27
 PSICOLOGIA E INTELIGENCIA ARTIFICIAL

gramar en un ordenador convencional las estrategias heursticas del

razonamiento simblico que realiza la mente humana. Ahora bien, ese
razonamiento simblico se apoya en el funcionamiento fisiolgico de
las neuronas. Por tanto, exista una clara alternativa. Si se quiere que
un ordenador funcione como una mente humana, por qu no se pro
grama para que funcione como un conjunto de neuronas conectadas
como las del cerebro humano? De hecho, en 1943 McCulloch y Pitts
propusieron la idea de construir neuronas artificiales (electrnicas) y
con ellas disear un cerebro artificial. Su idea no tuvo continuidad
inmediata, entre otras razones porque no propusieron ideas viables
acerca de cmo program ar semejante mquina. Sin embargo, varias
dcadas mas tarde la idea resurgir, dando lugar a lo que hoy da co
nocemos como redes neuronales.
Las redes neuronales no operan en el plano simblico, es decir, no
implementan una representacin explcita del escenario sobre el que
razonan. En realidad funcionan a modo de filtros estadsticos (sub-
simblicos) capaces de aprender a identificar determinado tipo de pa
trones numricos, a partir de una cantidad suficiente de ejemplos. En
este sentido se asemejan bastante a muchos procesos perceptuales hu
manos, como, por ejemplo, aprender a identificar las letras del alfabe
to o a reconocer la cara de un amigo. Si alguien nos pide que le descri
bamos las reglas por las que som os capaces de saber que determinado
garabato es una a y no una d , no podremos darle ninguna clave
explcita, simplemente en la infancia hemos aprendido a discriminar
las letras por puro ejercicio (ms o menos doloroso). Pues bien, las re
des neuronales son una formalizacin matemtica que se aproxima a
ese tipo de aprendizaje, aunque todava estn lejos de alcanzar la efica
cia de los mecanismos perceptivos naturales (para una discusin de es
tos aspectos, ver captulo 5).
Otra aproximacin sub-simblica al funcionamiento de las neuro
nas como mecanismos perceptuales es lo que Zadeh (1965) desarroll
bajo el nombre de lgica difusa (Fuzzy Logic). En este caso no se
trata de emular la arquitectura de las neuronas, sino su funcionalidad.
El funcionamiento neuronal en el anlisis perceptual no opera con una
lgica dicotmica s/no, sino con aproxim aciones intermedias entre
ambas opciones. La lgica difusa es una estrategia matemtica de an
lisis de datos que admite y trata ese tipo de informacin ambigua.
Evidentemente, los avances en esta lnea de simulacin del funcio
namiento neuronal interesan tanto a los investigadores de la IA como
a los neurlogos. De la colaboracin entre ambos ha surgido una nue
va lnea de investigacin interdisciplinar denominada neurociencia.

4.1.3. Tratamiento del lenguaje natural

Existe una importantsima lnea de investigacin orientada al estudio

de las estrategias que permiten a un ente comprender y producir dis

28
 INTRODUCCION AL CAMPO DE LA INTELIGENCIA ARTIFICIAL

cursos lingsticos. E sta lnea tiene su origen en los tra b ajo s de

Chomsky, y se contina con los desarrollos de la psicolingstica (para
una revisin, vase Belinchn et al., 1992). T odos estos avances han
puesto de manifiesto que para que un ente sea capaz de comprender y
producir discursos lingsticos es imprescindible que posea algn tipo
de representacin del escenario al que se refiere el discurso. Pues bien,
para abordar este problema resulta ineludible acudir a los desarrollos
de la IA, tal como mostr Winograd (1972). Desde entonces la colabo
racin entre la lingstica, la psicologa del lenguaje y la IA se ha con
vertido en im prescindible para avanzar en este cam po (Anderson,
1976; Winograd, 1982).

4.1.4. Visin artificial

Bajo el nombre de visin artificial se estudian las estrategias inteli

gentes que permiten a un ente interpretar las imgenes que capta del
medio. Al igual que en las lneas anteriores, aqu nos encontramos con
un problema que ya vena siendo abordado antes de la aparicin de la
IA, pero que hoy da es inseparable de ella.
Con la invencin de la cmara fotogrfica y, posteriormente, de la
cmara de TV, queda resuelto el problema de imitar el funcionamiento
del ojo humano. Pero entonces se descubre que la interpretacin de una
imagen dista de ser una tarea trivial; por el contrario, transformar una
pura imagen (que no es ni ms ni menos que una superficie bidimensio-
nal con diversos patrones luminosos) en una disposicin tridimensional
de objetos identificados es uno de los problemas computacionales ms
complejos que se ha intentado resolver. De hecho, hasta que no se
abord desde la perspectiva de la IA (M arr, 1982), no se comenz a
avanzar significativamente en este problema.

4.1.5. Robtica

La robtica es el estudio de los mecanismos de control que permiten a

un ente mecnico moverse en un medio fsico y/o manipular elementos
fsicos con cierto grado de autonoma. Tal como ya hemos comentado,
la idea de construir autmatas es muy antigua. Adems del ya citado
trabajo de Le Metri (1747), y por la misma poca, Jacques Vaucanson
construy un famoso pato mecnico que haca varios movimientos
tpicos de los patos, graznaba e, incluso, imitaba la conducta de comer
y defecar. Este ingenio, construido mediante dispositivos de relojera
parecidos a los de los relojes de cuco, fue muy conocido en las cortes
europeas de la poca. La idea se extendi y se realizaron cientos de au
tmatas, incluidos algunos fraudes como la mquina que jugaba al aje
drez y que, en realidad, estaba manipulada por una persona oculta en
su interior. En cualquier caso, todos estos autm atas no pasaban de ser
juguetes para el entretenimiento de la nobleza.

29
 PSICOLOGIA E INTELIGENCIA ARTIFICIAL

Con la revolucin industrial de finales del XIX comenzaron a aparecer

los robots orientados a la realizacin de tareas laborales, dando lugar al
verdadero desarrollo de la robtica. En el siglo XX estos robots ya no te
nan apariencia humanoide, sino que se tratabas de mquinas herra
mientas (electromecnicas) que admitan cierto grado de programacin.
Ahora bien, para que una mquina alcance verdadera autonoma de fun
cionamiento ha de ser capaz de tomar sus propias decisiones, auto-modi
ficando su programacin en funcin de los objetivos de la tarea que ha
de realizar. Un primer avance en este sentido se debe a Wiener (1948),
inventor de la ciberntica. La ciberntica, que en principio no tiene nada
que ver con la informtica, aunque a menudo se confunden, es la disci
plina que estudia los sistemas capaces de auto-regularse mediante retro
accin (feed-back). A partir de Wiener la robtica se convierte en una
disciplina consolidada. Sin embargo, para hacer efectiva esa auto-regula
cin resulta imprescindible aadir ciertas capacidades inteligentes (vi
sin, razonamiento), y esto es lo que aporta la IA a la robtica (Craig,
1986). En este sentido, muchos autores no consideran a la robtica co
mo parte de la IA, sino a sta como un ingrediente de aqulla. En cual
quier caso, es indudable que la robtica actual forma parte del conjunto
de disciplinas que se benefician del ncleo bsico de la IA.

4.2. Herramientas metodolgicas de la Inteligencia Artificial

Hasta aqu hemos revisado el tipo de problemas de los que se ocupa la

investigacin propia de la IA; ahora revisaremos sucintamente el tipo de
herramientas metodolgicas que le permiten abordar dichos problemas.

4.2.1. Lenguajes de programacin

Al ao siguiente de la C onferencia de D artm outh, el propio John

McCarthy da a conocer un nuevo lenguaje de programacin, el LISP,
que implementaba un nuevo paradigma de programacin. Este paradig
ma, basado en funciones orientadas al tratamiento recursivo de listas de
items, se convertir en uno de los pilares de la IA, al ser utilizado en la
construccin de alguno de los sistemas emblemticos (p.e. M YCIN). A
diferencia del CO BO L, del FO RTRA N o del BASIC, el LISP no es un
lenguaje secuencial, es decir, no opera a partir de una secuencia ordena
da de instrucciones, con posibilidad de hacer bucles y direccionamien-
tos go to. En su lugar, en LISP se definen funciones con argumentos de
entrada y valores de salida, permitindose la recursividad, es decir, la
posibilidad de introducir una funcin como elemento de s misma. En
cuanto a los datos, el LISP no opera con tablas (de acceso secuencial o
aleatorio), sino con listas de items que pueden componerse recursiva-
mente a partir de listas. T odas estas caractersticas tcnicas suponen
una conceptualizacin de los problemas totalmente diferente de la que
exige la programacin convencional. Bajo LISP una tarea no se inter

30
 INTRODUCCION AL CAMPO DE LA INTELIGENCIA ARTIFICIAL

preta como una secuencia de clculos y decisiones sucesivas, sino como

una estructura de funciones que transforman la informacin de entrada
en la informacin de salida deseada. Pues bien, esta nueva visin no s
lo permiti abordar y resolver problemas que hasta entonces se haban
resistido a la programacin procedural tradicional, sino que contribuy
decisivamente a cambiar la nocin de pensamiento. Pensar no es slo
una cuestin de calcular ciegamente todos los valores que se pueden ob
tener a partir de unos datos, sino que es una bsqueda intencional de
cierto tipo de resultados. Dicho de otra forma, en la resolucin de un
problema cuentan tanto los datos de entrada como el tipo de solucin
que se busca. Por tanto, para resolver un problema no basta con aplicar
algoritmos de clculo a los datos disponibles, sino que hay que orientar
y sesgar esos clculos desde la perspectiva del tipo de resultados que
se desean. sta es la gran aportacin del LISP a la filosofa de la IA.
Durante la dcada de los 80, el LISP ha sido progresivamente sustituido
por otro lenguaje, el C , como herramienta para el desarrollo de pro
gramas de IA (y de informtica convencional). Pero el C mantiene y
hereda esas ideas pioneras desarrolladas por McCarthy, aunque tcni
camente posea caractersticas diferenciales propias.
Otro lenguaje de programacin que est muy relacionado con la IA
es el ya mencionado PRO LOG. Este lenguaje permite resolver proble
mas mediante la programacin de estrategias propias de la lgica for
mal (vase el captulo 4 sobre modelizacin lgica de procesos de solu
cin de problemas).
M s recientemente ha surgido otro paradigm a de program acin
denominado Programacin Orientada a O bjetos (OOP). Este para
digma se caracteriza por representar el conocimiento en forma de uni
dades conceptuales (llamadas objetos), en lugar de operar con infor
macin en forma de datos. Tal como ya hemos comentado, las ideas
bsicas en que se apoya la IA sealan la necesidad de dotar al ordena
dor de una representacin funcional del escenario en que se define la
tarea o problema a abordar. Pues bien, una forma natural de descri
bir un escenario es hacerlo en trminos de los objetos y clases de obje
tos que lo constituyen, incluyendo la descripcin del comportamiento
propio de cada uno. Esto es precisamente lo que permiten este tipo de
lenguajes. Con ellos es posible construir una jerarqua de clases de ob
jetos, indicando el comportamiento y las caractersticas de cada uno, y
con la posibilidad de que una sub-ciase herede las caractersticas de
su padre. Por ejemplo, si creamos la clase anim al, incluyendo las
caractersticas propias de todo animal (es un ser vivo, come, etc.), luego
podremos construir una sub-clase animales-domsticos en la que s
lo tendremos que indicar las caractersticas especficas de esta sub-clase
(tiene dueo, tiene nombre, etc.). Una vez construida la jerarqua, el ra
zonamiento se implementa a base de procedimientos asociados a ca
da objeto. Por ejemplo, podemos asociar a la clase animales-domsti-
cos el procedimiento identificar-al-dueo, de manera que cuando lo

31
 PSICOLOGIA E INTELIGENCIA ARTIFICIAL

apliquemos a cualquier elemento de esa clase nos devuelva el nombre

concreto del dueo de ese animal.
Este tipo de paradigma de programacin se ha mostrado muy til
para representar cosas tales como los componentes de un proceso de
fabricacin, sobre el que hay que razonar para detectar averas. De he
cho, algunos autores vaticinan que en un futuro inmediato todos los
lenguajes de programacin, sean o no de IA, incorporarn la posibili
dad de crear este tipo de representaciones. En cualquier caso, lo que
nos interesa destacar aqu es que se trata de una estrategia totalmente
diferente de la aproximacin secuencial algortmica propia de los len
guajes informticos convencionales.

4.2.2 Shells y entornos

Tal como acabamos de sealar, los lenguajes de programacin de la IA

han sido diseados para poder construir con ellos determinadas repre
sentaciones de la realidad. Ahora bien, una vez que se desarrollaron las
primeras aplicaciones, se descubri que era posible transferir algunos
procedimientos generales vlidos para la mayora de los sistemas que
tuviesen una representacin del problema similar. En concreto, el desa
rrollo del M YCIN , sistema experto para el diagnstico de enfermeda
des infecciosas (ver captulo 6), dio lugar a la idea de quitar los aspec
tos especficos del tema, para dejar slo la estructura o cscara (sbell
en ingls) de lo que sera un sistema de diagnstico en general. As na
cen los shells que son herramientas construidas con algn lenguaje de
programacin (p.e. LISP o C), que aaden a las funciones generales
propias de todo lenguaje de programacin otras muchas funciones es
pecficas para el desarrollo de sistemas inteligentes. Hoy da existen
cientos de herramientas de este tipo en el mercado, y son ampliamente
utilizadas en el desarrollo de aplicaciones de IA.
Un segundo grupo de herramientas propias de la IA viene constitui
do por los instrum entos que se han desarrollado com o ayuda en
alguna fase del proceso de desarrollo de sistemas basados en el conoci
miento. Estas herramientas se orientan principalmente hacia el proble
ma de la ad q u isici n del con ocim ien to (vase cap tu lo 8), y el
desarrollo de la interfaz de usuario (captulo 9).
Finalmente, y bajo esa misma idea de ofrecer herramientas que ya
incluyen funciones especficas para desarrollar aplicaciones concretas,
pueden incluirse otro tipo de productos como son los hipertextos y los
sistemas multimedia (Knee y Atkinson, 1990). Estas herramientas no
son especficas de la IA, aunque su desarrollo y utilizacin suele mo
verse muy cerca de ella.

4.3. Las aplicaciones de la Inteligencia Artificial

Hasta aqu hemos visto la IA como un campo de investigacin bsica.

32
 INTRODUCCION AL CAMPO DE LA INTELIGENCIA ARTIFICIAL

Ahora bien, como toda investigacin bsica, la IA ha dado lugar a de

sarrollos tecnolgicos de carcter aplicado. De hecho, desde la dcada
de los 80, las aplicaciones comerciales de la IA y la creacin de empre
sas comerciales dedicadas a vender herramientas de IA han tenido un
crecimiento exponencial (vase, p.e., Rauch-Hindin, 1985). En 1977
Feigenbaum bautiz esta actividad como ingeniera del conocimiento,
dando a entender que se trataba de una nueva ingeniera orientada a la
construccin de sistemas de conocimiento.

5. R e c a p it u l a c i n f in a l

En este captulo se ha tratado de presentar una panormica general del

desarrollo del campo de la IA, con especial nfasis en los elementos
que la definen y caracterizan. En el cuadro 2 se resumen algunos de los
hitos ms importantes de este desarrollo. En resumen podemos decir
que la IA ha de ser interpretada en primer lugar como una forma alter
nativa y complementaria de desarrollar aplicaciones informticas. A su

1955 Alan Newell y Herbert Simn desarrollan el Logic Theorist, primer pro
grama diseado desde la perspectiva de la IA.
1956 John McCarthy organiza la Conferencia de Dartmouth y acua el trmino
Inteligencia Artificial.
Rosemblatt publica su trabajo sobre el Perceptron.
1957 McCarthy desarrolla el LISP, primer lenguaje de programacin orientado
a la IA.
Chomsky desarrolla la nocin de Gramtica generativa.
Newell, Shaw y Simn comienzan a trabajar en el GPS (Solucionado!'
General de Problemas).
1965 Edward Feigenbaum et al. desarrollan DENDRAL, el primer sistema ex
perto.
1968 M. R. Quillian desarrolla el concepto de red semntica.
1972 Shortliffe, Buchanan et al. desarrollan MYCIN, y crean el paradigma de
sistemas expertos basados en reglas con incertidumbre.
Terry Winograd desarrolla SHRDLU.
Newell y Simn publican la obra Human Problem Solving (produccio
nes y protocolos).
1974 Marvin Minsky desarrolla el concepto de marco.
1975 En el MIT se construye la primera mquina LISP.
1977 Feigenbaum acua el trmino Ingeniera del Conocimiento.
1980 DEC desarrolla el R l/X C O N , primer sistema experto comercial.

Cuadro 2.- Hitos en la historia de la IA (hasta 1980)

33
 PSICOLOGIA E INTELIGENCIA ARTIFICIAL

vez hay que subrayar que esa forma alternativa se caracteriza por dos
cosas: 1) el tipo de tareas y problemas que aborda, y 2) el tipo de he
rramientas metodolgicas con que trabaja. Ambas cosas permiten utili
zar los ordenadores para representar escenarios complejos y realizar
sobre ellos razonamientos que, pese a no ser ni exhaustivos ni sistem
ticos, alcanzan soluciones aceptables. En este sentido la IA, en princi
pio, imita a, y se base en, la forma en que funciona la mente humana,
como base para programar ordenadores. Esto ha dado lugar a un nue
vo campo de investigacin y desarrollo que en la actualidad contiene
gran cantidad de teora, mtodos y herramientas, as como productos
capaces de desarrollar comportamientos inteligentes en la resolucin
de mltiples tareas. A su vez esta investigacin en IA ofrece dos con
juntos de aportaciones relevantes que van ms all de su propio cam
po. Por un lado, ayuda a la comprensin de los procesos psicolgicos
humanos y, por otro, permite desarrollar aplicaciones informticas de
gran utilidad prctica.

34
 INTRODUCCION AL CAMPO DE LA INTELIGENCIA ARTIFICIAL

REFERENCIAS BIBLIOGRAFICAS

Anderson, J.R. (1976). Language, memory and thought. L.E.A.

Arroyo, L. (1991). 200 aos de informtica. Espasa Calpe.
Barr, A. y Feigenbaum, E.A. (Eds.) (1982). The Handbook of Artificial In-
telligence. (3 vols.). Addison Wesley.
Belinchn, M ., Rivire, A. e Igoa, J.M . (1992). Psicologa del lenguaje.
Investigacin y teora. Trotta.
Colby, K.M. (1975). Artificial paranoia. Pergamon Press.
Craig, J.J. (1986). Introduction to robotics: mechanics and control. Addison
Wesley.
Delclaux, I. (1982). Introduccin al procesamiento de informacin en psicolo
ga. En I. Delclaux y J. Seoane (Eds.), Psicologa cognitiva y procesamiento
de la informacin. Pirmide.
Delclaux, I. y Seoane, J. (Eds.) (1982). Psicologa cognitiva y procesamiento de
la informacin. Pirmide.
Gardner, H. (1985). La nueva ciencia de la mente. Paids.
Gevarter, W.M. (1985). Mquinas inteligentes. Trad. Daz de Santos, 1987 .
Knee, N. y Atkinson, S.D. (Comps.) (1990). Hypertex/Hypermedia. Greenwood
Press.
Marr, D.A. (1982). Vision: a com putation al investigation into the hum an repre-
sentation and Processing o f visual inform ation. Freeman.
McCorduk, P. (1979). Machines who think. Freeman.
Le Metri (1747). L homme machine. Trad. Alhambra, 1987 .
Michalski, R.S., Carbonel, J.G. y Mitchell, T.M. (Eds.) (1982). Machine lear-
ning, an Artificial Intelligence approach. Tioga.
Minsky, M. (1963). Steps toward Artificial Intelligence. En Feigenbaum y
Feldman (Eds.), Computers and thought. McGraw-Hill.
Newell, A. y Simn, H. (1956). The logic theory machine. Reproducido en
Feigenbaum y Feldman (Eds.) (1963). Computers and thought. McGraw-
Hill.
Newell, A. y Simn, H. (1972). Human problem solving. Prentice Hall.
Rauch-Hindin, W.B. (1985). Aplicaciones de la IA en la actividad empresarial,
la ciencia y la industria. Trad. Daz de Santos, 1989 .
Rolston, D.W. (1987). IA y Sistemas Expertos. Trad. McGraw-Hill.
Shapiro, S.C. (Ed.) (1987). Encyclopedia o f Artificial Intelligence (2 vols.). John
Wiley & Sons.
Steels, L. (1992). Knowledge systems. EUROPACE.
Turing, A.M. (1936). On computable numbers, with an application to the
Entscheindungsproblem. Proceedings of the London Mathematical Society.
Series 2, 42, pp. 230-265.
Turing, M.A. (1950). Intelligent machinery. Reproducido en Collings y Smith
(Eds.) (1988). Readings on cognitive Science. Kaufman.
Wiener, N. (1948). Cybernetics, or control and commnunication in the animal
and the machine. Wiley.

35
 PSICOLOGIA E INTELIGENCIA ARTIFICIAL

Winograd, T. (1972). Understanding natural languaje. Acadermc Press.

Winograd, T.(1982). Language as a cognitive process. (Vanos vols.). Addison
Wesley.
Winston, P.H. (1987). Artificial Intelligence: a perspective. En Grimson y Patil
(Eds.), Al in the 1980s and beyond. The MIT Press.
Wos, L., Overbeek, R., Lusk, E. y Boyle, J. (1984). Automated reasoning.
Introduction and applications. Prentice Hall.
Zaccagnini, J.I.. (1985). Modelos de Mundo como marco de referencia de
una psicologa del conocimiento. Estudios de Psicologa, 22, pp. 19-32.
Zaccagnini, J.L. y Delclaux, I. (1982). Psicologa cognitiva y procesamiento de
la infomacin. En I. Delclaux y J. Seoane (Eds.), Psicologa cognitiva y pro
cesamiento de la infomacin. Pirmide.

36