I.

A SIMBÓLICA
Unidad Nro 2: Lógica simbólica
Modelos de la inteligencia artificial
Razonamiento simbólico - Introducción

El razonamiento simbólico es una cualidad de los seres humanos que se

desarrolla hacia los 18 meses de edad y nos permite crear y manejar
representaciones de la realidad, es decir, símbolos.
Así, un niño que juega con un trozo de madera puede simbolizarlo como un
teléfono y simular en el juego que hace una llamada con él.
Inmediatamente después puede simbolizarlo como un automóvil y moverlo
sobre el suelo jugando a que va de excursión con su familia. En ambos
casos, el trozo de madera no es realmente lo que el niño ha simbolizado.
Modelo simbólico
Es uno de los modelos de representación
de la información (El primero) que utiliza
la IA y se sustenta sobre los sistemas
procesadores de símbolos.
Sistema procesador de símbolos
Sistema capaz de manipular símbolos, generar nuevos símbolos, crear y
modificar relaciones entre símbolos, almacenar símbolos, etc. Los símbolos
son físicos y tienen una base física-electrónica.

Donde las bases pueden ser:

• Física-electrónica (Computadora)
• Física-biológica (Seres humanos)
El modelo simbólico

El modelo simbólico es un modelo descendente, que se basa

en el razonamiento lógico y la búsqueda heurística como
pilares para la resolución de problemas, sin que el sistema
inteligente necesite formar parte de un cuerpo (No
encarnado) ni está situado en el entorno real. La IA simbólica
opera con representación abstracta del mundo real.
¿Qué necesitamos para desarrollar una I.A?

• Una teoría de la inteligencia,

• Un modelo formal de la teoría,
• Una implementación computacional del
modelo.
Una teoría de la inteligencia

La mente se puede representar en una computadora

ya que tanto la mente como la computadora son
sistemas basados en el procesamiento de la
información
Un Modelo formal

• Se parte de un sistema procesador de símbolos:

Sistema capaz de manipular símbolos, generar
nuevos símbolos, crear y modificar relaciones entre
símbolos, almacenar símbolos, etc.
Una implementación computacional

Son los métodos o técnicas de la IA que se utilizan

para la representación en la computadora
Aplicaciones de la I.A. simbólica
Las aplicaciones tradicionales de la IA simbólica son el procesamiento de
textos y el reconocimiento de voz, así como también otras disciplinas
lógicas para, por ejemplo, dominar un juego de ajedrez.
Como ya vimos, la inteligencia artificial simbólica funciona de acuerdo a
reglas fijas y puede resolver problemas más complejos a medida que
aumenta la potencia de cálculo.
El ejemplo más reconocido fue cuando en 1996, con la ayuda de la IA
simbólica, Deep Blue de IBM ganó contra el campeón mundial de ajedrez
Garri Kasparow.
Procesamiento de Lenguaje natural
El lenguaje natural es básicamente: Un conjunto de símbolos
convencionales dotados de representación y significado. Por
ejemplo:
• Una manzana se puede representar de muchas maneras:
La palabra “manzana”, una fotografía, una ilustración o
incluso una manzana real contante y mordisqueable; una
manzana puede también tener varios significados:
• Puede ser una fruta, un bloque de edificios o una conocida
compañía multinacional norteamericana.
Ejemplo
Ejemplo
Ejemplo
Ejemplo
Ventajas

• Una de las grandes ventajas de la IA simbólica radica en que el

sentido común se conforma con conocimiento que puede ser
proporcionado por bases de datos estructuradas, documentos de texto
no estructurado o directamente por programadores humanos que
vuelcan su experiencia. Por tanto, no necesita grandes cantidades de
datos ni un largo proceso de entrenamiento antes de obtener
resultados explotables; el paradigma de Big Data es complementado
por el de Smart Data, es decir, menos conocimiento pero más útil y de
mejor calidad.
Sistemas expertos

• La construcción de un sistema experto se fundamenta sobre

datos equipados con ciertas reglas de procesamiento.
• Sobre la base de tales conexiones lógicas, se pretende que
el sistema experto imite el conocimiento de las personas.
Los sistemas expertos casi siempre se limitan a una
especialidad como, por ejemplo, la medicina.
Rendimiento y límites de la I.A. simbólica
• El rendimiento de la IA simbólica depende de la calidad de los
sistemas expertos. En sus comienzos, los desarrolladores tenían grandes
esperanzas pues, con el avance de la tecnología, los sistemas expertos
aparentaban ser más poderosos y, con ello, el sueño de la inteligencia
artificial fuerte parecía tangible.
• Sin embargo, cada vez se hicieron más evidentes los límites de la IA
simbólica porque, más allá de la complejidad del sistema experto, la
IA simbólica sigue siendo relativamente inflexible. Con excepciones,
variables o conocimiento incierto un sistema fuerte es apenas
manejable. Además, la IA simbólica presenta muchas limitaciones en
cuando a la adquisición autónoma de conocimiento.
Invierno I.A.

Al ser demasiado rígida y poco dinámica, esta tecnología no logra

alcanzar las expectativas esperadas. Como consecuencia, en 1970 tiene
lugar el llamado “invierno AI”, que dura hasta principios de la década de
los 80’ y en el que el apoyo financiero al desarrollo IA se desploma
dramáticamente.
En este contexto se produce una revolucionaria reorientación de esta
tecnología: El desarrollo de sistemas de aprendizaje automático. El
trabajo en redes neuronales artificiales revive la investigación IA.
El Caso MYCIN:
El comienzo de la Inteligencia Artificial en el mundo de la medicina

MYCIN fue uno de los primeros sistemas expertos de la historia de la IA, fue
desarrollado con la intención de facilitar el diagnóstico de enfermedades de la
sangre ayudando a los doctores y ahorrándoles gran cantidad de tiempo.
MYCIN era capaz de identificar las bacterias que causaban la infección en los
pacientes y sugería los antibióticos y las dosis adecuadas para el peso de cada
paciente. También era capaz de detectar enfermedades infecciosas de la sangre
como la meningitis y la bacteriemia.
El Caso MYCIN:
El comienzo de la Inteligencia Artificial en el mundo de la medicina

Su desarrollo comenzó a principios de los años setenta en la Universidad de

Stanford. Se escribió en Lisp y formó parte de la tesis doctoral de Edward
Shortliffe, bajo la supervisión de varios expertos, entre ellos Bruce Buchanan. Se
desarrolló en un periodo de 5 o 6 años y recibió el nombre de MYCIN basándose
en el nombre de algunos de los antibióticos que recetaba.
El Caso MYCIN:
El comienzo de la Inteligencia Artificial en el mundo de la medicina

MYCIN es un sistema experto creado a partir de una serie de reglas causa-efecto,

su base de datos consta de alrededor de unas 500 reglas. Para que el programa
funcione, es necesario que un sujeto responda una serie de preguntas cuyas
respuestas solo pueden ser “si” y “no”. Una vez obtenido el diagnóstico muestra la
lista de las posibles bacterias culpables de la dolencia además de indicar su
índice de confiabilidad. Su comportamiento es muy similar al de un doctor de
verdad, de hecho también es capaz de explicar cómo llegó a su conclusión final y
de recetar los medicamentos necesarios para acabar con las bacterias
El Caso MYCIN:
El comienzo de la Inteligencia Artificial en el mundo de la medicina

Aunque MYCIN fue todo un éxito el programa no llego a utilizarse en los

hospitales. Sus resultados eran bastante buenos. De hecho, el porcentaje de
acierto en sus diagnósticos rondaba por el 70%, una cifra en la mayoría de los
casos superior a la obtenida por la mayoría de los expertos humanos en una serie
de pruebas realizadas bajo los mismos criterios.
A pesar de su alto nivel de exactitud a la hora de realizar diagnósticos el
programa tuvo bastantes críticas que concluyeron haciendo que nunca llegase a
utilizarse en los hospitales por problemas legales. Si se diese el caso en el que el
programa ofreciese un diagnóstico erróneo con consecuencias negativas para un
paciente (incluyendo la muerte), ¿Quién sería el responsable?
Conclusión

• La I.A. simbólica es uno de los tantos modelos I.A. que nos guían hacia el
intento de una “singularidad”
• La complejidad del cerebro dista mucho de los modelos de IA y conduce a
pensar que la llamada singularidad -superinteligencias artificiales basadas
en réplicas del cerebro que superarán con mucho la inteligencia humana- es
una predicción con poco fundamento científico.
• El objetivo último de la IA, lograr que una máquina tenga una inteligencia
de tipo general similar a la humana, es uno de los objetivos más ambiciosos
que se ha planteado la ciencia. Por su dificultad, es comparable a explicar
el origen de la vida, el origen del universo o conocer la estructura de la
materia.