Pulcros y desaliñados

En la historia de la inteligencia artificial (IA), el enfoque ordenado y el desordenado representan dos enfoques contrastantes en la investigación de la IA. Esta distinción se estableció en la década de 1970 y fue objeto de debate hasta mediados de la década de 1980. ^{[ 1 ] [ 2 ] [ 3 ]}

Los "Neats" utilizan algoritmos basados ​​en un único paradigma formal, como la lógica , la optimización matemática o las redes neuronales . Los Neats verifican la corrección de sus programas mediante una teoría matemática rigurosa. Los investigadores y analistas Neats suelen expresar la esperanza de que este paradigma formal único pueda extenderse y mejorarse para lograr la inteligencia general y la superinteligencia .

Los programadores que utilizan métodos poco convencionales emplean diversos algoritmos y métodos para lograr un comportamiento inteligente, y se basan en pruebas incrementales para verificar sus programas. La programación en este estilo requiere una gran cantidad de codificación manual e ingeniería del conocimiento . Los expertos en programación poco convencional sostienen que la inteligencia general solo puede implementarse resolviendo una gran cantidad de problemas esencialmente no relacionados, y que no existe una solución mágica que permita a los programas desarrollar inteligencia general de forma autónoma.

John Brockman compara el enfoque ordenado con la física , en el sentido de que utiliza modelos matemáticos simples como base. El enfoque desordenado es más biológico , ya que gran parte del trabajo implica estudiar y categorizar diversos fenómenos. ^{[ a ]}

La IA moderna tiene elementos de enfoques tanto descuidados como ordenados. Los investigadores de IA descuidados de la década de 1990 aplicaron rigor matemático a sus programas, como lo hicieron los expertos ordenados. ^{[ 5 ] [ 6 ]} También expresan la esperanza de que exista un paradigma único (un "algoritmo maestro") que provoque el surgimiento de la inteligencia general y la superinteligencia. ^{[ 7 ]} Pero la IA moderna también se asemeja a los descuidados: ^{[ 8 ]} las aplicaciones modernas de aprendizaje automático requieren una gran cantidad de ajuste manual y pruebas incrementales; si bien el algoritmo general es matemáticamente riguroso, lograr los objetivos específicos de una aplicación particular no lo es.

La distinción entre ordenado y desaliñado se originó a mediados de la década de 1970, por Roger Schank . Schank utilizó los términos para caracterizar la diferencia entre su trabajo sobre procesamiento del lenguaje natural (que representaba el conocimiento de sentido común en forma de grandes redes semánticas amorfas ) y el trabajo de John McCarthy , Allen Newell , Herbert A. Simon , Robert Kowalski y otros cuyo trabajo se basaba en la lógica y extensiones formales de la lógica. ^{[ 2 ]} Schank se describió a sí mismo como un desaliñado de la IA. Hizo esta distinción en lingüística, argumentando firmemente en contra de la visión del lenguaje de Chomsky. ^{[ a ]}

La distinción también era en parte geográfica y cultural: los atributos "desaliñados" fueron ejemplificados por la investigación en IA en el MIT bajo Marvin Minsky en la década de 1970. El laboratorio era famoso por su "libertad de voluntad" y los investigadores a menudo desarrollaban programas de IA dedicando largas horas a ajustarlos hasta que mostraban el comportamiento requerido. Entre los programas "desaliñados" importantes e influyentes desarrollados en el MIT se encontraban ELIZA de Joseph Weizenbaum, que se comportaba como si hablara inglés, sin ningún conocimiento formal, y SHRDLU de Terry Winograd , ^que podía responder ^con éxito a consultas y realizar acciones en un mundo simplificado compuesto por bloques y un brazo robótico. ^{[ 10 ] [ 11 ] SHRDLU, si bien tuvo éxito, no pudo escalarse a un sistema útil de procesamiento del lenguaje natural, porque carecía de un diseño estructurado. Mantener una versión más grande del programa resultó imposible, es decir ,} era demasiado desaliñado para extenderse.

Otros laboratorios de IA (entre los que destacan Stanford , la Universidad Carnegie Mellon y la Universidad de Edimburgo ) se centraron en la lógica y la resolución formal de problemas como base para la IA. Estas instituciones apoyaron el trabajo de John McCarthy, Herbert Simon, Allen Newell, Donald Michie , Robert Kowalski y otros investigadores destacados.

El contraste entre el enfoque del MIT y el de otros laboratorios también se describió como una «distinción procedimental/declarativa». Programas como SHRDLU fueron diseñados como agentes que realizaban acciones; ejecutaban «procedimientos». Otros programas fueron diseñados como motores de inferencia que manipulaban enunciados formales (o «declaraciones») sobre el mundo y traducían estas manipulaciones en acciones.

En su discurso presidencial de 1983 ante la Asociación para el Avance de la Inteligencia Artificial , Nils Nilsson abordó el tema, argumentando que "el campo necesitaba ambos". Escribió: "Gran parte del conocimiento que queremos que tengan nuestros programas puede y debe representarse de forma declarativa en algún tipo de formalismo declarativo, similar a la lógica. Las estructuras ad hoc tienen su lugar, pero la mayoría de estas provienen del propio dominio". Alex P. Pentland y Martin Fischler, de SRI International, coincidieron en el papel que se preveía para la deducción y los formalismos similares a la lógica en la investigación futura de la IA, pero no en la medida en que lo describió Nilsson. ^{[ 12 ]}

El enfoque poco convencional fue aplicado a la robótica por Rodney Brooks a mediados de la década de 1980. Abogó por construir robots que fueran, como él mismo lo expresó, rápidos, baratos y fuera de control , título de un artículo de 1989 del que fue coautor junto con Anita Flynn. A diferencia de robots anteriores como Shakey o el carrito de Stanford, estos no construían representaciones del mundo analizando información visual con algoritmos derivados de técnicas matemáticas de aprendizaje automático , ni planificaban sus acciones utilizando formalizaciones basadas en la lógica, como el lenguaje " Planner ". Simplemente reaccionaban a sus sensores de una manera que tendía a ayudarlos a sobrevivir y moverse. ^{[ 13 ]}

El proyecto Cyc de Douglas Lenat , iniciado en 1984, fue uno de los primeros y más ambiciosos proyectos para capturar todo el conocimiento humano en un formato legible por máquina, y se describe como "una empresa decididamente desaliñada". ^{[ 14 ]} La base de datos Cyc contiene millones de datos sobre todas las complejidades del mundo, cada uno de los cuales debe ser ingresado individualmente por ingenieros del conocimiento. Cada una de estas entradas constituye una adición ad hoc a la inteligencia del sistema.

En 1986, Marvin Minsky publicó *La sociedad de la mente* , obra que defendía una visión de la inteligencia y la mente como una comunidad interactiva de módulos o agentes , cada uno de los cuales gestionaba diferentes aspectos de la cognición. Algunos módulos estaban especializados en tareas muy específicas (por ejemplo, la detección de bordes en la corteza visual) y otros en la gestión de la comunicación y la priorización (por ejemplo, la planificación y la atención en los lóbulos frontales). Minsky presentó este paradigma como un modelo tanto de la inteligencia humana biológica como de un plan para futuros trabajos en inteligencia artificial.

Este paradigma es explícitamente "desaliñado" en el sentido de que no espera que exista un único algoritmo que pueda aplicarse a todas las tareas involucradas en el comportamiento inteligente. ^{[ 15 ]} Minsky escribió:

¿Qué truco mágico nos hace inteligentes? El truco es que no hay ningún truco. El poder de la inteligencia proviene de nuestra vasta diversidad, no de un único principio perfecto. ^{[ 16 ]}

En 1991, Minsky seguía publicando artículos que evaluaban las ventajas relativas de los enfoques ordenados frente a los desordenados, por ejemplo, “Lógico frente a analógico o simbólico frente a conexionista o ordenado frente a desordenado”. ^{[ 17 ]}

En la década de 1990 se desarrollaron nuevos enfoques estadísticos y matemáticos para la IA, utilizando formalismos muy avanzados como la optimización matemática y las redes neuronales . Pamela McCorduck escribió que «Mientras escribo esto, la IA goza de una hegemonía de la pulcritud, gente que cree que la inteligencia artificial, al menos, se expresa mejor en términos lógicos, incluso matemáticos». ^{[ 6 ]} Esta tendencia general hacia métodos más formales en la IA fue descrita como «la victoria de los pulcros» por Peter Norvig y Stuart Russell en 2003. ^{[ 18 ]}

Sin embargo, para 2021, Russell y Norvig habían cambiado de opinión. ^{[ 19 ]} Las redes de aprendizaje profundo y el aprendizaje automático en general requieren un ajuste fino extenso; deben ser probadas iterativamente hasta que comiencen a mostrar el comportamiento deseado. Esta es una metodología poco rigurosa.

Limpios

• Juan McCarthy
• Allen Newell
• Herbert A. Simon
• Edward Feigenbaum
• Robert Kowalski
• Perla de Judea

Desaliñados

• Rodney Brooks
• Terry Winograd
• Marvin Minsky
• Roger Schank
• Doug Lenat

• Historia de la inteligencia artificial
• computación blanda
• IA simbólica
• Filosofía de la inteligencia artificial

• Brockman, John (7 de mayo de 1996). Tercera cultura: más allá de la revolución científica . Simon and Schuster.ISBN 978-0684823447
• Crevier, Daniel (1993). IA: La tumultuosa búsqueda de la inteligencia artificial . Nueva York, NY: BasicBooks. ISBN 0-465-02997-3..
• Domingos, Pedro (22 de septiembre de 2015). El algoritmo maestro: Cómo la búsqueda de la máquina de aprendizaje definitiva transformará nuestro mundo . Basic Books . ISBN 978-0465065707.
• Lehnert, Wendy C. (1 de mayo de 1994). «5: Cognición, computadoras y coches bomba: cómo Yale me preparó para los 90». En Schank, Robert; Langer, Ellen (eds.). Creencias, razonamiento y toma de decisiones: Psicología-lógica en honor a Bob Abelson (Primera  ed.). Nueva York, NY: Taylor & Francis Group. pág.  150. doi : 10.4324/9780203773574 . ISBN 9781134781621.
• Minsky, Marvin (1986). La sociedad de la mente . Nueva York: Simon & Schuster. ISBN 0-671-60740-5.
• McCorduck, Pamela (2004), Máquinas que piensan (2.ª  ed.), Natick, Massachusetts: AK Peters, ISBN 1-5688-1205-1.
• Russell, Stuart J.; Norvig , Peter (2003). Inteligencia artificial: un enfoque moderno (2.ª  ed.). Upper Saddle River, Nueva Jersey: Prentice Hall. ISBN 0-13-790395-2.
• Russell, Stuart J.; Norvig , Peter (2021). Inteligencia artificial: un enfoque moderno (4.ª  ed.). Hoboken: Pearson. ISBN 9780134610993. LCCN 20190474 . 
• Winograd, Terry; Flores (1986). Comprender las computadoras y la cognición: una nueva base para el diseño . Ablex Publ Corp.

• Anderson, John R. (2005). "Manipulación de símbolos humanos dentro de una arquitectura cognitiva integrada" . Cognitive Science . 29 (3): 313– 341. doi : 10.1207/s15516709cog0000_22 . PMID 21702777 . 
• Brooks, Rodney A. (2001-01-18). "La relación entre la materia y la vida" . Nature . 409 ( 6818): 409– 411. Bibcode : 2001Natur.409..409B . doi : 10.1038/35053196 . PMID 11201756. S2CID 4430614 .  
• Poirier, Lindsay (2025). "Ordenado vs. Desaliñado: Cómo los primeros investigadores de IA clasificaron las culturas epistémicas de la representación del conocimiento" . IEEE Annals of the History of Computing . 47 (2): 7– 19. doi : 10.1109/MAHC.2024.3498692 .