Algunos de los fundadores y líderes en los campos de la inteligencia artificial y la ciencia cognitiva hicieron una dura evaluación ayer por la noche sobre la falta de avances en la IA durante las últimas décadas.

Durante un panel de discusión—moderado por el lingüista y científico cognitivo Steven Pinker—que inició simposio del MIT Brains, Minds, and Machines, los expertos pidieron un regreso al estilo de investigación que marcó los primeros años del campo, un estilo impulsado más por la curiosidad que por aplicaciones limitadas.

"Podríamos preguntarnos por qué no existe ningún robot que pudiera enviarse a arreglar los reactores japoneses", afirmó Marvin Minsky, pionero en las redes neuronales en la década de los 50, y que después pasó a hacer importantes avances durante los comienzos de la IA y la robótica. "La respuesta es que hubo un gran progreso en los años 60 y 70. Más tarde, algo salió mal. Hoy día los estudiantes están entusiasmados con los robots capaces de jugar al baloncesto o al fútbol, o bailar o hacerle muecas. Pero no los están creando más inteligentes".

Patrick Winston, director del Laboratorio de Inteligencia Artificial del MIT de 1972 a 1997, hizo comentarios similares a los de Minsky. "Mucha gente podría protestar ante la opinión de que no ha habido progreso, pero no creo que nadie proteste si afirmamos que podrían haberse dado más progresos en los últimos 20 años. Lo que salió mal en los 80, salió mal".

Winston culpa del estancamiento en parte a la disminución de la financiación después del final de la Guerra Fría y a los primeros intentos de comercialización la IA. Pero el mayor culpable, señaló, fue la "balcanización mecanicista" del campo, cuando la investigación se centró en especialidades cada vez más limitadas, como las redes neuronales o los algoritmos genéticos. "Cuando uno dedica sus conferencias a los mecanismos, existe una tendencia a no trabajar en los problemas fundamentales, sino sólo en los problemas que los mecanismos pueden manejar", afirmó Winston.

Winston señaló que cree que los investigadores deberían concentrarse en aquellas cosas que hacen que los seres humanos sean diferentes de otros primates, o incluso lo que los hacían distintos de los neandertales. Una vez que los investigadores crean haber identificado las cosas que hacen a los seres humanos únicos, explicó, deben desarrollar modelos computacionales de estas propiedades, implementándolos en sistemas reales para que puedan descubrir las lagunas en sus modelos, y perfeccionarlas según sea necesario. Winston especuló que el ingrediente mágico que hace que los seres humanos sean únicos es nuestra capacidad de crear y entender historias usando las facultades que sirven de base al lenguaje: "Una vez que tenemos historias, tenemos el tipo de creatividad que hace que una especie sea diferente de cualquier otra".

Emilio Bizzi, uno de los miembros fundadores del Instituto McGovern de Investigaciones sobre el Cerebro en el MIT, estuvo de acuerdo en que los investigadores deben centrarse en elementos importantes de la inteligencia humana, tales como la capacidad de generalizar las experiencias de aprendizaje, o planear movimientos de manera fluida para evitar obstáculos y alcanzar una meta específica, como agarrar un par de gafas. "Soy optimista y creo que en los próximos años vamos a realizar un gran progreso, y la razón de ello es que existen muchos laboratorios dispersos en diversas partes del mundo que están trabajando en la robótica humanoide".

Los dos lingüistas en el panel, Noam Chomsky y Barbara Partee, hicieron contribuciones fundamentales para nuestra comprensión del lenguaje al considerarlo como un cálculo computacional, en lugar de meramente un fenómeno cultural. Ambos consideraron que la comprensión del lenguaje humano es la clave para crear máquinas realmente pensantes. "Conocer realmente la semántica es un requisito previo para cualquier cosa que quiera llamarse inteligencia", señaló Partee.

Chomsky ridiculizó a los investigadores del aprendizaje de máquinas que sólo utilizan métodos estadísticos para producir un comportamiento que imite a algo en el mundo, pero que no tratan de entender el significado de ese comportamiento. Chomsky comparó a estos investigadores con científicos que estudiasen la danza hecha por una abeja que regrese a la colmena, y que pudieran producir una simulación de esta danza basada en la estadística sin tratar de entender por qué las abejas se comportan de esa manera. "Esa es una idea del éxito [científico] que es muy novedosa. No conozco nada igual en la historia de la ciencia", señaló Chomsky.

Sydney Brenner, que descifró el código de tres letras del ADN con Francis Crick y detalló la estructura neuronal completa del gusano c. elegans a nivel celular, estuvo de acuerdo en que tanto los investigadores dentro de la inteligencia artificial como de la neurociencia podrían acabar sintiéndose abrumados con detalles de superficie en lugar de investigar las cuestiones de mayor calibre subyacentes. Analizando los intentos por replicar su mapa del "diagrama de cableado" neuronal del c. elegans con organismos más complejos, a Brenner le preocupa que los científicos cognitivos y neuronales estén sintiendo un "exceso de entusiasmo" durante dichos intentos. Señaló que, en lugar de eso, deberían centrarse en los problemas de nivel superior. Utilizó la analogía de alguien que toma una foto con un teléfono inteligente: hoy nadie se molestaría en hacer una descripción a nivel de transistor de tal acción: es mucho más útil analizar el proceso en términos de subsistemas de nivel superior y de software.