La nocion de inteligencia despues deComputing Machinery and

Intelligenceuna perspectiva historica

Pedro Montoto Garcia (USC)Enriqe Alonso Gonzalez (UAM)

27 de junio de 2016

((Intelligence is what is measured by intelligence tests.))

E. Boring, circa 1920, en Legg y Hu�er 2007

Resumen

Este trabajo pretende estudiar en profundidad el concepto de inteligenciaque describe el juego de la imitacion, tambien conocido como Test de Turing, enComputing Machinery and Intelligence (Turing 1950). Ofrecemos una panoramicahistorica de la evolucion tecnologica y �loso�ca que conduce a este experimento ylistamos los pros y contras que el mismo tiene para la deteccion de inteligenciageneral. Para ello analizamos la propuesta de Turing para artefactos inteligentesy la relacionamos con los avances tecnologicos desde la publicacion de dichoartıculo. Se presenta como conclusion la caracterizacion experimental de los Testde Turing y derivados del mismo y la necesidad de avanzar hacia un mejor modelode experimentos y de una de�nicion consensuada de inteligencia general. Hemosanadido apendices relatando aspectos secundarios de la evolucion de la maquinariade computo y la psicologıa que ayudan a comprender el contexto en el que esteartıculo fue desarrollado y su evolucion posterior.

Palabras clave: Historia de la Inteligencia Arti�cial, Filosofıa de la InteligenciaArti�cial, Alan Turing, Ciencias Cognitivas, Psicologıa Mecanica

Abstract

�is work intends to study in depth the concept of intelligence as describedin the imitation game or, as it’s also known, the Turing Test, as shown in Com-

puting Machinery and Intelligence (Turing 1950). We o�er a technological andphilosophical bird’s eye view of the evolution that ends up with this experimentand, following that, we enumerate the pros and cons this experiment has in thecase of general intelligence detection. We conclude with the experimental char-acterization of Turing Tests and derivatives and the neccesity of both movingtowards a be�er experiment model and to reach a consensus on the de�nitionof general intelligence. We added, as appendices, information about secondaryaspects of the evolution of computing machinery and also about the evolution ofpsychology in order to help to understand the context this article was developedand the development these disciplines have gone through a�er its publication.

Keywords: History of Arti�cial Intelligence, Philosophy of Arti�cial Intelligence,Alan Turing, Cognitive Sciences, Machine Psychology

Indice general

1 Breve historia de la Inteligencia Arti�cial 1

2 La base fısica de la IA: ¿�e entendemos por construir? 7

3 La de�nicion de inteligencia 13

3.1. Computing Machinery and Intelligence: El juego de la imitacion . . . . . 14

3.2. Limitaciones del Test de Turing . . . . . . . . . . . . . . . . . . . . . . 18

4 Conclusiones 27

A Historia del Hardware Computacional 29

B El giro cognitivista 33

Bibliografıa 37

1 Breve historia de la InteligenciaArti�cial

((I propose to consider the question, “Can machines think?”))

Turing 1950

Todo desarrollo relativo a la Inteligencia Arti�cial comienza con una pregunta deapariencia simple, como ¿es posible construir algo que pueda pensar?, o cuestionesanejas como ¿es posible construir algo vivo? o ¿es posible construir algo que resuelvacualquier problema matematico?, que en realidad presentan otras muchas cuestionesasociadas. Este tipo de ideas no es en absoluto reciente ni mucho menos. La idea de laInteligencia Arti�cial ha existido en diversas formas durante la historia del pensamientooccidental, al menos desde la Grecia clasica, en mitos, leyendas, historias, especulaciony automatas mecanicos y que, a favor o en contra, intentan dar una respuesta �nal aesta especie de sueno colectivo. Trataremos de ofrecer un recorrido historico que nospermita entender el contexto en el que (Turing 1950) fue concebido. En este primerepıgrafe justi�camos el interes del tema tratado en el artıculo a analizar y esbozamosuna historia de la idea de creacion de objetos inteligentes.

En las primeras leyendas griegas de las que tenemos constancia, alrededor del sigloV a.C., se tratan entre otros temas las estatuas de Pigmalion traıdas a la vida por Afrodita,diosa de la vida y del amor, y la historia de Hefesto, dios de la forja, que era capaz deconstruir ayudantes dorados para los dioses. De todo esto nos llega noticia a traves de laPolıtica de Aristoteles, que crea uno de los primeros ejemplos de ciencia �ccion polıtico-social, planteando la cuestion de que ocurrirıa si tuviesemos maquinas/automatas/seresarti�ciales inteligentes:

1

Pues si cada uno de los instrumentos pudiera cumplir por sı mismo sucometido obedeciendo ordenes o anticipandose a ellas, si, como cuentan delas estatuas de Dedalo o de los trıpodes de Hefesto, de los que dice el poetaque entraban por sı solos en la asamblea de los dioses las lanzaderas tejieransolas y los plectros tocaran la cıtara, los constructores no necesitarıanayudantes ni los amos esclavos. (Aristoteles 1988, Aristot. Pol. 1.1253b)

Prosiguiendo, el Talmud, compilado entre los siglos I y VI, habla de golems creadosde tierra a los que hombres santos y doctos podrıan infundir de vida. En el siglo XII elmallorquın Ramon Llull construye un conjunto de discos de papel que teniendo comobase la logica escolastica y convenientemente combinados y rotados permitirıan dirimircualquier discusion teologica, sistema que llamo Ars Magna. En algun momento entre�nales del siglo XV o principios del XVI Leonardo da Vinci crea unos esquemas para unrobot-caballero que serıa capaz de sentarse, levantarse y mover los brazos manipulado,eso sı, por un humano1.

En el siglo XVII se desarrolla, debido al auge del racionalismo y las ideas humanistas,la idea de que todo puede ser explicable mediante metodos mecanicos y matematicos2,incluidos los seres vivos. Se puede decir incluso que hasta esta epoca, desde la Greciaclasica, vida e inteligencia solo podıa ser algo otorgado por dioses u otros seres omni-potentes mas alla del universo fısico, al darse que cualquier creacion humana no puedesuperar una imitacion de la vida que la divinidad otorga. Hobbes, en este mismo siglo ensu Leviathan, contempla la posibilidad de crear un ingenio mecanico que se comportecomo un animal, pues todos los organos para el tienen paralelismos con la mecanica: “elcorazon no es mas que un muelle, los nervios son cuerdas” y pasajes similares aparecena lo largo de su obra. Descartes, por el contrario, creıa que las maquinas serıan incapacesde pensamiento real pues solo estan formadas por materia y serıa imposible dotarlas demente ya que la res cogitans es inmaterial. Algunos pensadores creen ver en Leibniz unavance de la Inteligencia Arti�cial ya que, al igual que Hobbes, concebıa que todo loque hace la mente son computaciones, en De arte combinatoria.

En el siglo XVIII Jacques de Vaucanson presenta un automata que es capaz desimular un pato vivo en algunos de sus aspectos, construido mediante un armazonmetalico adornado con plumas de pato y componentes de relojerıa y mecanica, que

1Este robot se presento funcionando en una �esta de la epoca en la corte de Venecia en 1495organizada por Ludovico Sforza, y mas recientemente un empresario llamado Mark Elling Rosheimreconstruyo los disenos de Leonardo, probando que los mismos eran sensatos y funcionales.

2Verbigracia citamos el tıtulo de la publicacion de Isaac Newton Principios matematicos de la �losofıanatural cuyo tercer tomo lleva por tıtulo El sistema del mundo

2

era capaz de comer grano, beber y “digerir” (En realidad el producto de la digestionya estaba en el interior del pato para la simulacion). Jacques de Vaucanson tambienes el inventor de las primeras tarjetas perforadas entendidas como contenedoras deprogramas, secuencias de acciones, para entes mecanicos. Estas tarjetas se usaran enla “programacion” de telares mecanicos en el siglo XIX y a principios del siglo XXpodremos ver ya maquinas calculadoras que permitıan hacer operaciones aritmeticasusando estas tarjetas como entrada y salida de informacion. Tambien en el siglo XVIIIse creo el “Turco mecanico”, un automata que podıa jugar al ajedrez como un maestro yque como exhibicion del mismo fue enviado de gira por las cortes de Europa de la epocaretando y ganando a soberanos y estrategas. Mas tarde se supo que este “automata”debıa su genialidad a un maestro de ajedrez humano que se ponıa en su interior encada partida, una maniobra que continua siendo usada hoy para entrenar o suplir lascapacidades que aun no sabemos construir en maquinas.

A partir del siglo XIX comenzamos a ver por doquier obras de teatro, narracionesy pelıculas que hablan del que ocurrirıa si las maquinas pudiesen pensar o actuarcomo humanos3. Es evidente, por tanto, que muchos de los problemas que planteael nacimiento de la IA no son nuevos. El siglo XIX ve el renacer de la logica comodisciplina academica en trabajos como �e Laws of �ought de George Boole o elBegri�sschri� de Go�lob Frege, que son el antecesor directo de las ciencias y maquinariade la computacion.

Para la descripcion de las condiciones tecnicas en las que se gesto (Turing 1950)comenzaremos por el cerebro, organo que tradicionalmente se considera como fuentede los comportamientos inteligentes.

Luigi Galvani descubrio, en el siglo XVIII, que las senales neuronales son esencial-mente de naturaleza electrica al experimentar con corrientes electricas y musculos derana. La disciplina que estudia la “maquinaria” del cerebro, la neurociencia, fue inau-gurada a principios del siglo XX por Camilo Golgi y Santiago Ramon y Cajal. CamiloGolgi habıa inventado un metodo de contraste que permitıa distinguir la estructuradel tejido cerebral y sus rami�caciones mediante microscopio, mientras que Ramon yCajal, continuando el uso de este metodo creo la teorıa de que el tejido cerebral no secomponıa de una malla de hilos neuronales, sino que dicho tejido estaba formado porcelulas contiguas pero separadas entre sı, las neuronas.

En (McCulloch y Pi�s 1943) se crea el primer modelo computacional bioinspirado

3Como veremos, entre el pensar y el actuar como humanos se puede adoptar una postura completa-mente funcionalista, como la que adopta Turing, estableciendo una diferencia entre la percepcion de unacto inteligente y el proceso hipotetico subyacente que lo hace posible, el pensamiento.

3

de neuronas arti�ciales y se demuestra como podıan usarse dichas neuronas arti�cialespara calcular funciones logicas basicas: las neuronas reciben un numero de senales deotras neuronas y emiten senal si la intensidad total sobrepasa un umbral interno, esdecir, las neuronas pueden expresarse mediante una funcion de enteros en enteros4,en concreto del tipo f : {0,1}n→ {0,1}. El propio Turing (Turing 1937) describe unprocedimiento para calcular funciones entre enteros, del que hablaremos en la siguienteseccion, que McCulloch y Pi�s demostraron equivalente al poder de computacion desus neuronas arti�ciales, avanzando tambien sistemas de aprendizaje automatico.

Dentro del campo psicologico el trabajo de Turing se encuentra como precedente delfuncionalismo (Levin 2013), en tanto asume que el proceso mental, aunque imposible deobservar directamente, es importante para la generacion de comportamiento inteligente.El funcionalismo es una escuela de pensamiento psicologico que trata de superar elconductualismo, para el cual todos los comportamientos conscientes son el resultadode un condicionamiento inconsciente, mediante refuerzo o inhibicion de acuerdo alresultado que se ha obtenido despues de cierto comportamiento (i.e. comportamientoscon resultado positivo para el actor se promueven y viceversa). Antes de la apariciondel conductualismo la unica forma que que se aceptaba para la elaboracion de teorıaspsicologicas era la introspeccion, sistema que tendıa a provocar que los unicos datosque llegaban a publicarse fuesen los que concordaban con las teorıas populares en cadagrupo de investigacion (Russell y Norvig 1994, p.13).

La aparicion de grupos de interes para la creacion de maquinas inteligentes pro-vocara que se creen grupos de estudio comunes entre psicologos, neurocientı�cos ycientı�cos de la computacion, lo que se ha dado en llamar ciencias cognitivas. Relatamossu origen en el apendice B, ya que no es tan relevante para la elaboracion del argumentode Turing, pero realmente importante en la evolucion posterior como integracion deesfuerzos de la IA, la neurociencia y la psicologıa.

Tenemos por tanto una arquitectura general de lo que suponemos la base de loscomportamientos inteligentes y hemos identi�cado los elementos mınimos del sistema,las neuronas, estableciendo una relacion clara con la disciplina de la computacion y lacomunicacion5, por lo que dentro de la interpretacion mecanicista habitual en la epoca

4Una crıtica a este sistema (Penrose 2006) a�rma que las senales de entrada y salida del sistema deuna neurona pueden ser binarias, pero es necesario un sistema en el que se apliquen efectos cuanticospara poder simular completamente esta funcion entre conjuntos binarios.

5En concreto, el hecho de que ambos sistemas, neuronas y chips electronicos, esten basados ensenales electricas y binarias. La publicacion en 1949 de A mathematical theory of Communication porWarren Weaver, fundador de la cibernetica, y Claude Shannon, que inaugura la cuanti�cacion (i.e. lareduccion a senales cuantizadas o discretas, que en ultima instancia pueden ser binarias) de la informacioncontenida en un mensaje, es clave para entender esta relacion.

4

serıa su�ciente estudiar sus relaciones y establecer un modelo matematico para obtenerun sistema que nos permitiese simular el objeto de estudio. Es evidente, en retrospectiva,que ni el conocimiento ni la tecnologıa de la epoca eran su�cientes para la simulacionde un cerebro o de un sistema cognitivo completo, sin embargo la con�uencia de estasideas ha dado fruto en numerosas tecnologıas y nuevos campos de estudio.

En de�nitiva la IA trata de construır y estudiar los mecanismos que producen, porun lado, comportamientos o pensamiento de tal forma que se alineen, por otro lado, conunos criterios bien de racionalidad ideal o bien de semejanza con lo humano (Russelly Norvig 1994, p.5), tal que ası:

Objetivo Pensar Actuar

Racional Leyes del Pensamiento Agentes RacionalesHumano Modelado Cognitivo Test de Turing

Ası, un sistema capaz de Pensar Racionalmente deberıa ser capaz de realizar infe-rencias correctas a partir de datos dados de acuerdo a sistemas de logica proposicional,i.e. inferencias inescapables de acuerdo a las supuestas leyes del pensamiento, en elestilo inaugurado por Boole. Un sistema capaz de Actuar Racionalmente elabora en estasleyes del pensamiento un procedimiento de decision que le permite en toda situacionactuar de tal manera que la situacion planteada y la decision tomada deben estar enuna relacion de consecuencia logica desde unos principios de decision racional. Sinembargo, las decisiones tomadas por humanos suelen tener desviaciones e inconsis-tencias respecto a lo racional (Tversky y Kahneman 1981), por lo tanto presuponemosque los Pensamientos Humanos no siguen completamente las leyes de la logica y esnecesario establecer un modelo que los describa completamente. Como es imposible,por el momento, observar directamente los sistemas que dan lugar a las decisiones, sehace imperativo el establecimiento de tecnicas que permitan averiguar la relacion entrelos actos observados y el pensamiento que suponemos hay detras de los mismos. ElTest de Turing se encuadra en la observacion de dichos actos y, aunque supone queexiste una relacion entre pensamiento y acto, no nos permite investigar en profundidad,per se, la estructura del pensamiento, como veremos en el apartado 3.

Siendo los humanos los unicos seres con los cuales actualmente podemos compartirpensamientos, a traves del lenguaje, no llega a ser una sorpresa que sea el unico caminoque podemos tomar para la deteccion de Inteligencia Arti�cial un artefacto (conceptoque exploraremos en el apartado 2) es inteligente si los humanos lo designamos comointeligente en la realizacion de una tarea de forma relativa a la realizacion de la mismapor parte de un humano, siendo las descripciones de la racionalidad una idealizacion del

5

proceso de toma de decisiones humano. O, dicho de otra forma, no podemos a�rmar ninegar que exista inteligencia detras de las acciones humanas, pero sı podemos a�rmarque existen comportamientos designados como inteligentes. Por tanto, creemos quela caracterizacion de inteligencia como una cualidad ideal es contraproducente paralos objetivos de la Inteligencia Arti�cial, siendo unicamente identi�cables los actosinteligentes para un modelo mental subjetivo de la realidad que un observador de dichoacto posee. Se puede decir, resumiendo, que a falta de una descripcion de la inteligenciaen sı esta es esencialmente performativa. Ahondaremos en este tema en el apartado 3,ya que es fundamental para entender el Test de Turing.

6

2 La base fısica de la IA:¿�e entendemos por construir?

“Intelligence is the ability to use optimally limited resources – including time– to achieve goals.”

Ray Kurzweil, 2000, en (Legg y Hu�er 2007)

Para la construccion de inteligencia precisamos, por tanto, de�nir que entendemospor construccion. Esto presenta un numero de problemas, como veremos, que no entranpor completo en el alcance de este trabajo, pero creemos que conviene re�ejar el cambiode concepto que se ha dado en el ultimo siglo, aunque los grupos de tecnologos ycientı�cos (ingenieros, matematicos, biologos, psicologos y cientı�cos sociales) quetrabajan en Inteligencia Arti�cial no suelan tenerlo en cuenta.

Creemos que esta introduccion es necesaria para despojar las ideas sobre artefactosinteligentes del misticismo que las rodea, por tanto es necesario de�nir con precisionque entendemos por “construir” (o “maquina”) y por “pensar”. En palabras de Turing:

�is should begin with de�nitions of the meaning of the terms “machine”and “think”. �e de�nitions might be framed so as to re�ect so far as possiblethe normal use of the words, but this a�itude is dangerous, If the meaningof the words “machine” and “think” are to be found by examining how theyare commonly used it is di�cult to escape the conclusion that the meaningand the answer to the question, “Can machines think?” is to be sought in astatistical survey such as a Gallup poll6. (Turing 1950, apartado 1)

6Una empresa americana de investigacion en opinion publica creada en 1930.

7

Normalmente de�nimos artefacto (Franssen, Lokhorst y Poel 2013, apartado 2.5;Hilpinen 2011, apartado 4) como una entidad en la que algunas o todas sus propiedadespreexisten en la intencionalidad de un autor, siendo necesaria la preexistencia delautor naturalmente. Restringiremos la de�nicion de entidad a que se trata de un objetomaterial limitado en el espacio que podemos designar con un nombre, aunque quees un problema mucho mas amplio que el alcance de este trabajo, perteneciente alas disciplinas de la metafısica y la epistemologıa. Por tanto, una entidad dada es unartefacto si estas propiedades existen en la descripcion dada desde la intencion del autory son aceptadas como validas en la descripcion de lo construido por el autor, i.e. elautor determina unas propiedades necesarias desde su intencion al crear el objeto, queguiaran el proceso de construccion, y valida que dicho objeto posee las caracterısticasque se esperaba del mismo.

De acuerdo con la terminologıa relativa a la Filosofıa de la Tecnologıa, “por tecnologıase entiende un conjunto de conocimientos de base cientı�ca que permiten describir,explicar, disenar y aplicar soluciones tecnicas a problemas practicos de forma sistematicay racional” (�intanilla 2000, p. 2). Al existir el objetivo de resolver un problema practicose entiende que la intencionalidad de dicha tecnologıa es resolver el citado problema,por lo tanto se de�ne la Inteligencia Arti�cial como una ciencia cognitiva (ver apendiceB) cuyo objeto de estudio son los sistemas que generan comportamientos inteligentes(por ejemplo, los seres humanos). La Inteligencia Arti�cial obtiene ası conocimientocientı�co que se emplea en crear una tecnologıa asociada con el objetivo de construirsistemas tecnicos o artefactos que puedan comportarse de forma inteligente, tecnologıaque en general se conoce tambien como Inteligencia Arti�cial.

Aristoteles, en su Fısica incluye una de�nicion similar para la diferencia entre los“productos naturales” que se generan por sus propios impulsos internos mientras quelos “productos arti�ciales” precisan de una intencionalidad humana. Avicena criticabaen la edad media que la alquimia jamas podrıa conseguir “sustancias genuınas” comolas presentes en la naturaleza precisamente por ser un constructo con intencionalidadhumana (Franssen, Lokhorst y Poel 2013, apartado 1.1). En este caso, para mantener eldebate cerrado en torno a lo que nos proponemos de�nir, i.e. lo que es un constructoidoneo para la Inteligencia Arti�cial, asumiremos que no existe autor en los entesnaturales y que son generados mediante procesos carentes de intencionalidad, es decir,asumimos que no existe ningun creador de los entes naturales o, de existir, no podemossaberlo.

En consecuencia, la diferenciacion natural-arti�cial es problematica. Los avancesmas recientes en biologıa, quımica e Inteligencia Arti�cial y las promesas de avances

8

futuros nos llevan en ultima instancia que lo “arti�cial” podrıa diferir solamente de lo“natural” en una cuestion de proceso, lo que podrıa convertir la dicotomıa “natural”-“arti�cial” en vacua: Si no podemos distinguir natural de arti�cial sin conocer el procesoque ha generado la entidad en cuestion y las entidades generadas por procesos “natu-rales” o “arti�ciales” son indistinguibles, observar dichas entidades antes de conocerel proceso impide distinguir cual es “natural” o “arti�cial” a menos que los etiquete-mos arbitrariamente. Distinciones aun mas sutiles agudizan el problema: ¿una personanacida por fecundacion in-vitro, clonada o cesarea ha nacido por un proceso naturalo arti�cial?, ¿podemos considerar las personas que demuestren inteligencia y hayannacido mediante metodos que aparentemente son no naturales Inteligencia Arti�cial?Turing anticipa este problema y a�rma:

Finally, we wish to exclude from the machines men born in the usualmanner. […], for it is probably possible to rear a complete individual from asingle cell of the skin (say) of a man. To do so would be a feat of biologicaltechnique deserving of the very highest praise, but we would not be inclinedto regard it as a case of “constructing a thinking machine.” �is promptsus to abandon the requirement that every kind of technique should bepermi�ed. (Turing 1950, apartado 3)

La razon de esta problematica es que las cualidades del artefacto que lo hacen“natural” o “arti�cial” no son inherentes al mismo una vez el sistema tecnico parala imitacion ha sido lo su�cientemente perfeccionado. Este hecho sera de especialrelevancia cuando comentemos el juego de la imitacion, y Turing ya anticipa esta crıticalimitando lo que pueda a�rmarse como maquina inteligente construida.

Por tanto, la distincion “inteligencia natural”-“inteligencia arti�cial” solo podrıadarse en dos casos, al tratarse de una cualidad solo observable en su manifestacioncomo actos inteligentes: i.e. dado el caso de que ambas entidades sean indistinguiblespor sus actos inteligentes, o bien se conoce el proceso de creacion de ambas entidades, obien se conoce que ambos tienen un asentamiento material diferente, uno de los cualesha sido identi�cado como natural, antes de su evaluacion como inteligentes.

Conviene resaltar que todas las referencias que se han podido compilar para estetrabajo no adoptan una postura respecto a las bases �loso�cas de la distincion natural-arti�cial o de la teleologıa de los componentes de la inteligencia, y la proposicionde Turing parece demasiado arbitraria dados los avances en ingenierıa genetica ycomputacion basada en soportes biologicos. La mayorıa de la literatura se limita apresentar diferentes modelos matematicos equivalentes a la Maquina de Turing, que

9

explicaremos a continuacion.Alan Turing formaliza (Turing 1937) una idea intuitiva de maquina capaz de realizar

calculos 7, que hoy conocemos generalmente como Maquina de Turing. Dicha maquinadesprovista del aparataje formal matematico consiste en una cinta en la que se puedenescribir y sobreescribir sımbolos, teniendo capacidad in�nita numerable para sımbolosy siendo el sımbolo la unidad de lectura y escritura, y un dispositivo de maquina deestados que de�ne una funcion parcial de aplicacion continua hasta que se alcanza unestado de parada. Esta funcion nos dice que si la maquina se encuentra en un estado xt ylee en la cinta un sımbolo si: escribira en esa misma posicion un sımbolo so (que puedeser igual a si), se movera una posicion adelante o atras, y se movera al estado xt+1, ose quedara en xt segun el “programa” descrito por la funcion. La de�nicion de funcionrecursiva toma pues, la forma de esta maquina de estados con memoria sobreescribible.

Se dice que un computador u otro modelo de funcion computable es Turing-completosi en caso de poder ser dotado con una memoria in�nita, que por motivos practicos esimposible en computadores no teoricos, fuese capaz de calcular las mismas funcionesque una maquina de Turing.

Describimos pues la convencion actual del artefacto computacional como soportefısico de la Inteligencia Arti�cial, derivada del artıculo de Turing 1950, apartados 4 y 5que se limita a describir un “computador digital” que podrıa llevar a cabo las mismastareas que un “computador humano8” dotado de un libro de reglas de las cuales nose puede desviar y un suministro ilimitado de material de escritura. Esencialmente,el computador humano es el responsable de leer, ejecutar y controlar el estado delprograma escrito en el libro, usando el papel para recordar los datos que sean necesarios,lo que es equivalente a la arquitectura de von Neumann para computadores electricos.Dicha arquitectura es equivalente a una maquina de Turing, siendo sus limitacionesrespecto al modelo teorico esencialmente tecnologicas (i.e. como ya hemos dicho, esimposible construır una memoria in�nita como la que la maquina teorica posee, videTuring 1950, apartado 4).

Describimos aquı el equivalente moderno de la propuesta de Turing, que esencial-mente no posee capacidades adicionales salvo ser mas rapido y tener una menor tasade fallos, lo que en la jerga del ingeniero en computacion serıa la “infraestructura”, y

7�e Turing usarıa, probablemente sin formalizar, en sus implementaciones de las Bombes, unas delas primeras maquinas de calculo electricas que fueron usadas para acelerar el descifrado de mensajesalemanes en la Segunda Guerra Mundial. Sobre la manera en la que el artefacto precede a su teorizacionen la ciencia de la computacion puede leerse en (Alonso 2006, apartado 1).

8Antes de la aparicion del computador domestico se llamaba computers a las personas que realizabancomputos, aunque en general solo en contextos cientı�cos.

10

que se compone normalmente de estos cuatro elementos:

En el nucleo del artefacto tenemos el soporte fısico de computo: hablamos ge-neralmente de una maquina de computo de proposito general con procesadoraritmetico-logico y memoria, que contendra datos y programa de acuerdo a laarquitectura von Neumann, o mas recientemente, de varias de estas maquinasconectadas mediante una red de datos (llamado procesamiento distribuıdo) ofuncionando sobre una memoria compartida (llamado procesamiento paralelo).

Este elemento se suele cargar con un sistema operativo que establece una capa deabstraccion sobre los elementos fısicos para que los programadores puedan usartodos los componentes de forma simple y e�ciente, ya que se encarga tambien deotorgar el control de recursos fısicos a programas.

Sobre los sistemas operativos se opera mediante lenguajes de programacion,que consisten en abstracciones sobre los sistemas del mismo que alcanzan alsistema fısico de computo y que al mismo tiempo ofrecen una manera de expresaralgoritmos. Cada lenguaje ofrece diferentes estructuras computacionales que loshacen mas adecuados para expresar un tipo de algoritmo u otro, aunque todossuelen tener la misma capacidad teorica, esto es, la Turing-completitud.

En ultima instancia tenemos los algoritmos y estructuras de datos que nos per-miten resolver el problema que estemos tratando. Esta es la parte esencial delsistema que identi�camos como Inteligencia Arti�cial, ya que todos los sistemasactuales poseen pequenas variaciones de los sistemas precedentes siendo loscambios en algoritmia los mas relevantes hoy en dıa.

Como vemos, cada parte del sistema de computo establece abstracciones sobre elelemento anterior dando lugar a la posibilidad de construir elementos mas complejos:los algoritmos se escriben en lenguajes de programacion, que se compilan o interpretanpara una maquina de computo y un sistema operativo. La ventaja consiste en que loslenguajes de alto nivel dan facilidades para escribir algoritmos mas complejos que losconjuntos de instrucciones mınimos de cada maquina particular. A su vez los sistemasoperativos generalizan funcionalidades sobre maquinarias diferentes, por ejemplo, unaunica forma de interaccion para los diferentes discos duros y sistemas de archivos. Cadauna de estas partes puede considerarse como un problema en sı mismo, lo que ayuda ala simpli�cacion de su resolucion en conjunto, y a la division en tareas de los grupos deinvestigacion. Sobre la evolucion de las maquinas de computo modernas puede leerse el

11

apendice A. De la relacion entre estos elementos y sobre las necesidades que provocansu aparicion puede leerse (Ceruzzi 1998).

Para el futuro de la computacion se consideran hoy relevantes 3 tecnologıas quepodrıan sustituir la computacion electronica: computadores fotonicos, cuanticos ybioquımicos. La expansion de la tecnologıa electronica mediante elementos opticos,con la promesa de mayor velocidad al ser las interacciones entre fotones mas rapidasque las interacciones entre electrones. Tambien la computacion cuantica, que utilizalos fenomenos a nivel de partıcula atomica, lo que permite la paralelizacion masiva delas operaciones de calculo. Y, �nalmente, la computacion basada en ADN y biologıamolecular, basada en las interacciones quımicas entre proteınas y acidos o en losintercambios quımicos entre celulas como en las sinapsis neuronales. Estas tecnologıastienen una relacion inherente con la base fısica o biologica de los seres vivos, y aunqueno resulten productivas para los problemas de computacion actuales 9 podrıan darnosesa capacidad de imitacion a todos los niveles que mencionamos anteriormente.

9Por ejemplo, se asume que la computacion basada en elementos biologicos resulta mas lenta que suequivalente electronico pero permite el procesado paralelo en una escala mucho mayor, lo que puede sertambien una propiedad de la computacion cuantica segun la implementacion que siga.

12

3 La de�nicion de inteligencia

“Viewed narrowly, there seem to be almost as many de�nitions ofintelligence as there were experts asked to de�ne it.”

R. J. Sternberg, citado en Legg y Hu�er 2007

Entender que es inteligencia uno de los temas centrales y de difıcil solucion en elcampo de la �losofıa de la Inteligencia Arti�cial y de la psicologıa, tal y como se puedecomprobar en la diversidad y numero de de�niciones en (Legg y Hu�er 2007). En primerlugar, a�rmar que existe una “inteligencia” como entidad separada del mundo fısiconos parece un platonismo peligroso, al no poder esta observarse directamente comovenıamos avanzando, y por ello hemos propuesto reemplazarla por “comportamientosinteligentes relativos a una tarea dada”10. “Inteligencia”, como venimos comentando, noes predicable directamente de agentes sino que, a traves comportamientos que cali�can adicho agente como inteligente, usamos esta palabra a modo de abreviatura que englobatodos estos actos (Diamant 2015). Turing, precisamente, describe la inteligencia deforma similar en su juego de la imitacion, que comentamos y criticamos en esta seccionpara demostrar la necesidad de avanzar hacia una mejor de�nicion de inteligencia, yasea de modo experimental y reproducible o bien de modo teorico partiendo de axiomasfenomenologicos.

10“Plato’s perspective, particularly in the Timaeus, describes intelligence as something which – eithermetaphorically or literally – exists independently of bodies, but not of souls” (Carpenter 2008). En tantoasumamos que la inteligencia carece de base material no puede obtenerse conocimiento empırico de lamisma, por tanto nos centramos en las muestras de inteligencia que sı podemos observar.

13

3.1. Computing Machinery and Intelligence: El juegode la imitacion

Pasamos ahora a comentar el artıculo que da tıtulo a este trabajo, historicamente lafundacion y guıa (Hayes y Ford 1995) de la investigacion rigurosa hacia maquinas concomportamientos inteligentes, Computing Machinery and Intelligence. Turing de�nepor primera vez un metodo de deteccion no formal pero reproducible de lo que es uncomportamiento inteligente. Aunque dicho artıculo ha ido perdiendo relevancia en lasciencias de la computacion a medida en que estas se han ido acercando a la resolucionde problemas concretos en lugar de la creacion de inteligencia general, sigue siendo unartıculo vigente en investigacion �loso�ca.

En resumidas cuentas, Turing enuncia las reglas del juego que permitirıa descubrirsi una maquina esta pensando o no. Este juego consiste en:

Se escogen 3 sujetos humanos, una mujer, un hombre y un interrogador.

El interrogador tiene el objetivo de adivinar quien es el hombre y quien la mujer.Turing no de�ne el sexo del interrogador, aunque se re�ere a “el” suele interpre-tarse que es simplemente por economıa de lenguaje.

El hombre debe convencer al interrogador de que es una mujer.

La mujer ha de ayudar al interrogador a tomar la decision correcta.

Los participantes no deben poder verse.

Los canales de comunicacion deben de estar anonimizados de tal forma que noden pistas de quien es quien. Se sugiere comunicacion unicamente escrita.

Seguidamente pasa a considerar que ocurrirıa si sustituyesemos al hombre por unamaquina capaz de realizar conversaciones imitando a humanos, i.e. la maquina debeconvencer al interrogador de que es una mujer humana. En todo caso, el valor deljuego de la imitacion es que de�ne un experimento para la deteccion de un tipo decomportamientos inteligentes, la habilidad de entender y responder a las interaccionesen una conversacion a 3 bandas.

Hay un punto que suele escapar a las discusiones sobre este artıculo sobre el quenos gustarıa llamar la atencion y es que Turing explıcitamente dice:

14

“Will the interrogator decide wrongly as o�en when the game isplayed like this as he does when the game is played between a man and awoman? �ese questions replace our original, Can machines think?” (Turing1950, apartado 1)

Es decir, el juego no trata de identi�car siempre a la maquina como humana sino quelos errores de identi�cacion de un humano entre mujer y hombre sean estadısticamenteparecidos a los que se cometan en la identi�cacion entre mujer, hombre o maquina. Siun hombre humano tratando de imitar una mujer falla, algo que no esta fuera de loconcebible, ¿deja de ser inteligente o no? Por ello se hace esta distincion estadıstica. Esdecir, Turing acepta el error en la identi�cacion y lo hace parte de la prueba, siendoel error en asignacion de objetos a categorıas inherente a la cognicion humana, porser este un proceso subjetivo (Lako� 1987). Tambien, comunmente se considera quela interpretacion correcta del juego no consiste en identi�car la maquina como mujer,sino como humana simplemente y sin embargo, el hecho de que al interrogador no se leindique que podrıa estar interrogando a una maquina tiene consecuencias tan profundasque podrıa considerarse un juego completamente diferente (Hayes y Ford 1995, apartado2). Dado que la interpretacion estandar considera irrelevante el sexo de los participantes(Oppy y Dowe 2016, apartado 3.1), usaremos tambien esta interpretacion.

Turing pasa despues a describir las maquinas que podrıan ser programadas paraparticipar en el test, que salvo mejoras tecnologicas se corresponden con el nivelmaquina de la arquitectura de computador digital que describimos en el epıgrafe 2. Elresto de niveles de abstraccion, como ya hemos explicado, facilitan la implementaciondel algoritmo proveyendo abstracciones sobre la maquina basica de computo pero nopueden aumentar las capacidades teoricas de la maquina. Por analogıa, de la mismamanera que al realizar deducciones matematicas no partimos obligatoriamente delconcepto de numero: el matematico en general se apoya en abstracciones y teoremasya demostrados. Turing indica que lo relevante en este constructo no es la maquina ensı, sino el algoritmo que produce los comportamientos inteligentes:

“But in view of the universality property we see that either of thesequestions is equivalent to this, “Let us �x our a�ention on one particulardigital computer C. Is it true that by modifying this computer to have anadequate storage, suitably increasing its speed of action, and providingit with an appropriate programme, C can be made to play satisfactorilythe part of A in the imitation game, the part of B being taken by a man?””(Turing 1950, apartado 5)

15

Turing a continuacion anticipa una serie de 9 objeciones, numeradas, que impedirıanla construccion de dicha maquina, que reproducimos aquı agrupandolas en tres grandescategorıas y actualizando las crıticas a dichas objeciones (re�ejamos el numero en elartıculo en negrita). Primera categorıa, “La maquina no puede poseer cierta caracterısticahumana”:

1 Las maquinas carecen de alma.

2 Las consecuencias de la maquina inteligente son temibles ya que el hombre nodebe ser sobrepasado (Interpretado literalmente por Turing como “El ser humanodebe estar por encima de todas las cosas”).

4 Las maquinas no pueden tener consciencia ni sensibilidad.

5 Las maquinas no pueden X, siendo X una cualidad humana como “amar, aprender,ser el sujeto de su propio pensamiento, tener errores, etc.”.

6 Ada Lovelace, en sus notas sobre el motor diferencial de Babbage, dice que lamaquina “no puede hacer otra cosa que aquella que sepamos ordenarle comohacer, mas no tiene pretension de generar nada por sı misma”, es decir, carecende creatividad.

9 Las maquinas no pueden tener Percepcion Extra-Sensorial.

Estas objeciones son respondidas por Turing con contraargumentos del tipo “enrealidad, no se puede saber que las maquinas no puedan tener, o incluso que los hu-manos tengan dicha caracterıstica”. Consideramos, mas formalmente, que 1, 2, 4 y9 no afectan al test al ser este funcionalista11 y las crıticas estar fundamentadas ensupuestas propiedades de la esencia humana cuya existencia no ha sido probada, ode la estructura interna de la mente. 5 y 6 son dudables ya que tambien carecen dejusti�cacion, basandose en los prejuicios del crıtico, siendo “al estar programadas parael test, deberıan ser capaces de simular X” siempre que X sea una habilidad evaluableen conversaciones, una contra-crıtica equivalente que es la que Turing parece esgrimir.

Segunda categorıa, “Objeciones matematicas”. Al ser la base de la maquina inteligen-te propuesta por Turing un constructo capaz unicamente de realizar matematica sobreconjuntos discretos (Turing-completitud, recordemos), surgen las siguientes objeciones:

11Una de las pocas alternativas a 4 es caer en el solipsismo, asumiendo que una maquina o humanoque pase el test (intercambiables, recordemos) puede no ser consciente mientras que uno mismo lo es.

16

3 La maquina no puede tratar problemas indecidibles de la logica al estar basada enella (i.e. preguntada por el problema de la parada la maquina darıa una respuestaerronea o entrarıa en un bucle in�nito).

7 La maquina es un artefacto limitado a dominios discretos mientras que el cerebrohumano opera sobre dominios continuos.

Turing considera que no existe demostracion de que las limitaciones de 3 no ocurrantambien en la mente humana y, que si una maquina da una respuesta erronea a estosproblemas no es relevante puesto que hay humanos que tambien la darıan. Esta crıticaa 3 se usa tambien como base para hablar de la superarticularidad, consistente en elaumento de capacidades intelectuales humanas como resultado de la competencia conmaquinas mas inteligentes que estos:

“�ere would be no question of triumphing simultaneously over allmachines. In short, then, there might be men cleverer than any givenmachine, but then again there might be other machines cleverer again, andso on.” (Turing 1950, apartado 6, punto 3)

Como respuesta a 7 Turing a�rma que un ajuste discreto a una funcion continua, di-gamos, calcular el valor exacto de π , podrıan darse resultados su�cientemente similaresa los que un humano darıa para las preguntas formuladas en el juego (i.e. numerosde precision �nita su�cientemente cercanos al valor de π como 3,1415), y, en todo caso,como ya hemos visto las neuronas operan fundamentalmente en terminos discretos.

Tercera categorıa, la objecion numero 8: “El comportamiento humano es arbitrario”.Esta objecion consiste en que no existe un algoritmo o una tabla de reglas para calcularo predecir el comportamiento de un sujeto humano en todos las situaciones posibles.El contraargumento de Turing a�rma que no es sensato a�rmar que los humanos no“funcionan” bajo tales reglas (en cuyo caso serıan ciertamente una maquina, fuere ono Turing-completa) ya que no se ha demostrado, mediante la ciencia, que no existan.Como extension a�rma que si tuviesemos un programa que responde a un numero dedieciseis cifras con otro de forma arbitraria un observador podrıa similarmente concluirque es completamente arbitrario y carece de leyes de comportamiento, aunque sabemosque alguien ha escrito un codigo para este funcionamiento.

17

En la parte �nal del artıculo se describe el proceso de aprendizaje maquina, queha devenido en un campo propio en la inteligencia arti�cial. Turing denomina mentessupercrıticas, por analogıa con los materiales atomicos, aquellas en las que la inyeccionde material nuevo, ideas y experiencias, provoca una reaccion que conduce a ideasnuevas de forma continuada12. Turing presupone que un metodo aleatorio puede sermejor para la generacion de este tipo de aprendizaje, ya que no cree ver reglas en elmismo. El aprendizaje maquina plantea como hipotesis que la mente del nino es aunası sustancialmente mas simple que la del adulto, siendo la mente del adulto la mentedel nino anadiendo experiencias de aprendizaje y generando ideas de forma supercrıtica.Por tanto, suponemos que el modelado de la mente infantil serıa mas simple y podrıamosdisenar el programa de forma que aprendiese presentandole experiencias, de tal formaque en cuanto el proceso generase un estado del programa “adulto” pudiese pasar elTest de Turing. Creemos que es relevante como relacion de un metodo de generacionde inteligencia, pero el nucleo del artıculo es la descripcion del test y sus objeciones.

3.2. Limitaciones del Test de Turing

Ahora que hemos comentado el artıculo de Turing estamos en posicion de enumerarcrıticas al experimento y contraargumentarlas o aceptarlas. Existen crıticas metodologi-cas y crıticas a los fundamentos epistemologicos y psicologicos principalmente.

3.2.1. Crıticas al metodo

Al tratarse de una sustitucion de habilidades inteligentes por aquellas habilidadesque pueden re�ejarse unicamente mediante el lenguaje escrito, siendo los compor-tamientos inteligentes humanos mas diversos, se puede deducir que el conjunto decapacidades de acto inteligente que pueden detectarse es menor que el conjunto totalde actos inteligentes que es capaz de desarrollar un humano. Gunderson, citado en(Pinar Saygin, Cicekli y Akman 2000, apartado 3.1), usa un experimento mental analogoal Test de Turing, el juego del pisar pies, para demostrar que su potencial de deteccionde inteligencia es de hecho menor: Imaginemos que tratamos de adivinar si el sujeto enuna habitacion es una mujer o un hombre, para lo que disponemos de una rendija por laque meter el pie. Se supone que si recibimos un pisoton, es que hay un humano dentroy podrıamos distinguir si es mujer u hombre por las “cualidades” del pisoton, pero si se

12Por la misma analogıa, Turing describe las mentes animales como mentes subcrıticas, que respon-derıan a cada nuevo estımulo o experiencia sin generar ideas nuevas, e incapaces de generacion de ideasa partir de ideas.

18

construye un sistema que deje caer una piedra cada vez que alguien introduzca el pie porel agujero, dice Gunderson, podrıamos identi�car la piedra como humano. De acuerdoa Gunderson, aunque los sistemas automaticos que dan pisotones con piedras fuesencapaces de pasar este test, no constituirıa prueba de humanidad en ningun caso. Estacrıtica es una ejempli�cacion de un falso positivo que se sostiene en que la capacidadde reconocer humanidad a partir de poder pisar un pie es limitada.

Un falso positivo es un resultado positivo en un test binario, de resultados posiblespositivo o negativo, que deberıa ser negativo. Por ejemplo, en el Test de Turing laidenti�cacion de una maquina que no posee inteligencia general humana como humana.En el caso del Test de Turing surgen principalmente del hecho de que se trata de unaprueba indirecta, que trata de probar algo que no se puede probar directamente (“serinteligente”) mediante un metodo auxiliar (“ser capaz de ser identi�cado como humano”).Creemos que la crıtica de Gunderson es sensata en general, ya que el experimento deTuring tiene posiblemente falsos positivos, pero obvia que las capacidades derivadas dellenguaje tienen una relacion mas profunda con la inteligencia que pisar un pie con lacualidad de ser humano, a saber, con habilidades linguısticas puede explicarse a otro serque comprenda el lenguaje como realizar casi cualquier tarea. En todo caso, para que elTest de Turing fuese un experimento �able deberıamos poder asegurar que este libre defalsos positivos y falsos negativos, o al menos poder limitarlos.

Para lidiar con el problema de los falsos positivos y negativos existen reformula-ciones posteriores del Test de Turing que los admiten, integrandolos en el proceso deprueba13. Un ejemplo es el usado en el premio Loebner (Pinar Saygin, Cicekli y Akman2000, apartado 6.1) cuya primera edicion consistio en un Test con identi�cacion humanoo no-humano votada por 10 interrogadores. Otra manera de lidiar con la posibilidadde error es anadir mas pruebas continuadas, estableciendo una especie de de�nicioninductiva de inteligencia cuyo valor vaya corrigiendose a medida que las pruebas sevan sucediendo. Moor (Pinar Saygin, Cicekli y Akman 2000, apartado 3.4) entiende queeste es el caso y propone un test continuado que se usa como toma de datos progresivapara tomar una decision. Moor acepta que el Test es funcionalmente adecuado parala evaluacion de todos los aspectos de la inteligencia, siendo ademas extremadamentecomplejo de pasar dado que tener una sola habilidad cognitiva compleja aprendida noes su�ciente, hay que tener una serie de habilidades complejas. Sin embargo, Moorcomenta que si la maquina tuviese condiciones de operacion interna que obligasen arevisar la decision tomada, serıa necesario hacerlo, pero no identi�ca que condiciones

13En (Pinar Saygin, Cicekli y Akman 2000, apartado 6.1) se llega a a�rmar que el Test nunca se haaplicado tal y como describe Turing, con 3 participantes y una sola vez.

19

se requieren, por lo que consideramos esta parte del comentario vacıa de contenido.Tambien, Block (Pinar Saygin, Cicekli y Akman 2000, apartado 4.1) considera que estafalibilidad de los humanos como un problema intrınseco al Test, pero parece arguirque un numero su�cientemente grande de jueces serıa capaz de alcanzar un consensosobre la inteligencia de una entidad determinada. Como sistemas mas rigurosos sepropone que las maquinas sean capaces de realizar, en lugar de un Test normal, unexamen general con preguntas estandardizadas y mensurables sobre sentido comun yconocimiento del mundo (Clark y Etzioni 2016).

Como comentario a los test multiples que hemos presentado, entendemos que variosjueces humanos, de ser capaces de detectar correctamente la inteligencia mas de un 50%de las veces tendrıan mas exito de media que un juez humano en solitario, sin embargo, sisu capacidad para detectar inteligencia fuese menor que un 50% de decisiones correctassus errores se multiplicarıan. Por lo tanto, deberıamos ser capaces de establecer alguntipo de metrica de errores para poder enmendarlos. En este caso retomamos la idea queavanzabamos en el analisis del Test, de usar la identi�cacion correcta o incorrecta en eltest sin maquinas como un grupo de control, para tomarlo como referencia del juicio decada uno de los interrogadores y poder corregirlos.

3.2.2. Crıticas a los fundamentos epistemologicos

Teniendo en cuenta que el Test de Turing trata sobre la deteccion de otra mente, sien-do las otras mentes no observables directamente, lo cual es un problema epistemologico:tengo razones su�cientes para creer que yo mismo tengo mente (o consciencia, o inteli-gencia), pero ¿como podrıa tenerla de otros seres humanos?. Turing argumenta que nodeberıa ser un problema (Turing 1950, apartado 6, punto 4), ya que considerar seria-mente que no existe la mente de una entidad desconocida que podrıa ser un humano ouna maquina es caer en el solipsismo. La razon por la que habıamos propuesto sustituir“inteligencia” por “comportamientos inteligentes” es precisamente lidiar con el hecho deque no podemos a�rmar que existan entidades no observables y separar dicho problemaen dos problemas mas faciles de resolver: la maquina puede realizar comportamientosinteligentes y la maquina posee inteligencia. El primero es entonces razon necesaria,aunque no su�ciente, para dar soporte al segundo, por lo tanto tenemos un problemaque podemos resolver aunque sus fundamentos no sean completamente correctos.

Mas alla de la limitacion del Test respecto a sus falsos positivos y negativos cabepreguntarse como han de ser los actos inteligentes que se identi�quen y que clase deinteligencia evidencian, humana o no. Las crıticas de Robert French van encaminadas

20

en este sentido. En 1990 (Pinar Saygin, Cicekli y Akman 2000, apartado 4.5) Frenchpostula un test para la capacidad de volar en una isla del mar del Norte cuyos unicosejemplos de objetos voladores son gaviotas. El paralelismo se traza en el momentoen que una maquina capaz de volar aparece en dicha isla, algo que no encaja con sumodelo de “entidad voladora” que esta basado en las gaviotas y asume que la capacidadde volar de estas deberıa ser indiscernible de cualquier entidad voladora. La conclu-sion de este experimento mental es la existencia de comportamientos inteligentes nohumanos que pasen desapercibidos al test. French tambien menciona un conjunto dehabilidades singularmente humanas que el Test de Turing no captura, como el sercapaces de identi�car hojas secas como un escondrijo util o la evaluacion de nombresde cereales como atractivos o no, que requieren inteligencia animal en el primer caso yun entendimiento de la estetica humana en el segundo. Podemos criticar el experimentode French a�rmando que la manera en la que los humanos piensan14, dividiendo yabstrayendo la realidad en objetos y conceptos simples, es comparativamente e�ciente ytal vez por eso sea una muestra de inteligencia general y probablemente el unico modelode inteligencia viable en un entorno evolutivo competitivo (Minsky 1985). Por tanto,a�rma Minsky, al ser la cognicion de tipo humano la mas probable biologicamente nospermitirıa incluso comunicarnos con vida desarrollada fuera de la tierra (‘aliens‘) bajolos principios de la seleccion natural. En cualquier caso, la crıtica de French sobre que eltest solo permite detectar inteligencia humana representable verbalmente se mantiene,siendo la pregunta que necesita resolver que elementos de la inteligencia humana sonno-representables verbalmente. Millar esgrime una crıtica similar (Pinar Saygin, Cicekliy Akman 2000, apartado 3.3) diciendo que la inteligencia en maquinas debe antropor-mo�zarse para poder pasar el Test. En general estas crıticas se deben al hecho de ser untest centrado en humanos, cuyos jueces son humanos que naturalmente tienen ciertasintuiciones sobre como deberıa actuar otro humano incluyendo cuestiones culturales,pero para ser validas habrıa que demostrar que existe cognicion no humana15 o que unTest de Turing aplicado a gente de cultura diferente darıa falsos negativos.

En opinion del autor de estas lıneas el problema de la cultura se limita a que la habi-lidad de la maquina para simular la cultura de su adversario haga que la identi�cacionsea mas o menos precisa, por ejemplo si la experiencia subjetiva del juez llega a atribuircaracterısticas no-humanas a alguien de cultura diferente. La in�uencia social sobre

14El propio French a�rma la existencia de “procesos subcognitivos” que serıan detectables mediante“preguntas subcognitivas”. French a�rma que un Test de Turing aplicado con su�ciente rigor contendrıadichas preguntas implıcita o explıcitamente.

15En el apendice B indicamos que existen indicios que podrıan indicar la existencia de inteligenciasno humanas en plantas y animales.

21

la maquina inteligente es ciertamente un punto interesante a explorar, ya que sueleasumirse que la maquina existe solamente dentro de la realizacion de un Test de Turing,aunque Turing describe un proceso de aprendizaje maquina basado en experienciasexternas (Turing 1950, apartado 7) que probablemente para una identi�cacion correctade inteligencia serıan relevantes, en el sentido de que las experiencias de aprendizajemodelan el comportamiento y la forma de expresarse de los seres inteligentes. Existematerial desarrollado en las ciencias sociales sobre el Test, listado en (Pinar Saygin,Cicekli y Akman 2000, apartado 5). En todo caso, desde una perspectiva empırica, Frenchy Miller solo nos muestran factores que podrıan hacer fallar los Test si no fuesen tenidosen cuenta, siendo preciso un sistema de correccion de los resultados obtenidos de losentrevistadores que administran los Tests.

Otras limitaciones a�rman que una mente mecanica podrıa no tener ciertas cualida-des humanas. Turing ya habıa respondido a crıticas de este tipo en su artıculo, pero lasrelatamos aquı dentro de una recopilacion exhaustiva. Donald Michie (Pinar Saygin,Cicekli y Akman 2000, apartado 4.3) a�rma que el Test no captura el pensamientosubconsciente y que las maquinas son incapaces de generar este tipo de pensamiento,dando como ejemplo que cualquier ser humano que hablase ingles deberıa saber cuales el plural de una serie de palabras, aunque fuesen inventadas, en ingles. La crıticaconsiste en que es imposible que un programador considere todas las reglas del lenguaje,como las de formacion de plurales, y las programe en una maquina. En realidad, sila maquina es capaz de generar frases arbitrarias, al contrario que tener frases pre-generadas, entendemos que serıa capaz de extraer dichas reglas del lenguaje y ademas,no evidencia la existencia de pensamiento subconsciente en el proceso linguıstico, sinoque se trata de una regla linguıstica aprendida y generalizada en la mayor parte de loshumanos que conocen el idioma ingles.

En relacion a esta crıtica esta la habitacion china de Searle, (Searle 1980) y (PinarSaygin, Cicekli y Akman 2000, apartado 4.2), que postula una habitacion que recibemensajes escritos en chino teniendo al propio Searle dentro (que no entiende el chino)equipado con un manual que le dice que sımbolos escoger para elaborar sus respuestas alos mensajes entrantes. Searle critica que dicha habitacion podrıa ser capaz en teorıa desuperar el Test, sin embargo, ninguna de las partes componentes entiende el lenguaje yademas carecen de intencionalidad, que para Searle es una parte esencial de la cognicionhumana. Por lo tanto, segun Searle, podrıamos detectar inteligencia con el Test peronunca intencionalidad real. Esto esta directamente relacionado con los comentariosde lady Lovelace, “�e Analytical Engine (el computador Turing-completo creado porBabbage) has no pretensions to originate anything. It can do whatever we know how

22

to order it to perform” (Oppy y Dowe 2016, apartado 2.6), que Turing ya responde ensu artıculo. En caso que aceptasemos esta crıtica habrıa un test alternativo, propuestopor Bringsjord (Oppy y Dowe 2016, apartado 5.3.2), que consiste en que el test debemeta-analizarse para determinar si la maquina tiene de hecho intencionalidad masalla de lo programado: el metodo que proponen consiste en preguntar al creador de lamaquina o a alguien equivalente como ha producido una respuesta determinada y si elautor no puede explicarlo con referencias a las funciones basicas de la maquina, hayintencionalidad. Creemos en todo caso que el concepto de intencionalidad no esta claroen ningun caso, ni siquiera para seres admitidos por consenso como vivos como loshumanos.

Podemos arguir que el unico libro que puede hacer que Searle sea capaz de elaborarrespuestas con sentido para que pueda pasar el Test es un manual que ensene chinoa Searle o un manual que traduzca entre frases del chino y el ingles perfectamente ouna transformacion entre frases en chino y un modelo de datos de la situacion que seva desarrollando durante la conversacion16, ya que cualquier conversacion en chino oen cualquier otro idioma no posee una estructura tan simple como una tabla pregunta-respuesta, como Searle parece entender17. Evaluar el lenguaje no es trivial en todo caso,y en una conversacion se establecen hechos, y relaciones entre palabras y relacionesentre palabras y hechos que una maquina que pase el Test debe ser capaz de identi�cary desarrollar para que la comunicacion sea una imitacion humana �dedigna.

Por tanto, o bien las instrucciones de la habitacion china incorporan un mecanismode comprension de palabras en chino asociadas a la respuesta y un modelo del contextorelacionado a las palabras en chino, o bien Searle, concretamente, ha llegado a entenderel chino en la habitacion. El problema que plantea la habitacion china de Searle tiene elsu�ciente alcance para poder desarrollar varios artıculos por sı mismo y forma parte delmovimiento anti-conductualista de la disciplina psicologica en la decada de los 80 y 90.

Entendemos que para que un comportamiento pueda considerarse inteligente debeexistir posibilidad de error, entendido como una desviacion entre la intencionalidadanterior al acto y el estado del mundo despues del mismo, en el sentido de que el agente

16Por ejemplo, si el mensaje incluye “Yo soy �losofo” en chino, la maquina deberıa recordar queel adversario es �losofo y generar o recordar hechos relativos a cualidades de los �losofos que seanrelevantes. Las conversaciones en este sentido son altamente contextuales.

17Crıticas similares incluyen el “saber todas las conversaciones de longitud x previamente” de NedBlock (Pinar Saygin, Cicekli y Akman 2000, apartado 4.1) que a�rma que una maquina podrıa simplementeextraer respuestas pre-generadas desde una lista. Esto obvia que construir dicha lista es materialmenteimposible al ser todas las conversaciones in�nitas no numerables, dependientes del contexto y desı mismas. Otras crıticas de Block se centran en criticar el conductualismo del Test, argumentando laexistencia de caracterısticas intrınsecas a la inteligencia que un test conductual no captura.

23

sea capaz de probar soluciones que no garantizan un resultado correcto y el agenteque realiza dicho comportamiento debe ser capaz de detectar esta divergencia en algunmomento y corregirla, aumentando sus propias capacidades con el tiempo. Para elloel agente debe ser capaz de continuarse autonomamente durante el tiempo su�cientemientras se enfrenta a nuevos retos o crear sucesores de sı mismo que perpetuencomportamientos maquina similares. En el segundo caso la inteligencia se darıa porseleccion natural, dado que el entorno condicionarıa la supervivencia unicamente de losindividuos adecuadamente inteligentes. Consideramos, al igual que French, que el Testde Turing es su�cientemente impredecible como para dar a la maquina un reto su�cienteen el que comprobar que puede generar soluciones originales a problemas cognitivos,nominalmente la situacion en la que una maquina debe poseer una apariencia y uncaracter humanos que describir y sobre los que ser consistente narrativamente.

En este sentido social y evolutivo, Schweizer, (Pinar Saygin, Cicekli y Akman 2000,apartado 4.4.4) y (Oppy y Dowe 2016, apartado 5.3.3) arguye que el test no deberıa seraplicado a individuos sino a maquinas capaces de reproducirse y tener descendenciasen su misma “especie”, y denomina a su version TRue Total Turing Test. El TRTTT esun sucesor del Test de Turing Total, (Pinar Saygin, Cicekli y Akman 2000, apartado4.4.1) y (Oppy y Dowe 2016, apartado 5.3.1), propuesto por Harnad en el que proponeque las maquinas deberıan ser capaces de realizar actos fısicos para ser consideradasinteligentes, lo que se conoce como mente-en-cuerpo (embodied mind, en el inglesoriginal, la traduccion es mıa) la idea de que ciertas categorıas mentales y linguısticasestan derivadas de la informacion proveniente de los sentidos y la consciencia del propiocuerpo (Lako� 2012) y que, por tanto, la capacidad linguıstica depende en gran medidade la habilidad motora. Resulta difıcil de creer que una maquina que no modelasecorrectamente este tipo de metaforas e ideas extraıdas del conocimiento pudiese pasarel test de Turing, aunque en principio no parezca existir ningun inconveniente en quesean simplemente simulados sus organos, por tanto resulta evidente que una maquinaque no pudiese pasar el Test original pudiese pasar algunas de sus extensiones, por tantohasta que se de el caso de que una maquina pasa consistentemente el Test de Turingno deberıa trabajarse hacia ninguna de sus extensiones: resumiendo, bajo la hipotesisde que es posible imitar el cuerpo y la evolucion de un ser vivo mediante maquinas,podemos trabajar para pasar el Test original aunque la tesis de la mente-en-cuerpo seacierta.

Volviendo al tema de la atribucion de inteligencia es interesante considerar que ocu-rrirıa si sustituimos al evaluador del Test por una maquina. La maquina, de poseerinteligencia equivalente a la humana, deberıa ser capaz de identi�car correcta e inco-

24

rrectamente maquinas y humanos con una tasa de errores como mınimo similar a la deun humano. Si la maquina tuviese menos errores podrıamos concluir unicamente quetiene una inteligencia especializada en este problema, a menos que muestre que estaespecializacion surge de habilidades mayores que las humanas. Podemos considerar sipara la identi�cacion correcta y la imitacion de un humano correcta (ambos roles delTest) debe ser necesaria la existencia de una teorıa de la mente en dicha maquina, esdecir, la capacidad de atribuir estados mentales a entidades que interaccionen con lamisma. La respuesta a esta pregunta determinarıa si la atribucion de estados mentales yla identi�cacion de actos inteligentes es un comportamiento inteligente en sı mismoque el Test original no captura. Este test fue propuesto, historicamente por Wa� en1996 (Pinar Saygin, Cicekli y Akman 2000, apartado 4.4.3), a�rmando que es la conse-cuencia logica en la comunidad psicologica de la necesidad de una de�nicion operativade inteligencia ante la imposibilidad de a�rmar que esta existe, lo que es equivalenteal problema de las otras mentes que mencionamos antes. Sin embargo, maquinas sonutilizadas constantemente en las grandes redes sociales para detectar spam generado porotras maquinas, con exito variable, y no consideramos que estas sean particularmentecapaces de inteligencia general.

Todas estas crıticas convergen, en el contexto de Inteligencia Arti�cial, en el siexiste distincion ontologica entre la inteligencia creada arti�cialmente y la inteligencianatural. Es decir, si logramos crear inteligencia, sea esta lo que sea, ¿existe aun algunadiferencia entre lo que hemos construido y la inteligencia humana? Si aceptamos estacrıtica entramos en una distincion similar a la que propone Searle: entre una ciertaIA debil en la que la IA no es una mente humana real ya que carece de aspectos deesta, como la intencionalidad o la consciencia, y una IA fuerte entendida como la IAsiendo una mente real en todos sus aspectos. Varios argumentos que hemos presentado;como puede verse en Searle, Schweizer, Harnad y las ideas de mente-en-cuerpo; parecenimplicar que es necesario un entorno del que aprender y unos organos que proveannecesidades para satisfacer e informacion de su propio estado, para que el sistemacognitivo de la maquina tenga informacion para desarrollarse y generar nuevas ideas.Sin embargo, no hay impedimento teorico por el momento para que una maquina puedasimular todos estos sistemas.

25

4 Conclusiones

En este trabajo hemos enmarcado el Test de Turing en sus orıgenes �loso�cos,psicologicos y tecnologicos. Hemos ligado el problema de la IA con el problema de losindiscernibles y la �losofıa de la tecnologıa, identi�cando un punto lımite en el queel Test de Turing deja de ser relevante, i.e. la imitacion indiscernible de la cognicionhumana. Nos hemos centrado en el ultimo capıtulo en los problemas de metodo cientı�coy fundamentos �loso�cos del Test de Turing, identi�cando y criticando las solucionesque se proponen a los mismos.

Partiendo de las limitaciones detectadas en el Test se ha remarcado la diferenciaentre la de�nicion de inteligencia y los comportamientos inteligentes, permitiendoevadir el platonismo de asumir que inteligencia es una entidad, por lo que se caracterizael Test de Turing como una forma productiva de comprobar si una entidad realiza, defacto, comportamientos inteligentes, aunque tenga limitaciones claras respecto a laposible estructura de la inteligencia y la mente precisamente por su propia formulacionfuncionalista. En ningun caso el Test nos permite avanzar por sı mismo hacia unade�nicion mas precisa de inteligencia, siendo necesaria una meta-evaluacion del mismopara llegar a ella de la forma que anticipamos al hablar de las objeciones de ladyLovelace. Es decir, se considera que para entender mejor como opera la inteligencia, deexistir, debe hacerse un analisis riguroso de los comportamientos que identi�can comointeligente o no-inteligente para extraer informacion sobre las caracterısticas de losagentes que realizan dichos comportamientos. Para describir como podrıa transcurrirdicho analisis es necesario un estudio mas pormenorizado de los avances psicologicos y�loso�cos en la de�nicion de inteligencia.

Se han identi�cado tambien limitaciones operativas en la aplicacion de dicho Test.El Test asume que el juicio de un humano arbitrario es capaz de detectar inteligencia deuna forma �able, sin existir diferencias en tal juicio entre los casos en los que el sujetode la prueba es un humano o una maquina. Hace posible identi�car maquinas carentes

27

de inteligencia general como tales (falsos positivos). Siendo la prueba de inteligenciaorientada a la capacidad de imitacion de lo humano tambien hace posible que agentescapaces de actos inteligentes pero sin la habilidad de �ngir ser humano, como posiblesinteligencias alienıgenas diferentes de la humana, animales etc., e imitadores mecanicosde estas no sean considerados como inteligentes (falsos negativos).

Vemos que el Test de Turing aun ası nos da una de�nicion operativa, aunque yano sea usada en los grupos que crean maquinaria inteligente orientada a tareas18, quees necesaria por el momento para la identi�cacion de inteligencia general. Siendo esteuno de los objetivos de la Inteligencia Arti�cial como disciplina, uno de los pasosintermedios deberıa ser la identi�cacion y caracterizacion de los comportamientosinteligentes y el desarrollo de pruebas cientı�cas que permitan detectarlos en artefactos.La necesidad de colaboracion con la psicologıa, la neurociencia y el resto de las cienciascognitivas para alcanzar un consenso sobre una de�nicion completa de inteligencia sehace aquı evidente.

18La de�nicion operativa suele basarse en metricas de precision (la proporcion de respuestas correctasen el conjunto de respuestas) y recall (la proporcion de respuestas correctas sobre el conjunto de elementoscorrectos posibles) sobre conjuntos de datos estandardizados en cada campo de estudio, para comprobarmejoras y diferencias entre algoritmos de clasi�cacion, recomendacion o ajuste de funciones. En realidadpuede considerarse una especializacion del Test de Turing que lo hace reproducible para un ciertodominio.

28

A Historia del HardwareComputacional

Se incluye aquı un resumen y comentario sobre la historia de la maquinaria decomputacion, cuyos puntos clave han sido extraıdos de (Ceruzzi 1998).

Historicamente el computador de proposito general fue disenado por Charles Babba-ge en 1833, aunque no fue construido hasta el siglo XX por, primero, su hijo Prevost queconstruyo una parte mınima esencial del mismo que era capaz de ejecutar programassimples en 1910, y en ultima instancia fue imitado por el Museo de Ciencias de Londrescon materiales de la epoca sin exito a �nales del siglo XX. Aun ası se considera que elprototipo, de llegar a cumplir sus especi�caciones de diseno, serıa Turing-completo,solo limitado por la precision numerica y la memoria total de manera similar a la quecualquier computador actual lo serıa. En la primera mitad del siglo XX encontramosgran cantidad de maquinas de computo, incluso cajeros automaticos de cobro mecanicosy electronicos con sistemas de ayuda al calculo de balances, pero ninguna cumple lapropiedad de ser lo su�cientemente general para ejecutar algoritmos recursivos.

Sera en 1944 cuando se cree el Colossus Mark II, el primer computador electronicodigital Turing-completo que se mantuvo en secreto hasta la decada de 1970 ya que fueplaneado tambien para romper codigos, y usado durante la guerra frıa. Este constructoes otro ejemplo de la con�uencia de ideas que se fue gestando desde el siglo XIX conla publicacion de George Boole19 Las leyes del pensamiento, que inaugura el calculologico binario (o booleano), y desarrollado por Alfred Whitehead. Claude Shannon,fundador de la teorıa de la informacion como entropıa e ingeniero electrico, demuestraque las operaciones de la logica booleana pueden construirse mediante la adaptacion

19Otros ejemplos de esta con�uencia son los trabajos en logica de Russell y Whitehead, el proyectoformalista de Hilbert o los teoremas de Godel.

29

a circuitos electricos entendiendo el sımbolo basico 0 como la ausencia de corrienteelectrica y el sımbolo 1 como la presencia de la misma. La idea de usar la logica simbolicacomo base de todas las matematicas, y la idea de Godelizacion como transformacion deenunciados en numeros y su posterior procesado, con�uyen tambien en la generacionde la idea de la Maquina de Turing Universal ya presente en On Computable Numbers yconsistente en la aplicacion de una maquina de Turing que puede aceptar como entradaotras maquinas de Turing transformadas en numeros naturales y ejecutarlas. Se puededemostrar tambien que una maquina de Turing, para ser Turing-completa, unicamenteprecisa del uso de dos sımbolos, 0 y 1.

Cabe notar que este computador era programable en el sentido de que permitıa lainterconexion arbitraria de elementos que no es que tuviesen programas almacenadossino que eran modulos de calculo especializados en una tarea concreta referida alcalculo booleano o de aplicacion criptogra�ca, no porque permitiese especi�car unprograma a nivel de memoria como se hace actualmente, siendo gran parte de estastareas gestionadas por el sistema operativo. Para la carga en memoria de programasse tendrıa que esperar a la arquitectura von Neumann y al desarrollo de los chips ymemorias magneticas.

En la decada de los 50 todas estas ideas se amplıan y se comercializan. La invencionde la microprogramacion, hoy conocida como �rmware que permite la adicion denuevas instrucciones programadas sobre una maquina fısica, sin cambiar la maquina,simpli�ca el desarrollo de las maquinas de computo haciendolas mas �exibles. En1955 los computadores sustituyen los circuitos basados en tubos de vacıo por circuitosbasados en transistores, reduciendo su tamano en ordenes de magnitud y aumentandosu velocidad en igual medida. Esto se suele nombrar en la literatura como “segundageneracion”.

En la decada de los 60 se produce el gran salto de la computacion al consumogeneralizado, no por parte de la inmensa mayorıa de la poblacion sino por institucionesy grandes empresas, lanzandose el primer computador que podrıamos llamar “popular”,el IBM 1401. Consistıa en un computador con�gurable que se podıa alquilar por unosveinte mil euros mensuales, al cambio actual, lo que permitio a un gran numero deentidades entrar en el uso de las computadoras. Lo que hoy conocemos como mainframerequerıa que un ingeniero con�gurase el computador y cargase los programas ya escritosen el mismo y preparados para el lenguaje de la maquina que los ejecutarıa, decidiendocuanto tiempo deberıa gastar cada uno y en que orden: la automatizacion de estas tareasdara lugar en las proximas decadas a los sistemas operativos, el uso de mainframes entiempo compartido y en ultima instancia a los sistemas distribuidos y paralelos.

30

Tambien de esta epoca son los primeros lenguajes de programacion por encimadel nivel de lenguaje maquina, LISP y Fortran, que requerıan una etapa de traduccionintermedia y aun se usan hoy en dıa. LISP es uno de los lenguajes clave en el desarrollode la IA en las ultimas decadas, ya que, basado en el calculo lambda de Church, esun lenguaje que permite expresar programas de procesado de listas mediante listasde instrucciones donde datos y programa estan expresados en el mismo lenguaje. Losprimeros sistemas operativos, como OS/360 cuya historia de desarrollo esta narradaen �e mythical Man-Month, tambien son de esta epoca. En la era del mainframe cadauna de las maquinas solıa ser enviada al cliente con un sistema operativo adaptado asus necesidades especı�cas, los sistemas operativos de consumo general, con�gurablespor sı mismos, no apareceran hasta la generalizacion de componentes de consumoque permitan que el sistema operativo pueda ser manufacturado por separado de lamaquina, e integrado en varias maquinas.

Los sistemas de tercera generacion (en esencia circuitos integrados conectadosmediante cables) y de cuarta generacion (circuitos integrados conectados mediantecircuitos integrados) seran desarrollados a mediados de la decada de los 60 y de la decadade los 70 respectivamente. Dado que las diferencias entre ambas generaciones soloaparecen durante el proceso de manufactura de los mismos hemos decidido obviarlasy centrarnos en los efectos que produce sobre el comercio de computadores: mayorvelocidad en menor tamano y menor precio. Para �nales de la decada de los 70 elcomputador personal ya era un hecho y los Apple II, Commodore e IBM-PC podıanverse en hogares de todo el mundo, incluida Espana, donde se considera que hubo unaedad de oro del so�ware durante los anos 80.

Entre los anos 80 y nuestra era los computadores han ido incrementando su capa-cidad computacional en velocidad y capacidad de memoria de acuerdo con la Ley deMoore, que postula que el avance de tecnologıa permite introducir el doble de tran-sistores en una placa del mismo tamano mas o menos cada dos anos. Esta ley se hatopado recientemente con la limitacion practica de que el calor disipado y energıaconsumida por un computador altamente integrado tambien aumentan, precisando quedicho computador posea refrigeracion y alimentacion electrica no razonables. Tam-bien, teoricamente, se postula un lımite duro para dicha ley en el momento que lostransistores no puedan funcionar debido a su relacion de tamano con la escala de losfenomenos cuanticos. Por estas razones hoy se tiende a aumentar la e�ciencia de lossistemas no aumentando la cantidad de operaciones en serie, sino que se aumenta lacantidad de operaciones que pueden hacerse simultaneamente mediante paralelizaciono distribucion de tareas.

31

B El giro cognitivista

Veremos a continuacion una version extendida y corregida del comentario realizadopor el autor a (Martınez-Freire 2005) sobre el nacimiento de las ciencias cognitivas.Se trata de una revolucion anti-conductualista durante la segunda mitad del siglo XX(Miller 2003) que resulta de la convergencia de diversos grupos cientı�cos de linguistas,psicologos, neurocientı�cos, economistas, �losofos y computologos en lo que hoyse conoce como ciencias cognitivas. Como veremos, la interdisciplinariedad es unaconstante desde los anos 50 del siglo XX en el estudio de la mente.

De�nimos ciencia cognitiva como toda ciencia que se ocupa de uno o mas aspectosde los fenomenos de la cognicion. Como tales, las ciencias cognitivas forman un con-junto de ciencias y al mismo tiempo un campo de investigacion multidisciplinaria cuyotema central es el estudio de la cognicion humana, animal y mecanica (Martınez-Freire2005, p.20), que es a la vez la fuente, se cree, de los comportamientos inteligentes. Taly como expresa (Newell y Simon 1972) el ser humano y su capacidad intelectual, losanimales y al mismo tiempo las maquinas formales de computo o Turing-completaspertenecen al genero, por analogıa biologica, ‘sistema de procesamiento de informacion’.La constitucion de las ciencias cognitivas como grupo de interes en las funciones cogni-tivas de animales, humanos y maquinas, comienza en 1956 en la llamada “conferenciaDartmouth” (Miller 2003, p.142), una conferencia de matematicos y logicos que pone demani�esto el auge de una disciplina informatica llamada inteligencia arti�cial, cuyo ob-jetivo es la obtencion de comportamiento que denominarıamos inteligente en sistemasarti�ciales: a saber, maquinas sentientes, capaces de actuacion o razonamiento autono-mo. Mas alla de la cognicion en animales y maquinas, se comienza a sospechar que losreinos de las plantas, los hongos e incluso los virus tienen algun tipo de cognicion. Porejemplo, se ha demostrado que las plantas segregan neurotransmisores que usan pararegular su crecimiento cuando se identi�ca una situacion de estres como un aumento

33

en la acidez del suelo o carencia de agua (Ramesh y col. 2015), y que las agresiones lesproporcionan informacion sobre su entorno que usan para crecer de forma mas efectivao la necesidad de contar hasta 5 para segregar ciertas substancias (Trewavas 2016).Tambien en 1956 Noam Chomsky publica su trabajo seminal en estructuras linguısticastomando como base la teorıa de la informacion de Shannon (Miller 2003, p.142-143).

Otro de los momentos importantes para este grupo de interes es el nacimientode la psicologıa cognitiva, manifestado en la fundacion en 1960 de multiples centrospara el estudio y la ensenanza de este nuevo tipo de estudio psicologico (Miller 2003,p.143). Con la psicologıa cognitiva se recupera el mentalismo como parte de los estudiosformales del comportamiento y cognicion humanas, esto es, la hipotesis de existenciade procesos mentales inobservables que determinan el comportamiento observabledejando de lado el conductualismo puro, que rechazaba dichos procesos precisamentepor ser inobservables. El postulado de existencia de procesos mentales que es inherentea la psicologıa cognitiva asume un cierto compromiso con el computacionalismo, laexistencia de procesos que podrıan ser simulados o reproducidos mediante maquinas,y acerca esta escuela a los propositos de la inteligencia arti�cial. En el campo de laneurociencia la Fundacion Sloan acababa de completar un programa de apoyo a dichainvestigacion teniendo como objetivo la uni�cacion teorica de los sistemas neuronalescon los procesos cognitivos.

En paralelo a estos desarrollos la cibernetica, del griego Kyvernetes referido al timonelde un barco, de Norbert Wiener iba ganando traccion desde sus orıgenes en la decada delos 40 (Miller 2003, p.142-143), una disciplina que pretendıa abarcar el estudio de todoslos sistemas complejos de control, incluidos la vida, las maquinas, la mente humanay la economıa20 mediante metodos matematicos. Tal y como se dice en (Ashby 1976,p.12): “La cibernetica es a la maquina real (electronica, mecanica, neuronal o economica)lo que la geometrıa es a los objetos materiales de nuestro espacio terrestre”, en elsentido de que es una descripcion simpli�cada, y anade “La cibernetica es entoncesindiferente al reproche de que algunas de las maquinas que estudia no estan incluidasen las que encontramos entre nosotros”. La cibernetica intentaba encontrar un lenguajeque permitiese expresar las interacciones en todos ellos, es decir “la ciencia del control”de todos estos sistemas. Hoy en dıa “cibernetica” se usa en lenguaje academico comotermino para agrupar diferentes campos de estas ciencias ademas de en la polıtica,la sociologıa y los estudios organizativos y de empresa. Parafraseando a (Pylyshyn1970, p.103-104 y p.207-216), la cibernetica es mas una cosmovision que un campo de

20Ashby, tal y como hemos citado, entendıa la economıa como si fuese una maquina procesadora debienes y capital.

34

la ciencia aislado que auna esfuerzos de forma interdisciplinaria para que los estudiossociologicos, economicos y cognitivos puedan tener el mismo rigor experimental que lafısica, y precede en los anos 60 a la formacion de las ciencias cognitivas.

Aunque inteligencia arti�cial y psicologıa cognitiva son nucleares a las cienciascognitivas no son, evidentemente, las unicas disciplinas que se centran en el estudio delos mecanismos de consciencia e inteligencia que se dan en animales y maquinas. Ciertasdisciplinas, como la sociologıa cognitiva, la pedagogıa y la �losofıa de la mente, entreotras, trabajan tambien con este rumbo aportando diferentes perspectivas y tecnicas detrabajo. Se pone el enfasis en que las ciencias cognitivas asumen una naturalizacionmaterialista de sus postulados, i.e. no existen entidades fuera del mundo fısico, portanto la mente, el espıritu y cualquier entidad a la que pueda ser asignada la funcioncreadora de inteligencia debe tener una manifestacion fısica y ningun tipo de atributono-fısico. Por lo tanto, todas las disciplinas que toman parte en las ciencias cognitivassi no asumen esta doctrina metafısica, por ası llamarla, deben compatibilizarla con ella.

35

Bibliografıa

Alonso, Enrique (2006). ((De la computacion a la hipercomputacion)). En: Azafea, revistade �losofıa 8.8, pags. 121-146. issn: 0213-3563.

Aristoteles (1988). Polıtica. Trad. por Manuela Garcıa Valdes. Gredos.Ashby, William Ross. (1976). Introduccion a la cibernetica. Trad. por Jorge Santos. An

introduction to cybernetics, 1956, Chapman & Hall Ltd., London. Ediciones NuevaVision SAIC, Argentina.

Carpenter, Amber D (2008). ((Embodying Intelligence)). En: Platonism and Forms ofIntelligence, pag. 39.

Ceruzzi, Paul E. (1998). A History of Modern Computing. Cambridge, MA, USA: MITPress. isbn: 0-262-03255-4.

Clark, Peter y Oren Etzioni (2016). ((My Computer Is an Honor Student — but HowIntelligent Is It? Standardized Tests as a Measure of AI)). En: AI Magazine 3.1.

Diamant, Emanuel (2015). ((Advances in Arti�cial Intelligence: Are you sure, we are onthe right track?)) En: CoRR abs/1502.04791. url: http://arxiv.org/abs/1502.04791.

Franssen, Maarten, Gert-Jan Lokhorst e Ibo van de Poel (2013). ((Philosophy of Techno-logy)). En: �e Stanford Encyclopedia of Philosophy. Ed. por Edward N. Zalta. Winter2013. url: http://plato.stanford.edu/archives/win2013/entries/technology/.

Harnad, Stevan (2000). ((Minds, Machines and Turing: �e Indistinguishability of Indis-tinguishables)). En: Journal of Logic, Language and Information 9.4, pags. 425-445.

37

Hayes, Patrick y Kenneth Ford (1995). ((Turing Test Considered Harmful)). En: Pro-ceedings of the 14th International Joint Conference on Arti�cial Intelligence - Vo-lume 1. IJCAI’95. Montreal, �ebec, Canada: Morgan Kaufmann Publishers Inc.,pags. 972-977. isbn: 1-55860-363-8, 978-1-558-60363-9. url: http://dl.acm.org/citation.cfm?id=1625855.1625981.

Hilpinen, Risto (2011). ((Artifact)). En: �e Stanford Encyclopedia of Philosophy. Ed. porEdward N. Zalta. Winter 2011. url: http://plato.stanford.edu/archives/win2011/entries/artifact/.

LaCurts, Katrina (2011). Criticisms of the Turing Test. and Why You Should Ignore (Mostof) �em. MIT. url: http://people.csail.mit.edu/katrina/papers/6893.pdf.

Lako�, George (1987). Women, Fire and Dangerous �ings: What Categories RevealAbout the Mind. University of Chicago Press. isbn: 978-0-226-46803-7. url: http://emilkirkegaard.dk/en/wp- content/uploads/George-Lakoff-Women-Fire-and-Dangerous-Things.pdf.

— (2012). ((Explaining Embodied Cognition Results)). En: Topics in Cognitive Science4.4, pags. 773-785. issn: 1756-8765. doi: 10.1111/j.1756-8765.2012.01222.x. url: http://dx.doi.org/10.1111/j.1756-8765.2012.01222.x.

Legg, Shane y Marcus Hu�er (2007). ((A Collection of De�nitions of Intelligence)). En:CoRR abs/0706.3639. url: http://arxiv.org/abs/0706.3639.

Levin, Janet (2013). ((Functionalism)). En: �e Stanford Encyclopedia of Philosophy. Ed.por Edward N. Zalta. Fall 2013.

Martınez-Freire, Pascual (2005). La importancia del conocimiento: �losofıa y cienciascognitivas. �ema, Universidad de Malaga.

McCulloch, Warren S. y Walter H. Pi�s (1943). ((A Logical Calculus of the Ideas Imma-nent in Nervous Activity)). En: Bulletin of Mathematical Biophysics 5, pags. 115-133.

Miller, George A. (2003). ((�e cognitive revolution: a historical perspective)). En: Trendsin Cognitive Sciences 7.3, pags. 141-144. issn: 1364-6613. doi: DOI:10.1016/S1364-6613(03)00029-9. url: http://www.sciencedirect.com/science/article/pii/S1364661303000299.

Minsky, Marvin (1985). ((Communication with Alien Intelligence)). En: Byte MagazineApril 1985. url: http://web.media.mit.edu/∼minsky/papers/AlienIntelligence.html.

Newell, Allen y Herbert A. Simon (1972). Human Problem Solving. Upper Saddle River,NJ, USA: Prentice-Hall, Inc. isbn: 0134454030.

38

Nilsson, Nils J. (2009). �e �est for Arti�cial Intelligence: A history of ideas and achie-vements. 1st. New York, NY, USA: Cambridge University Press. isbn: 0521122937,9780521122931. url: http://ai.stanford.edu/∼nilsson/QAI/qai.pdf.

Oppy, Graham y David Dowe (2016). ((�e Turing Test)). En: �e Stanford Encyclopediaof Philosophy. Ed. por Edward N. Zalta. Spring 2016.

Penrose, Roger (2006). La Nueva Mente del Emperador. Trad. por Javier Garcıa Sanz.Barcelona, Espana: Random House Mondadori.

Pinar Saygin, Ayse, Ilyas Cicekli y Varol Akman (2000). ((Turing Test: 50 Years Later)).English. En: Minds and Machines 10.4, pags. 463-518. issn: 0924-6495. doi: 10.1023/A:1011288000451. url: http://www.cs.bilkent.edu.tr/∼ilyas/PDF/minds2000.pdf.

Pylyshyn, Z. W., ed. (1970). Perspectives on the computer revolution. Englewood Cli�s,NJ: Prentice-Hall.

�intanilla, Miguel Angel (2000). ((Tecnica y Cultura)). En: Teorema XVII/3 Agosto. url:www.oei.es/salactsi/teorema03.pdf.

Ramesh, Sunita A. y col. (2015). ((GABA signalling modulates plant growth by directlyregulating the activity of plant-speci�c anion transporters)). En: Nature Commu-nications 6. url: http://www.nature.com/ncomms/2015/150729/ncomms8879/full/ncomms8879.html.

Russell, Stuart y Peter Norvig (1994). Arti�cial Intelligence: A Modern Approach. EN.Prentice Hall. isbn: 0-13-103805-2.

Searle, John R. (1980). ((Minds, brains, and programs)). En: Behavioral and Brain Sciences3 (03), pags. 417-424. issn: 1469-1825. doi: 10.1017/S0140525X00005756.url:http://journals.cambridge.org/article S0140525X00005756.

Trewavas, Anthony (2016). ((Intelligence, Cognition, and Language of Green Plants)).En: Frontiers in Psychology 588.7. url: http://www.ncbi.nlm.nih.gov/pmc/articles/PMC4845027/.

Turing, Alan M. (1937). ((On Computable Numbers, with an Application to the Entschei-dungsproblem)). En: Proceedings of the London Mathematical Society. Vol. 42. 2. url:http://www.cs.virginia.edu/∼robins/Turing Paper 1936.pdf.

— (1950). ((Computing Machinery and Intelligence)). En: Mind 59, pags. 433-460. url:http://cogprints.org/499/.

39

Tversky, Amos y Daniel Kahneman (1981). ((�e Framing of Decisions and the Psycho-logy of Choice)). En: Science 211.4481, pags. 453-458. issn: 00368075, 10959203. url:http://www.jstor.org/stable/1685855.

40

Grand Master Turing once dreamed that he was a machine. When he awokehe exclaimed:“I don’t know whether I am Turing dreaming that I am a machine, or amachine dreaming that I am Turing!”

From the Tao of Computer Programming

41