La informtica es el estudio de los fenmenos que rodean las computadoras.

Los fundadores de esta

sociedad entienden esto muy bien cuando se llamaban a s mismos la Association for Computing
Machinery. La mquina - no slo el hardware, pero lo programado, la mquina viva - es el organismo
que estudiamos.
Esta es la dcima Conferencia de Turing. Las nueve personas que nos han precedido en esta
plataforma han presentado nueve diferentes puntos de vista de la informtica. Para nuestro
organismo, la mquina, puede ser estudiado en muchos niveles y desde muchos lados. Estamos
profundamente honrados de que aparezca aqu hoy y presentar otro punto de vista, el que ha
impregnado el trabajo cientfico para el que se han citado. Deseamos hablar de la informtica como
la investigacin emprica.
Nuestro punto de vista es slo uno de muchos; las conferencias anteriores dejan claro. Sin embargo,
incluso toman juntos las conferencias no cubren todo el mbito de nuestra ciencia. Muchos de los
aspectos fundamentales de que no se han representado en estos diez premios. Y si el tiempo nunca
llega, seguramente no tan lejano, cuando la brjula se ha encajonado, cuando la informtica ha sido
discutido por todos lados, ser el momento para iniciar el ciclo de nuevo. Para la liebre como
expositor tendr que hacer una carrera anual de superar a la acumulacin de las ganancias pequeas
e incrementales que la tortuga del desarrollo cientfico y tcnico ha logrado en su marcha
constante. Cada ao se crea una nueva brecha y la convocatoria de un nuevo sprint, en la ciencia no
hay una palabra final.
La informtica es una disciplina emprica. Nos hemos llamado una ciencia experimental, pero como
la astronoma, la economa y la geologa, algunas de sus formas nicas de observacin y la
experiencia no se ajustan a un estereotipo estrecha del mtodo experimental. No obstante, son
experimentos. Cada mquina nueva que se construye es un experimento. En realidad la
construccin de la mquina plantea una pregunta a la naturaleza; y escuchamos la respuesta
mediante la observacin de la mquina en funcionamiento y analizarla por todos los anlisis y
medicin de los medios disponibles. Cada nuevo programa que se construye es un expermient. Se
plantea una pregunta a la naturaleza, y su comportamiento ofrece pistas para una respuesta. Ni las
mquinas ni los programas son cajas negras; son artefactos que han sido diseados, tanto de
hardware como de software, y podemos abrirlos y mirar dentro. Podemos relacionar su estructura
para su comportamiento y sacar muchas lecciones de un solo experimento. No tenemos la
construccin de 100 copias de, digamos, un demostrador de teoremas, para demostrar
estadsticamente que no ha superado la explosin combinatoria de bsqueda en la forma en que se
espera. Inspeccin del programa a la luz de algunas carreras revela la falla y nos permite continuar
con el siguiente intento.
Construimos computadoras y programas por muchas razones. Construimos ellos para servir a la
sociedad y como herramientas para llevar a cabo las tareas econmicas de la sociedad. Pero a
medida que los cientficos bsicos construimos mquinas y programas como una forma de descubrir
nuevos fenmenos y analizar los fenmenos que ya conocemos. La sociedad a menudo se confunde
acerca de esto, la creencia de que las computadoras y los programas se van a construir slo para el
uso econmico que se pueda hacer de ellos (o como elementos intermedios en una secuencia de
desarrollo que conducen a tal uso). Se tiene que entender que los fenmenos que rodean las
computadoras son profundos y oscuros, lo que requiere de mucha experimentacin para evaluar su
naturaleza. Se tiene que entender que, como en cualquier ciencia, las ganancias que se derivan de
este tipo de experimentacin y comprensin frutos en la adquisicin permanente de nuevas
tcnicas; y que estas tcnicas es que va a crear los instrumentos para ayudar a la sociedad en la
consecucin de sus objetivos.
Nuestro propsito aqu, sin embargo, no es abogar por la comprensin de un mundo exterior. Es
para examinar un aspecto de nuestra ciencia, el desarrollo de la nueva comprensin bsica de la
investigacin emprica. Esto se hace mejor por las ilustraciones. Vamos a ser perdonados si se
especula con la ocasin, elegimos a nuestros ejemplos de la zona de nuestra propia
investigacin. Como se ver, estos ejemplos implican todo el desarrollo de la inteligencia artificial,
especialmente en sus primeros aos. Se basan en mucho ms que nuestras propias contribuciones
personales. Y aun cuando hemos hecho contribuciones directas, esto se ha hecho en cooperacin
con los dems. Nuestros colaboradores han incluido en especial de Cliff Shaw, con los que formamos
un equipo de tres personas a travs del emocionante perodo de finales de los cincuenta. Pero
tambin hemos trabajado con un gran nmero de colegas y estudiantes de la Universidad Carnegie-
Mellon.
El tiempo lo permite ocupar slo dos ejemplos. El primero es el desarrollo de la nocin de un sistema
simblico. El segundo es el desarrollo de la nocin de bsqueda heurstica. Ambas concepciones
tienen un profundo significado para la comprensin de cmo se procesa la informacin y cmo se
logra la inteligencia. Sin embargo, ellos no se acercan a agotar todo el mbito de la inteligencia
artificial, aunque nos parece que sea til para la exposicin de la naturaleza de los conocimientos
fundamentales en esta parte de la informtica.
I. Los smbolos y sistemas de smbolos fsicos
Uno de los aportes fundamentales para el conocimiento de la informtica ha sido explicar, en un
nivel ms bsico, lo que son smbolos. Esta explicacin es una proposicin cientfica acerca de la
naturaleza. Se deriva empricamente, con un desarrollo largo y gradual.
Smbolos encuentran en la raz de la accin inteligente, que es, por supuesto, el tema principal de
la inteligencia artificial. Por lo dems, se trata de una cuestin primaria para todos de la
informtica. Para toda la informacin es procesada por computadoras en el servicio de los fines, y
medimos la inteligencia de un sistema por su capacidad para lograr los fines establecidos en la cara
de las variaciones, las dificultades y complejidades que plantea el entorno de trabajo. Esta inversin
general de la informtica en la consecucin de la inteligencia est oscurecida cuando las tareas que
se realizan tienen un alcance limitado, ya que entonces las variaciones de pleno derecho en el medio
ambiente pueden preverse con exactitud. Se hace ms evidente a medida que extendemos las
computadoras para tareas ms complejas y globales, intensivas en conocimiento - en nuestro
intento de hacerlos nuestros agentes, capaz de manejar por su cuenta las contingencias de pleno
derecho del mundo natural.
Nuestra comprensin de los requisitos de los sistemas de actuacin inteligente emerge
lentamente. Es compuesto, para no solo las cuentas de lo elemental para la inteligencia en todas
sus manifestaciones. No hay un "principio de inteligencia", al igual que no hay un "principio vital"
que transmite por su propia naturaleza la esencia de la vida. Pero la falta de un simple deus ex
machina no implica que no hay requisitos estructurales para la inteligencia.Uno de los requisitos es
la capacidad de almacenar y manipular smbolos. Para poner la cuestin cientfica, podemos
prrafo: Frase del ttulo de un famoso artculo de Warren McCulloch [1961]: Qu es un smbolo,
que la inteligencia lo puedan utilizar, y la inteligencia, que puede utilizar un smbolo?
Leyes de la estructura cualitativa
Todas las ciencias caracterizan la naturaleza esencial de los sistemas que estudian. Estas
caracterizaciones son invariablemente de naturaleza cualitativa, ya que establecen los trminos
dentro de los cuales se puede desarrollar un conocimiento ms detallado. Su esencia menudo se
puede capturar en declaraciones muy breves y muy generales. Uno podra juzgar estas leyes
generales, debido a su especificidad limitada, ya que pocas veces contribucin a la suma de una
ciencia, si no fuera por la evidencia histrica que muestra que son resultado de la mayor
importancia.
La Doctrina de la clula en Biologa. Un buen ejemplo de una ley de la estructura cualitativa es la
doctrina de clulas en biologa, que establece que el componente bsico de todos los organismos
vivos es la clula. Las clulas vienen en una gran variedad de formas, aunque todos ellos tienen un
ncleo rodeado de protoplasma, el conjunto recubierto por una membrana. Pero esta estructura
interna no fue, histricamente, parte de la especificacin de la doctrina de clulas; era especificidad
posterior desarrollado por investigacin intensiva. La doctrina de clulas puede ser transmitida casi
en su totalidad por la declaracin que dimos anteriormente, junto con algunas nociones vagas
acerca de qu tamao de una clula puede ser. El impacto de esta ley en la biologa, sin embargo,
ha sido enorme, y el movimiento perdido en el campo antes de su aceptacin gradual fue
considerable.
Tectnica de placas en la geologa. La geologa es un ejemplo interesante de una ley de estructura
cualitativa, interesante, ya que ha ganado aceptacin en la ltima dcada y por lo que su aumento
en el estado an est fresco en la memoria. La teora de la tectnica de placas afirma que la
superficie del globo es una coleccin de enormes placas - unas pocas docenas en total - que se
mueven (a velocidades geolgicas) en contra, sobre y debajo de los otros en el centro de la tierra,
donde pierden su identidad. Los movimientos de las placas representan las formas y posiciones
relativas de los continentes y ocanos, para las reas de la actividad volcnica y ssmica, por las
crestas de aguas profundas, y as sucesivamente. Con algunos detalles adicionales en cuanto a
velocidad y el tamao, la teora esencial se ha especificado. Era, por supuesto, no aceptada hasta
que tuvo xito en la explicacin de una serie de detalles, todo lo cual se mantuvo unida (por ejemplo,
lo que representa para la flora, la fauna y los acuerdos de estratificacin entre frica Occidental y el
noreste de Amrica del Sur). La teora de la tectnica de placas es altamente cualitativo. Ahora que
se acepta, toda la tierra parece ofrecer evidencia de ello en todas partes, ya que vemos el mundo
en sus trminos.
La teora de los grmenes. Es poco ms de un siglo desde Pasteur enunci la teora de los grmenes,
una ley de la estructura cualitativa que produjo una revolucin en la medicina. La teora propone
que la mayor parte de las enfermedades son causadas por la presencia y la multiplicacin en el
cuerpo de pequeos organismos vivos unicelulares, y que el contagio consiste en la transmisin de
estos organismos de un husped a otro. Una gran parte de la elaboracin de la teora consisti en
la identificacin de los organismos asociados con enfermedades especficas, describirlas, y el rastreo
de sus historias de vida. El hecho de que la ley tiene muchas excepciones - que muchas
enfermedades no son producidas por grmenes - no resta valor a su importancia. La ley nos dice
que busque un determinado tipo de causa; que no insiste en que siempre vamos a encontrar.
La doctrina del atomismo. La doctrina del atomismo ofrece un interesante contraste con las tres
leyes de la estructura cualitativa que acabamos de describir. Como se puso de manifiesto a partir
de la obra de Dalton y sus manifestaciones que los productos qumicos combinados en proporciones
fijas, la ley siempre un ejemplo tpico de estructura cualitativa: los elementos estn compuestos de
partculas pequeas y uniformes, a diferencia de un elemento a otro. Pero debido a que la especie
subyacentes de los tomos son tan simple y limitado en su variedad, las teoras cuantitativas pronto
fueron formulados, que asimila toda la estructura general de la hiptesis inicial cualitativa. Con las
clulas, placas tectnicas, y los grmenes, la variedad de la estructura es tan grande que el principio
cualitativa subyacente permanece distinto, y su contribucin a la teora totales claramente
discernibles.
Conclusin. La ley de estructura cualitativa se ven por todas partes en la ciencia. Algunos de
nuestros ms grandes descubrimientos cientficos deben ser encontrados entre ellos. Como ilustran
los ejemplos, a menudo se establecen las condiciones en que opera toda una ciencia.
Sistemas de smbolos fsicos
Volvamos al tema de los smbolos, y definir un sistema de smbolos fsicos. El adjetivo "fsica" se
refiere a dos caractersticas importantes: (1) Dichos sistemas obedecen claramente las leyes de la
fsica - son realizables por los sistemas de ingeniera hechas de componentes de ingeniera; (2)
Aunque el uso de la "smbolo" plazo prefigura nuestra interpretacin pretendida, no se limita a los
sistemas de smbolos humanos.
Un sistema de smbolo fsico consta de un conjunto de entidades, llamados smbolos, que son
patrones fsicos que pueden ocurrir como componentes de otro tipo de entidad llamada una
expresin (o estructura de smbolos). Por lo tanto, una estructura de smbolo se compone de un
nmero de instancias (o fichas) de smbolos relacionados de alguna manera fsica (por ejemplo, una
ficha de estar al lado de otro). En cualquier instante de tiempo, el sistema contendr una coleccin
de estas estructuras de smbolos. Adems de estas estructuras, el sistema tambin contiene una
coleccin de procesos que operan sobre expresiones para producir otras expresiones: los procesos
de creacin, modificacin, reproduccin y destruccin. Un sistema smbolo fsico es una mquina
que produce a travs del tiempo una coleccin evolucin de las estructuras de smbolos. un sistema
de este tipo existe en un mundo de objetos ms amplio que estas mismas expresiones simblicas.
Dos nociones son fundamentales para esta estructura de las expresiones, smbolos y objetos:
designacin y la interpretacin.
Designacin. Una expresin designa un objeto si, dada la expresin, el sistema puede afectar, ya sea
el propio objeto o comportarse de maneras que dependen de en el objeto.
En cualquier caso, se ha obtenido el acceso al objeto a travs de la expresin, que es la esencia de
la designacin.
Interpretacin. El sistema puede interpretar una expresin si la expresin designa un proceso y si,
dada la expresin, el sistema puede llevar a cabo el proceso.
Interpretacin implica una forma especial de accin dependiente: dada una expresin del sistema
puede llevar a cabo el proceso indicado, es decir, que puede evocar y ejecutar sus propios procesos
de expresiones que los designan.
Un sistema capaz de designacin y la interpretacin, en el sentido que acabamos de indicar, tambin
debe cumplir una serie de requisitos adicionales, de integridad y de cierre. Solamente tendremos
espacio para mencionar brevemente stos; todos ellos son importantes y tienen consecuencias de
largo alcance.
(1) Un smbolo puede ser utilizado para designar cualquier expresin alguna. Es decir, dado un
smbolo, no es prescriben a priori qu expresiones se puede designar. Esta arbitrariedad se refiere
slo a los smbolos; las fichas de smbolos y sus relaciones mutuas determinar qu objeto es
designado por una expresin compleja. (2) No existen expresiones que designan cada proceso de
que la mquina es capaz. (3) Existen procesos para la creacin de cualquier expresin y para la
modificacin de cualquier expresin de formas arbitrarias. (4) Las expresiones son estables; Una vez
creados van a seguir existiendo hasta que sea modificada o eliminada de forma explcita. (5) El
nmero de expresiones que el sistema puede almacenar es esencialmente ilimitado.
El tipo de sistema que acabamos de definir, no es desconocido para los informticos. Que tiene un
fuerte parecido familiar a todos los ordenadores de propsito general. Si un lenguaje de
manipulacin de smbolos, tales como LISP, se toma como definicin de una mquina, entonces el
parentesco llega a ser verdaderamente fraternal. Nuestra intencin en la disposicin de un sistema
de este tipo no es proponer algo nuevo. Todo lo contrario: es para mostrar lo que ahora se conoce
y la hiptesis acerca de los sistemas que satisfagan tal caracterizacin.
Ahora podemos afirmar una hiptesis cientfica en general - una ley de la estructura cualitativa de
los sistemas de smbolos:
El smbolo hiptesis del sistema fsico. Un sistema de smbolos fsicos dispone de los medios
necesarios y suficientes para la accin inteligente general.
Por "necesario" queremos decir que cualquier sistema que exhibe inteligencia general resultar en
un anlisis a ser un sistema de smbolos fsicos. Por "suficiente" queremos decir que cualquier
sistema de smbolos fsicos de tamao suficiente puede organizarse ms para exhibir la inteligencia
general. Por "accin inteligente en general" se quiere indicar el mismo mbito de aplicacin de la
inteligencia, como lo vemos en accin humian: que en cualquier situacin real de la conducta
approprate a los extremos del sistema y se adapten a las exigencias del entorno puede ocurrir,
dentro de unos lmites de velocidad y complejidad.
La Fsica de Smbolos del Sistema hiptesis es claramente una ley de la estructura cualitativa. En l
se especifica una clase general de los sistemas dentro de los cuales uno encontrar aquellos capaces
de una accin inteligente.
Esta es una hiptesis emprica. Hemos definido una clase de sistemas; deseamos preguntar si las
cuentas de esa clase por un conjunto de fenmenos que encontramos en el mundo real. accin
inteligente est en todas partes a nuestro alrededor en el mundo biolgico, sobre todo en el
comportamiento humano. Es una forma de comportamiento podemos reconocer por sus efectos si
se lleva a cabo por los seres humanos o no. La hiptesis de hecho podra ser falsa. comportamiento
inteligente no es tan fcil de producir que cualquier sistema que exhibir willynilly. De hecho, hay
personas cuyo anlisis les llevan a la conclusin, ya sea en filosfico o por razones cientficas que la
hiptesis es falsa. Cientficamente, se puede atacar o defender slo por gente que produzca
evidencia emprica sobre el mundo natural.
Ahora tenemos que seguir el desarrollo de esta hiptesis y mirar la evidencia de ello.
Desarrollo del Sistema de hiptesis de smbolos
Un sistema de smbolo fsico es una instancia de una mquina universal. Por lo tanto la hiptesis del
sistema de smbolos implica que la inteligencia se realizar mediante un ordenador universal. Sin
embargo, la hiptesis va mucho ms all del argumento, a menudo hecho por motivos generales de
determinismo fsico, que cualquier clculo que es realizable puede ser realizada por una mquina
universal, siempre que se especifica. Para afirma especficamente que la mquina inteligente es un
sistema de smbolos, con lo que una afirmacin de arquitectura especfica acerca de la naturaleza
de los sistemas inteligentes. Es importante entender cmo surgi esta especificidad adicional.
La lgica formal. Las races de la hiptesis se remontan al programa de Frege y de Whitehead y
Russell para la formalizacin de la lgica: la captura de las nociones conceptuales bsicos de las
matemticas en la lgica y poniendo las nociones de la prueba y la deduccin en una posicin
segura. Este esfuerzo culmin en la lgica matemtica - nuestra proposicional familiar, de primer
orden, y las lgicas de orden superior. Desarroll una vista caracterstica que, a menudo referido
como el "smbolo del juego". Lgica, y por la incorporacin de todas las matemticas, era un juego
que se juega con fichas sin sentido de acuerdo con ciertas reglas sintcticas. Todo significado haba
sido purgado. Uno tena una mecnica, aunque permisiva (diramos ahora no determinista), sistema
sobre el que diversos cosa s en que se comprobara. As se hizo por primera vez el progreso de
alejarse de todo lo que pareca relevante para el significado y smbolos humanos. Podramos llamar
a esto la etapa de manipulacin formal de smbolos.
Esta actitud general est bien reflejado en el desarrollo de la teora de la informacin. Fue sealado
una y otra vez que Shannon haba definido un sistema que slo era til para la comunicacin y la
seleccin, y que no tena nada que ver con el significado. Se expres pesar de que un nombre tan
general como "teora de la informacin" se le haba dado al campo, y se hicieron intentos para
rebautizar como "la teora de la informacin selectiva" - en vano, por supuesto.
Turing Mquinas y Digital Computer. El desarrollo de las primeras computadoras digitales y de la
teora de autmatas, empezando por el propio trabajo de Turing en los aos 30, se puede tratar
juntos. Ellos estn de acuerdo en su visin de lo que es esencial. Vamos a utilizar un modelo propio
de Turing, ya que muestra bien las caractersticas.
Una mquina de Turing consta de dos memorias: una cinta sin lmites y un control de estado
finito. La cinta posee los datos, es decir, los famosos ceros y unos. La mquina tiene un conjunto
muy pequeo de las operaciones adecuadas - leer, escribir, y escanear las operaciones - en la
cinta. La operacin de lectura no es una operacin de datos, pero ofrece bifurcacin condicional a
un estado de control como una funcin de los datos bajo la cabeza de lectura. Como todos sabemos,
este modelo contiene los elementos esenciales de todos los equipos, en trminos de lo que pueden
hacer, aunque otras computadoras con diferentes memorias y operaciones podran realizar los
mismos clculos con diferentes requisitos de espacio y tiempo. En particular, el modelo de una
mquina de Turing contiene en su interior las nociones tanto de lo que no puede ser computado y
de mquinas universales - los ordenadores que pueden hacer cualquier cosa que se puede hacer
por cualquier mquina.
Hay que maravillarse de que dos de nuestros ms profundo conocimiento en el procesamiento de
la informacin se alcanzaron en los aos treinta, antes de los ordenadores modernos llegaron a
existir. Es un tributo al genio de Alan Turing. Tambin es un homenaje al desarrollo de la lgica
matemtica en el momento, y el testimonio de la profundidad de la obligacin de la informtica a
la misma. Simultneamente con el trabajo de Turing apareci el trabajo de los lgicos y Emil Pon
(independiente) Alonzo Church. A partir de las nociones independientes de los sistemas logsticos
(posteriores producciones y funciones recursivas, respectivamente) llegaron a resultados anlogos
en indecisin y los resultados universality-- que luego fueron mostrados dar a entender que los tres
sistemas eran equivalentes. De hecho, la convergencia de todos estos intentos de definir la clase
ms general de los sistemas de procesamiento de informacin proporciona algo de la fuerza de
nuestra conviccin de que hemos captado lo esencial de procesamiento de la informacin en estos
modelos.
En ninguno de estos sistemas est ah, en la superficie, un concepto del smbolo como algo que
designe. Los datos se consideran slo cadenas de ceros y unos - de hecho que los datos se inerte es
esencial para la reduccin de la computacin de proceso fsico. El sistema de control de estado finito
siempre fue visto como un pequeo controlador, y juegos de lgica se jugaron para ver lo pequeo
que un sistema estatal se podra utilizar sin destruir la universalidad de la mquina. No hay juegos,
por lo que podemos decir, fueron jams jugados aadir nuevos estados de forma dinmica para el
control finito - piensen en la memoria de control como la celebracin de la mayor parte de los
conocimientos del sistema. Lo que se logr en esta etapa era la mitad del principio de interpretacin
- que muestra que una mquina podra ser ejecutado desde una descripcin. Por lo tanto, esta es la
etapa de la manipulacin automtica smbolo formal.
El concepto de programa almacenado. Con el desarrollo de la segunda generacin de mquinas
electrnicas a mediados de los aos cuarenta (despus de la Eniac) surgi el concepto de programa
almacenado. Esto fue considerado con razn como un hito, tanto conceptual como
prctico. Programas ahora pueden ser datos, y pueden ser operados como datos. Esta capacidad es,
por supuesto, ya implcita en el modelo de Turing: las descripciones son en la misma cinta que los
datos. Sin embargo, la idea se consigue slo cuando las mquinas adquiridas suficiente memoria
para que sea posible para localizar programas reales en algn lugar interno. Despus de todo, el
Eniac tena slo veinte registros.
El concepto de programa almacenado encarna la segunda mitad del principio de interpretacin, la
parte que dice que los propios datos del sistema pueden ser interpretados. Pero todava no contiene
la nocin de denominacin - de la relacin fsica que subyace significado.
Procesamiento de la lista. El paso siguiente, tomada en 1956, fue procesado lista. El contenido de
las estructuras de datos eran ahora smbolos, en el sentido de nuestra fsica del sistema de smbolos:
patrones que designan, que tena referentes. Listas de direcciones a cabo lo que permiti el acceso
a otras listas - por lo tanto la nocin de estructura de las listas. Que se trataba de una nueva vista se
demostr que nosotros muchas veces en los primeros das de procesamiento de listas cuando los
colegas se preguntan dnde estaban los datos - es decir, que la lista celebr finalmente las
colecciones de bits que fueron el contenido del sistema. Encontraron extrao que no haba tales
trozos, slo haba smbolos que designan sin embargo, otras estructuras de smbolos.
Se crea la lista es simultneamente tres cosas en el desarrollo de la informtica. (1) Es la creacin
de una estructura de memoria dinmica genuina en una mquina que hasta ahora haba sido
percibido como habiendo fijado estructura. Es en nuestro conjunto de las operaciones de las que
construy y estructura modificada, adems de las que sustituye y cambi contenido. (2) Fue una de
las primeras demostraciones de la abstraccin bsica que un ordenador se compone de un conjunto
de tipos de datos y un conjunto de operaciones propias de estos tipos de datos, por lo que un
sistema computacional debe emplear cualquier tipo de datos son apropiadas para la aplicacin,
independiente de la mquina subyacente. (3) Lista de procesamiento produce un modelo de
designacin, definiendo as la manipulacin de smbolos en el sentido en que se utiliza este concepto
en ciencias de la computacin en la actualidad.
Como ocurre a menudo, la prctica del tiempo ya se anticipa todos los elementos de procesamiento
de listas: las direcciones se utilizan obviamente para ganar acceso, las cajas de ritmos utilizados
programas vinculados (los denominados uno ms uno direccionamiento), y as sucesivamente. Pero
la concepcin de procesamiento de listas como una abstraccin creado un nuevo mundo en el que
la designacin y la estructura simblica dinmica fueron las caractersticas que definen. La
incorporacin de los principios de los sistemas de procesamiento de lista en los idiomas (IPL), LISP a
menudo se censur por haber sido una barrera a la difusin de tcnicas de procesamiento de la lista
a lo largo de la prctica de programacin; pero fue el vehculo que llev a cabo la abstraccin juntos.
LISP. Un paso ms es digno de mencin: la creacin de McCarthy de LISP en 1959-1960 [McCarthy,
1960]. Se complet el acto de abstraccin, el levantamiento de estructuras de lista de su
incorporacin en mquinas concretas, creando un nuevo sistema formal con S-expresiones, lo que
podra ser demostrada de forma equivalente a los otros esquemas universales de clculo.
Conclusin. Que el concepto del smbolo de designacin y la manipulacin de smbolos no emerge
hasta mediados de los aos cincuenta, no significa que los pasos anteriores eran o no esenciales o
menos importante. El concepto total es la combinacin de la computabilidad, realizabilidad fsica (y
de mltiples tecnologas), la universalidad, la representacin simblica de los procesos (es decir,
interpretabilidad), y, por ltimo, la estructura simblica y designacin. Cada uno de los pasos
proporcionados en una parte esencial del conjunto.
El primer paso en esta cadena, cuyo autor es Turing, est motivada en teora, pero todos los otros
tienen races profundas empricos. Hemos sido dirigido por la evolucin de la propia
computadora. El principio de programa almacenado surgi de la experiencia con Eniac. Se crea la
lista surgi de la tentativa de construir programas inteligentes. Tom el ejemplo de la aparicin de
memorias de acceso aleatorio, que proporcion una clara realizacin fsica de un smbolo que
designa la direccin. LISP surgi de la experiencia en constante evolucin con el procesamiento de
la lista.
La evidencia
Llegamos ahora a la evidencia de la hiptesis de que los sistemas de smbolos fsicos son capaces de
una accin inteligente, y que la accin inteligente General pide un sistema de smbolos fsicos. La
hiptesis es una generalizacin emprica y no un teorema. No conocemos ninguna forma de
demostrar la conexin entre los sistemas de smbolos y de inteligencia por razones puramente
lgicas. A falta de tal demostracin, hay que fijarse en los hechos. Nuestro objetivo central, sin
embargo, no es revisar la evidencia en detalle, pero para utilizar el ejemplo que nos ocupa para
ilustrar la tesis de que la informtica es un campo de investigacin emprica. Por lo tanto, slo
indicar qu tipo de pruebas que hay, y la naturaleza general del proceso de prueba.
La nocin de sistema smbolo fsico haba tomado esencialmente su forma actual a mediados de la
dcada de 1950, y se puede datar de ese momento el crecimiento de la inteligencia artificial como
un subcampo coherente de la informtica. Los veinte aos de trabajo desde entonces ha visto una
continua acumulacin de evidencia emprica de dos variedades principales. La primera se dirige a la
suficiencia de los sistemas de smbolos fsicos para la produccin de inteligencia, tratando de
construir y probar sistemas especficos que tienen esa capacidad. El segundo tipo de prueba se
dirige a la necesidad de tener un sistema de smbolos fsicos donde se exhibe la inteligencia. Se inicia
con el Hombre, el sistema inteligente ms conocido para nosotros, y los intentos de descubrir si su
actividad cognitiva puede ser explicado como el funcionamiento de un sistema de smbolos
fsicos. Hay otras formas de evidencia, que vamos a comentar brevemente ms adelante, pero estos
dos son los ms importantes. Tendremos en cuenta a su vez. La primera se llama generalmente la
inteligencia artificial, la segunda, la investigacin en psicologa cognitiva.
La construccin de sistemas inteligentes. El paradigma bsico para la prueba inicial de la teora
microbiana de la enfermedad era: identificar una enfermedad; a continuacin, busque el
germen. Un paradigma similar ha inspirado gran parte de la investigacin en inteligencia artificial:
identificar un dominio de la tarea llamada por la inteligencia; a continuacin, construir un programa
para un ordenador digital que puede manejar las tareas en ese dominio. Las tareas fciles y bien
estructuradas se miraron primero: rompecabezas y juegos, problemas de investigacin de
operaciones de programacin y asignacin de recursos, tareas simples de induccin. Resultados, si
no cientos, de los programas de este tipo han sido construidos por ahora, cada uno capaz de alguna
medida de accin inteligente en el dominio apropiado.
Por supuesto, la inteligencia no es una cuestin de todo o nada, y no ha habido un progreso
constante hacia niveles ms altos de rendimiento en dominios especficos, as como hacia la
ampliacin de la gama de esos dominios. Los primeros programas de ajedrez, por ejemplo, se
considerar un xito si podan jugar el juego de forma legal y con alguna indicacin de fin; un poco
ms tarde, llegaron al nivel de principiantes humanos; dentro de diez o quince aos, comenzaron a
competir con los aficionados serios. El progreso ha sido lento (y el esfuerzo total invertido
programacin pequea) pero continua, y el paradigma de las ganancias de la prueba constructand
en un ciclo regular - toda la actividad de investigacin que imita a un nivel macroscpico el ciclo
bsico generar y test de muchos de los programas de IA.
Hay una zona cada vez ms amplia dentro de la cual la accin inteligente es alcanzable. A partir de
las tareas originales, la investigacin se ha extendido a los sistemas de construccin que manejan y
entienden el lenguaje natural en una variedad de formas, sistemas para la interpretacin de escenas
visuales, sistemas de coordinacin mano-ojo, sistemas que disean, sistemas que escriben los
programas de ordenadores y sistemas de comprensin del habla --la lista es, si no sin fin, por lo
menos muy largo. Si hay lmites ms all del cual la hiptesis no nos va a llevar, que an no se han
hecho evidentes. Hasta el presente, la tasa de progreso ha sido gobernada principalmente por la
cantidad ms modesta de los recursos cientficos que se han aplicado y la inevitable exigencia de un
esfuerzo sustancial de creacin de sistema para cada nueva tarea de gran envergadura.
Mucho ms ha estado sucediendo, por supuesto, que una simple acumulacin de ejemplos de
sistemas inteligentes adaptados a dominios especficos de la tarea. Sera sorprendente y poco
atractiva si result que los programas de IA que realizan estas diversas tareas no tenan nada en
comn ms all de sus instancias bienestar de los sistemas de smbolos fsicos. Por lo tanto, ha
habido un gran inters en la bsqueda de mecanismos que poseen de generalidad, y para los
componentes comunes entre los programas que realizan una variedad de tareas. Esta bsqueda
lleva a la teora ms all de la hiptesis inicial del sistema smbolo para una caracterizacin ms
completa de los tipos particulares de sistemas de smbolos que son eficaces en la inteligencia
artificial. En la segunda parte de este artculo, vamos a discutir un ejemplo de una hiptesis en este
segundo nivel de especificidad: la heurstica hiptesis de bsqueda.
La bsqueda de generalidad dio lugar a una serie de programas diseados para separar los
mecanismos generales de solucin de problemas de los requisitos de dominios tarea en
particular. El solucionador de problemas generales (GPS) fue quizs el primero de ellos; mientras
que entre sus descendientes son los sistemas contemporneos como planificador y consentidor. La
bsqueda de componentes comunes ha llevado a esquemas generalizados de la representacin de
las metas y planes, mtodos para la construccin de redes de discriminacin, los procedimientos
para el control de rbol de bsqueda, mecanismos patternmatching, y los sistemas de lenguaje de
anlisis. Los experimentos estn en la actualidad en curso para encontrar dispositivos convenientes
para la representacin de secuencias de tiempo y tensa, el movimiento, la causalidad y similares.
Cada vez ms, se hace posible ensamblar grandes sistemas inteligentes de forma modular a partir
de tales componentes bsicos.
Podemos tener una cierta perspectiva sobre lo que est pasando, girando, de nuevo, a la analoga
de la teora de los grmenes. Si la primera explosin de research'stimulated por esa teora consisti
en gran parte en la bsqueda de el germen para ir con cada enfermedad, el esfuerzo posterior se
volvi a aprender lo que era un germen - a la construccin de la ley cualitativa bsica de un nuevo
nivel de estructura. En la inteligencia artificial, una explosin inicial de actividad dirigida a la creacin
de programas inteligentes para una amplia variey de tareas casi elegidos al azar es dar paso a
apuntado ms bruscamente la investigacin dirigida a la comprensin de los mecanismos comunes
de este tipo de sistemas.
El modelado de la conducta simblica humana . La hiptesis del sistema de smbolos implica que la
conducta simblica del hombre surge porque tiene las caractersticas de un sistema de smbolos
fsicos. Por lo tanto, los resultados de los esfuerzos para modelar el comportamiento humano con
los sistemas de smbolos se convierten en una parte importante de la evidencia de la hiptesis, y la
investigacin en inteligencia artificial contina en estrecha colaboracin con la investigacin en
psicologa procesamiento de la informacin, como se le suele llamar.
La bsqueda de explicaciones de la conducta inteligente del hombre en trminos de sistemas de
smbolos ha tenido un amplio xito en los ltimos veinte aos; hasta el punto donde la teora de
procesamiento de informacin es el punto actual lder de vista de la psicologa
cognitiva. Especialmente en las reas de resolucin de problemas, la adquisicin de conceptos, y la
memoria a largo plazo, los modelos de manipulacin de smbolos ahora dominan la escena.
La investigacin en psicologa procesamiento de la informacin implica dos tipos principales de
actividad emprica. La primera es la realizacin de observaciones y experimentos sobre el
comportamiento humano en las tareas que requieren inteligencia. El segundo, muy similar a la
actividad paralelo en la inteligencia artificial, es la programacin de sistemas de smbolos para
modelar el comportamiento humano observado. Las observaciones y experimentos psicolgicos
conducen a la formulacin de hiptesis sobre los procesos simblicos los sujetos estn utilizando, y
estos son una fuente importante de las ideas que van en la construccin de los programas. Por lo
tanto, muchas de las ideas de los mecanismos bsicos de GPS se derivaron de un cuidadoso anlisis
de los protocolos que los sujetos humanos produjeron mientras piensa en voz alta durante la
realizacin de una tarea de resolucin de problemas.
El carcter emprico de la informtica est en ninguna parte es ms evidente que en esta alianza con
la psicologa. No slo son los experimentos psicolgicos necesarios para probar la veracidad de los
modelos de simulacin como explicaciones de la conducta humana, pero fuera de los experimentos
vienen nuevas ideas para el diseo y construccin de sistemas de smbolos fsicos.
Otra evidencia .El cuerpo principal de pruebas de la hiptesis del sistema de smbolos que no hemos
considerado es la evidencia negativa: la ausencia de hiptesis alternativas especficas en cuanto a
cmo la actividad inteligente podra lograrse - ya sea por el hombre o la mquina. La mayora de los
intentos de construir tales hiptesis han tenido lugar dentro del campo de la psicologa. Aqu hemos
tenido una serie continua de teoras desde el punto de vista normalmente con la indicacin
"conductismo" a las que habitualmente denominada "teora de la Gestalt." Ninguno de estos puntos
de vista se erige como un competidor real para la hiptesis del sistema de smbolos, y esto por dos
razones. En primer lugar, ni la teora de la Gestalt conductismo ni ha demostrado, o incluso se
muestra cmo demostrar, que los mecanismos explicativos que postula son suficientes para explicar
el comportamiento inteligente en tareas complejas. En segundo lugar, ni la teora ha sido formulado
con algo parecido a la especificidad de los programas artificiales. Como cuestin de hecho, las
teoras alternativas son suficientemente vaga de modo que no es terriblemente difcil darles de
proceso de informacin interpretaciones, y por lo tanto asimilarlos a la hiptesis del sistema de
smbolos.
Conclusin
Hemos tratado de usar el ejemplo de la fsica de Smbolos del Sistema de hiptesis para ilustrar
concretamente que la informtica es una empresa cientfica en el sentido habitual del trmino: que
desarrolla las hiptesis cientficas que posteriormente se trata de verificar por la investigacin
emprica. Tuvimos una segunda razn, sin embargo, para la eleccin de este ejemplo en particular
para ilustrar nuestro punto. La hiptesis del sistema de smbolos fsicos es en s misma una hiptesis
cientfica sustancial de la clase que antes se dobl "leyes de la estructura cualitativa." Representa
un importante descubrimiento de la informtica, que si se ve confirmado por la evidencia emprica,
como de hecho parece estar ocurriendo, tendr gran impacto duradero en el campo.
Pasamos ahora a un segundo ejemplo, el papel de la bsqueda de inteligencia. En este tema, y la
hiptesis particular sobre ella que vamos a examinar, tambin han desempeado un papel central
en la informtica, en general, y la inteligencia artificial, en particular.
II. Bsqueda heurstica
Sabiendo que proporcionan los sistemas de smbolos fsicos de la matriz de accin inteligente no
nos dice cmo lograr esto. Nuestro segundo ejemplo de una ley de la estructura cualitativa en
ciencias de la computacin se dirige a esta ltima cuestin, afirmando que los sistemas de smbolos
resolver problemas mediante el uso de los procesos de bsqueda heurstica.
Esta generalizacin, al igual que la anterior, se basa en la evidencia emprica, y no ha sido
formalmente derivado de otras instalaciones. Sin embargo, veremos en un momento que tiene
cierta conexin lgica con la hiptesis del sistema de smbolos, y tal vez podemos mirar hacia
adelante a la formalizacin de la conexin en algn momento en el futuro. Hasta que llegue ese
momento, nuestra historia debe volver a ser una de la investigacin emprica.Vamos a describir lo
que se conoce acerca de la bsqueda heurstica y revisar los resultados empricos que muestran
cmo se permite la accin de ser inteligente. Comenzamos declarando esta ley de la estructura
cualitativa, la bsqueda heurstica hiptesis.
Bsqueda Heurstica hiptesis . Las soluciones a los problemas se representan como estructuras
simblicas. Un sistema de smbolo fsico ejerce su inteligencia en la solucin por bsqueda de
problema - es decir, mediante la generacin y modificacin progresivamente estructuras de
smbolos hasta que se produce una estructura de la solucin.
sistemas de smbolos fsicos deben utilizar la bsqueda heurstica para resolver problemas debido a
que tales sistemas han limitado los recursos de procesamiento; en un nmero finito de pasos, y en
un intervalo finito de tiempo, se pueden ejecutar slo un nmero finito de procesos. Por supuesto
que no es una limitacin muy fuerte, para todas las mquinas de Turing universales
padecen. Tenemos la intencin de la limitacin, sin embargo, en un sentido ms fuerte: nos
referimos a prcticamente limitado. Podemos concebir sistemas que no se limitan de una manera
prctica, pero que son capaces, por ejemplo, de buscar de forma paralela a los nodos de un rbol
de expansin exponencial a una velocidad constante para cada unidad de avance en
profundidad. No nos ocuparemos aqu con este tipo de sistemas, pero con sistemas de computacin
cuyos recursos son escasos en relacin con la complejidad de las situaciones con las que se
enfrentan. La restriccin no excluir cualquier sistema de smbolos reales, en el ordenador o en el
hombre, en el contexto de las tareas reales. El hecho de los recursos limitados nos permite, en la
mayora de los propsitos, para ver un sistema de smbolos, como si se tratara de un dispositivo en
serie de un proceso en-un-tiempo. Si se puede lograr slo una pequea cantidad de procesamiento
en cualquier intervalo de tiempo corto, entonces puede ser que tambin lo consideran como hacer
las cosas de una en una. Por lo tanto "sistema de recurso limitado smbolo" y "sistema de smbolos
serie" son prcticamente sinnimos. El problema de la asignacin de un recurso escaso a partir de
un momento a otro por lo general se puede tratar, si el momento es lo suficientemente corto, como
un problema de programacin de una mquina de serie.
La resolucin de problemas
Puesto que la capacidad de resolver problemas generalmente se toma como un indicador principal
que tiene un sistema de inteligencia, es natural que gran parte de la historia de la inteligencia
artificial se recoge con intentos de construir y comprender los sistemas de resolucin de
problemas. La resolucin de problemas ha sido discutido por los filsofos y psiclogos durante dos
milenios, en los discursos densos con el sentido del misterio. Si le parece que no es nada
problemtico o misterioso en un sistema de smbolos resolucin de problemas, entonces usted es
un nio de hoy, cuyas opiniones se han formado desde mediados de siglo. Platn (y, por su cuenta,
Scrates) encontr dificultades para entender incluso cmo podran ser entretenido problemas, y
mucho menos cmo se podran resolver. Permtanme recordarles de cmo se plantea el dilema en
el Menn:
Meno: Y cmo va a investigar, Scrates, en lo que no sabe? Qu vas a poner adelante como sujeto
de investigacin? Y si encuentras lo que quieres, cmo va a saber que esto es lo que no sabe?
Para hacer frente a este rompecabezas, Platn invent su famosa teora de recuerdo: cuando usted
piensa que est descubriendo o aprender algo, usted est realmente slo recordando lo que ya
sabas en una existencia anterior.Si encuentras esta explicacin absurda, hay uno mucho ms simple
disponible en la actualidad, basado en nuestra comprensin de los sistemas de smbolos. Una
declaracin aproximada de la misma es:
Para indicar un problema es designar (1) una prueba de una clase de estructuras de smbolos
(soluciones del problema), y (2) un generador de estructuras de smbolos (soluciones
potenciales). Para resolver un problema es generar una estructura, usando (2), que satisface la
prueba de (1).
Tenemos un problema si sabemos lo que queremos hacer (la prueba), y si no sabemos de inmediato
cmo hacerlo (nuestro generador no produce inmediatamente una estructura smbolo de la
satisfaccin de la prueba). Un sistema de smbolos puede declarar y resolver problemas (a veces),
ya que puede generar y prueba.
Si eso es todo lo que hay a la resolucin de problemas, por qu no simplemente generar a la vez
una expresin que satisface la prueba? Esto es, de hecho, lo que hacemos cuando queremos y el
sueo. "Si los deseos fueran caballos, los mendigos pueden andar." Pero fuera del mundo de los
sueos, no es posible. Para saber cmo nos gustara probar algo, una vez construidos, no significa
que sabemos cmo construir - que tenemos cualquier generador para hacerlo.
Por ejemplo, es bien sabido lo que significa "resolver" el problema de jugar al ajedrez
ganadora. Existe una prueba sencilla para darse cuenta de las posiciones ganadoras, la prueba para
el jaque mate del Rey enemigo. En el mundo de los sueos uno simplemente genera una estrategia
que conduce a un jaque mate a todas las estrategias de venta libre del oponente. Por desgracia,
ningn generador que va a hacer que se sabe que los sistemas de smbolos existentes (hombre o la
mquina). En su lugar, buenos movimientos en el ajedrez son buscados por la generacin de
diversas alternativas, y cuidadosamente evaluacin de las mismas con el uso de aproximada, y con
frecuencia errnea, las medidas que se supone que indican la probabilidad de que una determinada
lnea de juego est en la ruta a una posicin ganadora. Mueva generadores hay; ganadora
generadores de movimiento no las hay.
Antes de que pueda ser un generador de movimiento para un problema, tiene que haber un
problema de espacio: un espacio de estructuras simblicas en las que las situaciones problemticas,
incluidas las situaciones de partida y la meta, pueden ser representados. generadores de
movimiento son procedimientos de modificacin de una situacin en el espacio del problema a
otro. Las caractersticas bsicas de los sistemas de smbolos fsicos garanta de que pueden
representar espacios problema y que poseen generadores de movimiento. Cmo, en cualquier
situacin concreta que sintetizan un problema de espacio y se mueven los generadores
correspondientes a esa situacin es una cuestin que an est muy presente en la frontera de la
investigacin de la inteligencia artificial.
La tarea que un sistema de smbolos se enfrenta a, entonces, cuando se presenta con un problema
y un espacio del problema, es el uso de sus recursos de procesamiento limitados para generar
posibles soluciones, uno tras otro, hasta que encuentra uno que satisfaga la definicin de problema
prueba. Si el sistema tena cierto control sobre el orden en el que se generaron soluciones
potenciales, entonces sera deseable disponer este orden de generacin para que soluciones reales
tendran una alta probabilidad de aparecer temprano. Un sistema de smbolos exhibira inteligencia
en la medida en que tuvo xito en hacer esto. Inteligencia para un sistema con limitados recursos
de procesamiento consiste en la toma de decisiones inteligentes de qu hacer a continuacin.
Buscar en la resolucin de problemas
Durante la primera dcada de la investigacin de la inteligencia artificial, el estudio de la resolucin
de problemas era casi sinnimo con el estudio de los procesos de bsqueda. Desde nuestra
caracterizacin de los problemas y la resolucin de problemas, es fcil ver por qu esto era as. De
hecho, cabe preguntarse si podra ser de otra manera. Pero antes de tratar de responder a esta
pregunta, hay que estudiar ms a fondo la naturaleza de los procesos de bsqueda, ya que se revel
durante la dcada de la actividad.
Extraccin de informacin de espacio del problema . Consideremos un conjunto de estructuras de
smbolos, algunos pequeo subconjunto de los cuales son soluciones a un problema
dado. Supongamos, adems, que las soluciones se distribuyen al azar a travs de todo el
conjunto. Con esto queremos decir que no existe informacin que permita a cualquier generador
de bsqueda para obtener mejores resultados que una bsqueda al azar. A continuacin, hay un
sistema smbolo podra mostrar ms inteligencia (inteligencia o menos) que cualquier otro en la
solucin del problema, aunque uno podra experimentar ms suerte que otra.
A condicin, entonces, para la aparicin de la inteligencia es que la distribucin de soluciones no ser
totalmente aleatoria, que el espacio de las estructuras de smbolos exhiben al menos cierto grado
de orden y el patrn. Una segunda condicin es que el patrn en el espacio de las estructuras de
smbolos ser ms o menos detectable. Una tercera condicin es que el generador de soluciones
potenciales sea capaz de comportarse diferencialmente, en funcin de qu patrn que
detecta. Debe haber informacin en el espacio del problema, y el sistema de smbolo debe ser capaz
de extraer y su uso. Veamos en primer lugar en un ejemplo muy sencillo, donde la inteligencia es
fcil de conseguir.
Considere el problema de la resolucin de una simple ecuacin algebraica:
AX + B = CX + D
La prueba se define una solucin como cualquier expresin de la forma, X = E, tal que AE + B = CE +
D. Ahora se podra utilizar como generador de cualquier proceso que producira nmeros que podra
entonces ser probadas mediante la sustitucin en la segunda ecuacin. No llamara a esto un
generador inteligente.
Alternativamente, se podra utilizar generadores que haran uso del hecho de que la ecuacin
original puede ser modificado - por adicin o sustraccin de cantidades iguales de ambos lados, o
multiplicar o dividir ambos lados por la misma cantidad - sin cambiar sus soluciones. Pero, por
supuesto, se puede obtener an ms informacin para guiar el generador mediante la comparacin
de la expresin original con la forma de la solucin, y haciendo precisamente los cambios en la
ecuacin que dejar su solucin sin cambios, mientras que al mismo tiempo, que entre en la forma
deseada. Tal generador poda notar que haba un CX no deseado en el lado derecho de la ecuacin
original, restar desde ambos lados y recoger los trminos de nuevo. Podra entonces se dio cuenta
de que haba una B no deseada en el lado izquierdo y restar eso. Por ltimo, podra deshacerse del
coeficiente deseado (A - C) en el lado izquierdo dividiendo.
As, mediante este procedimiento, que ahora exhibe una inteligencia considerable, el generador
produce estructuras de smbolos sucesivos, cada uno obtenido modificando la anterior; y las
modificaciones estn dirigidas a reducir las diferencias entre la forma de la estructura de entrada y
la forma de la expresin de prueba, manteniendo las dems condiciones para una solucin.
Este sencillo ejemplo ilustra ya que muchos de los principales mecanismos que son utilizados por
los sistemas de smbolos para la resolucin de problemas inteligente. En primer lugar, cada
expresin sucesiva no se genera de forma independiente, sino que se produce mediante la
modificacin de uno producido previamente. En segundo lugar, las modificaciones no son al azar,
pero dependen de dos tipos de informacin. Dependen de la informacin que es constante en toda
esta clase de problemas de lgebra, y que est integrado en la estructura del generador mismo:
todas las modificaciones de las expresiones deben salir de la solucin de la ecuacin sin
cambios. Tambin dependen de informacin que cambia en cada paso: deteccin de las diferencias
de forma que permanecen entre la expresin actual y la expresin deseada. En efecto, el generador
incorpora algunas de las pruebas de la solucin debe satisfacer, de manera que no se generarn
expresiones que no cumplan con estas pruebas. Uso de la primera clase de informacin garantiza
que slo una pequea subconjunto de todas las expresiones posibles se genera realmente, pero sin
perder la expresin solucin de este subconjunto. Usando el segundo tipo de informacin llega a la
solucin deseada por una sucesin de aproximaciones, el empleo de una forma simple de medios-
fines de anlisis para orientar la bsqueda.
No hay ningn misterio en que la informacin que ha guiado la bsqueda de procedencia. No
tenemos por qu seguimos Platn en dotar al sistema de smbolos con una existencia anterior en la
que ya conoca la solucin. Un sistema de prueba generador moderadamente sofisticadas
resolvieron el problema sin necesidad de invocar la reencarnacin.
Los rboles de bsqueda. El simple problema de lgebra puede parecer un inusual, incluso
patolgica, ejemplo de bsqueda. Ciertamente, no es la bsqueda de prueba y error, porque
aunque hubo algunos ensayos, no hubo un error. Estamos ms acostumbrados a pensar en la
bsqueda de resolucin de problemas como la generacin de exuberantes rboles de ramificacin
de posibilidades de soluciones parciales que pueden crecer a miles, o incluso millones, de ramas,
antes de dar una solucin. Por lo tanto, si unos de expresin que produce, el generador crea nuevas
ramas B, entonces el rbol crecer como BD, donde D es su profundidad. El rbol crecido para el
problema de lgebra tuvo la particularidad de que su branchiness, B, igual la unidad.
Los programas que juegan al ajedrez en general crecen grandes rboles de bsqueda, que asciende
en algunos casos a un milln o ms ramas. (Aunque este ejemplo servir para ilustrar nuestros
puntos sobre la bsqueda rbol, debemos sealar que el propsito de la bsqueda en el ajedrez no
es generar propuestas de solucin, sino evaluar (prueba) de ellos.) Una lnea de investigacin en los
programas de juego de papeles tiene sido preocupa especialmente por la mejora de la
representacin del tablero de ajedrez, y los procesos para hacer movimientos en l, con el fin de
acelerar la bsqueda y hacer posible la bsqueda de los rboles ms grandes. La justificacin de esta
direccin, por supuesto, es que cuanto ms profunda la bsqueda dinmica, ms precisa debe ser
las evaluaciones al final de la misma. Por otra parte, existe una buena evidencia emprica de que los
jugadores humanos ms fuertes, grandes maestros, rara vez se exploran los rboles de ms de un
centenar de sucursales. Esta economa no se logra tanto por la bsqueda de menos profundamente
que hacer programas que juegan al ajedrez, pero por ramificacin muy baja densidad y de forma
selectiva en cada nodo. Esto slo es posible, sin causar un deterioro de las evaluaciones, al tener
ms de la selectividad integrado en el propio generador, de manera que es capaz de seleccionar
para la generacin de slo aquellas ramas que son muy probable que el rendimiento informacin
relevante importante acerca de la posicin.
La conclusin algo que suena paradjica a la que conduce esta discusin es que la bsqueda -
generacin sucesiva de estructuras solucin potentional - es un aspecto fundamental del ejercicio
de un sistema de smbolos de la inteligencia en la resolucin de problemas, pero esa cantidad de
bsqueda no es una medida de la cantidad de la inteligencia que se exhiben. Lo que hace que un
problema un problema no es que se requiere una gran cantidad de bsqueda de su solucin, pero
que se necesitara una gran cantidad si un nivel requerido de inteligencia no se aplicaron. Cuando el
sistema simblico que est tratando de resolver un problema sabe lo suficiente sobre qu hacer,
simplemente avanza directamente hacia su objetivo; pero siempre que su conocimiento se vuelve
insuficiente, cuando entra en terra incognita, que se enfrenta a la amenaza de ir a travs de grandes
cantidades de bsqueda antes de que encuentre su camino de nuevo.
El potencial de la explosin exponencial del rbol de bsqueda que est presente en todos los
esquemas para generar soluciones a los problemas que nos advierte contra dependiendo de la
fuerza bruta de las computadoras - incluso los ordenadores ms rpidos y ms grandes - como una
compensacin por la ignorancia y de su unselectivity generadores. La esperanza todava se enciende
peridicamente en algunos pechos humanos que un ordenador se puede encontrar que es lo
suficientemente rpido, y que puede ser programado inteligentemente lo suficiente, para jugar bien
al ajedrez por la bsqueda de fuerza bruta. No hay nada conocido en la teora acerca de la partida
de ajedrez que se descarta esta posibilidad. Los estudios empricos sobre la gestin de bsqueda de
rboles de tamao considerable con resultados modestos hacen de este una direccin mucho
menos prometedor de lo que era cuando el ajedrez fue elegido por primera vez como una tarea
apropiada para la inteligencia artificial. Debemos considerar esto como uno de los hallazgos
empricos importantes de la investigacin con los programas de ajedrez.
Las formas de inteligencia . La tarea de la inteligencia, entonces, es para evitar la amenaza siempre
presente de la explosin exponencial de bsqueda. Cmo se puede lograr esto?La primera ruta, ya
ilustrada por el ejemplo de lgebra, y por los programas de ajedrez que slo generan mueve
"plausibles" para su posterior anlisis, es la construccin de la selectividad en el generador: generar
nicas estructuras que muestran promesa de ser soluciones o de ser a lo largo del camino hacia las
soluciones. La consecuencia habitual de hacer esto es para reducir la tasa de ramificacin, no para
evitar por completo. explosin exponencial final no se evita - salvo en situaciones excepcionales
altamente estructurados, como el ejemplo de lgebra - pero slo pospuesta. Por lo tanto, un sistema
inteligente necesita generalmente como complemento a la selectividad de su generador de solucin
con otras tcnicas de informacin que utilizan para orientar la bsqueda.
Veinte aos de experiencia en la gestin de bsqueda de rbol en una variedad de entornos de
trabajo ha producido un pequeo kit de tcnicas generales que forma parte del equipo de todos los
investigadores en inteligencia artificial en la actualidad. Puesto que estas tcnicas se han descrito
en obras generales como la de Nilsson [1971], que se pueden resumir brevemente aqu.
En serie bsqueda heurstica, la pregunta bsica siempre es: qu se debe hacer a continuacin? En
busca del rbol, esa pregunta, a su vez, tiene dos componentes: (1) a partir de lo nodo en el rbol
vamos a buscar siguiente, y (2) qu direccin vamos a tomar de ese nodo? Informacin til para
responder a la primera pregunta puede ser interpretada como la medicin de la distancia relativa
de los diferentes nodos de la portera. Mejor bsqueda primero llama a buscar el prximo desde el
nodo que aparece ms cerca de la meta. a menudo se obtiene, como en el ejemplo de lgebra,
mediante la deteccin de diferencias especficas entre la estructura nodal actual y la estructura de
meta descrita por el ensayo de una solucin, y seleccin de acciones - Informacin til para
responder a la segunda pregunta - en qu direccin para buscar que son relevantes para la reduccin
de estos tipos particulares de diferencias. Esta es la tcnica conocida como anlisis de medios-fines,
que desempea un papel central en la estructura de la General Problema Solver.
La importancia de los estudios empricos como una fuente de ideas generales en la investigacin en
IA pueda demostrarse claramente mediante el trazado de la historia, a travs de un gran nmero
de programas de resolucin de problemas, de estas dos ideas centrales: primero el mejor bsqueda
y medios-fines de anlisis. Rudimentos de la mejor primera bsqueda ya estaban presentes, aunque
sin nombre, en el Terico Lgico en 1955. El general solucionador de problemas, que incorpora el
anlisis de medios y fines, aparecieron sobre el 1957 - pero combinado con la bsqueda en
profundidad modificada en lugar de primero el mejor buscar. programas de ajedrez eran
generalmente casados, por razones de economa de la memoria, a la bsqueda en profundidad,
complementadas despus de alrededor de 1958 por el poderoso procedimiento de la poda alfa-
beta. Cada una de estas tcnicas parece haber sido reinventado varias veces, y es difcil de
encontrar, discusiones tericas de trabajo independiente generales de resolucin de problemas en
trminos de estos conceptos hasta mediados o finales de 1960. La cantidad de la yuxtaposicin
formal, que han recibido de la teora matemtica sigue siendo minscula: algunos teoremas sobre
la reduccin de bsqueda que se puede asegurar el uso de la heurstica de alfa-beta, un par de
teoremas (revisado por Nilsson [1971]) sobre la trayectoria ms corta bsqueda, y algunos teoremas
muy recientes sobre la mejor primera bsqueda con una funcin de evaluacin probabilstica.
Mtodos "fuertes" y "dbiles" . Las tcnicas que hemos discutido estn dedicados al control de la
expansin exponencial en lugar de su prevencin. Por esta razn, se les ha llamado correctamente
"mtodos dbiles" ~ mtodos que se utilizarn cuando el conocimiento del sistema de smbolos o
la cantidad de estructura de hecho contenidas en el espacio del problema son insuficientes para
permitir la bsqueda de evitarse por completo. Es instructivo comparar una situacin altamente
estructurada, que pueden formularse, por ejemplo, como un problema de programacin lineal, con
las situaciones menos estructuradas de problemas combinatorios como los problemas de problemas
de programacin o vendedor ambulante. ( "Menos estructurado" aqu se refiere a la insuficiencia o
inexistencia de la teora relevante sobre la estructura del espacio del problema.)
En la resolucin de problemas de programacin lineal, se puede requerir una cantidad sustancial de
la computacin, pero la bsqueda no se ramifica. Cada paso es un paso en el camino para una
solucin. En la resolucin de problemas combinatorios o en teoremas, bsqueda de rbol rara vez
se puede evitar, y el xito depende de los mtodos de bsqueda heurstica del tipo que hemos
descrito.
No todas las corrientes de la investigacin AI resolucin de problemas han seguido el camino que
hemos ido perfilando. Un ejemplo de un punto algo diferente es proporcionada por el teorema de
trabajo sobre los sistemas de medida de. Aqu, las ideas importadas de las matemticas y la lgica
han tenido una fuerte influencia en la direccin de la investigacin. Por ejemplo, el uso de la
heurstica fue resistida cuando las propiedades de exhaustividad de maz no se pudo probar (un
poco irnico, ya system.s matemticos ms interesantes son conocidos por ser undecidable). Desde
integridad rara vez se puede demostrar a la mejor de estreno de bsqueda heurstica, o para muchos
tipos de generadores selectivos, el efecto de este requisito se inhibe en lugar. Cuando los programas
de tipo teorema demostrando continuamente estaban incapacitados por la explosin combinatoria
de sus rboles de bsqueda, pensamiento comenz a darse a la heurstica selectivos, que en muchos
casos han demostrado ser anlogos de heursticas utilizadas en los programas generales de solucin
de problemas. La heurstica de puesta a punto de apoyo, por ejemplo, es una forma de trabajar
hacia atrs, adaptado al entorno resolucin teoremas. Un resumen de la experiencia. Ahora hemos
descrito el funcionamiento de la segunda ley de la estructura cualitativa, que afirma que los sistemas
de smbolos fsicos resolver problemas por medio de la bsqueda heurstica. Ms all de eso, hemos
examinado algunas caractersticas subsidiarios de bsqueda heurstica, en particular, la amenaza de
que siempre se enfrenta de explosin exponencial del rbol de bsqueda, y algunos de los medios
que utiliza para evitar esa amenaza. Las opiniones difieren en cuanto a la eficacia de bsqueda
heurstica ha sido como un mecanismo de resolucin de problemas - las opiniones en funcin de
qu tarea se consideran dominios y qu criterio de adecuacin se adopta. El xito puede ser
garantizada mediante el establecimiento de niveles de aspiracin bajas - o el fracaso estableciendo
su valor alto. La evidencia podra resumirse de la siguiente manera acerca. Pocos programas son la
solucin de problemas a nivel profesional "expertos". programa corrector de Samuel y Feigenbaum
y Lederberg de DENDRAL son quizs las ms conocidas excepciones, pero uno podra apuntar
tambin a una serie de programas de bsqueda heurstica para este tipo de dominios de problemas
de investigacin de operaciones como la programacin y la programacin entera. En una serie de
mbitos, programas realizan a nivel de aficionados competentes: ajedrez, algunos dominios tipo
teorema que demuestra, muchos tipos de juegos y rompecabezas. los niveles humanos an no han
sido casi alcanzado por los programas que tienen un complejo de percepcin "front-end":
reconocedores escena visual, entendedores del habla, robots que tienen que maniobrar en el
espacio y en tiempo real. Sin embargo, se ha hecho un progreso impresionante, y una gran cantidad
de experiencia montado sobre estas tareas difciles. No tenemos explicaciones tericas profundas
para el patrn particular de actuacin que ha surgido. Sobre bases empricas, sin embargo,
podramos extraer dos conclusiones. En primer lugar, a partir de lo que se ha aprendido sobre el
rendimiento experto humano en tareas como el ajedrez, es probable que cualquier sistema capaz
de igualar el rendimiento que tendr que tener acceso, en sus memorias, a muy grandes almacenes
de informacin semntica. En segundo lugar, una parte de la superioridad humana en las tareas con
un gran componente perceptual se puede atribuir a la de propsito especial incorporado en la
estructura de procesamiento en paralelo del ojo humano y el odo. En todo caso, la calidad del
desempeo debe depender necesariamente de las caractersticas tanto de los dominios del
problema y de los sistemas de smbolos utilizados para hacer frente a ellos. Para la mayora de los
dominios de la vida real en la que nos interesa, la estructura de dominio no ha demostrado ser lo
suficientemente sencilla para dar (hasta ahora) teoremas sobre la complejidad, o para decirnos, que
no sea empricamente, cmo los grandes problemas del mundo real estn en relacin con el
capacidades de nuestros sistemas de smbolos para resolverlos. Esa situacin puede cambiar, pero
hasta que lo haga, hay que confiar en exploraciones empricas, usando los mejores solucionadores
de problemas que sabemos cmo construir, como principal fuente de conocimiento sobre la
magnitud y caractersticas del problema de dificultad. Incluso en zonas altamente estructuradas
como la programacin lineal, la teora ha sido mucho ms til en el fortalecimiento de la heurstica
que subyacen a los ms poderosos algoritmos de solucin que en la prestacin de un profundo
anlisis de la complejidad. Inteligencia sin mucho Busca nuestro anlisis de la inteligencia equipara
con capacidad de extraer y utilizar informacin sobre la estructura del espacio del problema, a fin
de permitir una solucin problema que se genera como de forma rpida y directamente
posible. Nuevas orientaciones para la mejora de las capacidades de resolucin de problemas de los
sistemas de smbolos se pueden equiparar, a continuacin, con nuevas formas de extraer y utilizar
informacin. Al menos tres de estas formas pueden ser identificados. Uso de informacin no
local. En primer lugar, se ha observado por varios investigadores que la informacin recopilada en
el curso de la bsqueda de rbol es por lo general slo se utiliza a nivel local, para ayudar a tomar
decisiones en el nodo especfico en el que se gener la informacin. La informacin sobre una
posicin de ajedrez, que se obtiene mediante el anlisis dinmico de un subrbol de continuaciones,
se utiliza generalmente para evaluar simplemente esa posicin, no evaluar otras posiciones que
pueden contener muchas de las mismas caractersticas. Por lo tanto, los mismos hechos tienen que
ser redescubierta repetidamente en diferentes nodos del rbol de bsqueda. El simple hecho de
tomar la informacin fuera del contexto en que surgi y lo utilizan por lo general no resuelve el
problema, la informacin puede ser vlido slo en un nmero limitado de contextos. En los ltimos
aos, se han hecho algunos esfuerzos de exploracin para el transporte de la informacin de su
contexto de origen a otros contextos adecuados. Aunque todava es demasiado pronto para evaluar
el poder de esta idea, o incluso exactamente cmo se va a conseguir, se muestra muy
prometedora. Una importante lnea de investigacin que Berliner [1975] ha perseguido es utilizar el
anlisis causal para determinar el rango en el que una determinada pieza de informacin es
vlida. As, si una debilidad en una posicin de ajedrez se remonta a la medida que lo haca, a
continuacin, la misma debilidad se puede esperar en otras posiciones descendiente de la misma
jugada. El sistema de comprensin del habla HEARSAY ha dado un nuevo enfoque para hacer que la
informacin disponible a nivel mundial. Ese sistema busca reconocer cadenas de voz mediante la
aplicacin de una bsqueda paralela a una serie de diferentes niveles: fonolgicos, lxicos,
sintcticos y semnticos. Como cada una de estas bsquedas proporciona y evala hiptesis, que
suministra la informacin que se ha ganado a una "pizarra" comn que puede ser ledo por todas
las fuentes. Esta informacin compartida se puede utilizar, por ejemplo, para eliminar la hiptesis,
o incluso clases enteras de hiptesis, que de otro modo tendran que ser buscado por uno de los
procesos. Por lo tanto, el aumento de nuestra capacidad de utilizar la informacin del rbol de
bsqueda no local ofrece buenas perspectivas para elevar la inteligencia de los sistemas de
resolucin de problemas.Sistemas de reconocimiento semntico. Una segunda posibilidad activo
para incrementar la inteligencia es para abastecer el sistema de smbolos con un rico acervo de
informacin semntica sobre el dominio de la tarea que est tratando. Por ejemplo, la investigacin
emprica sobre la habilidad de los maestros de ajedrez muestra que una de las principales fuentes
de la habilidad del maestro se almacena la informacin que le permite reconocer un gran nmero
de caractersticas y patrones de caractersticas en un tablero de ajedrez especficos, y la informacin
que utiliza este reconocimiento a proponer las medidas apropiadas a las caractersticas
reconocidas. Esta idea general ha, por supuesto, ha incorporado en los programas de ajedrez casi
desde el principio. Lo que es nuevo es la realizacin del nmero de tales patrones y la informacin
asociada que pueden tener que ser almacenados para el juego de nivel principal: algo del orden de
50.000. La posibilidad de sustituir el reconocimiento de la bsqueda se debe a que un particular, y
especialmente una enfermedad rara, el patrn puede contener una enorme cantidad de
informacin, siempre que est estrechamente ligada a la estructura del espacio del
problema. Cuando esa estructura es "irregular", y no est sujeto a la simple descripcin matemtica,
entonces el conocimiento de un gran nmero de patrones de referencia puede ser la clave para un
comportamiento inteligente. Si esto es as en cualquier dominio tarea en particular es una cuestin
ms fcilmente resuelta por la investigacin emprica de la teora.Nuestra experiencia con los
sistemas de smbolos ricamente dotado con informacin semntica y las capacidades de patrones
reconocimiento para acceder a l es todava muy limitada. La discusin anterior se refiere
especficamente a la informacin semntica asociada a un sistema de reconocimiento. Por
supuesto, tambin hay toda un rea grande de la investigacin A1 en el procesamiento de la
informacin semntica y la organizacin de las memorias semnticas que cae fuera del alcance de
los temas que estamos discutiendo en este documento. La seleccin de las gestiones
oportunas. Una tercera lnea de investigacin tiene que ver con la posibilidad de que la bsqueda
puede reducirse o evitarse mediante la seleccin de un espacio de problemas adecuada. Un ejemplo
tpico que ilustra esta posibilidad de forma espectacular es el problema de tablero de ajedrez
mutilado. A 64 de tablero de ajedrez cuadrado estndar se puede cubrir exactamente con 32
azulejos, cada una de un rectngulo IA-2, que abarca exactamente dos plazas. Supongamos, ahora,
que cortamos cuadrados en dos esquinas diagonalmente opuestas del tablero de ajedrez, dejando
un total de 62 plazas. Esta placa puede estar cubierto mutilado exactamente con 31 azulejos? Con
(literalmente) la paciencia celestial, la imposibilidad de lograr una cobertura de este tipo puede ser
demostrada por tratar todas las disposiciones posibles. La alternativa, para aquellos con menos
paciencia, y ms inteligencia, es de observar que las dos esquinas diagonalmente opuestas de un
tablero de ajedrez son del mismo color. Por lo tanto, el tablero de ajedrez mutilado tiene dos menos
cuadrados de un color que de la otra. Pero cada mosaico cubre un cuadrado de un color y un
cuadrado de la otra, y cualquier juego de fichas debe cubrir el mismo nmero de plazas de cada
color. Por lo tanto, no existe una solucin. Cmo puede un sistema de smbolos descubrir este
simple argumento inductivo como una alternativa a un vano intento de resolver el problema
mediante la bsqueda entre todos los revestimientos posibles? Nos premiar a un sistema que
encontr las notas altas de soluciones de inteligencia. Tal vez, sin embargo, en el planteamiento de
este problema que no se escapa de los procesos de bsqueda. Simplemente hemos desplazado a la
bsqueda de un espacio de posibles soluciones a los problemas a un espacio de posibles
representaciones. En cualquier caso, todo el proceso de pasar de una representacin a otra, y de
descubrir y evaluar las representaciones, es un territorio en gran parte inexplorado en el campo de
la investigacin de resolucin de problemas. Las leyes que rigen la estructura de representaciones
cualitativa an no se han descubierto. La bsqueda de ellos es casi seguro de recibir una atencin
considerable en la prxima dcada. Conclusin de que es nuestra explicacin de los sistemas de
smbolos y de inteligencia. Ha sido un largo camino desde Menn de Platn hasta la actualidad, pero
es quizs alentador que la mayor parte de los avances a lo largo de ese camino se ha hecho desde
el comienzo del siglo XX, y una gran parte de ella desde el punto medio del siglo. Pensamiento an
estaba completamente intangible e inefable, hasta la moderna lgica formal interpret como la
manipulacin de smbolos formales. Y pareca que an habitan principalmente el cielo de los ideales
platnicos, o los espacios igualmente oscuros de la mente humana, hasta que los ordenadores nos
ensea cmo los smbolos podran ser procesados por las mquinas. AM Turing, quienes
conmemoramos esta maana, hizo sus grandes contribuciones en el cruce de estos acontecimientos
que condujeron a partir de la lgica moderna al equipo de mediados de siglo. Sistemas de smbolos
fsicos. El estudio de la lgica y las computadoras nos ha revelado que la inteligencia reside en los
sistemas de smbolos fsicos. Esta es la ley ms bsica de las ciencias de la computacin de la
estructura cualitativa. sistemas de smbolos son conjuntos de patrones y procesos, siendo este
ltimo capaz de producir, la destruccin y la modificacin de la primera. Las propiedades ms
importantes de los patrones es que pueden designar objetos, procesos, u otros patrones, y que,
cuando se designan los procesos, pueden ser interpretados. Interpretacin significa la realizacin
del procedimiento designado. Las dos clases ms importantes de los sistemas de smbolos con los
que tenemos noticia son los seres humanos y computadoras.
Nuestra comprensin actual de los sistemas de smbolos creci, como se indic anteriormente, a
travs de una secuencia de etapas. La lgica formal nos familiariza con smbolos, tratados
sintcticamente, como la materia prima del pensamiento, y con la idea de manipular de acuerdo a
los procesos formales cuidadosamente definidas. La mquina de Turing hizo el procesamiento
sintctico de los smbolos verdaderamente mquina similar, y afirm la universalidad potencial de
los sistemas de smbolos estrictamente definidos. El concepto de programa almacenado para
ordenadores reafirm la interpretacin de smbolos, ya implcita en la mquina de Turing. Se crea
la lista presentada a la vanguardia de las capacidades denotacional de smbolos, y define el
procesamiento de smbolos en formas que permitieron la independencia de la estructura fija de la
mquina fsica subyacente. Antes de 1956 todos estos conceptos estaban disponibles, junto con el
hardware de su ejecucin. El estudio de la inteligencia de los sistemas de smbolos, el tema de la
inteligencia artificial, podra comenzar. Bsqueda heurstica. Una segunda ley de la estructura
cualitativa para la IA es que los sistemas de smbolos resolver problemas mediante la generacin de
soluciones potenciales y ponerlos a prueba, es decir, mediante la bsqueda. Soluciones suelen ser
buscados mediante la creacin de expresiones simblicas y su modificacin de forma secuencial
hasta que cumplan las condiciones para una solucin. Por lo tanto los sistemas de smbolos resolver
problemas mediante la bsqueda.Debido a que tienen recursos limitados, la bsqueda no puede ser
llevado a cabo de una sola vez, sino que debe ser secuencial. Se deja detrs de l, ya sea un solo
camino desde el punto de meta de partida o, si la correccin y la copia de seguridad son necesarias,
un rbol entero de tales caminos. sistemas de smbolos no pueden aparecer inteligente cuando
estn rodeados por el caos puro. Ejercen la inteligencia mediante la extraccin de informacin de
un dominio del problema y utilizar esa informacin para guiar su bsqueda, evitando giros
equivocados y sendas tortuosas. El dominio del problema debe contener informacin, es decir, un
cierto grado de orden y estructura, para que el mtodo funcione. La paradoja del Meno se resuelve
mediante la observacin de que la informacin puede ser recordado, pero la nueva informacin
tambin puede ser extrado del dominio que los smbolos designan.En ambos casos, la ltima fuente
de la informacin es el dominio de la tarea. La base emprica. investigacin de la inteligencia artificial
se refiere a cmo los sistemas de smbolos deben organizarse con el fin de comportarse de forma
inteligente. Veinte aos de trabajo en el rea ha acumulado una cantidad considerable de
conocimientos, suficiente para llenar varios libros (que ya tiene), y la mayor parte en forma de
experiencia ms concreta sobre el comportamiento de las clases especficas de los sistemas de
smbolos en dominios especficos de la tarea . A partir de esta experiencia, sin embargo, han surgido
tambin algunas generalizaciones, cortando a travs de dominios y sistemas de trabajo, sobre las
caractersticas generales de la inteligencia y de sus mtodos de aplicacin. Hemos tratado de
exponer algunas de estas generalizaciones esta maana. En su mayora son cualitativos ms que 126
matemtica. Tienen ms el sabor de la geologa o la biologa evolutiva que el sabor de la fsica
terica. Son lo suficientemente fuerte como para permitirnos hoy para disear y construir sistemas
moderadamente inteligentes para una gama considerable de dominios de tareas, as como para
obtener una bastante profunda comprensin de cmo funciona la inteligencia humana en muchas
situaciones. Que sigue?En nuestra cuenta hoy en da, hemos mencionado preguntas abiertas, as
como las asentadas; hay muchos de ambos. No vemos ninguna reduccin de la emocin de la
exploracin que ha rodeado este campo durante el ltimo cuarto de siglo. Dos lmites de recursos
determinarn el ritmo de avance durante el prximo perodo de tales. Uno de ellos es la cantidad
de energa que estar disponible de clculo. La segunda, y probablemente el ms importante, es el
nmero de talentos cientficos de la computacin jvenes que van a ser atrados a esta rea de
investigacin como los ms difciles que pueden abordar. AM Turing concluy su famoso artculo
sobre "el material de clculo e inteligencia" con las palabras: "Slo podemos ver un poco ms
adelante, pero podemos ver un montn que no hay que hacer." Muchas de las cosas Turing vio en
1950 que haba que hacer se han hecho, pero el programa es tan completo como siempre. Tal vez
demasiada importancia a su sencilla declaracin anterior, pero nos gusta pensar que en ella Turing
reconoci la verdad fundamental de que todos los informticos saben por instinto. Para todos los
sistemas de smbolos fsicos, condenados como estamos a la bsqueda de serie del entorno del
problema, la cuestin fundamental es siempre: Qu hay que hacer a continuacin?