4.

Informtica
bsqueda

como

Investigacin

emprica:

Smbolos

de

Allen Newell
Herbert A. Simon
1976
La informtica es el estudio de los fenmenos que rodean las
computadoras. Los fundadores de esta sociedad entendido esto muy
bien cuando se hacan llamar la Association for Computing Machinery .
La mquina - no slo el hardware, pero la vida programada de la
mquina - 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,
se puede estudiar a muchos niveles y desde muchos lados. Nos
sentimos profundamente honrados de aparecer aqu hoy y presentar
otro punto de vista, la que ha impregnado el trabajo cientfico para el
que hemos sido citados. Queremos hablar de la computadora la ciencia
como una investigacin emprica.
Nuestro punto de vista es slo uno de muchos; las conferencias
anteriores dejan claro. Sin embargo, incluso en conjunto las conferencias
no cubren todo el mbito de nuestra ciencia. Muchos de los aspectos
fundamentales de las que no han sido representados en estos diez
premios. Y si el tiempo nunca llega, seguramente no antes, cuando la
brjula tiene sido en caja, cuando la informtica se ha discutido por
todas partes, ser el momento para iniciar el ciclo de nuevo. Para la
liebre como ponente tendr que hacer una carrera anual de superar a la
acumulacin de las pequeas, ganancias incrementales que la tortuga
del desarrollo cientfico y tcnico ha logrado en su constante marcha.
Cada ao se crea una nueva brecha y la convocatoria de una nueva
carrera, ya que en la ciencia no hay una palabra final.
La informtica es una disciplina emprica. Nos hemos llamado una
ciencia experimental, pero al igual que la astronoma, la economa y la
geologa, algunas de sus formas nicas de observacin y la experiencia
no se ajustan a 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 hace una
pregunta a la naturaleza; y escuchamos la respuesta mediante la
observacin de la mquina en operacin y su anlisis por parte de todos
de anlisis y medicin de los medios disponibles. Cada nuevo programa
que se construye es un experimento. Plantea una pregunta a la
1

naturaleza, y su comportamiento ofrece pistas sobre una nueva

respuesta. Ni las mquinas ni programas
son cajas negras ; son artefactos que se han diseado , tanto de
hardware como de software, y podemos abrirlos y mirar dentro .
Podemos relacionar su estructura a su comportamiento y sacar muchas
lecciones de un solo experimento. Nosotros no tenemos que construir
100 copias de, digamos, un demostrador de teoremas, para demostrar
estadsticamente que no ha superado la explosin combinatoria de
bsqueda en el camino esperado.
Inspeccin del programa a la luz de algunas carreras revela el defecto y
nos permite proceder al siguiente intento.
Construimos las computadoras y los programas por muchas razones. Los
construimos para servir a la sociedad y como herramientas para la
realizacin de 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 determinar su naturaleza. Se tiene que entender
que, como en cualquier ciencia, los beneficios que derivan de este tipo
de experimentacin y comprensin pagan apagado en la adquisicin
permanente de nuevas tcnicas; y que son estas tcnicas que va a crear
los instrumentos para ayudar a la sociedad en el logro de sus metas.
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 nuevos conocimientos bsicos de la investigacin
emprica. Esto se hace mejor con ilustraciones. Vamos a ser perdonados
si, presumiendo de la ocasin, elegimos a nuestros ejemplos de la
superficie 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. E incluso en los que hemos hecho
contribuciones directas, esto se ha hecho en colaboracin con otros.
Nuestros colaboradores han incluido especialmente Acantilado Shaw,
con quien formamos un equipo de tres personas a travs del
emocionante periodo de a finales de los aos cincuenta. Pero tambin
hemos trabajado con un gran nmero de colegas y estudiantes de la
Universidad Carnegie Mellon.

El tiempo 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.
1. Los smbolos y sistemas de smbolos fsicos
Una de las aportaciones fundamentales para el conocimiento de la
informtica ha sido explicar, en un nivel ms bsico, qu smbolos son?
Esta explicacin es una proposicin cientfica sobre la naturaleza. Es
empricamente se deriva, con un largo y gradual desarrollo.
Smbolos se 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 primordial de toda la ciencia informtica. Para toda
la informacin es procesada por los equipos del servicio de fines, y medir
la inteligencia de un sistema por su capacidad para lograr fines
declarados en la cara de las variaciones, las dificultades y complejidades
que plantea el entorno de trabajo. Esta inversin general de ciencias de
la computacin en la consecucin de la inteligencia es oscurecida
cuando las tareas estn realizadas tienen un alcance limitado, ya que
entonces las variaciones de pleno derecho en el medio ambiente se
pueden prever con exactitud. Se hace ms evidente a medida que
extendemos las computadoras para ms global, complejo y de
conocimiento intensivo tareas mientras intentamos hacerlos nuestros
agentes, capaces de manejar por su cuenta las contingencias completos
del mundo natural.
Nuestra comprensin de los requisitos del sistema para la accin
inteligente emerge lentamente. Es compuesto, porque ninguna cosa
elemental solo representa la inteligencia en todas sus manifestaciones.
No existe un " principio de la inteligencia ", al igual que no hay un "
principio vital " que transmite por su propia naturaleza la esencia de
vida. Pero la falta de un sencillo deus ex machina no implica que no
existan requisitos estructurales de la inteligencia. Uno de los requisitos
es la capacidad de almacenar y manipular smbolos. Para poner la
cuestin cientfica, podramos parafrasear el ttulo de un famoso artculo
de Warren McCulloch ( 1961 ): Qu es un smbolo, que la inteligencia
puede usarlo, y la inteligencia, que puede utilizar un smbolo ?
1.1 Leyes de la estructura cualitativa
Todas las ciencias se caracterizan por la naturaleza esencial de los
sistemas que estudian. Estas caracterizaciones son invariablemente de
3

naturaleza cualitativa, ya que establecen los trminos dentro de los

cuales un conocimiento ms detallado se puede desarrollar. Su esencia
menudo se puede capturar en declaraciones muy cortas, muy generales.
Uno puede juzgar estas leyes generales, debido a su limitada
especificidad, como hacer relativamente pequea contribucin a la
suma de una ciencia, si no fuera por la evidencia histrica que muestra
que ellos son los resultados de la mayor importancia.

LA DOCTRINA EN BIOLOGA CELULAR. Un buen ejemplo de una ley de

estructura cualitativa es la doctrina de la biologa celular, la cual
establece que el componente bsico de todos los organismos vivos son
las clulas. Las clulas vienen en una gran variedad de formas, aunque
todos ellos tienen un ncleo rodeado de protoplasma, la totalidad
encerrado por una membrana. Pero esta estructura interna no era,
histricamente, parte de la especificacin de la doctrina de clulas; era
posterior especificidad desarrollado mediante la investigacin intensiva.
La doctrina de clulas puede ser transmitida casi en su totalidad por la
declaracin que dimos anteriormente, junto con algunas nociones vagas
sobre lo que el tamao de una clula puede ser. El impacto de esta ley
en la biologa, sin embargo, ha sido enorme, y la prdida de movimiento
en el campo antes de su aceptacin gradual era considerable.
LA TECTNICA DE PLACAS EN LA GEOLOGA. Geologa ofrece un ejemplo
interesante de una ley de estructura cualitativa, interesante, ya que ha
ganado aceptacin en la ltima dcada y que su ascenso en el estado
an est fresco en nuestra memoria. La teora de la tectnica de placas
afirma que la superficie del globo es una coleccin de enormes placas de
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 las posiciones relativas de los continentes y los ocanos, para
las reas de la actividad volcnica y los terremotos, por las crestas de
aguas profundas, y as sucesivamente. Con algunos detalles adicionales
en cuanto a la velocidad y el tamao, la se ha especificado la teora
esencial. Es, por supuesto, no fue aceptada hasta que logr explicar 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 cualitativa. 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 que
Pasteur enunci la teora de los grmenes de la enfermedad, una ley de
estructura cualitativa que produjo una revolucin en la medicina. La
4

teora propone que la mayora 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 consista en la identificacin de los organismos asociados con
enfermedades especficas, describindolos y rastrear sus historias de
vida. El hecho de que esta ley tiene muchas excepciones, ya 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 lo 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 proporciona un ejemplo tpico de la
estructura cualitativa: los elementos estn compuestos de partculas
pequeas y uniformes , que difiere de un elemento a otro. Pero debido a
que las especies fundamentales de los tomos son tan simples y
limitadas en su variedad, las teoras cuantitativas pronto fueron
formuladas que asimila toda la estructura general de la hiptesis
cualitativa original. Con las clulas, las placas tectnicas, y los
grmenes, la variedad de la estructura es tan grande que el principio
cualitativo subyacente sigue siendo distinta, y su contribucin a la teora
total de claridad discernible.

CONCLUSIN. Leyes de la 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 las que opera toda
una ciencia.

1.2 sistemas de smbolos fsicos

Volvamos al tema de los smbolos, y definir un sistema de smbolos
fsicos. El adjetivo "fsico" se refiere a dos caractersticas importantes:
(1) los sistemas obedecen claramente las leyes de la fsica son
realizables por los sistemas de ingeniera hechos de componentes de
ingeniera; y (2), aunque el uso del trmino " smbolo" prefigura nuestra
interpretacin pretendida, no se limita a los sistemas de smbolos
humanos.

Un sistema de smbolo fsico consta de un conjunto de entidades,

llamado smbolos, que son patrones fsicos que pueden ocurrir como
componentes de otro tipo de entidad llamada una expresin (o
estructura de smbolo). Por lo tanto una estructura de smbolo se
compone de un nmero de instancias (o fichas) de smbolos
relacionados de alguna forma fsica (tal como una ficha 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 en las
expresiones para producir otras expresiones: los procesos de creacin,
modificacin, reproduccin, y la destruccin. Un sistema de smbolo
fsico es una mquina que produce a travs del tiempo la evolucin de
una coleccin de estructuras de smbolos. Este tipo de sistema en un
mundo de objetos ms amplios que slo estas mismas expresiones
simblicas.
Dos nociones son fundamentales para esta estructura de
expresiones, smbolos y objetos: designacin y de interpretacin.

las

DESIGNACIN. Una expresin designa un objeto si, dada la expresin, el

sistema puede afectar ya sea el propio objeto o comportarse de
maneras, dependiendo del objeto.
En cualquiera de los casos, 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, el sistema puede realizar el proceso indicado, es decir, se
puede evocar y ejecutar sus propios procesos a partir 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. Vamos a tener un espacio slo
para mencionar estos brevemente; 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 se prescribe a priori lo que
expresiones que puede designar . Esta arbitrariedad se refiere slo a los
smbolos: el smbolo
6

* Nota del Editor: Estos sentidos de los trminos " denominacin" y

"interpretacin" , y por tanto tambin de "smbolo" , son especfica con
la informtica ; se refieren slo a las relaciones y procesos que ocurren
dentro de una computadora. En la lingstica y la filosofa, por el
contrario, estos trminos suelen ser explicados en trminos de
relaciones entre un sistema inteligente (o lo que hay dentro de ella) y su
entorno. La mayora de los ensayos en el presente volumen se utilizan
los trminos en este ltimo sentido. Smbolos y sus relaciones mutuas
determinar qu objeto es designado por una expresin compleja. (2)
Existen expresiones que designan todos los procesos de los que la
mquina es capaz. (3) Existen procesos para la creacin de cualquier
expresin y para la modificacin de cualquier expresin en formas
arbitrarias. (4) Las expresiones son estables; una vez creado, ellos
seguirn existiendo hasta que sea modificado o eliminado de forma
explcita. (5) El nmero de expresiones que el sistema puede soportar es
esencialmente ilimitado.
El tipo de sistema que acabamos de definir, no es desconocido para los
informticos. Esto tiene un fuerte parecido familiar a todos los
ordenadores de propsito general. Si un lenguaje de manipulacin de
smbolos, como LISP, se toma como definicin de una mquina,
entonces el parentesco se convierte verdaderamente fraternal. Nuestra
intencin en la disposicin de un sistema de este tipo no es proponer
algo nuevo. Todo lo contrario: se trata de mostrar lo que hoy se conoce y
la hiptesis acerca de los sistemas que satisfagan esa caracterizacin.
Ahora podemos afirmar una hiptesis-una ley general cientfica de la
estructura cualitativa de los sistemas de smbolos:
LA HIPTESIS DEL SISTEMA FSICO SMBOLO. Un sistema de smbolos
fsicos tiene los medios necesarios y suficientes para la accin
inteligente general.
Por "necesario" queremos decir que cualquier sistema que exhibe
inteligencia general demostrar en el anlisis de un sistema de smbolos
fsicos. Por "suficiente" queremos decir que cualquier sistema de
smbolos fsicos de tamao suficiente puede organizarse ms para
exhibir inteligencia general. Por "accin inteligente en general"
queremos indicar el mismo mbito de la inteligencia, como lo vemos en
la accin humana: que en cualquier situacin real, se puede producir un
comportamiento adecuado a los extremos del sistema y de adaptacin a
las demandas del entorno, dentro de ciertos lmites de la velocidad y la
complejidad.
La hiptesis-symbol-sistema fsico es claramente una ley de estructura
cualitativa. Especifica una clase general de los sistemas dentro de los

cuales uno ser encontrar los que son capaces de una accin
inteligente.
Esta es una hiptesis emprica. Hemos definido una clase de sistemas;
queremos preguntar si esa clase representa 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 que
podemos reconocer por sus efectos si se lleva a cabo por los seres
humanos o no. La hiptesis de hecho podra ser falso. Comportamiento
inteligente no es tan fcil de producir que cualquier sistema exhibir lo
quiera o no. De hecho, hay personas cuyo anlisis llevara a concluir, ya
sea en filosfica o por motivos cientficos, que la hiptesis es falsa.
Cientficamente, se puede atacar o defender, slo por dar a luz la
evidencia emprica sobre el mundo natural.
Ahora tenemos que seguir el desarrollo de esta hiptesis y ver la
evidencia para ello.
1.3 Desarrollo de la hiptesis del sistema de smbolos
Un sistema de smbolo fsico es una instancia de una mquina universal.
As, la hiptesis del sistema de smbolos implica que la inteligencia ser
realizada por un equipo universal. Sin embargo, la hiptesis va mucho
ms all del argumento, hace a menudo por motivos generales de
determinismo fsico, que cualquier clculo que es de realizacin puede
ser realizado por una mquina universal, siempre que se especifica.
Porque afirma especficamente que la mquina inteligente es un sistema
de smbolos, lo que hace una aseveracin arquitectnico especfico
sobre 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 Russell y Whitehead para la formalizacin de la lgica: la
captura de las nociones conceptuales bsicas de las matemticas en la
lgica y poner las nociones de prueba y deduccin sobre una base
segura. Este esfuerzo culmin en matemtica lgica proposicional
nuestro familiar, de primer orden, y las lgicas de orden superior.
Desarroll una caracterstica vista, a menudo referido como el "juego del
smbolo".
La lgica, y por la incorporacin de toda la matemtica, era un juego
que se juega con fichas sin sentido de acuerdo a ciertas reglas
puramente sintcticas. Todo sentido haba sido purgado. Uno tena una
mecnica, aunque permisiva (diramos ahora no determinista), el
sistema sobre el que varias cosas pueden ser probadas. De esta manera
se avanz por primera vez por alejarse de todo lo que pareca relevante
8

para el significado y los smbolos humanos. Podramos llamar a esto la

etapa de la manipulacin de smbolos formal.
Esta actitud general queda bien reflejada en el desarrollo de la teora de
la informacin. Se seal 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. Lamenta se expresaron de que un
nombre tan general como "teora de la informacin" se haba dado en el
campo, y se hicieron intentos para rebautizar como "la teora de la
informacin selectiva"-sin xito, por supuesto.
MQUINAS DE TURING Y EL COMPUTADOR DIGITAL. El desarrollo de las
primeras computadoras digitales y de la teora de autmatas,
empezando por el propio trabajo de Turing en la dcada de 1930, se
puede tratar juntos.
Estn de acuerdo en su opinin de lo que es esencial. Usemos propio
modelo de Turing, ya que muestra bien las caractersticas.
Una mquina de Turing consta de dos memorias: una cinta sin lmites y
una de control de estado finito. La cinta contiene datos, es decir, los
ceros y los famosos. La mquina tiene un conjunto muy reducido de las
operaciones adecuadas de lectura, escritura y las operaciones de
exploracin-en la cinta. La operacin de lectura no es una operacin de
datos, pero proporciona 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 recuerdos y operaciones pueden realizar
los mismos clculos con diferentes requerimientos de espacio y tiempo.
En particular, el modelo de una mquina de Turing contiene en su
interior las nociones tanto de lo que no se puede calcular y de
mquinas-ordenadores universales que pueden hacer cualquier cosa que
se puede hacer por cualquier mquina.
Debemos maravillarnos de que dos de nuestros ms profundo
conocimiento en el procesamiento de la informacin se lograron 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 de la poca, y el testimonio de la profundidad de la
obligacin de la informtica a la misma. Al mismo tiempo que el trabajo
de Turing apareci el trabajo de la lgicos Emil Post y (de manera
independiente) Alonzo Church. Partiendo de nociones independientes de
los sistemas logsticos (posteriores producciones y funciones recursivas,
respectivamente), llegaron a resultados anlogos en indecidibilidad y
universalidad-resultados que pronto se mostraron a entender que los
tres sistemas son equivalentes. De hecho, la convergencia de todos
9

estos intentos de definir la clase ms general de los sistemas de

procesamiento de informacin proporciona parte de la fuerza de nuestra
conviccin de que hemos captado lo esencial del tratamiento de la
informacin en estos modelos.
En ninguno de estos sistemas est ah, en la superficie, un concepto del
smbolo como algo que designa.
Los datos se consideran slo cadenas de ceros y unos-de hecho, que los
datos sea inerte es esencial para la reduccin de la computacin de
proceso fsico. El sistema de control de estado finito fue siempre visto
como un controlador de pequea, 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 alguna vez jugaron aadir nuevos estados dinmicamente al
control finito de pensar en la memoria de control como la celebracin de
la mayor parte de los conocimientos del sistema. Lo que se logr en esta
etapa fue 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 manipulacin automtica smbolo formal.
EL CONCEPTO de programa almacenado. Con el desarrollo de la segunda
generacin de mquinas electrnicas en los cuarenta y tantos aos
(despus de la Eniac) vino el concepto de programa almacenado. Esta
fue aclamado legtimamente como un hito, tanto conceptual como
prctico. Ahora Los programas pueden ser datos y pueden ser operados
como datos. Esta capacidad es, por supuesto, ya implcita en el modelo
de Turing: las descripciones se encuentran en la misma cinta que los
datos. Sin embargo, la idea se realiza slo cuando las mquinas se
adquirieron suficiente memoria para que sea posible localizar los
programas reales en algn lugar interior. 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 LIST. El paso siguiente, tomada en 1956, fue procesado
lista. El contenido de las estructuras de datos eran ahora smbolos, en el
sentido de nuestro sistema de smbolos fsicos: patrones que designe,
que tena referentes. Listas celebraron direcciones que permita el
acceso a otras listas-por lo tanto, la nocin de estructuras de lista. Que
esto era una nueva vista se demostr a nosotros muchas veces en los
primeros das de procesamiento de listas cuando los colegas se
preguntan donde los datos fueron-es decir, que la lista celebr
finalmente la coleccin de bits que fuera el contenido del sistema. Les
10

resultaba extrao que no haba tales trozos, slo haba smbolos que
designan an otras estructuras simblicas.
Procesamiento de lista es simultneamente tres cosas en el desarrollo
de la informtica. (1) Se trata de la creacin de una verdadera
estructura de la memoria dinmica en una mquina que hasta entonces
haba sido percibido como que tiene una estructura fija. Se aadi a
nuestro conjunto de operaciones de los que construyeron y modificar la
estructura adems de las que sustituye y cambiar el contenido. (2) Fue
una manifestacin precoz de la abstraccin bsica de que un equipo 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 adecuados a la aplicacin,
independientemente de la mquina subyacente. (3) de procesamiento
de Lista produjo un modelo de designacin, definiendo as la
manipulacin de smbolos en el sentido en que se utiliza este concepto
en ciencias de la computacin hoy en da.
Como ocurre a menudo, la prctica de la poca ya anticip todos los
elementos de procesamiento de listas: las direcciones son,
evidentemente, solan tener acceso, las cajas de ritmos utilizados
programas vinculados (los llamados abordar uno ms uno), y as
sucesivamente. Pero la concepcin del proceso de listas como una
abstraccin creado un nuevo mundo en el que la designacin y la
estructura simblica dinmica eran las caractersticas definitorias. La
incorporacin de los principios de los sistemas de procesamiento de la
lista de idiomas (el IPL, LISP) a menudo se denunci como siendo una
barrera a la difusin de las 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 la pena destacar: la creacin de McCarthy de LISP en
1959-1960 (McCarthy 1960). Se complet el acto de la abstraccin, el
levantamiento de estructuras de lista de su incrustacin en mquinas
concretas, creando un nuevo sistema formal con S-expresiones, lo que
podra demostrarse que es equivalente a los otros esquemas universales
de la computacin.
CONCLUSIN. Que el concepto de un smbolo de designacin y el
smbolo de la manipulacin no surge hasta mediados de los aos
cincuenta, no significa que los pasos anteriores eran o no esenciales o
menos importantes. El concepto total es la unin de la computabilidad,
realizabilidad fsica (y de multiples tecnologas), la universalidad, la
representacin simblica de los procesos (es decir, la interpretabilidad),
y, por ltimo, la estructura simblica y designacin. Cada uno de los
pasos proporcionados en una parte esencial del conjunto.

11

El primer paso en esta cadena, escrito por Turing, est motivada en

teora, pero los otros todos tienen races profundas empricos. Hemos
estado liderado por la evolucin de la propia computadora.
El principio de programa almacenado surgi de la experiencia con Eniac.
Procesamiento de lista surgi del intento de construir programas
inteligentes. Tom el ejemplo de la aparicin de las memorias de acceso
aleatorio, que proporcion una realizacin fsica clara de un smbolo que
designa la direccin. LISP surgi de la experiencia en constante
evolucin con el procesamiento de la lista.
1.4 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 en 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,
debemos mirar los hechos. Nuestro objetivo central, sin embargo, no es
revisar la evidencia en detalle, pero para usar el ejemplo que nos ocupa
para ilustrar la tesis de que la informtica es un campo de investigacin
emprica. Por lo tanto, slo indicaremos qu tipo de evidencia que hay, y
la naturaleza general del proceso de pruebas.
La nocin de un sistema de smbolos fsicos haba tomado
esencialmente su forma actual por el medio de la dcada de 1950, y se
puede datar de esa poca el crecimiento de la inteligencia artificial
como un subcampo coherente de la informtica. Los veinte aos de
trabajo desde entonces se ha visto una continua acumulacin de
evidencia emprica de dos variedades principales. Los primeros se
dirigen 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 la inteligencia se exhibe. Comienza con el
hombre, el sistema inteligente ms conocido para nosotros, e intenta
descubrir si su actividad cognitiva puede explicarse 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. El primero
se llama generalmente la inteligencia artificial, la segunda, la
investigacin en psicologa cognitiva.

12

CONSTRUCCIN DE SISTEMAS INTELIGENTES. El paradigma bsico para

la prueba inicial de la teora microbiana de la enfermedad fue: identificar
una enfermedad, y luego buscar el germen. Un paradigma anlogo ha
inspirado gran parte de la investigacin en inteligencia artificial:
identificar un dominio de la tarea de llamar a la inteligencia, a
continuacin, construir un programa para una computadora digital que
puede manejar las tareas de ese dominio. Las tareas fciles y bien
estructuradas se miraron primero: rompecabezas y juegos, problemas de
las operaciones de investigacin de la programacin y asignacin de
recursos, tareas de induccin simples. Decenas, si no cientos, de los
programas de este tipo tienen por ahora han construido, cada uno capaz
de alguna medida de la accin inteligente en el dominio apropiado.
Por supuesto que la inteligencia no es una cuestin de todo o nada, y no
ha habido un progreso constante hacia los niveles ms altos de
rendimiento en dominios especficos, as como a la ampliacin de la
gama de esos dominios. Los primeros programas de ajedrez, por
ejemplo, se consider exitoso si podan jugar un partido legal y con
alguna indicacin del propsito; 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 de programacin total invertido pequea) pero continuo, y el
paradigma de los ingresos construccin y verificacin como en un ciclo
de toda actividad regular investigacin imitando a nivel macroscpico el
ciclo de generacin-y-prueba bsica de muchos de los programas de IA.
Hay una zona cada vez ms amplia dentro de la cual la accin
inteligente es alcanzable. Para las tareas originales, la investigacin se
ha extendido a los sistemas que manejan y entienden el lenguaje
natural en una variedad de formas de construccin, sistemas de
interpretacin de escenas visuales, sistemas de coordinacin mano-ojo,
los sistemas concebidos, los sistemas que escriben programas
informticos, sistemas de comprensin del habla -la lista es, si no sin fin,
por lo menos muy largo. Si hay lmites ms all de lo que la hiptesis no
nos va a llevar, que an no se han hecho evidentes. Hasta el presente,
el ritmo de avance ha sido gobernada principalmente por la cantidad
ms bien modesta de los recursos cientficos que se han aplicado y la
exigencia inevitable de un esfuerzo sustancial de fomento del 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 tareas diversas no tenan
nada en comn ms all de sus casos por ser de los sistemas de
smbolos fsicos. Por lo tanto, ha habido un gran inters en la bsqueda
de mecanismos que poseen de generalidad, y por componentes
13

comunes entre los programas que realizan una variedad de tareas. Esta
bsqueda lleva a la teora ms all de la hiptesis inicial-sistema de
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 concrecin: la heurstica hiptesis de
bsqueda.
La bsqueda de generalidad dio lugar a una serie de programas
diseados para separar los mecanismos de resolucin de problemas en
general de los requisitos de los dominios de tareas particulares. The
General Problem Solver (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 las representaciones de las metas
y los planes, mtodos para la construccin de las redes de la
discriminacin, los procedimientos para el control de rbol de bsqueda,
los mecanismos de coincidencia de modelos y sistemas de lenguaje de
anlisis. Los experimentos estn actualmente en curso para encontrar
dispositivos convenientes para la representacin de las secuencias de
tiempo y de tiempo, el movimiento, la causalidad, y similares. Ms y
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 la investigacin estimulada por esa teora
consista en gran medida en la bsqueda del germen para ir con cada
enfermedad, esfuerzo posterior volvi a aprender lo que era un germena la construccin de la ley cualitativa bsica de un nuevo nivel de la
estructura. En la inteligencia artificial, un estallido inicial de la actividad
dirigida a la creacin de programas inteligentes para una amplia
variedad de tareas casi elegidos al azar es para dar paso a la
investigacin dirigida a la comprensin de los mecanismos comunes de
este tipo de sistemas orientado ms bruscamente.
El modelado de la conducta simblica HUMANO. La hiptesis del sistema
de smbolos implica que la conducta simblica del hombre surge porque
l 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 para la hiptesis, y la investigacin
en inteligencia artificial contina en estrecha colaboracin con la
investigacin en psicologa del procesamiento de informacin, como se
le suele llamar.
14

La bsqueda de explicaciones de la conducta inteligente del hombre en

trminos de sistemas de smbolos ha tenido un alto grado de xito en los
ltimos veinte aos, hasta el punto donde la teora de procesamiento de
la informacin es el punto de vista contemporneo y conduce en la
psicologa cognitiva. Especialmente en las reas de resolucin de
problemas, la adquisicin de conceptos, y la memoria a largo plazo, los
modelos de la manipulacin de smbolos ahora dominan la escena.
La investigacin en psicologa del procesamiento de 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 psicolgicas y experimentos conducen a
la formulacin de hiptesis sobre los procesos simblicos los sujetos
estn utilizando, y estas son una fuente importante de las ideas que
entran en la construccin de los programas. As, muchas de las ideas de
los mecanismos bsicos de GPS se derivaron de un anlisis cuidadoso de
los protocolos que los sujetos humanos producen mientras piensa en voz
alta durante la ejecucin de una tarea de resolucin de problemas.
El carcter emprico de la ciencia de la computacin es ms evidente
que en esta alianza con la psicologa. No slo son los experimentos
psicolgicos necesarios para comprobar 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.
OTRAS PRUEBAS. El cuerpo principal de la evidencia para 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 por
la mquina. La mayora de los intentos de construir tales hiptesis han
tenido lugar en el campo de la psicologa. Aqu hemos tenido una
continuidad de las teoras de los puntos de vista generalmente
etiquetados '' conductismo " a las que habitualmente denominada"
teora de la Gestalt". Ninguno de estos puntos de vista se erige como un
verdadero competidor para la hiptesis del sistema de smbolos, y por
dos razones.
En primer lugar, ni el conductismo, ni la teora de la Gestalt ha
demostrado , ni siquiera se muestra cmo demostrar , que los
mecanismos explicativos que postula son suficientes para dar cuenta de
la conducta 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
15

son tan vagos que no es terriblemente difcil darles interpretaciones

procesamiento de informacin , y por lo tanto asimilarlos a la hiptesis
del sistema de smbolos .
1.5 Conclusin
Hemos tratado de utilizar el ejemplo de la hiptesis -symbol- sistema
fsico para ilustrar concretamente que la informtica es una empresa
cientfica en el sentido habitual del trmino: desarrolla las hiptesis
cientficas que luego se trata de verificar por la investigacin emprica.
Tuvimos una segunda razn, sin embargo, para la eleccin de este
ejemplo concreto para ilustrar nuestro punto. La hiptesis -symbolsistema fsico es en s misma una hiptesis cientfica sustancial del tipo
que anteriormente bautizado como " leyes de la estructura cualitativa".
Representa un importante descubrimiento de la informtica, lo que si es
confirmada por la evidencia emprica, como de hecho parece estar
ocurriendo, va a tener un impacto importante continuar en el campo.
Pasamos ahora a un segundo ejemplo, el papel de la bsqueda de
inteligencia. En este tema, y la hiptesis particular acerca de lo que
vamos a examinar, tambin han jugado un papel central en la
informtica, en general, y la inteligencia artificial, en particular.
2 Bsqueda Heurstica:
Sabiendo que los sistemas de smbolos fsicos proporcionan la matriz
para la accin inteligente no nos dice cmo lograr esto. Nuestro segundo
ejemplo de una ley de estructura cualitativa en ciencias de la
computacin se ocupa de 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 restablece en la
evidencia emprica, y no ha sido derivado formalmente de otros locales.
Nos veremos en un momento, sin embargo, que tiene cierta conexin
lgica con la hiptesis del sistema de smbolos, y tal vez podemos
esperar para formalizar la relacin en algn momento en el futuro. Hasta
ese momento llega, nuestra historia debe ser de nuevo uno 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 hiptesis heurstica de bsqueda.
HEURSTICA - BUSQUEDA DE HIPTESIS. Las soluciones a los problemas
se representan como estructuras de smbolos. Un sistema de smbolos
fsicos ejerce su inteligencia en la resolucin de problemas de bsqueda,
es decir, mediante la generacin y modificacin de estructuras

16

simblicas progresivamente hasta que se produce una estructura de la

solucin.
Los sistemas de smbolos fsicos deben utilizar la bsqueda heurstica
para resolver problemas debido a que tales sistemas tienen limitados
recursos de procesamiento; en un nmero finito de pasos, y en un
intervalo finito de tiempo, que pueden ejecutar slo un nmero finito de
procesos. Por supuesto, esto 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 la
prctica limitada. 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
vamos a ocuparnos aqu con este tipo de sistemas, pero con sistemas
cuyos recursos de computacin son escasos en relacin a la complejidad
de las situaciones con las que se enfrentan. La restriccin no excluir a
ningn sistema de smbolos reales, en la computadora o el hombre, en
el contexto de 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 solo proceso - en -un-tiempo . Si se puede
lograr slo una pequea cantidad de procesamiento en cualquier
intervalo de tiempo corto , entonces bien podramos considerarlo como
hacer las cosas de una en una . As, " sistema de smbolos de recursos
recur limitada" y " sistema de smbolos serie " son prcticamente
sinnimos. El problema de la asignacin de un recurso escaso en cada
momento por lo general se puede tratar, si el momento es lo
suficientemente corto , como un problema de programacin de una
mquina de serie.

2.1 Resolucin de Problemas

Puesto que la capacidad de resolver problemas generalmente se toma

como un primer indicador de que un sistema tiene la inteligencia , es
natural que gran parte de la historia de la inteligencia artificial est
ocupado con los intentos de construir y comprender los sistemas de
resolucin de problemas . La resolucin de problemas ha sido discutida
por los filsofos y psiclogos durante dos milenios, en los discursos
densos con una sensacin de misterio. Si usted piensa que no hay nada
problemtico o misterioso en un sistema de smbolos para resolver
17

problemas , usted es un nio de hoy , cuyas opiniones se han formado

desde mediados de siglo. Platn (y , por su cuenta , Scrates )
encontraron dificultades para entender incluso cmo los problemas
pueden ser entretenidos , y mucho menos cmo se
podra ser resuelto . Os recordamos de cmo l plante la interrogante
en el Menn :
Menn : Y cmo va a investigar , Scrates, en lo que no sabes? 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 sabes?
Para hacer frente a este rompecabezas , Platn invent su famosa teora
de recuerdo : cuando crees que ests descubriendo o aprender algo,
usted est realmente slo recordando lo que ya sabas en una existencia
anterior. Si encuentras esta explicacin absurda , hay una mucho ms
simple disponible en la actualidad , basado en nuestra comprensin de
los sistemas de smbolos . Una declaracin aproximado de la misma es :
Para indicar un problema es designar ( a) una prueba para una clase de
estructuras simblicas ( soluciones del problema ), y ( 2 ) un generador
de estructuras simblicas ( posibles soluciones ) . Para resolver un
problema es generar una estructura , utilizando ( 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 de inmediato una estructura smbolo satisfaccin de la prueba).
Un sistema de smbolos puede indicar y resolver problemas (a veces) ,
ya que puede generar y probar.
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 soamos . " Si
los deseos fueran caballos, los mendigos pueden montar . "
Pero fuera del mundo de los sueos , no es posible. Para saber cmo
bamos a probar algo, una vez construido , no significa que sabemos
cmo construirlo - que tenemos cualquier generador para hacerlo.
Por ejemplo , es bien sabido lo que significa "resolver" el problema de
jugar al ajedrez ganar. Existe una prueba sencilla para darse cuenta de
las posiciones ganadoras , la prueba para el jaque mate al rey enemigo.
En el mundo de los sueos simplemente se genera una estrategia que
conduce a jaque mate para todas las estrategias de venta libre del

18

oponente . Por desgracia, ningn generador que har que se sabe que
los sistemas de smbolos existentes (hombre o mquina) .
En su lugar, buenos movimientos en el ajedrez se buscan mediante la
generacin de diversas alternativas , y con mucho esfuerzo a la
evaluacin con el uso de medidas aproximadas , ya menudo errneas ,
que se supone que indican la probabilidad de que una determinada lnea
de juego se encuentra en la ruta a una posicin ganadora . Mover
generadores existen ; generadores de ganar - movimientos que no son .
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, se pueden representar .
Generadores Move son procedimientos de modificacin de una situacin
en el espacio del problema a otro . Las caractersticas bsicas de los
sistemas de smbolos fsicos garantizan que puedan representar
espacios problemticos 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 todava est muy presente en la frontera de la
investigacin de la inteligencia artificial.
La tarea que un sistema de smbolos se enfrenta , entonces, cuando se
le presenta un problema y un problema de espacio , es utilizar sus
limitados recursos de procesamiento para generar posibles soluciones ,
una tras otra , hasta si encuentra uno que satisfaga la prueba definitoria
problema . Si el sistema tena algn control sobre el orden en el que se
generaron soluciones potenciales , entonces sera deseable disponer
este orden de generacin de modo que las soluciones reales tendran
una alta probabilidad de aparicin temprana . 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 sobre qu hacer a
continuacin.
2.2 Bsqueda en la resolucin de problemas
Durante la primera dcada de la investigacin de 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, debemos explorar ms a fondo

19

la naturaleza de los procesos de bsqueda , ya que se revel en esa

dcada de actividad.
Extraccin de informacin de espacio del problema . Considere un
conjunto de estructuras simblicas , algn pequeo subconjunto de las
cuales son las 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 ninguna informacin que
permitira a cualquier generador de bsqueda para obtener mejores
resultados que una bsqueda aleatoria. Entonces hay un sistema
smbolo podra mostrar ms inteligencia (o menos inteligencia ) que
cualquier otro en la solucin del problema, aunque uno puede
experimentar mejor suerte que otros.
Una condicin , entonces, para la aparicin de la inteligencia es que la
distribucin de soluciones no ser totalmente al azar , que el espacio de
las estructuras de smbolos muestran al menos algn grado de orden y
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 , dependiendo de qu patrn se detecta .
Debe haber informacin en el espacio del problema , y el sistema de
smbolos debe ser capaz de extraer y de usarlo. Veamos primero un
ejemplo muy simple, donde la inteligencia es fcil de conseguir.
Considere el problema de la solucin de una ecuacin algebraica simple:
ax + b = cx + d
La prueba define una solucin como cualquier expresin de la forma , x
= E, de tal manera 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 ecuacin anterior . Nosotros no llamar a
este un generador inteligente.
Alternativamente, se podra usar generadores que haran uso del hecho
de que la ecuacin original se puede modificar 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 hacer precisamente esos cambios en la ecuacin
que dejan su solucin sin cambios , mientras que al mismo tiempo que
entre en el 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 recoge trminos de nuevo. Podra entonces not que
haba una b no deseado en el lado izquierdo y restar eso. Por ltimo , se
20

podra deshacerse de coeficiente no deseado ( AC ) en el lado izquierdo

dividiendo .
Por lo tanto , por este procedimiento , que ahora exhibe considerable
inteligencia , el generador produce estructuras de smbolos sucesivos ,
cada uno obtenido mediante la modificacin de la anterior; y las
modificaciones tienen como objetivo reducir las diferencias entre la
forma de la estructura de entrada y la forma de la expresin de prueba ,
mientras se mantienen las dems condiciones para una solucin.
Este sencillo ejemplo ilustra ya que muchos de los principales
mecanismos que utilizan los sistemas de smbolos para la resolucin de
problemas inteligente. En primer lugar, cada expresin sucesiva no se
genera de forma independiente , pero se produce mediante la
modificacin de uno producido previamente . En segundo lugar, las
modificaciones no son fortuitas , sino que dependen
en dos tipos de informacin . Ellos dependen de la informacin que es
constante en toda esta clase de problemas de lgebra, y que est
integrado en la estructura del propio generador: todas las
modificaciones de las expresiones deben dejar la solucin de la ecuacin
sin cambios. Ellos tambin dependen de la informacin que cambia en
cada paso: la 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, por lo
que las expresiones que no cumplan con estas pruebas nunca se
generarn. Uso de la primera clase de informacin garantiza que slo un
pequeo subconjunto de todas las posibles expresiones se genera en
realidad, 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 seguir a Platn en dotar
al sistema de smbolos con una existencia anterior en la que ya conoca
la solucin. Un moderadamente sofisticado sistema de generacin y de
prueba hizo el truco sin invocar la reencarnacin.
BUSCAR LOS RBOLES. El problema de lgebra simple puede parecer un
inusual, incluso patolgico, ejemplo de bsqueda. Ciertamente, no es la
bsqueda de prueba y error, porque aunque haba algunos ensayos, no
hubo error.
Estamos ms acostumbrados a pensar en la bsqueda de resolucin de
problemas como la generacin de exuberantes rboles de ramificacin
21

de posibilidades de soluciones parciales que pueden crecer a miles, o

incluso millones, de sucursales, antes de obtener una solucin. Por lo
tanto, si a partir de cada 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 suelen crecer grandes rboles de
bsqueda que asciende en algunos casos a un milln o ms ramas.
Aunque este ejemplo servir para ilustrar nuestros puntos acerca de la
bsqueda del rbol, debemos sealar que el propsito de la bsqueda
en el ajedrez no es generar propuestas de solucin, pero que se evala
(de prueba) de ellos.
Una lnea de investigacin en los programas de juego de juego ha sido
centralizada, intenta mejorar la representacin del tablero de ajedrez, y
los procesos para hacer movimientos en ella, as como para acelerar la
bsqueda y hacer posible la bsqueda de los rboles ms grandes. La
razn de esta direccin, por supuesto, es que la ms profunda es la
bsqueda dinmica, la ms exacta, debera estar las evaluaciones en el
final de la misma. Por otro lado, existe una buena evidencia emprica de
que los jugadores ms fuertes humanos, maestros, rara vez exploran los
rboles de ms de un centenar de sucursales. Esta economa se logra no
tanto por la bsqueda de menos profundamente que los programas
dochess de papeles, sino por la ramificacin muy poco y de forma
selectiva en cada nodo. Esto slo es posible, sin causar un deterioro de
las evaluaciones, al tener ms de la selectividad incorporada 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 importante informacin relevante acerca de la posicin.
La conclusin un tanto paradjico que suena a que esta discusin lleva
es que la generacin de bsqueda sucesiva de posibles soluciones
estructuras - es un aspecto fundamental del ejercicio de un sistema de
smbolos de la inteligencia en la resolucin de problemas, sino que la
cantidad de bsqueda no es una medida de la cantidad de inteligencia
que se exhiben. Qu hace que un problema un problema no es que se
requiere una gran cantidad de bsqueda de su solucin , pero que una
cantidad grande sera necesario si no se aplica un nivel requerido de
inteligencia. Cuando el sistema simblico que est tratando de resolver
un problema sabe lo suficiente acerca de qu hacer, simplemente se
procede directamente hacia su objetivo; pero cada vez que su
conocimiento se vuelve insuficiente, cuando entra en terra incognita , se
enfrenta a la amenaza de ir a travs de grandes cantidades de bsqueda
antes de que se abre paso de nuevo.

22

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 en contra dependiendo de la fuerza bruta de
las computadoras -incluso el ms grande y de ms rpido computadoras
- como compensacin por la ignorancia y unselectivity de sus
generadores. La esperanza todava se enciende peridicamente en
algunos pechos humanos que una computadora se puede encontrar que
es lo suficientemente rpido, y que se puede programar
inteligentemente suficiente, para jugar bien al ajedrez por la bsqueda
de fuerza bruta. No hay nada conocido en la teora sobre el juego del
ajedrez que descarta esta posibilidad. Pero los estudios empricos sobre
la gestin de la bsqueda de rboles de tamao considerable con
resultados modestos hacen de esta 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 siempre presente amenaza de la explosin exponencial de
bsqueda. Cmo se puede lograr esto? La primera ruta, ya se ha
ilustrado con 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 slo las
estructuras que muestran promesa de ser soluciones o de estar en el
camino hacia soluciones. La consecuencia habitual de hacer esto es para
disminuir la tasa de ramificacin, no para prevenir completamente.
Explosin exponencial ltima no se evita, salvo en situaciones
excepcionales altamente estructurados como el ejemplo - pero el
lgebra slo pospuesta. Por lo tanto, un sistema inteligente necesita
generalmente como complemento a la selectividad de su generador de
soluciones con otras tcnicas de informacin - usando para guiar la
bsqueda.
Veinte aos de experiencia en la gestin de bsqueda de rbol en una
variedad de entornos de trabajo se ha producido un pequeo kit de
tcnicas generales que forma parte del equipo de todos los
investigadores en inteligencia artificial hoy. Puesto que estas tcnicas se
han descrito en obras generales como la de Nilsson (1971), que se
pueden resumir muy brevemente aqu . En bsqueda heurstica de serie,
la pregunta bsica es siempre: Qu se har despus? En busca del
rbol, que se trata, a su vez, tiene dos componentes: ( 1 ) Por lo nodo
del rbol debemos buscar siguiente, y ( 2 ) En qu direccin vamos a
tomar desde ese nodo ? Informacin til para responder a la primera
pregunta se puede interpretar como la medicin de la distancia relativa
de los diferentes nodos de la meta. Best - primera bsqueda exige la
23

bsqueda siguiente del nodo que aparece ms cerca de la meta.

Informacin til para responder a la segunda pregunta en qu direccin
buscar - se obtiene a menudo, 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 la
seleccin de las acciones que son relevante 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 del general solucionador de problemas.
La importancia de los estudios empricos como una fuente de ideas
generales en la investigacin en IA pueda demostrar claramente
trazando 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 best- primera
bsqueda ya estaban presentes, aunque sin nombre , en el Terico
Lgica en 1955. The General Problem Solver , encarnando medios-fines
de anlisis , aparecieron sobre 1957 , pero combinada con la bsqueda
en profundidad modificada en lugar de la mejor primera bsqueda . Los
programas de ajedrez fueron generalmente casados , por razones de
economa de la memoria, a la bsqueda en profundidad,
complementadas despus de cerca de 1958 por el procedimiento de la
poda alfa- beta de gran alcance. Cada una de estas tcnicas parece
haber sido reinventado varias veces, y es difcil encontrar trabajo
independiente, debates generales, tericos de la resolucin de
problemas en trminos de estos conceptos hasta mediados o finales de
1960. La cantidad de yuxtaposicin formal, que han recibido de la teora
matemtica sigue siendo minscula: algunos teoremas sobre la
reduccin en la bsqueda que se puede asegurar el uso de la heurstica
de la alfa -beta, un par de teoremas (revisado por Nilsson 1971) sobre la
bsqueda de la ruta ms corta , y algunos teoremas muy recientes en la
bsqueda bestfirst con una funcin de evaluacin probabilstica.
Y METODOS "dbil" "fuerte". Las tcnicas que hemos estado discutiendo
son dedicados al control de la expansin exponencial en lugar de su
prevencin. Por esta razn, han sido correctamente denominado
"mtodos dbiles" - mtodos que se utilizarn cuando el conocimiento
del sistema de smbolos o de la cantidad de estructura realmente
contenido en el espacio del problema son insuficientes para permitir la
bsqueda de evitarse por completo.
Es instructivo comparar una situacin altamente estructurado, que se
puede formular, por ejemplo, como un problema de programacin lineal,
con las situaciones menos estructuradas de problemas combinatorios,
como el problema del viajante de comercio o problemas de
24

programacin. ("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 a una solucin. En la
resolucin de problemas combinatorios o en la demostracin de
teoremas, bsqueda de rbol rara vez se puede evitar, y el xito
depende de los mtodos de bsqueda heurstica del tipo que hemos
estado describiendo.
No todas las corrientes de investigacin de resolucin de problemas de
IA han seguido el camino que hemos ido perfilando. Un ejemplo de un
punto un tanto diferente es proporcionada por el trabajo en sistemas
teorema demostrando. 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 integridad no se pudo probar (un poco irnico, ya que
los sistemas matemticos ms interesantes son conocidos por ser
indecidible). Desde integridad rara vez se puede demostrar a la mejor primera bsqueda heurstica, o para muchos tipos de generadores
selectivos, el efecto de este requisito fue ms bien inhibiendo. Cuando
los programas de teoremas - probando continuamente estaban
incapacitados por la explosin combinatoria de sus rboles de bsqueda,
pensamiento empez a darse a la heurstica selectivos, que en muchos
casos resultaron ser anlogos de heursticas utilizadas en los programas
de resolucin de problemas generales. La heurstica de configuracin de
apoyo, por ejemplo, es una forma de trabajo hacia atrs, adaptado al
entorno teorema demostrando resolucin.
UN RESUMEN DE LA EXPERIENCIA. Ya hemos descrito el funcionamiento
de nuestra segunda ley de la estructura cualitativa, que afirma que los
sistemas de smbolos fsicos resolver problemas por medio de bsqueda
heurstica. Ms all de eso, hemos examinado algunas caractersticas
subsidiarios de bsqueda heurstica, en particular la amenaza 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 dominios se consideran y qu criterio de
adecuacin que se adopte. El xito se puede garantizar mediante el
establecimiento de niveles de aspiracin de baja o fallo estableciendo su
valor alto. La evidencia podra resumirse de la siguiente manera sobre:
Pocos programas son la solucin de problemas a nivel profesional
"expertos". Programa corrector de Samuel y Feigenbaum y DENDRAL de
25

Lederberg son quizs las excepciones ms conocidas , pero uno podra

apuntar tambin a una serie de programas de bsqueda heurstica para
tales dominios de problemas las operaciones de investigacin- como la
programacin y la programacin entera . En una serie de mbitos, los
programas se realizan en el nivel de aficionados competentes: ajedrez,
algunos dominios teorema - que demuestra, muchos tipos de juegos y
rompecabezas. Niveles humanos no han sido an casi alcanzado por los
programas que tienen un complejo de percepcin "front end ":
reconocedores visual de la escena, entendedores del habla, robots que
tienen que maniobrar en el espacio y en tiempo real. Sin embargo, se
han logrado avances impresionantes, y una gran cantidad de
experiencia reunida sobre estas tareas difciles.
No tenemos profundas explicaciones tericas para el patrn particular
de rendimiento que ha surgido. Por razones empricas, sin embargo,
podramos sacar 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 tareas con un
gran componente de percepcin se puede atribuir a la de propsito
especial incorporado en la estructura de procesamiento en paralelo del
ojo humano y el odo.
En cualquier 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 las que estamos
interesados , la estructura de dominio hasta ahora no ha demostrado ser
lo suficientemente sencillo para producir teoremas sobre la complejidad,
o que nos diga , que no sea empricamente , cmo los grandes
problemas del mundo real son en relacin con las capacidades de
nuestros sistemas de smbolos para resolverlos . Esa situacin puede
cambiar, pero hasta que lo haga, hay que confiar en las exploraciones
empricas, utilizando los mejores solucionadores de problemas que
sabemos cmo construir, como principal fuente de conocimiento sobre la
magnitud y caractersticas de la dificultad del problema. Incluso en las
zonas altamente estructuradas como la programacin lineal, la teora ha
sido mucho ms til en el fortalecimiento de la heurstica que subyacen
los algoritmos de solucin ms potentes que en la prestacin de un
anlisis profundo de la complejidad.
2.3 Inteligencia sin mucha bsqueda

26

Nuestro anlisis de la inteligencia equipara con capacidad de extraer y

utilizar informacin acerca de la estructura del espacio del problema, a
fin de permitir una solucin problema a ser generado como de forma
rpida y directamente como sea posible.
Nuevas orientaciones para la mejora de las capacidades de resolucin
de problemas de los sistemas de smbolos se pueden equiparar,
entonces, con nuevas formas de extraer y utilizar informacin. Por lo
menos tres de esas formas pueden ser identificadas.
USO DE INFORMACIN no locales. En primer lugar, se ha observado por
varios investigadores que la informacin recopilada en el curso de la
bsqueda de rbol lo general slo se utiliza localmente, para ayudar a
tomar decisiones en el nodo especfico en donde se gener la
informacin. Informacin sobre una posicin de ajedrez, que se obtiene
mediante el anlisis dinmico de un subrbol de continuaciones, se
utiliza por lo general para evaluar slo esa posicin, no evaluar otras
posiciones que pueden contener muchas de las mismas caractersticas.
Por lo tanto, los mismos hechos tienen que ser redescubierta varias
veces en diferentes nodos del rbol de bsqueda. Basta con tomar la
informacin fuera del contexto en que surgi y utilizarlo en general no
resuelve el problema, la informacin puede ser vlida slo en un nmero
limitado de contextos. En los ltimos aos, se han hecho algunos
esfuerzos exploratorios para transportar 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 lograr, se muestra muy prometedora. Una importante lnea de
investigacin que Berliner (1975) ha estado siguiendo 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 al movimiento que hizo, entonces la misma debilidad
se puede esperar en otras posiciones descendiente del mismo
movimiento.
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 las cadenas de habla mediante la aplicacin de
una bsqueda paralela a una serie de diferentes niveles: fontica, lxico,
sintctico y semntico. Como cada una de estas bsquedas proporciona
y evala hiptesis, que suministra la informacin que se ha ganado a un
'' pizarra " comn que puede ser ledo por todas las fuentes. Esta
informacin compartida se puede utilizar, por ejemplo, para eliminar la
hiptesis, o incluso toda clases de hiptesis, que de otra manera
tendran que ser buscado por uno de los procesos. As el aumento de
nuestra capacidad de utilizar informacin del rbol de bsqueda no
localmente ofrece una promesa para el perchado la inteligencia de los
sistemas de resolucin de problemas.
27

SEMNTICA RECONOCIMIENTO DE SISTEMAS. 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 demuestra que una fuente
importante de la habilidad del maestro se almacena la informacin que
le permite reconocer un gran nmero de caractersticas y patrones
especficos de caractersticas en un tablero de ajedrez, y la informacin
que utiliza este reconocimiento a proponer las medidas apropiadas a las
caractersticas reconocidas. Esta idea general se ha, por supuesto, ha
incorporado en los programas de ajedrez, casi desde el principio. Lo que
es nuevo es la realizacin de que el nmero de tales patrones e
informacin asociada que puede tener que ser almacenado para jugar a
nivel de master: algo del orden de 50.000.
La posibilidad de sustituir el reconocimiento de bsqueda se debe a que
un particular, y sobre todo una enfermedad rara, patrn puede contener
una enorme cantidad de informacin, siempre y cuando est
estrechamente relacionada con la estructura del espacio del problema.
Cuando esa estructura es "irregular", y no est sujeta a la simple
descripcin matemtica, entonces el conocimiento de un gran nmero
de patrones relevantes puede ser la clave del 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
dotados con informacin semntica y las capacidades de patrones reconocer para el acceso sigue siendo muy limitada.
La discusin anterior se refiere especficamente a la informacin
semntica asociada con un sistema de reconocimiento.
Por supuesto, tambin hay toda una gran rea de la investigacin en IA
en semntica procesamiento de la informacin y la organizacin de las
memorias semnticas que queda fuera del alcance de los temas que
estamos discutiendo en este artculo. *
SELECCIN gestiones oportunas. Una tercera lnea de investigacin se
refiere a la posibilidad de que la bsqueda puede reducirse o evitarse
mediante la seleccin de un problema de espacio apropiado. Un ejemplo
tpico que ilustra esta posibilidad de forma espectacular es el problema tablero de ajedrez mutilado. Un tablero estndar corrector 64 cuadrados
se puede cubrir exactamente con 32 azulejos, cada uno, un rectngulo
de 1 x 2 que cubre exactamente dos casillas. Supongamos, ahora, que
cortamos cuadrados en dos esquinas diagonalmente opuestas del

28

tablero de ajedrez, dejando un total de 62 plazas. Puede este tablero

mutilado cubrirse exactamente con 31 azulejos?
Con (literalmente) la paciencia divina, la imposibilidad de lograr una
cobertura de este tipo puede ser demostrado al tratar todos los arreglos
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 una plaza
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 argumento inductivo simple como
una alternativa a un desesperado intento de resolver el problema
mediante la bsqueda entre todos los revestimientos posibles? Nos
otorgara un sistema que encontr las notas altas de soluciones para
inteligencia.
* Nota del Editor: Gran parte de la investigacin que se describe en los
captulos 5 y 6 de este volumen cae en la categora mencionada aqu.
Tal vez, sin embargo, en el planteamiento de este problema no estamos
escapando de los procesos de bsqueda. Simplemente hemos
desplazado a la bsqueda de un espacio de posibles soluciones de
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 para resolver
problemas.
Las leyes que rigen la estructura de las representaciones cualitativas
quedan por descubrir. La bsqueda de ellos es casi seguro que recibir
una atencin considerable en la prxima dcada.
2.4 Conclusin
Esa es nuestra cuenta de sistemas de smbolos y la inteligencia. Ha sido
un largo camino desde Menn de Platn al presente, 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. El pensamiento era todava totalmente
intangible e inefable, hasta la lgica formal moderna interpret como la
manipulacin de smbolos formales. Y pareca que an habitan
principalmente el cielo de las ideas platnicas, o los espacios igualmente

29

oscuros de la mente humana, hasta que los ordenadores nos ensea

cmo los smbolos podran ser procesados por las mquinas. A.
M. Turing hizo sus grandes contribuciones en el cruce de mediados de
siglo de estos acontecimientos que condujeron a partir de la lgica
moderna al ordenador.
Sistemas de smbolos fsicos. El estudio de la lgica y las computadoras
nos ha revelado que la inteligencia reside en los sistemas fsico smbolo. Esta es la ley ms bsica de ciencias de la computacin de la
estructura cualitativa.
Sistemas de smbolos son colecciones de patrones y procesos, siendo
esta ltima capaz de producir, destruir, y la modificacin de la anterior .
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 llevar a
cabo el proceso designado. Las dos clases ms importantes de los
sistemas de smbolos con la que tenemos noticia son los seres humanos
y las 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 familiariz 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 com reafirm la interpretacin
de los smbolos, ya implcita en la mquina de Turing. Lista
procesamiento llevado a la vanguardia de las capacidades denotacional
de smbolos y procesamiento smbolo definido de maneras que
permitieron la independencia de la estructura fija de la mquina fsica
subyacente. En 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 de la
IA es que los sistemas de smbolos resolver problemas mediante la
generacin de posibles soluciones y ponerlas a prueba, es decir,
mediante la bsqueda. Soluciones suelen ser buscados por la creacin
de expresiones simblicas y su modificacin de forma secuencial hasta
que cumplan las condiciones para una solucin. Por lo tanto, los
30

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. Deja detrs de l, ya
sea una sola trayectoria del punto inicial al objetivo o, si la correccin y
la copia de seguridad son necesarias, un rbol entero de tales caminos.
Sistemas de smbolos no pueden aparecer inteligentes cuando estn
rodeados por el caos puro. Ejercen la inteligencia mediante la extraccin
de informacin de un dominio del problema y el uso de esa informacin
para guiar su bsqueda, evitando giros equivocados y tortuosa por
caminos. El dominio del problema debe contener la informacin - es
decir, un cierto grado de orden y estructura para que el mtodo
funcione. La paradoja del Meno se resuelve por la observacin de que la
informacin puede ser recordado, pero la nueva informacin tambin
puede extraerse desde el dominio de los smbolos que designan. En
ambos casos, la ltima fuente de la informacin es el dominio de la
tarea.
LA BASE EMPRICA. La investigacin sobre la inteligencia artificial se
ocupa de cmo los sistemas de smbolos deben organizarse con el fin de
comportarse de manera inteligente. Veinte aos de trabajo en la zona se
ha acumulado una cantidad considerable de conocimientos , lo
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 . De esta experiencia , sin embargo , han surgido tambin
algunas generalizaciones , afectan a diferentes mbitos y sistemas de
trabajo , acerca de las caractersticas generales de la inteligencia y sus
mtodos de aplicacin .
Hemos tratado de exponer algunas de estas generalizaciones aqu . En
su mayora son cualitativas y no matemtico. Tienen ms el sabor de la
geologa o la biologa evolutiva que el sabor de la fsica terica. Ellos son
lo suficientemente fuertes para permitirnos hoy para disear y construir
sistemas moderadamente inteligentes para una considerable gama de
dominios de tareas , as como para ganar un lugar profundo
conocimiento de cmo funciona la inteligencia humana en muchas
situaciones.
QU SIGUE? En nuestra cuenta hemos mencionado preguntas abiertas,
as como los asentados; hay muchos de ambos. No vemos ninguna
reduccin de la emocin de la exploracin que ha rodeado a este campo
durante el ltimo cuarto de siglo. Dos lmites de recursos determinarn
el ritmo de avance en los prximos dicho perodo. Uno de ellos es la
cantidad de potencia de clculo que estar disponible. El segundo, y
probablemente el ms importante , es el nmero de informticos
31

jvenes con talento que se sienten atrados por esta rea de

investigacin como el ms desafiante que pueden abordar.
AM Turing concluy su famoso artculo " Computing Machinery and
Intelligence " [captulo 2 de este volumen ] con las palabras :
Slo podemos ver un poco ms adelante, pero podemos ver un montn
all que hay que hacer.
Muchas de las cosas Turing vio en 1950 que haba que hacer se ha
hecho , pero el programa es tan completo como siempre. Tal vez leemos
demasiado en su simple 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 pregunta fundamental es siempre : Qu hacer
despus?

32