El panorama actual de la inteligencia artificial está claramente dominada por el machine learning y una inteligencia artificial basada en datos. Eso es innegabl<<<<e.
Sobre la inteligencia artificial y los datos
Sin embargo, defiendo cuando tenga ocasión, y para quien quiera escucharlo (que no me parece que sea mucha gente, por cierto), que es un error conceptual la habitual y poco reflexiva identificación de la inteligencia artificial con el manejo de datos. Ya expliqué en un post que titulé, significativamente, ‘La equívoca relación de inteligencia artificial y datos: cinco mitos comunes‘ que no sólo esa identificación es equívoca es que, además conduce a otros equívocos como pensar que cualquier tratamiento de datos es inteligencia artificial.
No niego, es imposible negarlo y además no tengo el más mínimo interés en hacerlo, que los avances más notorios de la inteligencia artificial moderna provienen del campo del machine learning, en especial el deep learning y, casi siempre, con algoritmos apoyados para su entrenamiento, en el uso de muchos datos, que en muchos casos, y muy importantes, tanto el entrenamiento de algoritmos como su aplicación tiene que ver con ese procesamiento de abundantes datos.
Eso es cierto.
El problema, lo que es un error, es identificarlo como concepto y tomar la parte por el todo, creer que no hay y no puede haber formas de inteligencia artificial que no tengan que ver, al menos no de manera fundamental, con el uso de muchos datos.
Inteligencia artificial simbólica y representación del conocimiento
La inteligencia artificial simbólica no los empleaba (no en abundancia, quiero decir) y dio lugar a ciertos avances significativos, aunque hoy en día en desuso como los sistemas expertos y a disciplinas que recibieron mucha atención, como la representación del conocimiento.
Es cierto que hoy en día no se habla mucho de esto…pero no mucho no es lo mismo que nada.
No sólo no es nada sino que algunas de las áreas más avanzadas que se investigan es, por ejemplo, modelos mixtos conexionistas-simbólicos que, en principio, pudieran ser un buen correlato del funcionamiento de nuestro cerebro donde es innegable su base neuronal pero en el que de alguna forma, que ni conocemos ni entendemos, surgen símbolos que, entre otras cosas, representan nuestro propio conocimiento del mundo y de nosotros mismos.
La lección de la navegación robótica
Pero no es sólo que la inteligencia artificial simbólica o la representación del conocimiento puedan volver en algún momento. Es que, aunque no de forma muy notoria, siguen entre las soluciones existentes actualmente.
En efecto, continuando con comentarios inspirados en el libro ‘Introduction to AI robotics‘ de Robin R. Murphy, y hablando todavía de la navegación robótica, que ya nos ocupó en el post anterior, nos dice:
AI robotics approaches to navigation have been focused on path planning and simultaneous localization and mapping. These topics rely heavily on the AI areas of knowledge representation, search and planning.
Destaco la mención a la representación del conocimiento, que en el caso de la navegación toma en buena medida la forma de mapas, y la mención a algoritmos de búsqueda que, claramente, no son del tipo conexionista, ni siquiera de machine learning.
No quiero engañar a nadie. En bastantes casos los mapas se construyen con base en información de percepción, típicamente visión artificial, que fácilmente están basados en redes neuronales entrenadas con muchos datos.
Pero lo relevante, lo que quiero destacar, es que se sigue hablando de representación del conocimiento o de algoritmos de búsqueda que no se basan de forma especial en datos.
Conclusión
La conclusión es casi el mismo inicio del artículo. Gran parte de la Inteligencia Artificial actual se apoya en algoritmos de machine learning y en especial deep learning, que necesitan de muchos datos para su entrenamiento. Pero es un error identificar la inteligencia artificial en su conjunto con ese manejo de datos. Hay espacios relevantes en la inteligencia artificial y la robótica que no se basan en datos y cualquiera sabe lo que nos pueda traer el futuro.
Identificar inteligencia artificial con datos solo conduce a errores de entendimiento y a limitar sus posibilidades.