©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

ESTUDIOS. filosofía-historia-letras
Otoño 1987

La interacción entre IA y psicología: teoría y método


A pesar de que la interacción(entre IA y psicología no es ya ninguna novedad, los mejores frutos y resultados de esta interacción están aún por venir.

Haciendo a un lado la importante preocupación que los especialistas en IA tienen por la construcción de sistemas electrónicos de computación, es evidente que la psicología y la IA se empalman en gran medida. Es decir, ambas disciplinas están preocupadas con la explicación y resolución de los mismos problemas básicos, sus soluciones pueden ser comparadas una contra otra, y su éxito o fracaso puede evaluarse con el mismo criterio. El objetivo de la IA y la psicología es el de entender aspectos diversos de la mente humana y de la inteligencia en general y, en esencia, el juicio final que tendrán que enfrentar tendrá que ver con la cantidad y la calidad de las explicaciones que proporcionen sobre la naturaleza de la actividad mental.

Esto no debe hacernos verlas, como algunas personas han sugerido, como rivales teóricas necesariamente. Por el contrario, yo sostengo que, hasta ahora, la psicología ha sido la mejor y más rica fuente de teorías y conjeturas para la IA y, a su vez, que la IA es la mejor medicina que la psicología necesita en el estadio actual de su desarrollo.

Trataré de ilustrar esta última afirmación en esta sección con argumentos teóricos, metodológicos, y prácticos.

En primer lugar los argumentos de carácter teórico. Una de las características de las teorías científicas progresivas (Lakatos, 1978) es el equilibrio que mantienen entre la generación de conjeturas o hipótesis teóricas y su corroboración o refutación empírica. Una gran parte del desarrollo de la psicología se ha caracterizado por la ausencia de este equilibrio debido, entre otras causas, a que la experimentación con seres humanos se encuentra limitada por importantes razones morales. El estudio de la actividad mental ha tenido que limitarse a los reportes introspectivos, a pesar de que es sabido que la mayor parte de la actividad mental no es consciente y está fuera del alcance de la introspección. Las consecuencias de esto son, por un lado, que existe un gran divorcio entre teoría y realidad empírica como lo ejemplifica la psicología clínica, y por el otro, que la teoría en psicología experimental se ha subdividido en una innumerable cantidad de micromodelos psicológicos de tan limitado alcance y generalizabilidad que en muchos casos su aplicación se constriñe únicamente a las condiciones experimentales (Cronbach, 1975). Finalmente, el efecto general es que la teoría no es dirigida por lineamientos heurísticos como en las ciencias maduras sino por una estrategia burda de ensayo y error.

Es mi opinión que, en su intento por reproducir habilidades mentales humanas, los investigadores en IA han creado sistemas teóricos que poseen una gran capacidad heurística, que reúnen todos los requisitos científicos de consistencia y rigor lógico, y que permiten, si no responder de manera conclusiva, sí al menos formular mejores preguntas psicológicas.

Algo que hemos aprendido a lo largo de la historia de la psicología es que sus objetivos iniciales son, más difíciles de alcanzar de lo que originalmente se pensaba y que se requieren para ellos mejores herramientas metodológicas y mejores teorías.

Hoy en día, uno de los más importantes objetivos de la psicología es el de explicar fenómenos como la percepción, el aprendizaje, la cognición, la motivación, etc., de forma tal que sea posible unir las teorías fisiológicas a las psicológicas y terminar con el dualismo que ha plagado estas áreas de estudio.

Para ello se ha recurrido a dos estrategias experimentales distintas: La primera de ellas, que llamare "inductivista", comienza al nivel neuronal o atómico, unifica estas unidades físicas elementales en forma de moléculas, que a su vez reúne en forma de grandes agregados, que eventualmente describen el comportamiento y los fenómenos psicológicos que todos podemos observar. Esta estrategia, dicho sea de paso, ha avanzado muy lentamente y tenido un éxito sumamente limitado en la explicación de los fenómenos que van más allá de la mera percepción sensorial. La segunda estrategia, que llamaré "deductivista", comienza con una descripción de las funciones y organización de los procesos psicológicos, y descompone estos sistemas en sistemas más simples y pequeños, con la esperanza de eventualmente llegar a describir elementos fisiológicos y físicos.

Es importante aclarar que ambas estrategias deben ser continuadas ya que ambas han contribuido hasta ahora con parte de las explicaciones existentes, sin embargo, la evidencia sugiere que la primera estrategia es de poca utilidad para la psicología. La ilustración de esto es muy simple en términos de preguntas empíricas, Es mucho más difícil responder a la pregunta: ¿cómo puede un número determinado de neuronas (o átomos) producir fenómenos como inteligencia, cognición, lenguaje, toma de decisiones, etc.?, que responder a la pregunta ¿cómo puede un sistema (ser humano o computadora digital) con determinadas características realizar tal o cual tarea o función?

La segunda pregunta busca una solución, cualquier solución, la primera requiere de un descubrimiento. La búsqueda de descubrimientos por mera inducción o "inspección bruta" puede ser interminable (si consideramos, por ejemplo, el número de combinaciones neuronales posibles) si uno no toma como dirección heurística alguna pregunta psicológica (algo que, a pesar de todo, los neurofisiólogos hacen tácitamente y sin gran competencia). Y, en última instancia, la búsqueda de soluciones puede en ocasiones llevarnos a un descubrimiento, es decir, a encontrar la solución que la naturaleza encontró primero.

Las teorías en IA caen dentro de la categoría deductivista y, por lo tanto, poseen una estrategia con mayor capacidad explicativa. Debo insistir, ambas estrategias son necesarias pero la experiencia indica que la estrategia deductivista ha proporcionado y continuará proporcionando la mejor y mayor parte de las explicaciones. Esto, dicho sea de paso, es cierto también en otras ciencias, la estrategia inductivista ha sido abandonada en ciencias como la química y la biología que han favorecido un enfoque deductivista. De tal forma que, si el propósito es seguir el ejemplo de las ciencias "maduras", el camino es claro.

Las contribuciones que esta estrategia, típica de la teoría en IA, han traído a la psicología son varias, mencionaré sólo algunas de las más importantes.

Una de las contribuciones centrales de la IA se relaciona con un problema que ha agobiado a psicólogos y filósofos por más de doscientos años: el problema de la representación interna. Por mucho tiempo ha sido evidente que la única psicología capaz de dar cuenta de las complejidades de la actividad mental tendría que explicar e incluir procesos de representación interna. Por ejemplo, es la opinión de la mayoría de los psicológicos que sería imposible explicar el fenómeno de la percepción si no presuponemos que su función es proveernos con una imagen mental o modelo del mundo en el que vivimos y actuamos de una forma más o menos exitosa.

Esta premisa de la representación interna ha sido aceptada por todos los psicólogos con la excepción de los conductista radicales como Watson o Skinner. Las representaciones internas han sido denominadas hasta ahora de formas distintas: ideas, sensaciones, impresiones. Más recientemente nos referimos a ellas como esquemas cognoscitivos, mapas mentales, proposiciones, imágenes, o señales neuronales. Sólo este breve recuento de las distintas denominaciones de las representaciones mentales hace obvias dos conclusiones: primero, el acuerdo existente sobre la necesidad de incluirlas en nuestras explicaciones de la actividad mental, y, segundo, el desacuerdo general sobre su naturaleza y características.

El serio problema que la representación mental ha impuesto a la teoría psicológica es el de explicar de que forma estas representaciones pueden modelar, por sí mismas, al mundo en la mente humana. En otras palabras, es claro que nada puede ser intrínsicamente una representación de otra cosa. Algo se convierte en una representación sólo para alguien, todo sistema de representación requiere de un intérprete, independiente de este sistema, que lo utiliza con algún propósito. Este intérprete debe poseer una gran variedad de atributos psicológicos: debe poseer intenciones, debe ser capaz de comprender, debe tener objetivos y creencias, de tal forma que sea capaz de utilizar las representaciones para informarse sobre el mundo y ayudarse en el logro de sus metas (conversar, resolver problemas, reconocer, etc.). Este intérprete dentro de nuestra mente, es, en esta concepción, una forma de "homúnculo", y los homúnculos como lo --sabemos desde Descartes, padecen el mal de la regresión infinita. Lo que quiere decir que, al afirmar la existencia de un homúnculo dentro de la mente humana, caemos en la necesidad de recurrir a otro homúnculo dentro del primero que cumpla la misma función. Del mismo modo, más adelante necesitaremos de un tercero dentro del segundo... asi ad infinitum. Esta salida ad hoc, porque evidentemente no es una solución, no ha hecho más que transferir el problema de la representación de la mente humana a otra distinta, de tal forma que, como sostiene Dennett:

Hacer psicología sin homúnculos ha sido imposible. Pero hacerla con humúnculos nos ha llevado a la circularidad y el regreso infinito, al punto que ha convertido a la psicología en una empresa imposible. (Dennet, 1979:71)

El reto ha sido entonces, formular una teoría que explique cómo pueden las representaciones entenderse a sí mismas y, al mismo tiempo, evitar la circularidad y el regreso infinito.

Como lo mencioné anteriormente, por dos siglos se ha tratado de resolver este problema sin ningún éxito. No es sino hasta la aparición de la noción de "estructuras de datos" dentro de la IA que el problema parece comenzar a resolverse. Las "estructuras de datos" pueden o no tener validez psicológica, es algo que está aún por aclararse, lo que ya es claro es que constituyen el primer y único ejemplo operante de representaciones que se "entiendan a sí mismas". Las estructuras de datos han permitido la construcción de sistemas intencionales que son resultado del diseño de subsistemas con habilidades específicas y simples que se encuentran organizados entre sí. Estos subsistemas se subdividen a su vez en microsistemas más especializados y simples, que a su vez se componen de sistemas más pequeños y tan simples que sus respuestas son binarias. El sistema total consigue modelar una forma operante de representación.

El programa diseñado por Winograd (1972), conocido como SHRDLU es un extraordinario ejemplo de este comportamiento. SHRDLU es un programa que vive en un mundo imaginario de figuras geométricas en color, que es capaz de manipular estas figuras sobre una superficie cuando se le solicita, que representa a sí mismo este mundo, y que puede responder preguntas sobre su vida en este mundo. Un ejemplo de un diálogo con SHRDLU es el siguiente (de nuevo las respuestas de la computadora en mayúsculas):

¿Tocaste alguna pirámide antes de tocar el cubo azul?

SI, LA VERDE

¿En qué momento?

MIENTRAS APILABA EL CUBO ROJO PEQUEÑO ENCIMA DEL CUBO ROJO GRANDE Y DEL CUBO VERDE

¿Por qué la tocaste?

PORQUE NECESITABA MOVERLA PARA COLOCAR EL CUBO ROJO PEQUEÑO EN SU LUGAR

¿Para qué?

PARA PONER EL CUBO ROJO PEQUEÑO DONDE ESTA AHORA

¿Por qué?

PORQUE TU ME LO PEDISTE...

Las respuestas del programa son una muestra de la claridad con la que representa y pera en su mundo imaginario, incluyendo al interlocutor que da las órdenes, basándose únicamente en esta idea de estructuras de datos. Ninguna otra explicación ha llegado tan cerca de modelar el proceso de representación interna.

Otro problema en el que la IA ha sido de gran utilidad teórica se refiere a la discusión sobre la existencia y la naturaleza de las imágenes mentales. He discutido este problema en detalle en otro artículo (Elguea, 1983) de manera que referiré al lector interesado a este artículo y sólo mencionaré que el problema de las Imágenes mentales se encuentra íntimamente relacionado con el de la representación y que el trabajo en IA ha inclinado a la teoría psicológica en favor de la eliminación de las imágenes como concepto teórico y la aceptación de las proposiciones como el vehículo del pensamiento y la representación.

En segundo lugar, analizaré las contribuciones metodológicas de la IA a la psicología.

Algo que no ha sido comprendido adecuadamente entre los psicólogos, a veces ni siquiera entre especialistas en Al, es que los programas de IA no son experimentos empíricos, sino experimentos "pensados" o imaginarios regulados rigurosamente por una computadora.

La lógica de programación por computadora ha desarrollado una serie de reglas de consistencia que proveen al psicólogo de un lenguaje técnico con qué disciplinar la formulación de teorías y conjeturas, además de proporcionarnos nuevas y mejores metáforas para estudiar la inteligencia.

Los programas que operan en una computadora y la programación en general nos proveen de un nuevo medio para generar ideas, pensar acerca, de ellas, probarlas, extenderlas, corregirlas, profundizarlas y, eventualmente, explicarlas. Adecuadamente programadas, las computadoras son instrumentos útiles para construir, manipular, analizar, intepretar y transformar estructuras simbólicas de cualquier tipo, incluyendo sus propios programas.

Igualmente, persiste entre la comunidad científica el mito de que el estudio de sistemas complejos requiere necesariamente del uso de mediciones numéricas, ecuaciones, cálculo, estadística, etc., que las ciencias sociales han heredado de la física. Estos instrumentos han demostrado su insuficiencia en la explicación de fenómenos esenciales a la actividad mental de cualquier tipo, inclusive de la actividad "mental" que puede ocurrir en una computadora. (Ningun especialista en computación intentaría entender el comportamiento conversacional o cognitivo de un programa en términos estadísticos o de variables dependientes e independientes).

En lugar de ecuaciones, sistemas también formales no-numéricos han sido desarrollados en la forma de lenguajes de programación. Los conceptos generados a través de este esfuerzo, como lo ha demostrado el modelo de procesamiento de información, pueden resultar de mucha mayor utilidad para el psicólogo que las matemáticas numéricas que se utilizan normalmente y que tienen una capacidad limitada para teorizar sobre estructuras complejas e interactivas como las que se dan en la actividad mental. Es desafortunado que, en la mayoría de los casos, los psicólogos tengan un escaso o nulo entrenamiento en computación o programación y que su información se limite al uso de programas estadísticos escritos en lenguajes simples como FORTRAN o BASIC, y que ignoren la existencia de lenguajes más poderosos para la simulación y el modelamiento de actividades mentales como son los casos de LISP, y los más recientes CONNIVER, PLANNER, KRL, etc.

Por último, en lo referente a las aplicaciones prácticas, la IA ha contribuido a la psicología a través de la creación de programas dedicados a la educación de niños. Como uno de los resultados del esfuerzo por entender, simular, y modelar habilidades mentales, Papert (1971) desarrolló una serie de lenguajes conocidos como LOGO que tienen por objeto enseñar estas mismas habilidades a los niños. Estos lenguajes tienen grandes ventajas sobre otros, en primer lugar son mucho más poderosos y por lo tanto hacen mucho más fácil la tarea de programar a la computadora para realizar actividades complejas, y, en segundo lugar, no se restringen al uso de computaciones numéricas. Por ejemplo, LOGO y POP-2 (utilizados en MIT y en Sussex respectivamente) son lenguajes que tienen la capacidad de manipular palabras y oraciones, figuras geométricas, diseño de imágenes, etc.

La oposición en contra de la IA no ha sido poca ni sin importancia. Dreyfus (1972), el más importante crítico de la inteligencia artificial, ha elaborado serias críticas basándose en la distinción entre computación análoga y computación digital. Dado que todas las simulaciones y modelos de la cognición son generados en computadoras digitales, los procesos involucrados utilizan estados de información discreta y programación secuencial. Dreyfus insiste en que la evidencia que ha provisto la psicología y la neurofisiología, indica que el cerebro humano funciona como una computadora análoga que utiliza operaciones continuas y estructuras de programación en paralelo. El sostiene que, como resultado de ello, las simulaciones y modelos generados en la IA carecen de validez psicológica.

Si bien es cierto que la crítica de Dreyfus es aplicable a un buen número de modelos y simulaciones, pierde de vista la capacidad que tiene una computadora digital para simular el funcionamiento de una computadora análoga (por ej. el cerebro), y que su argumento lejos de refutar los esfuerzos hechos hasta ahora por la IA los ha fortalecido indirectamente.

En la actualidad muchas de las nociones y términos utilizados en la psicología tienen su origen en modelos mecanicistas o, físicos, insuficientes y simplistas. Inclusive el grupo de académicos que se oponen fuertemente a la utilización de metáforas computacionales para describir procesos mentales, con el pretexto de que son nociones mecanicistas, usan analogías mucho más crudas como por ejemplo: "disonancia", "represión", "tensión", "carga emocional", "fuerza motivacional", etc. Los oponentes de las metáforas computacionales de alguna manera están condenando a la teoría psicológica a continuar viviendo con analogías hidráulicas y mecánicas derivadas de avances tecnológicos y científicos de algunos siglos atrás,


AnteriorRegresoSiguiente