¿Pueden pensar las máquinas? Alan Turing y los orígenes de la inteligencia artificial

En 1950, Alan Turing planteó una pregunta que transformaría la historia de la inteligencia artificial: ¿pueden pensar las máquinas?

Descubre qué propuso Alan Turing en 1950 sobre las máquinas inteligentes, el test de Turing, el aprendizaje y los orígenes de la inteligencia artificial.

En 1950, Alan Turing planteó una pregunta que transformaría la historia de la inteligencia artificial: ¿pueden pensar las máquinas? Analizamos su investigación original, el juego de imitación, las máquinas que aprenden y su relación con el debate actual sobre la superinteligencia.

¿Pueden pensar las máquinas? Alan Turing y los orígenes de la inteligencia artificial

Investigación Explicada 002 | Superinteligencia.dev

En 1950, cuando las computadoras electrónicas apenas comenzaban a desarrollarse, el matemático británico Alan Turing publicó un artículo que cambiaría la manera de plantear una de las grandes preguntas científicas y filosóficas de nuestro tiempo: ¿pueden pensar las máquinas?

Su investigación, titulada Computing Machinery and Intelligence y publicada en la revista académica Mind, no ofrecía una respuesta definitiva. Proponía algo diferente: transformar una pregunta difícil de definir en un problema que pudiera estudiarse mediante el comportamiento observable de una máquina.

Más de siete décadas después, sus argumentos siguen siendo relevantes para comprender la inteligencia artificial, los sistemas capaces de aprender y los debates sobre la posibilidad de desarrollar inteligencias superiores a la humana.

En esta segunda entrega de Investigación Explicada, analizamos las principales ideas del artículo original, sus límites y su importancia para el futuro de la inteligencia artificial.

1. La pregunta de Alan Turing: ¿pueden pensar las máquinas?

Turing comienza su artículo planteando una pregunta aparentemente sencilla: Can machines think?, es decir, «¿Pueden pensar las máquinas?».

Sin embargo, reconoce inmediatamente una dificultad fundamental: antes de responder sería necesario establecer qué entendemos por «máquina» y por «pensar».

El problema es que no existe una definición universalmente aceptada del pensamiento que permita determinar fácilmente si una máquina posee esa capacidad.

En lugar de intentar resolver primero esta cuestión filosófica, Turing propone sustituirla por otra más concreta.

La pregunta deja de centrarse exclusivamente en lo que una máquina es o experimenta internamente y pasa a examinar lo que puede hacer.

Este cambio de perspectiva constituye una de las aportaciones fundamentales de su investigación.

2. El juego de imitación: el origen del test de Turing

Para estudiar el problema, Turing presenta un experimento denominado juego de imitación.

En su formulación inicial participan tres personas: un hombre, una mujer y un interrogador que debe identificar a los otros participantes mediante preguntas y respuestas escritas.

Después, Turing introduce una modificación decisiva: sustituir a uno de los participantes por una computadora.

La cuestión consiste en averiguar si la máquina puede participar de tal manera que el interrogador tenga dificultades para distinguirla de una persona.

Este planteamiento acabaría siendo conocido como test de Turing.

Lo importante es comprender qué pretende evaluar.

El juego de imitación examina la capacidad de una máquina para producir respuestas que, en determinadas condiciones, resulten difíciles de diferenciar de las humanas.

No demuestra necesariamente que la máquina tenga conciencia, emociones o experiencias subjetivas.

Tampoco constituye una prueba suficiente de inteligencia general o superinteligencia.

Su principal contribución consiste en introducir un criterio de evaluación basado en el comportamiento observable.

Una predicción formulada en 1950

Turing anticipó que, aproximadamente medio siglo después, sería posible programar computadoras capaces de participar en el juego de imitación de manera que un interrogador medio no tuviera más de un 70 % de probabilidades de identificarlas correctamente tras cinco minutos de preguntas.

Se trataba de una predicción, no de un resultado experimental obtenido en 1950.

Además, ese planteamiento no debe confundirse con una definición universal de lo que significa superar el test de Turing.

3. ¿Puede una máquina ser creativa?

Una de las partes más interesantes del artículo examina las objeciones a la posibilidad de que las máquinas piensen.

Entre ellas aparece la conocida objeción de Ada Lovelace, quien había señalado que la máquina analítica de Charles Babbage no podía originar nada por sí misma, sino realizar aquello que sus operadores sabían ordenarle.

Turing cuestiona que esta observación permita establecer una limitación definitiva para todas las máquinas futuras.

Señala que una máquina puede producir resultados que sorprendan incluso a quienes la han diseñado o programado.

Esta distinción sigue siendo importante.

Que un sistema produzca un resultado inesperado no demuestra, por sí solo, que posea creatividad humana, intención propia o conciencia.

Sin embargo, tampoco podemos concluir que todo comportamiento de una máquina resulte necesariamente trivial o previsible para sus creadores.

La investigación de Turing anticipa así una pregunta que continúa abierta: ¿cómo debemos evaluar la originalidad de los resultados producidos por sistemas artificiales?

4. Conciencia e inteligencia: dos problemas diferentes

Turing también examina la objeción según la cual una máquina no puede pensar porque carece de experiencias conscientes.

La dificultad reside en que no podemos observar directamente la experiencia subjetiva de otro ser.

Podemos estudiar sus respuestas, sus acciones y su comportamiento, pero eso no equivale a acceder a lo que experimenta internamente.

Turing considera que no es necesario resolver previamente todos los misterios de la conciencia para investigar el comportamiento inteligente de las máquinas.

Esta idea permite distinguir dos cuestiones:

  • Inteligencia observable: capacidad para resolver problemas, responder preguntas, aprender o desarrollar determinadas tareas.
  • Conciencia: existencia de experiencia subjetiva, es decir, que haya algo que se sienta desde la perspectiva del propio sistema.

Son conceptos relacionados en algunos debates, pero no equivalentes.

Un sistema artificial puede exhibir capacidades cognitivas avanzadas sin que ello demuestre que tenga conciencia.

Por tanto, el desarrollo de modelos de inteligencia artificial cada vez más capaces no resuelve automáticamente el problema científico y filosófico de la conciencia artificial.

5. La propuesta más visionaria: construir máquinas que aprendan

Aunque el juego de imitación es la parte más conocida del artículo, una de sus contribuciones más interesantes aparece en la sección dedicada a las máquinas que aprenden.

Turing propone una alternativa a intentar programar directamente una inteligencia adulta.

Su idea consiste en construir primero una máquina que represente, de manera simplificada, una mente infantil y después someterla a un proceso de educación.

El planteamiento distingue tres elementos que intervienen en la formación de una mente humana:

  1. Su estado inicial.
  2. La educación recibida.
  3. Las experiencias adquiridas.

A partir de esta analogía, Turing plantea desarrollar una máquina inicial y modificarla progresivamente mediante procesos de aprendizaje.

También examina la posibilidad de utilizar recompensas y castigos como señales educativas, aunque advierte que estos mecanismos, por sí solos, resultan insuficientes para transmitir conocimientos complejos.

¿Anticipó Turing el aprendizaje automático moderno?

Su propuesta puede considerarse un antecedente conceptual importante de la investigación sobre máquinas que aprenden.

Sin embargo, sería incorrecto afirmar que Turing describió directamente las técnicas actuales de aprendizaje profundo o los modelos extensos de lenguaje.

Esas tecnologías se desarrollaron posteriormente y responden a formulaciones matemáticas, arquitecturas y procedimientos específicos que no aparecen en el artículo de 1950.

La conexión relevante es más fundamental: la inteligencia artificial no tiene por qué construirse exclusivamente mediante instrucciones detalladas para cada comportamiento; también puede desarrollarse mediante procesos de aprendizaje.

6. Los límites de la inteligencia de las máquinas

El artículo también aborda argumentos matemáticos relacionados con las limitaciones de los sistemas computacionales.

Turing reconoce que existen problemas que determinadas máquinas no pueden resolver.

No obstante, cuestiona que esos resultados permitan concluir automáticamente que el pensamiento humano carece de limitaciones comparables.

Este razonamiento sigue siendo relevante porque invita a distinguir entre tres afirmaciones diferentes:

  • Una máquina concreta tiene limitaciones.
  • Existen problemas que no pueden resolverse mediante determinados procedimientos computacionales.
  • Ninguna máquina podría alcanzar capacidades intelectuales comparables o superiores a las humanas.

Las dos primeras afirmaciones no demuestran por sí mismas la tercera.

Ahora bien, tampoco permiten concluir que la superinteligencia artificial sea inevitable.

Los límites matemáticos de la computación, las capacidades prácticas de los sistemas y las hipótesis sobre inteligencias futuras deben analizarse por separado.

7. De Alan Turing a la superinteligencia artificial

¿Qué relación existe entre esta investigación de 1950 y el concepto actual de superinteligencia?

Conviene comenzar por una distinción esencial.

Turing estudió la posibilidad de que las máquinas manifestaran comportamientos inteligentes y exploró cómo podrían aprender.

No formuló en este artículo una teoría completa de la superinteligencia artificial, entendida como una inteligencia que supera ampliamente las capacidades humanas en numerosos ámbitos.

La relación entre ambos conceptos es histórica y conceptual.

La investigación de Turing contribuyó a establecer preguntas que posteriormente adquirirían una nueva dimensión:

¿Puede una máquina aprender? Si puede hacerlo, ¿hasta dónde podrían desarrollarse sus capacidades?

¿Puede producir resultados originales? ¿Cómo distinguir la originalidad observable de la intención o la creatividad consciente?

¿Puede superar determinadas capacidades humanas? ¿Qué significaría alcanzar una inteligencia superior a la humana en un conjunto amplio de tareas?

Estas preguntas ayudan a comprender por qué el debate sobre la superinteligencia no comienza con los modelos actuales de inteligencia artificial.

Forma parte de una trayectoria intelectual mucho más extensa, aunque las teorías contemporáneas de la superinteligencia incorporan problemas y conceptos que van más allá de la investigación original de Turing.

8. Qué sabemos y qué permanece abierto

Desde 1950, la computación y la inteligencia artificial han experimentado avances extraordinarios.

Hoy existen sistemas capaces de generar textos, analizar imágenes, traducir idiomas, programar y colaborar en determinadas tareas científicas.

Estos avances muestran que algunas actividades intelectuales que durante mucho tiempo parecían exclusivamente humanas pueden realizarse, al menos parcialmente, mediante sistemas artificiales.

Sin embargo, permanecen abiertas cuestiones fundamentales.

No existe un criterio universalmente aceptado que permita identificar la conciencia artificial. Tampoco existe consenso sobre qué capacidades serían necesarias para considerar que un sistema posee inteligencia general artificial.

Y aunque la superinteligencia constituye un campo legítimo de análisis prospectivo, no debe presentarse como un resultado científicamente demostrado ni como un acontecimiento inevitable.

La principal enseñanza de Turing quizá no consista en haber proporcionado respuestas definitivas, sino en haber mostrado cómo transformar preguntas aparentemente irresolubles en problemas susceptibles de investigación.

9. Nuestra interpretación: por qué esta investigación sigue importando

Desde Superinteligencia.dev consideramos que el artículo de Turing ofrece tres enseñanzas especialmente valiosas.

Primera: definir correctamente las preguntas importa tanto como intentar responderlas. El progreso científico exige identificar qué podemos observar, medir y contrastar.

Segunda: el aprendizaje constituye una dimensión fundamental de la inteligencia artificial. La posibilidad de desarrollar capacidades mediante experiencia y entrenamiento transformó la manera de investigar las máquinas inteligentes.

Tercera: debemos distinguir capacidad, inteligencia, conciencia y superinteligencia. Aunque estos conceptos aparecen relacionados en numerosos debates, no describen exactamente lo mismo.

La investigación de Turing no resuelve el futuro de la inteligencia artificial.

Pero proporciona una parte esencial del marco intelectual necesario para estudiarlo con rigor.

Y esa es precisamente la finalidad de Investigación Explicada: regresar a las fuentes científicas, comprender qué afirmaron realmente sus autores y analizar qué significado tienen sus aportaciones para las preguntas actuales.


Referencia científica original

Turing, A. M. (1950). Computing Machinery and Intelligence. Mind, 59(236), 433–460.

DOI: https://doi.org/10.1093/mind/LIX.236.433

Naturaleza de la publicación: artículo de investigación y argumentación teórica, filosófica y computacional.

Alcance de esta investigación explicada: análisis divulgativo del artículo original, con interpretación contemporánea de su relevancia para la inteligencia artificial y la superinteligencia.

Nota editorial

Esta publicación forma parte de Investigación Explicada, una iniciativa de Superinteligencia.dev dedicada a facilitar la comprensión de investigaciones científicas relevantes para el futuro de la inteligencia artificial.

El contenido se ha elaborado con asistencia de herramientas de inteligencia artificial, bajo orientación y supervisión editorial humana. Se diferencia entre las ideas presentes en la fuente original y las interpretaciones contemporáneas, procurando evitar atribuir al autor conclusiones que no formuló.

La publicación tiene finalidad divulgativa y no sustituye la lectura del trabajo científico original.