En 1946, John von Neumann, con otros dos autores, publicó un artículo titulado “Una discusión preliminar sobre el diseño lógico de instrumento electrónico computacional”. Tal artículo planteó el concepto básico con el que posteriormente han sido diseñadas la mayoría de las computadoras. Distinto a las computadoras realizadas hasta entonces, propone que las instrucciones fuesen almacenadas en la memoria de la máquina. Los cables y conectores, o útiles duros (el hardware), que permitían las operaciones, fueron reemplazados por los códigos numéricos (el software).

 

   Con ello, en 1946 se materializaban las ideas de Boole de 1847, al permitir el tratamiento numérico de operaciones lógicas. Siguiendo las ideas de Babbage, se llegó al establecimiento de las cinco partes de cualquier ordenador digital:

 

1)      La entrada de datos

2)      Su almacenamiento en la memoria

3)      El procesamiento de datos

4)      El control de ese proceso

5)      La salida de los resultados

 

Es en ese momento cuando se empieza a hablar de los “cerebros electrónicos” ya que la entrada de datos se asemeja a la percepción, su almacenamiento en la memoria y el procesamiento al recuerdo y a la elaboración, y la salida de los resultados a la respuesta a cierto estímulo.

 

   Puede considerarse al inglés Alan Turing como el padre de la IA (Inteligencia Artificial). Durante los años de la Segunda Guerra Mundial, colaboró con el diseño de una máquina denominada “Colossus” que se empleaba para descifrar los códigos secretos de los alemanes.

 

   Enric Trillas escribió: “Alan Turing intentó precisar los elementos básicos de los cómputos, a los que supuso efectuados por una máquina hipotética ahora conocida como «máquina de Turing». Las operaciones que una máquina computadora puede efectuar deben ser previamente programadas con todo detalle y precisión, lo que significa, además, sin ambigüedad alguna: se dice entonces que se dispone de un «algoritmo efectivo». Así, el «algoritmo efectivo» de la multiplicación consta de todas las reglas que nos permiten efectuar cualquier multiplicación: un algoritmo es una serie de instrucciones que aplicándolas a los datos nos permiten llegar a resultados correctos”

 

“En primer lugar, los símbolos a escribir y a leer deben poderse generar de forma finita y tanto su escritura como su lectura deben efectuarse sobre o desde algún soporte material (por ejemplo, una cinta dividida en casillas). Como no se puede, en general, prever la extensión de cualquier cómputo, hay que suponer que el soporte no se acabará; deberá ser una cinta de papel sin fin”

 

“Los ordenadores actuales son realizaciones de las ideas de John von Neumann y de Alan Turing: tienen las instrucciones almacenadas en forma de un programa cuyos diversos pasos son los estados internos de la máquina; recorren secuencialmente su lista de instrucciones igual que una máquina de Turing lo hace con la cinta y, finalmente, son reducibles las unas a las otras, ya que siempre los programas de una pueden ser llevados a otra con un cambio pertinente del lenguaje de programación” (De “La Inteligencia Artificial” – Editorial Debate SA)

 

   Turing, además, propuso una prueba que se conoce como el «test de Turing» el cual se basa en la idea siguiente: si una persona se comunica a través de un terminal con una máquina y con un hombre, ambos ocultos, es posible que no sepa cuál es cuál, de ahí que se asocie cierta “inteligencia” a la computadora.

 

   Uno de los primeros que vio aspectos comunes entre la mente humana y la computadora, fue Norbert Wiener, el fundador de la cibernética. La cibernética de Wiener fue la ciencia matemática de la realimentación. Reconoció que la idea de la “información” es importante para la teoría de la realimentación. De ahí pasó a suponer que todo comportamiento inteligente es una consecuencia de ciertos mecanismos de retroalimentación y que, tal vez, la inteligencia no es sino el resultado de adquirir información y procesarla adecuadamente para lograr algún fin.

 

   Los primeros trabajos reconocidos como propios de la inteligencia artificial fueron los realizados por Warren McCulloch y Walter Pitts, quienes iniciaron la computación neuronal. Pensaron que era posible que fuese al nivel de las neuronas como las personas deciden algo, ya que creían que aquéllas simplemente emiten o no emiten un impulso. Por ello propusieron un modelo de neuronas artificiales caracterizadas por estar abiertas o cerradas, activándose sólo en respuesta al estímulo de otras neuronas vecinas. En la actualidad se supone que nuestras decisiones involucran millones de neuronas.

 

   En 1949, Donald Hebb, afirmaba que las neuronas no sólo pueden computar, sino que también pueden aprender e insinuó cómo pueden hacerlo. Hebb propuso que las conexiones cerebrales cambian al aprender tareas diferentes y que el papel central en ello corresponde a las sinapsis.

 

   Para construir un sistema como el cerebro, cabe usar neuronas como procesadores elementales de información, en lo que respecta a complejidad y capacidad de cómputo. Así, el cerebro resulta como un sistema de procesamiento distribuido y paralelo, ya que las neuronas en lugares distintos (distribución) procesan información simultánea e independiente (paralelismo). Entonces, una máquina con una arquitectura tal podría reproducir a escala algunas funciones cognitivas humanas como para poseer cierta capacidad de aprendizaje, como es el caso de las redes de neuronas de McCulloch-Pitts-Hebb.

 

 

 

 

Enric Trillas escribió: “Marvin Minsky, John McCarthy, Herbert Simon y Alen Newell son los nombres de los investigadores más conocidos como responsables del inicio de la IA como un nuevo campo de investigación. Ese inicio se formalizó en Dartmouth (New Hampshire, EEUU) en cuyo Dartmouth Collage estaba McCarthy, y fue en el año 1956. Aquellos cuatro investigadores hicieron trabajos cruciales para el nacimiento de la IA”.

 

Minsky inició la construcción de una máquina que era una red neuronal electrónico-mecánica. El artefacto fue un ensamblaje de neuronas artificiales, que simulaban al cerebro de una rata aprendiendo a cruzar un laberinto, de manera que cuarenta de esas neuronas correspondían al mismo número de posiciones en el laberinto y otras, conectadas a la que se activase, representaban las opciones abiertas para que la rata se moviese.

 

“Cual de esas neuronas se activase dependía de los pesos de las mismas con la activada, y el papel del piloto automático consistía en ajustar tales conexiones girando los mandos que daban los pesos de las conexiones. Con ello, cada vez que por «azar» la «rata» hacía una sucesión de buenos movimientos y conseguía salir del laberinto, las conexiones que correspondían a tales movimientos incrementaban sus pesos y así, poco a poco, la «rata» aprendía gradualmente a cruzar el laberinto. A la máquina la bautizaron como SNARC” (Enric Trillas)

 

   Otro avance importante fue establecido por Herbert Simon y Allen Newell, quienes establecieron el programa LT (Logical Theorist) que “razonaba” como un lógico y que incluso llegaba a demostrar teoremas de los Principia Mathematica de Bertrand Russell. H. Simon manifestó: “Hemos inventado un programa de ordenador (el LT) capaz de pensar de forma no numérica y, por tanto, hemos resuelto el venerable problema mente-cerebro”.

 

   Luego del LT, Simon y Newell desarrollan, en 1957, el GPS (General Problem Solver), qye fue diseñado de acuerdo a los protocolos que los psicólogos tenían de cómo los seres humanos resolvían problemas.

 

   En 1975, M. Minsky escribe el artículo titulado “Un marco para representar conocimientos”. Hasta entonces no se había abordado el problema de reproducir el pensamiento ordinario, los llamados razonamientos de sentido común, o lógica natural, y se propuso abordarlo a partir de la observación de que cuando alguien se enfrenta a una nueva situación selecciona en la memoria un esquema aproximado,  recordado para ser ajustado a la nueva realidad cambiando detalles si es preciso.

 

 

 

 

Sistemas que piensan como humanos	Sistemas que piensan racionalmente
“La interesante tarea de lograr que las computadoras piensen…máquinas con mente, en su amplio sentido literal” (Haugeland).   “La automatización de actividades que vinculamos con procesos de pensa- miento, actividades tales como toma de decisiones, resolución de problemas, aprendizaje…” (Bellman)	“El estudio de las facultades mentales mediante el uso de modelos computacionales” (Charniak y McDermott)   “El estudio de los cálculos que permiten percibir, razonar y actuar” (Winston)
Sistemas que actúan como humanos	Sistemas que actúan racionalmente
“El arte de crear máquinas con capacidad de realizar funciones que realizadas por personas requieren de inteligencia” (Kurzweil)   “El estudio de cómo lograr que las computadoras realicen tareas que, por el momento, los humanos hacen mejor” (Rich y Knight)	“Un campo de estudio que se enfoca a la explicación y emulación de la conducta inteligente en función de procesos computacionales” (Schalkoff)   “La rama de la ciencia de la computación que se ocupa de la automatización de la conducta inteligente” (Luger y Stubblefield)