En una primera aproximación, se puede definir la inteligencia artificial como la rama de la computación que estudia la automatización del comportamiento inteligente. La investigación en este campo ha llevado al desarrollo de herramientas computacionales específicas, entre las cuales se cuentan una gran diversidad de formalismos de representación de conocimientos y de algoritmos que los aplican, además de los lenguajes, estructuras de datos y técnicas de programación utilizados para su implementación.
Sin embargo, la definición anterior no es completamente satisfactoria porque hace referencia a la noción de inteligencia, en sí muy difícil de precisar. A pesar de que a la mayoría de las personas les parece obvio distinguir cuándo un comportamiento es inteligente, la intuición que avala este juicio resulta imposible de describir con el suficiente grado de detalle para ser utilizada como criterio formal de evaluación de la supuesta inteligencia de un programa computacional.
Se necesitan por lo tanto criterios más elaborados para delimitar los problemas que caen dentro de la esfera de la inteligencia artificial y validar los resultados de los programas construidos para resolverlos.
Si tomamos al ser humano como modelo de comportamiento inteligente, el objetivo sería reproducir en el computador la eficacia de sus reacciones frente a tareas o situaciones complejas. Entre las capacidades humanas que involucran las facultades intelectuales, la de mayor relevancia es la de dialogar en una lengua verbal. Fué precisamente dicha capacidad la que el matemático Alan Turing utilizó como base para plantear la validación de una máquina inteligente en su famoso paper "Computing Machinery and Intelligence" (1950), que fue uno de los primeros trabajos encaminados a plantear este objetivo.
Alan Mathison Turing (1912-1954) es considerado como el padre de la teoría de la computación y de la inteligencia artificial.
El test de Turing propone un criterio empírico para comparar el desempeño de un computador al de un humano en un "juego de imitación" en que el computador trata de hacerse pasar por un humano.
En su versión más simple, el dispositivo experimental consta de un interrogador humano que puede comunicarse con un computador y un contraparte humano por medio de un terminal (o cualquier dispositivo de transmisión de texto). Se le pide al interrogador, que está aislado y no tiene la posibilidad de mirar o hablar directamente con sus interlocutores, que distinga cuál de ellos es el humano, basándose sólo en las respuestas a las preguntas hechas a través del terminal. Si dialogando de esta manera el computador logra engañar al interrogador, puede suponerse que es inteligente.
El aspecto más interesante de este test es que establece una noción objetiva de inteligencia que evita entrar en debates filosóficos sobre su "verdadera" naturaleza.
La inteligencia artificial se puede abordar de una manera más general, analizando los distintos objetivos que justifican su estudio.
Una definición más adecuada de la I.A. puede deducirse de la siguiente pregunta ¿Para qué sirve? Existen dos orientaciones básicas para responder esta interrogante:
La inteligencia consiste precisamente en saber sacar el máximo provecho a la información disponible para tratar de obtener el resultado deseado. Dicho en forma gradual, un sistema es más inteligente mientras menos información requiera analizar para llegar a un determinado resultado y mientras mejor sea este resultado. Esta definición permite abarcar a la mayoría de los métodos de la inteligencia artificial y pone de manifiesto el compromiso entre exhaustividad del análisis y calidad del resultado que los caracteriza: se sacrifica la seguridad de obtener soluciones óptimas por la ventaja de poder operar con información incompleta.
Las técnicas computacionales desarrolladas dentro de este marco metodológico son llamadas heurísticas (de una raiz griega que significa hallar). Una heurística es una estrategia de resolución de problemas que permite orientar la búsqueda de la solución haciendo un análisis selectivo de las posibilidades más relevantes según la información disponible. A pesar de no garantizar siempre la mejor solución, una buena heurística debería permitir hallar una solución muy cercana al óptimo en la mayoría de los casos.
Un enfoque muy difundido se basa en la hipótesis del sístema de símbolos físico que plantea que la actividad inteligente, tanto en el humano como en el computador, se logra a través del uso de:
Entre los mecanismos simbólicos de representación, se destaca la
lógica formal
que presenta las ventajas de una semántica bien definida y de reglas de
inferencia correctas y completas.
Sin embargo, el conocimiento necesario para resolver un problema no siempre estará explicitado mediante algún esquema de representación simbólico. También existen mecanismos de procesamiento, llamados subsimbólicos, en los que el conocimiento está implícito en la estructura del mecanismo (p. ej.: redes neuronales artificiales).