El Nivel del Modelo de Inteligencia

En primer lugar, un proyecto de IA, debe definir lo más exactamente posible, lo que desea lograr:

• Desarrollar programas que realicen las tareas de la misma forma en que lo realizan las personas.
• Desarrollar programas que simplemente realicen las tareas de la forma que parezca más sencilla.

Los programas que se enmarcan en el primer caso, tratan de modelar el comportamiento humano, para ejecutar las siguientes tareas:

• Probar teorías psicológicas del comportamiento humano.
• Capacitar a los computadores para entender el razonamiento humano.
• Capacitar a los humanos para que comprendan a los computadores.
• Explotar el conocimiento que es posible obtener de la gente.

En el segundo caso, están agrupados los programas de IA de índole más práctica, que sin ser rigurosos en la modelación del comportamiento humano, tratan de proporcionar soluciones aceptables.

Criterios de Evaluación en I. A.

Cada campo necesita criterios para evaluar el éxito alcanzado. En general, es muy difícil determinar si una máquina o un sistema tiene inteligencia o puede pensar. Al respecto se han sugerido algunas pruebas entre las que se destaca la de Alan Turing (1912-1954). En 1950 ideó una prueba para reconocer comportamientos inteligentes, esta prueba dice lo siguiente:

Si la ejecución de un sistema de IA puede convencernos de que su comportamiento es el que tendría un humano, entonces el sistema es verdaderamente inteligente.

En una forma más práctica, para saber si un trabajo de investigación en IA ha tenido éxito, debe hacerse tres preguntas claves:

¿Está definida con claridad la tarea?

¿Existe un procedimiento ya instrumentado que efectúe la tarea? Si no existe, es que deben haber muchas dificultades escondidas en algún lugar.

¿Existe un conjunto de regularidades o restricciones identificables a partir de las cuales el procedimiento implantado obtiene su validez? De no ser así, el procedimiento no pasaría de ser un juguete, tal vez capaz de un desempeño superficial impresionante en ciertos ejemplos seleccionados con cuidado, pero incapaz de impresionar con un desempeño profundo y de resolver problemas más generales.

Para determinar si una aplicación de IA ha tenido éxito, deben plantearse preguntas adicionales como las siguientes:

• ¿Resuelve la aplicación un problema real?
• ¿Crea la aplicación una nueva oportunidad?

Eventualmente, las respuestas a las preguntas planteadas, deberán ser complementadas con pruebas típicas de verificación y validación de sistemas: eficacia en el desempeño, eficiencia operativa, facilidad de uso, flexibilidad, portabilidad, etc.