Al ser capaz de aprender las preferencias, intereses y hábitos del usuario, la computadora del futuro podrá responder de una manera más similar a éste, interactuando y hasta prediciendo lo que uno necesita. Incluso será capaz de comprender hasta los pensamientos incompletos y ambiguos, característicos de las primeras etapas de cualquier idea, diseño o boceto. De verdad merecerá el título "personal" y colaborará en todo momento con su dueño, haciendo sugerencias y suposiciones, sobre la base de información parcial e incompleta. Más que programarla o configurarla, el usuario la "entrenará" de forma parecida a como hoy lo hace con un cachorro.
En ese sentido, Seymour Paper alienta el concepto de "la computadora como lápiz", en el sentido de que ellas deben estar disponibles y ser accesibles como los lápices, y que se deben usar para una gama igualmente amplia de actividades, "tanto para garabatear como para escribir, tanto para borronear como para dibujar, tanto para notas personales como para tareas oficiales del aula". Es probable que la Computación Suave, un nuevo paradigma informático, emerja como una muy buena plataforma para los nuevos tiempos por venir.
Siempre ha existido un gran abismo entre la forma en que la computadora procesa la información y la manera de pensar del ser humano. La computadora tradicional es muy rápida y precisa tanto para operar como para tomar decisiones, puede manipular y guardar muy fácilmente enormes cantidades de datos, así como recuperarlos, sin mucha dificultad, cuando se los necesita. También es exacta y fiable, puede mantener su desempeño durante mucho tiempo en el mismo nivel y ocuparse de numerosas cosas al mismo tiempo. Por eso, la computadora ha conseguido superar al hombre en cuanto a rapidez y confiabilidad de las operaciones matemáticas, en las tareas de rutina o en los razonamientos lógicos. Incluso, si está programada adecuadamente, y en muy estrechas áreas del pensamiento racional, sus capacidades son equivalentes a la del cerebro humano.
Pero está limitada de un modo fundamental: no tiene el sentido común de un pequeño infante de 4 años, ni la capacidad sensora y motora de un vulgar insecto. Todavía es incapaz de entender cualquier lenguaje humano; es muy difícil programarla para que reconozca imágenes, sonidos o aromas; y ninguna computadora convencional es capaz de adaptarse a entornos imprevistos. Peor aún, al haber sido diseñada para procesar información secuencialmente, si falta o falla un eslabón, todo el proceso se detiene y la computadora queda indefensa e incapaz.
Es que la computadora tradicional no tiene mucha inteligencia: todo lo que hace la máquina es seguir una sucesión ordenada de instrucciones, previamente programada, que le dice precisa y detalladamente qué hacer en cada momento. Si el algoritmo funciona exitosamente es porque los programadores tomaron en cuenta todas las posibilidades; si falla, es porque se olvidaron de alguna o sencillamente se equivocaron.
Lamentablemente la mayoría de los problemas no pueden encararse algorítmicamente o, si existe un algoritmo que ayude a resolverlos, puede ser lento, ineficaz, extenso o difícil de implementar. Por eso, la computadora es considerada demasiado rígida, estructurada y mecánica como para tener algo en común con la mente humana. La computadora es lineal, lógica, inflexible, primitiva... Está condicionada por muchas limitaciones, reglas, hipótesis y preconceptos del programador. El cerebro humano es impredecible, no puede describirse y todavía alberga gran parte de misterio. Es mucho más que una computadora: mientras ésta trabaja a partir de programas que alguien escribió y que están almacenados en su memoria; el cerebro puede organizar sus propios programas desde cero. Y así puede pensar, imaginar, crear, inventar, evaluar. En definitiva, la mente humana es libre.
El cerebro humano consta de miles de millones de neuronas -cada una conectada a miles de otras neuronas- que procesan simultáneamente cantidades masivas de información. Este tipo de estructura le otorga una gran ventaja en la mayoría de las capacidades perceptivas, motrices y de adaptación para comprender la realidad y desenvolverse en la vida diaria, así como en las áreas relacionadas con el conocimiento de sentido común y la resolución de problemas intuitivos y creativos. Aunque más lento, falible y con mucha dificultad para recuperar la información; el cerebro es más versátil y adaptable, destacándose cuando enfrenta situaciones ambiguas y cuando hay que extraer datos relevantes de grandes cantidades de información. El cerebro humano es excelente para manipular el conocimiento; la computadora, por otra parte, es mejor para manejar datos. Los procesos óptimos humanos no pueden serlo para la computadora y viceversa.
En el horizonte de los descubrimientos relacionados con la informática surgen no sólo ideas nuevas para mejorar las técnicas existentes, sino también paradigmas radicalmente diferentes de las actuales técnicas. Uno de ellos, actualmente estudiado por muchos investigadores, es la Computación Suave o Soft Computing, en su idioma nativo. Su objetivo es bien concreto: aumentar el "coeficiente intelectual" de las máquinas dándoles la habilidad de imitar a la mente humana, la cual es blanda, suave, flexible, adaptable e inteligente. En palabras de Lotfi Zadeh, Profesor en la Universidad de California y reconocido experto mundial en la materia, "es la antítesis de la computación actual, asociada con la rigidez, la fragilidad, la inflexibilidad y la estupidez. Los métodos de la computación dura no proveen de suficientes capacidades para desarrollar e implementar sistemas inteligentes".
En lugar de confiar en las habilidades del programador, un verdadero programa de Computación Suave aprenderá de su experiencia por generalización y abstracción, emulando la mente humana tanto como pueda, especialmente su habilidad para razonar y aprender en un ambiente de incerteza, imprecisión, incompletitud y verdad parcial, propios del mundo real. De esta forma, es capaz de modelizar y controlar una amplia variedad de sistemas complejos, constituyéndose como una herramienta efectiva y tolerante a fallas para tratar con los problemas de toma de decisiones en ambientes complejos, el razonamiento aproximado, la clasificación y compresión de señales y el reconocimiento de patrones. Sus aplicaciones están relacionadas, entre otras, con el comercio, las finanzas, la medicina, la robótica y la automatización.
La Computación Suave combina diferentes técnicas modernas de Inteligencia Artificial como Redes Neuronales, Lógica Difusa, Algoritmos Genéticos y Razonamiento Probabilístico (ver recuadro); esta última incluyendo Algoritmos Evolutivos, Sistemas Caóticos, Redes de Opinión y, aunque solo parcialmente, Teoría de Aprendizaje. No obstante, conviene aclarar, la Computación Suave no es una mezcla con estos ingredientes, sino una disciplina en la cual cada componente contribuye con una metodología distintiva para manejar problemas en su dominio de aplicación que, de otra forma, se tornarían irresolubles. De una forma complementaria y sinérgica -en lugar de competitiva-, conduce a lo que se denomina "sistemas inteligentes híbridos", siendo los más visibles los neuro-difusos, aunque también se están empezando a ver los difuso-genéticos, los neuro-genéticos y los neuro-difusos-genéticos.
Dentro de este nuevo paradigma, la principal contribución de las Redes Neuronales es la de actuar como una metáfora del cerebro que provee la estructura fundamental, el reconocimiento de patrones, el aprendizaje y la adaptación; la de la Lógica Difusa es una metodología para tratar con la imprecisión, el razonamiento aproximado, los sistemas basados en reglas y la computación con palabras; la de la Computación Genética es la optimización y la búsqueda aleatoria sistematizada; y la del Razonamiento Probabilístico es el análisis de decisiones y el manejo de la incerteza; es decir, todos componentes importantes del razonamiento humano.
La computadora convencional "razona" utilizando una lógica estricta; en cambio, el hombre no analiza las situaciones minuciosamente, sino que se basa mucho en su experiencia anterior. Trata de relacionar alguna parte de su problema actual con algo ya solucionado en el pasado. En otros términos, aprovecha su amplio conocimiento acerca del modo en cómo funciona el mundo para razonar por aproximación, más bien que sobre la base de técnicas precisas, certeras y rigurosas de resolución de problemas. En ese sentido, Marvin Minsky, uno de los fundadores de la Inteligencia Artificial, piensa que, para avanzar en el campo de las máquinas inteligentes, será necesario dotarlas de sentido común. "Difícilmente podemos esperar ser capaces de hacer que las máquinas hagan maravillas antes de descubrir cómo hacer que hagan cosas normales y sensatas", acostumbra a decir.
Pero, ¿qué se entiende por sentido común? Muchos lo definen como ese caudal de conocimientos "tácitos", o "de trasfondo", estrechamente interrelacionados, que facilita nuestra comprensión inmediata del entorno que nos rodea y en el que nos desenvolvemos. Es ese conocimiento amplio y general, aunque poco profundo, sobre los hechos de la vida y de las cosas que pasan, que poseen hasta los niños y que resulta tan natural y obvio que no les prestamos demasiada atención. Por ejemplo, que con un palo se puede empujar algo pero no jalarlo, o que con una soga se puede jalar de algo pero no empujarlo. Que, generalmente, para salir a la calle los seres humanos no están desnudos, mientras que los animales no están vestidos. Que el agua fluye hacia abajo y las causas preceden a sus efectos. Que el tiempo pasa y los acontecimientos futuros se convierten en acontecimientos pasados. O también, el hecho de que cuando un gato va a dar un salto, inconscientemente ejecuta millones de operaciones simultáneas que, de forma consciente, sería incapaz de realizar. En efecto, el animal sólo piensa en saltar, y su cerebro automáticamente recoge toda la información captada por sus sentidos, busca en su memoria casos similares y le dice qué tan rápido correr, en qué momento ejecutar el salto, qué fuerza aplicar a sus patas traseras y cuándo y cuánto estirar sus patas delanteras.
Aparentemente, la Computación Suave se perfila como una muy buena plataforma para dotar a una máquina de sentido común. No obstante, y a decir verdad, ya se ha logrado construir máquinas con un cierto sentido común, pero sólo cuando se circunscribe en extremo el campo y la aplicación es muy específica. Así, por ejemplo, se podría decir -sin equivocarse demasiado- que Deep Blue (la máquina que derrotó al campeón del mundo Garry Kasparov) tiene sentido común, pero sólo y únicamente para jugar al ajedrez. Lo que todavía se torna muy difícil es lograr incorporarle a la máquina el sentido común general.
Hasta ahora, los hombres y las computadoras viven en mundos paralelos: las personas habitan un mundo analógico, físico, rico en sensaciones; las máquinas, en un mundo digital, abstracto, insensible. Pero esta dicotomía se está modificando: poco a poco, se están perfeccionando a las máquinas equipándolas con ojos, oídos y otros sensores, a fin de dotarlas de una comunicación directa con la realidad exterior.
Basándose en una cooperativa y sinérgica combinación entre la Computación Suave y la Computación Tradicional y contando con órganos sensoriales artificiales y una importante dosis de sentido común, la máquina del futuro podrá ser capaz de reconocer y responder a las emociones humanas a fin de constituirse como una mejor colaboradora que la insensible computadora de hoy. En efecto, según la investigadora Rosalind W. Picard, del prestigioso Instituto Tecnológico de Massachusetts (MIT), "para que la computadora sea 'genuinamente inteligente', necesitará la habilidad para reconocer y expresar emociones".
Bajo su dirección, un grupo de investigadores ha desarrollado un sistema que usa sensores fijados al cuerpo del usuario y pequeñas webcam (videocámaras digitales) a fin de tener una idea general del humor de la persona. Los sensores miden constantemente la temperatura y la humedad de la piel, así como la frecuencia de los latidos cardíacos y la tensión muscular de manos y pies; mientras que la cámara puede detectar tanto los gestos faciales como la dilatación en las pupilas. De esta manera, y por comparación con la información previamente almacenada en una base de datos, la computadora puede inferir con bastante precisión el estado emocional del usuario (por ejemplo, aburrimiento, interés, nerviosismo o entusiasmo).
¿Ciencia ficción? No del todo. Billy Gates, fundador y presidente de Microsoft, manifestó su interés en que las computadoras personales puedan hablar y entender al usuario, incluyendo la capacidad de distinguir e interpretar su estado de ánimo. Para el año 2003 el nuevo Windows "le reconocerá e interpretará, por su expresión facial, si está alegre, triste o confundido. Será casi como relacionarse a otra persona", indicó Gates. A partir de la interacción con el usuario, tendrá la capacidad para aprender y modificar su comportamiento, con lo cual se espera que pueda anticiparse a las actividades que aquel quiera realizar y obrar en consecuencia.
De esta manera, en el futuro quizás uno pueda finalmente interactuar con una computadora de la misma forma en que lo haría con una mente, aunque una mente de alcance limitado. Tendrá la sensación de interactuar con "una personalidad animada o, al menos, simulada", como acostumbra a decir Ray Kurzweil, pionero de la tecnología del habla. O, en palabras de Sherry Turkle, socióloga y psicóloga MIT, "la computadora puede convertirse en una proyección de una parte de uno mismo, en un 'espejo de la mente' [...]. Quizás las computadoras no tengan una inteligencia en el sentido pleno en que la tiene un ser humano. Quizás posean fragmentos de inteligencia".
Como afirma el futurólogo Nicholas Negroponte, "está claro que los primeros cuarenta años de revolución informática han sido sólo un preámbulo. Muy pronto se vivirán cambios mucho mayores". En efecto, actualmente estamos cruzando el umbral de un trascendente cambio en la computadora personal, en donde destaca el hecho de que el usuario común tendrá a su disposición recursos que -hasta el momento- pertenecen sólo a los grandes equipos informáticos. Aunque, al principio, demasiado caras para el ciudadano promedio, las nuevas herramientas permearán en la sociedad del futuro cuando sean lo suficientemente accesibles..., algo que tiende a ocurrir más rápido de lo esperado.
La computadora que, hasta ahora, se la considera como una mera herramienta, adquirirá -de pronto- nuevas responsabilidades y se convertirá en un eficaz asistente personal. En un futuro no muy distante, el ser humano contará con máquinas capaces de interactuar con él de forma inteligente, fácil y efectiva, dotadas de emociones primitivas, reconocimiento de voz y de expresiones faciales y gestuales, procesamiento del lenguaje natural y cierta dosis de sentido común. Seguramente le abrirá, al ciudadano común, nuevos e insospechados horizontes para satisfacer su inagotable curiosidad científica y artística... Probablemente extenderá su competencia y su eficacia personal más amplia y rápidamente que cualquier otra tecnología... Tal vez le ayude a generar nuevas ideas, a presentar analogías sorprendentes y a distinguir pautas ocultas... Quizás le libere de algunas de sus limitaciones...
Sistemas Expertos Son
sistemas informáticos capaces de emular el comportamiento de un experto humano en un ámbito restringido y limitado de conocimiento. Pueden resolver con mucha facilidad ciertos problemas complejos que la mayoría de la gente no pueden solucionar o lo hacen de forma ineficiente.
Lógica Difusa
Es una generalización de la lógica tradicional. Las variables no se toman como dos valores antagónicos, negativo-positivo, sino que hay una graduación: muy negativo, medio negativo, poco negativo, aproximadamente cero, poco positivo, medio positivo, muy positivo. Es una forma de razonamiento que permite incorporar a la máquina esquemas de pensamiento típicamente humanos.
Redes Neuronales
Son modelos computacionales que semejan el funcionamiento de porciones del cerebro humano. El procesamiento se realiza en forma paralela y distribuida mediante muchos procesadores conectados entre sí. Aprenden a reconocer patrones a través de un proceso de entrenamiento basado en varios ejemplos diferentes, incompletos y hasta contradictorios.
Algoritmos genéticos
Consisten en métodos generalizados de búsqueda, diseño y optimización que simulan el proceso natural de evolución. Su objetivo principal es el de evolucionar a partir de una población de soluciones para un determinado problema, intentando producir nuevas generaciones de soluciones que sean mejores que las anteriores. Se utilizan mucho en problemas complejos de optimización que poseen un gran número de parámetros.
Computación Evolutiva
Está inspirada en el mundo biológico y se aplica satisfactoriamente, por ejemplo, para problemas de optimización, programación automática y aprendizaje de máquinas. Desarrolla programas usando analogías de los procesos biológicos tales como la evolución y la selección natural. Los programas evolucionados han demostrado desempeñarse mejor que los programas desarrollados por seres humanos.
Programación Genética
Extiende los principios de los Algoritmos Genéticos para evolucionar programas informáticos. Así como la evolución conduce al predominio de los individuos más aptos para un ambiente dado, la programación genética conduce al predominio de los programas más aptos para la solución de un problema dado. Se utiliza una "población" donde los "individuos" son programas. Cada nueva generación se obtiene por la reproducción de los programas de mejor desempeño, con un pequeño factor de mutaciones aleatorias.
Sistemas Clasificadores
Utilizan Algoritmos Genéticos para obtener reglas de producción, que luego alimentarán a los Sistemas Expertos.
Teoría del Caos
Es un conjunto de técnicas para examinar y determinar relaciones altamente complejas entre datos que han sido inicialmente clasificados como al azar. Una característica de este tipo de datos es que una diferencia menor en las condiciones iniciales puede resultar en cambios dramáticos en los resultados en un período muy breve. El supuesto fundamental de la teoría del caos es que la unidad individual no importa; lo que importa son las simetrías recursivas entre los diferentes niveles del sistema.