©ITAM Derechos Reservados.

La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

JAVIER ELGUEA

Inteligencia artificial y psicología: la concepción

contemporánea de la mente humana
It may be that the human mind is
too complex to be understood by
the human mind. But the desire to
attempt the impossible seems to be
one of its persistent features.
Aaron Sloman, 1978

Introducción

N enero de 1982 el reconocimiento que la revista Time

E otorga anualmente al "hombre del año" fue concedido a
una computadora. Esta es la primera vez que una máquina
reemplaza a un ser humano en un galardón de esta naturaleza.
La reacción que esta decisión provocó entre los lectores de la
revista fue tan diversa como la actitud que los psicólogos mani-
fiestan ante alguna mención a la Inteligencia Artificial: hubo
airadas protestas, burlas, entusiastas cartas de aprobación, y
expresiones de la más franca y abierta ignorancia. '
El impresionante avance tecnológico que la humanidad ha
experimentado en los últimos dos siglos encuentra su expresión
más acabada y compleja en la invención de las computadoras,
las "máquinas que piensan" como las llama McCorduck (1979).
La rapidez y la asombrosa complejidad de la computadora ya no
son un secreto para nadie, sin embargo la verdad sobre sus más
profundas implicaciones es conocida sólo por un número muy
limitado de especialistas.
Algunos expertos en computación han sostenido, desde
hace algún tiempo, que las computadoras serán poseedoras de
capacidades y habilidades similares a las de los seres humanos, y
que, en el futuro próximo, las veremos igualarnos y superarnos
en muchas de las actividades intelectuales tradicionalmente reser-
vadas a los seres humanos. Con mucha mayor frecuencia que
antes, expertos de varias disciplinas se preguntan: ¿puede una

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

80 Javier Elguea

máquina pensar?, ¿son las computadoras capaces de cognición?,

¿de experimentar emociones?, ¿existirá algo parecido a la mente
humana en una computadora algún día?
El área que se ha dedicado durante las últimas tres décadas
a estudiar y responder preguntas como éstas es conocida en
círculos académicos como Inteligencia Artificial (IA). Hasta
ahora, los logros y fracasos de la IA han sido causa de inconta-
bles controversias y enconados debates, de críticas acérrimas, y
de g¡;andes avances en disciplinas con intereses comunes como la
psicología, la filosofía, la lingüística y la lógica.
El propósito de este artículo es el de exponer de una forma
general y motivar a la comunidad académica de habla hispana,
al diálogo entre psicólogos e investigadores en Inteligencia Arti-
ficial. En la redacción de este artículo, he intentado simplificar la
discusión y mantenerla exenta de tecnicismos innecesarios. En la
primera parte, se presenta una descripción de los objetivos de la
IA, las presuposiciones teóricas y las herramientas metodológi-
cas de esta nueva disciplina. En la segunda parte, se hace un
breve recorrido por la historia de la IA, prestando especial
atención a los eventos y trabajos que han tenido mayor impor-
tancia para la psicología. Finalmente, en la última parte, se
discute la naturaleza y la importancia de la interacción entre IA
y psicología y de sus contribuciones futuras.

¿Qué es la Inteligencia Artificial?

Como toda disciplina de reciente creación, la IA no se encuentra

unificada en términos de objetivos y métodos de investigación.
Recientemente, parte de los esfuerzos de los investigadores en
esta área se han dedicado a la definición de dichos objetivos y al
recuento de las herramientas metodológicas utilizadas hasta
ahora (Boden, 1977; Dennett, 1978; Sloman, 1978; Ringle,
1979). Como resultado de este esfuerzo, que dista mucho de su
conclusión, se han definido algunos acuerdos básicos sobre el
área y sus estrategias.
Por ahora, es suficientemente claro que el objetivo de la IA
es el de entender la naturaleza de la inteligencia a través del
diseño de sistemas computacionales que la exhiban. En forma
más concreta, puede afirmarse que, en lo que ha transcurrido de
su corta historia, la IA ha estado dirigida por tres objetivos
generales:

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

Inteligencia artificial y psicología 81

l. El análisis teórico de las posibles explicaciones del comporta-

miento inteligente
2. La explicación de habilidades mentales humanas
3. La construcción de artefactos (computadoras) inteligentes
Con estos propósitos en su agenda de investigación, los
estudiosos de la IA han recurrido al uso de cuatro diferentes
estrategias metodológicas: el desarrollo de tecnologías útiles en
esta área, la simulación, el modelamiento, y, la construcción de
teoría sobre la inteligencia artificial. El desarrollo de tecnologías
de computación ha sido una empresa titánica que los ingenieros
en electrónica han tomado en sus manos, sin embargo, sólo una
pequeña parte dé lo que se conoce como ciencia de la computa-
ción puede incluirse dentro de la IA. No existe todavía un
criterio preciso con el cual distinguir cuándo un sistema compu-
tacional es un sistema de IA, pero el acuerdo general es que
cualquier máquina que desempeñe una función mental que
tendría que ser realizada por una inteligencia humana es un
ejemplo de IA.
La simulación que se hace en IA ha intentado reproducir
algunas de las características inteligentes de los seres humanos.
Estas reproducciones han buscado abiertamente la similitud
entre una computadora y los seres humanos. La elaboración de
simulaciones ha sugerido la posibilidad de explorar los procesos
cognoscitivos humanos, sin embargo los esfuerzos en esta línea,
a diferencia del modelamiento, han estado dedicados a producir ·
comportamiento humano inteligente en las computadoras más
que a entenderlo o explicarlo.
El modelamiento, por otra parte, tiene como objeto la
utilización de los sistemas de IA p,¡ra entender a la inteligencia
humana. Ha sido tradicionalmente utilizado por psicólogos y no
tiene como requisito necesario el uso de computadoras. De
hecho, muchas de las teorías sobre cognición han utilizado
modelos en computadoras sin hacer referencia a ellas, por ejem-
plo, la teoría sobre memoria semántica o sobre representación
mental.
Finalmente, el trabajo teórico en IA ha abierto por primera
vez la posibilidad de teorizar sobre la inteligencia sin hacer
necesariamente referencia a la inteligencia humana. Es decir, se
ha propuesto la formulación de una teoría de la inteligencia
"pura".
U na breve incursión dentro de la historia de esta disciplina
ilustrará más adecuadamente sus logros y su estado actual.

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

82 Javier Elguea

Breve historia de la Inteligencia Artificial

Los esfuerzos por reproducir algunas habilidades mentales

humanas en máquinas y androides se remontan muy atrás en la
historia. El mito del coloso de Rodas entre los griegos, las
estatuas "parlantes" del medioevo, el androide de Von Kempe-
len que jugó al ajedrez con Napoleón, y el "motor analítico" de
Charles Babbage que calculaba logaritmos, son sólo algunos
de los ejemplos de este antiguo interés. Igualmente, la concep-
ción de la ingeligencia humana como un mecanismo no es
reciente ni ha estado disociada de la psicología: Descartes,
Hobbes, Leibniz, y el mismo Hume se refirieron a la mente
humana como una forma de mecanismo.
Durante el siglo XIX y la primera mitad del XX, las
analogías biológicas y fenomenológicas desplazaron a la noción
de mecanismo en el estudio de la mentechumana. Sin embargo, a
partir de la segunda mitad de nuestro siglo, la noción de meca-
nismo renovó su poder heurístico con la formalización de la
noción de "computación".
Como algunas máquinas, especialmente las calculadoras,
se diseñaron para evitar el tener que pensar y para hacer el
pensamiento más rápido y exacto, fue inevitable que desde sus
orígenes las calculadoras, y más adelante las computadoras, se
relacionaran con la inteligencia y el pensamiento enfatizando sus
similitudes.
La lA fue introducida a la comunidad científica en 1950
por el inglés Alan Turing en su artículo "Maquinaria Computa-
cional e Inteligencia." A pesar de que la investigación sobre el
diseño y las capacidades de las computadoras comenzaron algún
tiempo antes, fue hasta que apareció el artículo de Turing que la
idea de una máquina inteligente cautivó la atención de los
científicos.
La pregunta básica que Turing trató de responder afirmati-
vamente en su artículo era: ¿pueden las máquinas pensar? Los
argumentos de Turing en favor de la posibilidad de inteligencia
en las máquinas, iniciaron un intenso debate que marcó clara-
mente la primera etapa de interacción entre la lA y la psicología.
Los debates en aquella época se centraron en el análisis de la
serie de problemas implicados en la aplicación de terminas
mentalistas a las computadoras. La intención de Turing no era la
de usar estos términos como analogías sino la de eliminar la
distinción entre inteligencia natural e inteligencia artificial.

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

Inteligencia artificial y psicología 83

Dos de las contribuciones más importantes de Turing a la

IA fueron el diseño de la primera computadora capaz de jugar
ajedrez y, más importante que esto, el establecimiento de la
naturaleza simbólica de la computación.
El trabajo de Turing, quien falleció prematuramente, fue
continuado en los Estados Unidos por John Von Neumann
durante la década de los cincuentas. Su contribución central fue
la idea de que las computadoras deberían diseñarse tomando
como modelo al cerebro humano. Von Neumann fue el primero
en "antropomorfizar" el lenguaje y la concepción de la compu-
tación al hablar de la "memoria", los "sensores", etc., de las
computadoras. Construyó una serie de máquinas utilizando lo
que a principios de los cincuentas se conocía sobre el cerebro
humano, y diseñó los primeros programas almacenados en la
memoria de una computadora.
Sin embargo, esta línea de investigación'pronto encontró
serias limitaciones. La concentración en la imitación de la consti-
tución físico-química del cerebro, no permitió ver, a Von Neu-
mann y sus seguidores, que la analogía sería mucho más eficiente
si se estudiaran las funciones del cerebro, es decir, sus capacida-
des como procesador de información.
Corresponde a McCulloch, a mediados de los cincuentas,
formular una posición radicalmente distinta al sostener que las
leyes que gobiernan al pensamiento deben buscarse entre las
reglas que gobiernan a la información y no entre las que gobier-
nan a la materia. Esta idea abrió grandes posibilidades a la IA.
En esta línea, Minsky ( 1959), uno de los padres fundadores de la
IA, modificó su posición y sostuvo que la imitación del cerebro a
nivel celular debería ser abandonada. ,
Es más o menos en esta época que ocurre un evento que
organizaría y daría un gran impulso al desarrollo de la IA: el
congreso en Darthmouth (1956). En este congreso, en el que se
reunieron los padres fundadores de la disciplina, se llegó a la
definición de las presuposiciones básicas del núcleo teórico de la
IA:

l. El reconocimiento de que el pensamiento puede ocurrir fuera

del cerebro, es decir, en máquinas
2. La presuposición de que el pensamiento puede ser compren-
dido de manera formal y científica
3. La presuposición de que la mejor forma de entenderlo es a
través de computadoras digitales

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

S4 Javier Elguea

Desde fines de los cincuentas la investigación en lA se

expande y se multiplica en direcciones diversas. La capacidad
simbólica de las computadoras es estudiada; entre otros, por
Shanon (1950) y por Newell, Shaw y Simon (1958) quienes
diseñan el primer programa inteligente basado en su modelo de
procesamiento de información. Este modelo de Newell, Shaw y
Simon habría de convertirse pronto en la teoría dominante en
psicología cognoscitiva.
Algunos investigadores se dedicaron al estudio de la natu-
raleza del aprendizaje en las computadoras y a los procesos de
reconocimiento de patrones visuales. Como resultado de ello
Selfridge y Dinneen consiguen diseñar el primer programa capaz
de aprender por experiencia (ver McCorduck, 1979).
Basándose en los estudios sobre memoria asociativa, el
equipo Newell-Shaw-Simon construyó los primeros lenguajes de
procesamiento de información (IPL-1, IPL-II) utilizados en el
diseño de su "Logic Theorist Machine" que se convirtió en la
primera máquina "inteligente". Esta máquina fue capaz no sólo
de memorizar y aprender, sino que consiguió demostrar de una
manera original y "creativa", es decir no prevista por sus creado-
res, algunos de los teoremas propuestos por Bertrand Russell en
los Principios (Russell and Whitehead, 1925).
Desde sus orígenes la lA se relacionó con juegos como el
ajedrez y las aamas, probablemente debido a que los juegos
de mesa constituyen modelos de situaciones reales en las que hay
que calcular, solucionar problemas, tomar decisiones, corregir
errores, recordar, etc. A pesar de que esta línea de investigación
ha sido casi totalmente abandonada en la actualidad, muchos de
los avances teóricos y metodológicos de la lA se deben a ella. Por
ejemplo, Samuel diseñó en 1961 un programa que jugaba damas
y que era capaz dé aprender de sus errores, es decir, era capaz de
adaptar su comportamiento en relación a eventos pasados. Lo
pasmoso de este programa fue que, aunada a su capacidad de
aprendizaje la de memoria, con el tiempo consiguió derrotar
invariablemente a su creador. El mismo resultado fue obtenido
por Bernstein a través de un programa que jugaba ajedrez
(Boden, 1977). Los grandes "retos" entre computadoras y seres
humanos se multiplicaron, siendo el más fumoso de ellos el que
ocurrió entre Dreyfus (un enconado crítico de la IA) y el pro-
grama Machack, en el que Dreyfus fue derrotado en un juego de
ajedrez de varias horas.

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

Inteligencia artificial y psicología 85

A principios de los sesentas, la IA comienza una fase

distinta de su desarrollo. En 1962, McCarthy y Raphael
inician sus trabajos sobre el diseño y la construcción de un robot
movil que llamarían "Shakey". La diferencia fundamental entre
este robot y los programas en computadora utilizados hasta
ahora por la IA, es que "Shakey" tendría que enfrentar el reto de
interactuar con el mundo real en términos de espacio, tiempo,
movimiento, etc. En otras palabras, el robot tendría que tener
alguna forma de "conocimiento" del mundo que lo rodeaba.
Este reto inició una fuerte preocupación en la IA por el estudio
de la epistemología y los procesos cognoscitivos. La discusión se
centró alrededor de los problemas de la representación mental o
interna del conocimiento, la percepción y los problemas del
significado. La idea básica de Raphael era la de reunir, en una
sola, distintas máquinas con capacidad de aprender por expe-
riencia, de reconocer patrones visuales, de modelar, de manipu-
lar símbolos,etc., y esperar que el todo fuera mayor que la suma
de las partes. El resultado del experimento no fue el éxito que
Raphael esperaba, pero fue un logro sin precedente que hizo
posibles avances muy importantes. El aprendizaje más impor-
tante de esta experiencia fue la comprensión de que el problema
más difícil por resolver en IA era el de construir una máquina
capaz de funcionar con altos ni~eles de incertidumbre, como lo
hace un ser humano. Se hizo claro que construir una máquina
que no lidiara efectivamente con' la incertidumbre sería una de
dos: o trivial, por la simpleza de la tarea, o imposible por la
complejidad de la misma.
Hacia mediados de los sesentas la IA se convierte en un
área en la que se interesan e interactúan especialistas de di-
versas disciplinas: lógicos, psicólogos, matemáticos, lingüis-
tas, filósofos, etc. Uno de los grandes temas de lA en esta década
fue el estudio del lenguaje. En la mayoría de los estudios iniciales
sobre leng].laje, se atacó el problema de diseñar una máquina que
fuera capaz de traducir de un idioma a otro. El énfasis se hizo en
el análisis de la sintaxis, en lugar del significado, estríl.tegia que se
abandonó relativamente pronto. Los investigadores interesados
en esta área de la lA pronto descubrieron que traducción no es lo
mismo que transformación, y que, como consecuencia de ello,
de alguna manera la máquina tendría que "entender'' un texto
antes de poder traducirlo. Los esfuerzos se orientaron hacia una
definic~ón de la comprensión que pudiera simularse en una
computadora.

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

86 Javier Elguea

Con esta idea como lineamiento heurístico, se desarrolló

una serie de programas que exploraban esta serie de habilidades
relacionadas con el lenguaje y la comprensión: el "oráculo" de
Phillips, "'Sad Sam" de Lindzay que fue uno de los más exitosos,
y "Eliza" de Wizenbaum y Colby. (ver Boden, 1977). El pro-
grama de Lindzay sé orientó hacia el estudio del significado,
connotativo y denotativo, y es capaz de hacer inferencias, cono-
cer, y parafrasear sobre el mundo conocido. Eliza, por otra
parte, consistió en un análisis de la conversación que se basa en
la simulación de una terapia psicológica interactiva en la que el
programa es el analista y el interlocutor es el analizado. Un
ejemplo de una conversación sostenida con Eliza en la computa-
dora de la Universidad de Stanford es el siguiente (el diálogo de
la computadora en letras mayúsculas):

BUENAS TARDES, POR FAVOR ESCRIBA SU NOMBRE

buenas tardes, me llamo Javier
ES UN PLACER CONOCERTE, JAVIER
el placer es mio
¿QUE TE TRAE POR AQUI?
nada en especial, he tenido trabajo y me siento agotado
¿QUE TE HACE PENSAR QUE ESTAS AGOTADO?
he tenido problemas en mi trabajo
¿PROBLEMAS?
es decir, he estado preocupado con mi trabajo
CUENTAME TUS PREOCUPACIONES ...

Según Colby, psicoanalista por entrenamiento, el progra-

ma resultó tan exitoso en términos clínicos que valdría la pena
intentar reproducirlo masivamente como instrumento terapéu-
tico. Intento al que Weizenbaum, coautor del programa, se
opuso decididamente con el argumento de que no puede decirse
desde ningún punto de vista que "Eliza" es capaz de entender lo
que se le dice. "Eliza", Weizenbaum insiste, es un programa
capaz de responder, que no es lo mismo que comprender.
Como resultado de este y otros debates, las preguntas d~
investigación siguieron girando alredeqor de la noción de com-
prensión. Los seres humanos comprendemos en una plática
mucho más de lo que se nos dice explícita y verbalmente (en
parte porque la comunicación no-verbal juega un papel muy
importante y en parte por nuestras C:::lpacidades para obtener
información del contexto y para operar con altos niveles de

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

Inteligencia artificial y psicología 87

incertidumbre) y pareció importante que estas habilidades fue-

ran reproducidas en una computadora con pretensiones de inte-
ligencia. Los investigadores se dedicaron entonces al estudio de
los aspectos no-verbales del lenguaje y al de re~.,onocimiento de
patrones.
Para mediados de los sesentas, y como resultado de los
estudios sobre lenguaje y comprensi0n. la IA se involucró
en el estudio del problema de la representación mental del
conocimiento. Igualmente, una gran preocupación en esta déca-
da fue la de encontrar aplicaciones prácticas de Jo que se había
aprendido hasta. entonces. Entre las aplicaciones más exitosas
debe mencionarse el diseño de DENDRAL en Stanford, un
programa que hace espectogramas y diagnósticos medicas y que
hasta ahora ha tenido la misma tasa de error que los seres
humanos. La segunda aplicación importante tiene que ver con la
psicología educativa y la mencionaré en la siguiente sección
sobre la interacción entre la IA y la psicología.

La interacción entre lA y psicología: teoría y método

A pesar de que la interacciónt•entre IA y psicología no es ya

ninguna novedad, los mejores frutos y resultados de esta interac-
ción están aún por venir.
Haciendo a un lado la importante preocupación que los
especialistas en IA tienen por la construcción de sistemas
electrónicos de computación, es evidente que la psicología y la
IA se empalman en gran medida. Es decir, ambas disciplinas
están preocupadas con la explicación y resolución de los mismos
problemas básicos, sus soluciones pueden ser comparadas una
contra otra, y su éxito o fracaso puede evaluarse con el mismo
criterio. El objetivo de la IA y la psicología es el de entender
aspectos díversos de la mente humana y de la inteligencia en
general y, en esencia, el juicio final que tendrán que enfrentar
tendrá que ver con la cantidad y la calidad de las explicaciones
que proporcionen sobre la naturaleza de la actividad mental.
Esto no debe hacernos verlas, como algunas personas han
sugerido, como rivales teóricas necesariamente. Por el contrario,
yo sostengo que, hasta ahora, la psicología ha sido la mejor y
más rica fuente de teorías y conjeturas para la IA y, a su vez, que
la IA es ia mejor medicina que la psicología necesita en el estadio
actual de su desarrollo.

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

88 Javier Elguea

Trataré de ilustrar esta última afirmación en esta sección

con argumentos teóricos, metodológicos, y prácticos.
En primer lugar los argumentos de carácter teórico. Una de
las características de las teorías científicas progresivas (Lakatos,
1978) es el equilibrio que mantienen entre la generación de
conjeturas o hipótesis teóricas y su corroboración o refutación
empírica. Una gran parte del desarrollo de la psicología se ha
caracterizado por la ausencia de este equilibrio debido, entre
otras causas, a que la experimentación con seres humanos se
encuentra limitada por importantes razones morales. El estudio
de la actividad mental ha tenido que limitarse a los reportes
introspectivos, a pesar de que es sabido que la mayor parte de la
actividad mental no es consciente y está fuera del alcance de la
introspección. Las consecuencias de esto son, por un lado, que
existe un gran divorcio entre teoría y realidad empírica como lo
ejemplifica la psicología clínica, y por el otro, que la teoría en
psicología experimental se ha subdividido en una innumerable
cantidad de micro-modelos psicológicos de tan limitado alcance
y generalizabilidad que en muchos casos su aplicación se cons-
triñe únicamente a las condiciones experimentales (Cronbach,
1975). Finalmente, el efecto general es que la teoría no es dirigida
por lineamientos heurísticos como en las ciencias maduras sino
por una estrategia burda de ensayo y error.
Es mi opinión que, en su intento por reproducir habilida-
des mentales humanas, los investigadores en lA han creado
sistemas teóricos que poseen una gran capacidad heurística, que
reúnen todos los requisitos científicos de consistencia y rigor
lógico, y que permiten, si no responder de manera conclusiva, sí
al menos formular mejores preguntas psicológicas.
Algo que hemos aprendido a lo largo de la historia de la
psicología es que sus objetivos iniciales son. más dificiles de
.alcanzar de lo que originalmente se pensaba y que se requieren
para ellos mejores herramientas metodológicas y mejores teorías.
Hoy en día, uno ·de los más importantes objetivos de la
psicología es el de explicar fenómenos como la percepción,
el aprendizaje, la cognición, la motivación, etc., de forma tal que
sea posible unir las teorías fisiológicas a las psicológicas y termi-
nar con el dualismo que ha plagado estas áreas de estudio.
Para ello se ha recurrido a dos estrategias experimentales
distintas: La primera de ellas, que llamare "inductivista",
comienza al nivel neuronal o atómico, unifica estas unidades
físicas elementales en forma de moléculas, que a su vez reúne en

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

Inteligencia artificial y psicología 89

forma de grandes agregados, que eventualmente describen el

comportamiento y los fenómenos psicológicos que todos pode-
mos observar. Esta estrategia, dicho sea de paso, ha avanzado
muy lentamente y tenido un éxito sumamente limitado en la
explicación de los fenómenos que van más allá de la mera
percepción sensorial. La segunda estrategia, que llamaré "deduc-
tivista", comienza con una descripción de las funciones y organi-
zación de los procesos psicológicos, y descompone estos siste-
mas en sistemas más simples y pequ~ños, con la esperanza de
eventualmente llegar a describir elementos fisiológicos y físicos.
Es importante aclarar que ambas estrategias deben ser
continuadas ya que ambas han contribuido hasta ahora
con parte de las explicaciones existentes, sin embargo, la eviden-
cia sugiere que la primera estrategia es de poca utilidad para la
psicología. La ilustración de esto es muy simple en términos de
preguntas empíricas. Es mucho más difícil responder a la pre-
gunta: ¿cómo puede un número determinado de neuronas (o
átomos) producir fenómenos como inteligencia, cognición, len-
guaje, toma de decisiones, etc.?, que responder a la pregunta
¿cómo puede un sistema (ser humano o computadora digital)
con determinadas características realizar tal o cual tarea o fun-
ción?
La segunda pregunta busca una solución, cualquier solu-
ción, la primera requiere de un descubrimiento. La búsqueda de
descubrimientos por mera inducción o "inspección bruta" puede
ser interminable (si consideramos, por ejemplo, el número de
combinaciones neuronales posibles) si uno no toma como direc-
ción heurística alguna pregunta psicológica (algo que, a pesar de
todo, los neurofisiólogos hacen tácitam.~nte y sin gran compe-
tencia). Y, en última instancia, la búsqueda de soluciones puede
en ocasiones llevarnos a un descubrimiento, es decir, a encontrar
la solución que la naturaleza encontró primero.
Las teorías en lA caen dentro de la categoría deductivista
y, por lo tanw, poseen una estrategia con mayor capacidad
explicativa. Debo insistir, ambas estrategias son necesarias pero
la experiencia indica que la estrategia deductivista ha proporcio-
nado y continuará proporcionando la mejor y mayor parte de
las explicaciones. Esto, dicho sea de paso, es cierto también en
otras ciencias, la estrategia inductivista ha sido abandonada en
ciencias como la química y la biología que han favorecido un
enfoque deductivista. De tal forma que, si el propósito es seguir
el ejemplo de las ciencias "maduras", el camino es claro.

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

90 Javier Elguea

Las contribuciones que esta estrategia, típica de la teoría en

IA, han traído a la psicología son varias, mencionaré sólo algu-
nas de las más importantes.
Una de las contribuciones centrales de la IA se relaciona
con un problema que ha agobiado a psicólogos y filósofos
por más de doscientos años: el problema de la representación
interna. Por mucho tiempo ha sido evidente que la única psicolo-
gía capaz de dar cuenta de las complejidades de la actividad
mental tendría que explicar e incluir procesos de representación
interna. Por ejemplo, es la opinión de la mayoría de los psicoló-
gicos que sería imposible explicar el fenómeno de la percepción
si no presuponemos que su función es proveernos con una
imagen mental o modelo del mundo en el que vivimos y actua-
mos de una forma más o menos exitosa.
Esta premisa de la representación interna ha sido aceptada
por todos los psicólogos con la excepción de los conductistas
radicales como Watson o Skinner. Las representacipnes internas
han sido denominadas hasta ahora de formas distintas: ideas,
sensaciones, impresiones. Más recientemente nos referimos a
ellas como esquemas cognoscitivos, mapas mentales, proposi-
ciones, imágenes, o señales neuronales. Sólo este breve recuento
de las distintas denominaciones de las representaciopes mentales
hace obvias dos conclusiones: primero, el acuerdo existente
sobre la necesidad de incluirlas en nuestras explicacione~ de la
actividad mental, y, segundo, el desacuerdo general sobre su
naturaleza y características. .
El serio problema que la representación mental ha impuesto
a la teoría psicológica es el de explicar de que forma estas
representacíones pueden modelar, por sí mismas, al-mundo en la
mente humana. En otras palabras, es claro que nada puede ser
intrínsicamente una representación de otra cosa. Algo se con-
vierte en una representación sólo para alguien, todo sistema de
representación requiere de un intérprete, independiente <ie este
sistema, que lo utiliza con algún propósito. Este intérprete debe
poseer una gran variedad de atributos psicológicos: debe poseer
intenciones, debe ser capaz de comprender, debe tener objetivos
y creencias, de tal forma que sea capaz de utilizar las representa-
ciones para informarse sobre el mundo y ayudarse en el logro de
sus metas (conversar, resolver problemas, reconocer, etc.). Este
intérprete dentro de nuestra mente, es, en esta concepción, una
forma de "homúnculo", y los homúnculos como lo ·sabemos
desde Descartes, padecen el mal de la regresión infí.nita. Lo que

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

Inteligencia artificial y p$icol~ía 91

quiere decir que, al afirmar la existencia de un homúnculo

dentro de la mente humana, caemos en la necesidad de recurrir a
otro h,omúnculo dentro del primero que cumpla la misma fun-
ción. Del mismo modo, más adelante necesitaremos de un ter-
cero dentro del segundo ... asi ad infinitum. Esta salida ad hoc,
porque evidentemente no es una solución, no ha hecho más que
transferir el problema de la representación de la mente humana a
otra distinta, de tal forma que, como sostiene Dennett:

Hacer psicología sin homúnculos ha sido imposible. Pero hacerla

con huinúnculos nos ha llevado a la circularidad y el regreso
infinito, al punto que ha convertido a la psicología en una
empresa imposible. (Dennet, 1979:71)

El reto ha sido entonces, formular una teoría que explique

cómo pueden las representaciones entenderse a sí mismas y, al
mismo tiempo, evitar la circularidad y el regreso infinito.
Como lo mencioné anteriormente, por dos siglos se ha
tratado de resolver este problema sin ningún éxito. No es sino
hasta la aparición de la noción de "estructuras de datos" dentro
de la IA que el problema parece comenzar a resolverse. Las
"estructuras de datos" pueden o no tener validez p$iicológica, es
algo que está aún por aclararse, lo que ya es claro es que
constituyen el primer y único ejemplo operante de repr.esentacio-
nes que se "entiendan a sí mismas". Las estructuras de datos hqn
permitido la construcción de sistemas intencionales que son
resultado del diseño de subsistemas con habilidades específicas y
simples que se encuentran organizados entre sí. Estos subsiste-
mas se subdividen a su vez en microsistemas más especializados
y simples, que a su vez se componen de sistemas más pequeños y
tan simples que sus respuestas son binarias. El sistema total
consigue modelar una forma operante de representación.
El programa diseñado por Winograd ( 1972), conocido
como SHRDLU es un extraordinario ejemplo de este com-
portamiento. SHRDLU es un programa que vive en un mun-
do imaginario de figuras geométricas en color, que es capaz
de manipular estas figuras sobre una superficie cuando se le
solicita, que representa a sí mismo este mundo, y que puede
responder preguntas sobre su vida en este mundo. Un ejemplo
de un diálogo con SHRDLU es el siguiente (de nuevo las res-
puestas de la computadora en mayósculas):

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

92 Javier Elguea

¿Tocaste alguna pirámide antes de tocar el cubo azul?

SI, LA VERDE
¿En qué momento?
MIENTRAS APILABA EL CUBO ROJO PEQUEÑO ENCI-
MA DEL CUBO ROJO GRANDE Y DEL CUBO VERDE
¿Por qué la tocaste? .
PORQUE NECESITABA MOVERLA PARA COLOCAR EL
CUBO ROJO PEQUEÑO EN SU LUGAR
¿Para qué?
PARA PONER EL CUBO ROJO PEQUEÑO DONDE ESTA
AHORA
¿Por qué?
PORQUE TU ME LO PEDISTE ...

Las respuestas del programa son una muestra de la clari-

dad con la que representa y pera en su mundo imaginario,
incluyendo al interlocutor que da las órdenes, basándose única-
mente en esta idea de estructuras de datos. Ninguna otra explica-
ción ha llegado tan cerca de modelar el proceso de representación
interna.
Otro ¡:;roblema en el que la IA ha sido de gran utilidad
teórica se refiere a la discusión sobre la existencia y la na-
turaleza de las imágenes mentales. He discutido este problema
en detalle en otro artículo (Elguea, 1983) de manera que referiré
al lector interesado a este artículo y sólo mencionaré que el
problema de las imágenes mentales se encuentra íntimamente
relacionado con el de la representación y que el trabajo en IA ha
inclinado a la teoría psicológica en favor de la eliminación de las
imágenes como concepto teórico y la aceptación de las proposi-
ciones como el vehículo del pensamiento y la representación.
En segundo lugar, analizaré las contribuciones metodoló-
gicas de la IA a la psicología.
Algo que no ha sido comprendido adecuadamente entre
los psicólogos, a veces ni siquiera entre especialistas en AI,
es que los programas de IA no son experimentos empíricos, sino
experimentos "pensados" o imaginarios regulados rigurosamen-
te por una computadora.
La lógica de programación por computadora ha desarro-
llado una serie de reglas de consistencia que proveen al psi-
cólogo de un lenguaje técnico con qué disciplinar la formula-
ción de teorías y conjeturas, además de nro)porcionarnos nuevas
y mejores metáforas para estudiar la inteligencia.

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

Inteligencia artificial y psicología 93

Los programas que operan en una computadora y la pro-

gramación en general nos proveen de un nuevo medio para
generar ideas, pensar acerca de ellas; probarlas, extenderlas,
corregirlas, profundizarlas y, eventualmente, explicarlas. Ade-
cuadamente programadas, las computadoras son instrumentos
útiles para construir, manipular, analizar, intepretar y transfor-
mar estructuras simbólicas de cualquier tipo, incluyendo sus
propios programas.
Igualmente, persiste entre la comunidad científica el mito
de que el estudio de sistemas complejos requiere necesariamente
del uso de mediciones numéricas, ecuaciones, cálculo, estadísti-
ca, etc., que las ciencias sociales han heredado de la física. Estos
instrumentos han demostrado su insuficiencia en la explicación
de fenómenos esenciales a la actividad mental de cualquier tipo,
inclusive de la actividad "mental" que puede ocurrir en una
computadora. (Ningun especialista en computación intentaría
entender el comportamiento conversacional o cognitivo de un
programa en términos estadísticos o de variables dependientes e
independientes).
En lugar de ecuaciones, sistemas también formales no-
numéricos han sido desarrollados en la forma de lenguajes
de programación. Los conceptos generados a través de este
esfuerzo, como lo ha demostrado el modelo de procesamiento
de información, pueden resultar de mucha mayor utilidad para
el psicólogo que las matemáticas numéricas que se utilizan
normalmente y que tienen una capacidad limitada para teorizar
sobre estructuras complejas e interactivas como las que se dan en
la actividad mental. Es desafortunado que, en la mayoría de los
casos, los psicólogos tengan un escaso o nulo entrenamiento en
computación o programación y que su información se limite al
uso de programas estadísticos escritos en lenguajes simples como
FORTRAN o BASIC, y que ignoren la existencia de lenguajes
más poderosos para la simulación y el modelamiento de activi-
dades mentales como son los casos de LISP, y los más recientes
CONNIVER, PLANNER, KRL, etc.
Por último, en lo referente a las aplicaciones prácticas, la
IA ha contribuido a la psicología a través de la creación de
programas dedicados a la educación de niños. Como uno de los
resultados del esfuerzo por entender, simular, y modelar habili-
dades mentales, Papert (1971) desarrolló una serie de lenguajes
conocidos como LOGO que tienen por objeto enseñar estas
mismas habilidades a los niños. Estos lenguajes tienen grandes

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

94 Javier Elguea

ventajas sobre otros, en primer lugar son mucho más poderosos

y por lo tanto hacen mucho más fácil la tarea de programar a la
computadora para realizar actividades complejas, y, en segundo
lugar, no se restringen al uso de computaciones numéricas. Por
ejemplo, LOGO y POP-2 (utilizados en MIT y en Sussex respec-
tivamente) son lenguajes que tienen la capacidad de manipular
palabras y oraciones, figuras geométricas, diseño de imágenes,
etc.
La oposición en contra de la IA no ha sido poca ni sin
importancia. Dreyfus (1972), el más importante crítico de
la inteligencia artificial, ha elaborado serias críticas basándose
en la distinción entre computación análoga y computación digi-
tal. Dado que todas las simulaciones y modelos de la cognición
son generados en computadoras digitales, Jos procesos involu-
crados utilizan estados de información discreta y programación
secuencial. Dreyfus insiste en que la evidencia que ha provisto la
psicología y la neurofisiología, indica que el cerebro humano
funciona como una computadora análoga que utiliza operacio-
nes continuas y estructuras de programación en paralelo. El
sostiene que, cómo resultado de ello, las simulaciones y modelos
generados en la lA carecen de validez psicológica.

Si bien es cierto que la crítica de Dreyfus es aplicable a un

buen número de modelos y simulaciones, pierde de vista la
capacidad que tiene una computadora digital para simular el
funcionamiento de una computadora análoga (por ej. el cere-
bro), y que su argumento lejos de refutar los esfuerzos hechos
hasta ahora pnr la lA los ha fortalecido indirectamente.

En la actualidad muchas de las nociones y términos utiliza-

dos en la psicología tienen su origen en modelos mecanicistas o,
físic05i, insuficitntes y simplistas. Inclusive el grupo de académi-
cos que se oponen fuertemente a la utilización de metáforas
computadonales para describir procesos mentales, con el pre-
texto de que son nociones mecanicistas, usan analogías mucho
más crudas como por ejemplo: "disonancia", "represión", "ten-
sión", "carga emociona-l", "fuerza motivacional", etc. Los opo-
nentes de las metáforas computacionales de alguna manera
están condehatldo a la te01ía psicológica a continuar viviendo
con ana1ogías bidráulicas y mecánicas derivadas de avances
tecnológicas y cientlf~cos de algunos siglos atrás.

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

Inteligencia artificial y psicología 95

Nota final
Existe todavía una enorme cantidad de fenómenos psicológi-
cos sin descripciones ni explicaciones adecuadas. Entre ellos:
percepción, memoria, reconocimiento de patrones, compren-
sión, aprendizaje, comunicación, interpretación, creación, intui-
ción, selección, etc. Los psicólogos, como la mayoría de los
científicos sociales, han tenido hasta ahora un conjunto de
herramientas inadecuadas para la formulación de teoría y la
corroboración de hipótesis sobre esta serie de fenómenos. Algu-
nos de ellos han tratado de recurrir sin gran éxito a modelos más
recientes como la teoría de sistemas o la teoría de juegos que, por
su naturaleza estática, siguen siendo deficientes en la explicación
de la actividad mental.
La IA ha explorado las distintas formas en que las compu-
tadoras podrían realizar las tareas que antes estaban reservadas
a los seres humanos, como resolver problemas, planear a futuro,
demostrar teoremas, jugar ajedrez, conversar en y entender un
lenguaje, componer música, etc. El hecho de que aún no haya
conseguida reproducir un ser humano completQ,(o que eventual-
mente lo consiga) es de menar importancia que la evidencia de
que lia mejorado nuestras habilidades para pensar y clarificar
fenómenos de interés para la psicología y otras ramas de la
ciencia. Ha colaborado en la reformulación de viejos problemas
psicológicos y en la reconsideración y revaluación de las teorías
existentes. Ha forzado a los especialistas a precisar sus conceptos
y a utilizarlos con mayor consistencia y rigor, al mismo tiempo,
los ha enfrentado a un reto teórico al formular un programa
rival de invéstigación que busca explicar un objeto de estudio
que anteriormente estaba reservado a los psicólogos: la explica-
ción de la inteligencia y sus procesos colaterales.
Sus logros y avances han sido tan importantes que, en unos
cuantos años, las teorías sobre la inteligencia y sus fenómenos
relacionados ¡.¡erán literalmente incomprensibles para el psicó-
logo que no esté familiarizado con el desarrollo teórico, los
métodos y los logros de la lA. Su influencia en la psicología ha
sido ·y. será 'tan grande que ensefiar cursos universitarios sobre
psicología rognoscitiva sin ha<::er referencia a la IA será un grave
acto de ignorancia o de irresponsabilidad.
Ahora bien, con respecto al objetivo último, no alcanzado,
de la lA, el ~e entender y reproducir al ser humano, vale la pena
mencionar de nuevo las palabras del profesor Sloman:

Estudios 10, otoño 1987.

©ITAM Derechos Reservados.
La reproducción total o parcial de este artículo se podrá hacer si el ITAM otorga la autorización previamente por escrito.

96 Javier Elguea

Puede ser que la mente humana sea demasiado compleja para ser
comprendida por la misma mente humana. Pero el deseo de
intentar lo imposible parece ser una de sus características más
persistentes.
(Sloman, 1978:20)

BIBLIOGRAFÍA

BODEN, M. Artificial Intelligence and Natural Man. New York: Basic Books, 1977.
CRONBACH, J. L. "Beyond the Two Disciplines of Scientific Psychol¡:¡gy", Febrero
!975, en American Psychologist, Vol. 30, No. 2, 116-127.
DENNETT, D.C., Brainstorms, Vermont: Bradford Books Publishers Inc, 1978.
DREYFUS, H., What Computers Can't do: A Critique of Artificial Reason. New York:
Harper, 1972.
ELGUEA, J.A., "El Debate Sobre Representación Mental en Piscología Cognoscitiva:
una Reconstrucción Racional", 1983, por aparecer en Journal or lnteramerican
Psychology.
LAKA TOS, l., Philosoplhical Papers. London: Cambriclge University Press, 1978.
McCORDUCK, P., Machines Who Think. San Francisco: Freeman and Co, 1979.
McCULLOCH, W., Embodiments of Mind. Cambridge, Mass.: MIT Press, 1965.
NEWELL, A., SASHW, J.C., ANO SIMON, H.A., "Chess Playing Programs and the
Problem of Cmplexity", 1958, en !BM Journal ofResearch and Development. 2, 4.
-and SIMON, H. A., "The Logic Theory Machine", septiembre 1956, en IRA Transac-
tions in Jnformation The01:v.
PAPERT, S., Teaching Children Thinking. A! memo 247, MIT: Al Lahoratory, 1971.
PYL YSHYN, Z.W., "Complexity and the Study ofHuman and Artificial Intelligence",
en Philosophical Perspectives in Artificiallntelligence. Ringle, M.O. (ed), England:
Humanities Press, 1979.
RINGLE, M.O., Philosophical Perspectives in Artificial/ntel(~ence. England: Humani-
ties Press, 1979.
RUSSELL, B. ANO WHITEHEAD, A.N., Principia Mathematica. England, Cam-
bridge University Press, 1925-1927.
SHA NON, C., "A Chess Playing Machine", February 1950, en Scientific American. 182.
SLOMAN, A., The Computer Revolution in Philosophy. England: Humanities Press,
1978.
TURING, A., "Computing Machinery and lntelligence" (1950), in Computers and
Thought. Feigenbaum, E.A. and Feldman, J. (eds.), New York: McGraw Hill,
1963.
WINOGRAD, T., Understanding Natural Language, New York: Academic Press, 1972.

Estudios 10, otoño 1987.