La hibridación necesaria: IA simbólica y subsimbólica

La hibridación necesaria: IA simbólica y subsimbólica

El desarrollo de una IA verdaderamente inteligente y comprensiva requiere una integración cuidadosa de diversos enfoques en un gran marco híbrido o compuesto, que necesariamente ha de disponer de un corazón simbólico, que es el que asegura que las máquinas puedan disponer de una interpretación contextual y evaluativa de las proposiciones que generan. Combinar los avances en procesamiento de lenguaje y tecnologías generativas con una comprensión más profunda de la cognición y el significado, nos acerca a sistemas que puedan interactuar de manera más natural con los humanos a la par que mantienen un compromiso con la verdad y la realidad objetiva.

Tradicionalmente, el programa de IA se ha dividido en dos subprogramas con enfoques fundamentalmente distintos:

1. El enfoque simbólico o semántico se centra en dotar a las máquinas de la capacidad de interpretar el mundo semántico y simbólico de las personas mediante la comprensión profunda del lenguaje. Permite la creación de sistemas de representación del conocimiento basados en grafos computables y lógica de primer orden. 
2. El enfoque subsimbólico o estadístico, por su parte, busca identificar patrones en grandes volúmenes de datos, desarrollando procesos de aprendizaje automático que permitan a estos sistemas evolucionar y anticipar eventos de forma dinámica.

La IA semántica tiene la capacidad de interactuar con las personas dentro de un marco de sentido común, mostrándose extraordinariamente eficiente en escenarios con limitada o incompleta información, similar a cómo opera la inteligencia humana. Para ello, debe interpretar correctamente el contexto de la información que procesa, ser contextual (link).

Este enfoque integrado se enmarca en lo que Gartner denomina IA Neurosimbólica, esto es: “una forma de IA compuesta que combina métodos de razonamiento probabilístico y sistemas simbólicos para crear modelos de IA más robustos y fiables. ​

Esta fusión permite combinar modelos probabilísticos con técnicas basadas en la lógica (como los grafos de conocimiento) para que los sistemas de IA puedan representar, razonar y generalizar conceptos de forma más eficaz. ​

Este enfoque proporciona una infraestructura de razonamiento para resolver una gama más amplia de problemas empresariales de forma más eficaz”. 

Según el RADAR de Gartner, este núcleo semántico es precisamente el elemento que dota de fiabilidad a los sistemas de IA, permitiéndoles operar con un anclaje en la realidad que los sistemas puramente estadísticos no pueden alcanzar. En este sentido, la IA Neurosimbólica aprovecha las fortalezas de ambos enfoques:

• Del enfoque simbólico: el razonamiento lógico, estrechamente vinculado a los procesos de descubrimiento de conocimiento 
• Del enfoque subsimbólico: la capacidad de trabajar con datos no estructurados.