Se ha enterado de que su amiga Isabel tiene una nueva mascota, un lindo Bulldog inglés. Tras varios días, mediante el aviso de un amigo en común, éste le cuenta que Isabel le dijo que rara vez pasa en casa porque debe viajar mucho. La mejor explicación que encuentra para esto es decir que Isabel se inventó la historia del perro. Así concluye que Isabel no tiene ninguna mascota.
Luego de trabajar, cansado, llega a casa y ve todos sus libros tirados por el suelo, incluso hay ejemplares dañados como Ética de G. E. Moore o La analogía de Douglas Hofstadter y Emmanuel Sander. Esto pudo deberse a un fuerte sismo, sin embargo, mucho más simple y fácil de explicar es pensar que un intruso ingresó a su casa a robar. Por tanto, usted concluye eso.
Ambos ejemplos, cada conclusión no sigue a las premisas. Tenga en cuenta la conclusión (hecho) de que Isabel no tiene mascota, no sigue a las premisas de que ella tenía una nueva mascota, y que tiene poco tiempo pues constantemente viaja. Esto no es deducible, asumiendo que es la única información disponible. En el segundo ejemplo ocurre algo similar, la hipótesis de que entraron a robar a su casa, no es motivo suficiente para acreditar el hecho de que sus libros están en el suelo, y descartar la justificación menos probable (sismo).
Estos ejemplos corresponden al razonamiento abductivo. Que a diferencia del razonamiento deductivo (su conclusión se sigue de sus premisas) e inductivo (las premisas soportan la conclusión, pero no la garantiza), busca, a partir de hechos o eventos, ofrecer hipótesis que permitan soportar las premisas obtenidas.
Y aunque no sea fiable, este tipo de razonamiento es muy útil —y una cualidad que nos hace humanos—, pues podemos inferir una situación que consideramos la más probable, sin tener grandes cantidades de información.
Los sistemas actuales de IA carecen de un razonamiento abductivo. Millones de ejemplos se usan para entrenar modelos de aprendizaje, con estos modelos se pueden generar textos que pueden tener cierta validez sintáctica, de coherencia, de capacidad de síntesis, pero no dejan de ser sistemas estadísticos-probabilistas que juntan las palabras más probables, una tras otra. En ningún caso proporcionan hipótesis de los hechos expuestos (por ejemplo, en el caso de ChatGPT, de sus respuestas).
No cabe duda que el razonamiento abductivo tiene que ver con la intuición y, a su vez, la intuición con la creatividad.
Con todo:
¿Estos rasgos, intuición y creatividad, serán computables?
Mientras no se pueda ejecutar el razonamiento abductivo, difícil es tener una respuesta. Quizá, lo más probable sería sentarse a esperar, como quién, en mitad de un lago, con su bote, lanza su caña y espera sosegado, a ver qué pasa.
Me ha gustado tu artículo, también ando investigando estos temas de IA, te felicito porque lo pude leer de principio a fin sin hesitar ni descansar porque estuvo interesante y entretenido. Saludos.
Gerson,
bravedeveloper.com