IA simbólica

La IA simbólica fue el enfoque dominante de la inteligencia artificial desde sus inicios en los años cincuenta hasta mediados de los noventa. Parte de la idea de que el razonamiento puede representarse manipulando símbolos (palabras, conceptos, relaciones) mediante reglas lógicas del tipo «si ocurre A y B, entonces concluye C». Se le llama a veces GOFAI (good old-fashioned AI, «la IA de toda la vida»).

Uno de sus primeros hitos fue el Logic Theorist de Allen Newell, Herbert Simon y Cliff Shaw (1956), que demostraba teoremas de lógica. Después vinieron los sistemas expertos, que codificaban el saber de especialistas en bases de reglas, y lenguajes como Lisp y Prolog, diseñados para este estilo de programación.

Su gran ventaja es la transparencia: puedes leer las reglas y saber por qué el sistema concluyó algo, lo que facilita la explicabilidad. Su gran debilidad es la fragilidad: escribir a mano todo el conocimiento necesario es costoso, y el mundo real tiene demasiadas excepciones y ambigüedades. Esas limitaciones, junto con promesas exageradas, contribuyeron a los inviernos de la IA.

El enfoque opuesto, el conexionista o estadístico, aprende de ejemplos; de ahí surgen el aprendizaje automático y las redes neuronales. Hoy hay interés en combinar ambos mundos (IA «neurosimbólica»), por ejemplo, haciendo que un modelo de lenguaje use herramientas lógicas o bases de conocimiento verificables. La IA simbólica sigue viva en planificadores, verificadores formales y motores de reglas de negocio.