El razonamiento simbólico en la inteligencia artificial es la metodología que se usa para procesar el conocimiento y convertirlo en un conjunto de reglas que la máquina puede ejecutar sistemáticamente.
La gracia está en que los sistemas no se limitan a repetir lo que han visto, como haría un sistema estadístico, sino que aplican una lógica explícita, y eso tiene unas ventajas muy prácticas para poder automatizar tareas empresariales con inteligencia artificial.
Puesto que las reglas de negocio cambian con la estrategia de la empresa, o con las condiciones del mercado, los sistemas simbólicos son ideales porque basta con ajustar sus reglas y no hace falta reentrenar un modelo con nuevos datos.
Además, el razonamiento simbólico en la automatización empresarial no compite necesariamente con otras formas de inteligencia artificial. De hecho, como empresa de IA, en muchos proyectos las hemos visto convivir.
Así que en este artículo, vamos a analizar qué es el razonamiento simbólico, que tipos de reglas y símbolos utiliza, y por supuesto, que aporta esta tecnología en cuanto a la toma de decisiones de los sistemas y a la automatización con IA.
¿Qué es el razonamiento simbólico en la inteligencia artificial?
El razonamiento simbólico es una forma de entender la inteligencia artificial que a veces queda un poco en segundo plano por toda la importancia que se le da a las redes neuronales y al aprendizaje automático.
Básicamente, se trata de una metodología que trabaja con símbolos, con representaciones abstractas de objetos, relaciones y reglas, y que los manipula siguiendo una lógica formal. Es, si se quiere, la manera más clásica de entender la inteligencia artificial generativa, la que imagina el pensamiento como un proceso de manipulación de conceptos siguiendo unas pautas definidas.
Para que puedas hacerte una idea con un ejemplo práctico, cuando nosotros mismos razonamos sobre algo cotidiano, como decidir qué hacer una tarde, no estamos calculando probabilidades de manera consciente, ni estamos procesando una gran cantidad de datos numéricos.
Más bien, analizamos ciertas ideas, como si hace buen tiempo para salir a caminar, o si hay que pasar de camino por el supermercado, lo que por si mismo, es un razonamiento simbólico.
De esta forma, partimos de unos conceptos, establecemos relaciones entre ellos y llegamos a una conclusión, y los sistemas de inteligencia artificial simbólica funcionan de una manera análoga, les proporcionamos un conjunto de símbolos que representan entidades del mundo y un conjunto de reglas que dictan cómo se relacionan, y ellos son capaces de deducir nueva información, o resolver problemas.
A lo largo de los años, esta metodología ha sido fundamental para construir los llamados sistemas expertos, que son programas capaces de replicar el conocimiento de un especialista humano en un campo muy concreto.
¿Qué tipos de símbolos y reglas se usan en razonamiento simbólico?
Al trabajar con sistemas de razonamiento simbólico, todo se construye a partir de piezas muy sencillas, casi como si fueran los bloques de construcción del pensamiento, donde los símbolos son la materia prima fundamental, y funcionan como etiquetas que representan cosas del mundo.
Por un lado, tenemos los símbolos que se refieren a entidades concretas, que en la jerga habitual de este mundillo se les llama constantes, y son nombres que designan a individuos específicos.
Por ejemplo, en un sistema que razona sobre familias, podríamos tener constantes con cualquier nombre propio de persona, y luego están los símbolos de predicado, que expresan propiedades de esas entidades, o las relaciones entre ellas.
De esta forma, podríamos tener un predicado que relaciona a dos personas mediante su parentesco, o uno para comparar edades, y después están las variables, que son un poco más abstractas, porque actúan como comodines, como cuando decimos ‘alguien’ o ‘algo’, sin especificar quién.
Ahora bien, los símbolos solos no hacen nada, necesitamos reglas que nos digan cómo manipularlos, y dichas reglas son las que realmente ponen el motor en marcha. La forma más clásica de regla es la que todos reconocemos como ‘si… entonces…’, que en lógica, se llama implicación.
En los sistemas, estas reglas suelen tener una forma muy parecida a la que usamos los humanos para explicar cosas, pero a veces trabajamos con reglas de inferencia, que son como las reglas del juego de la lógica, las cuales nos dicen qué operaciones podemos realizar con las afirmaciones que ya tenemos.
¿Cómo ayuda el razonamiento simbólico a explicar las decisiones de un sistema de inteligencia artificial?
Una de las cuestiones que más preocupan hoy en día, cuando se habla de inteligencia artificial, es la de la confianza, ya que podemos llevar a cabo el desarrollo de proyectos de IA que tomen decisiones muy complejas, pero si no somos capaces de entender por qué han llegado a una conclusión determinada, resulta difícil fiarse de ellos.
Así que hay que saber que cuando un sistema basado en símbolos y reglas alcanza una conclusión, lo hace aplicando una serie de pasos concretos y reconocibles, donde cada operación es una transformación lógica de la información disponible, y esa transformación puede inspeccionarse.
Por lo tanto, lo bueno de esta tecnología es que aunque no hay una caja negra de la que solo salga un resultado, si que hay una secuencia de inferencias que podemos seguir, como quien sigue los pasos de una demostración matemática.
Lo más interesante de esto es que la propia estructura del razonamiento simbólico facilita la generación de explicaciones en un lenguaje cercano al humano, ya que como los símbolos representan conceptos con nombre y las reglas tienen una forma lógica, podemos traducir fácilmente el proceso interno a una frase comprensible.
Ahora bien, a veces, una cadena de razonamiento puede hacerse muy larga, con muchas reglas encadenadas, y la explicación resultante puede volverse confusa, lo que es un reto que hemos enfrentado más de una vez, que es cómo resumir un proceso complejo sin perder la información más importante.
Pero en cualquier caso, todas estas características son de gran ayuda cuando se trabaja en la automatización de los procesos productivos de las empresas, para poder supervisar el trabajo que hacen las máquinas, así que si quieres utilizar la IA en tu negocio y quieres ayuda profesional, contacta con nosotros.