El paradigma de las IA: Kuhn y Cesar Tomé

 La evolución de la inteligencia artificial (IA) ha seguido un patrón similar al descrito por Thomas Kuhn y resumido por César Tomé, en el que se alternan entre fases de ciencia normal y crisis que generan nuevos paradigmas. Uno de estos paradigmas ha sido el de las redes neuronales artificiales, que ha experimentado un resurgimiento en forma de aprendizaje profundo, permitiendo avances sin precedentes en la disciplina.

Inicialmente, la IA se centró en la lógica simbólica, utilizando sistemas basados en reglas y representaciones formales del conocimiento. Sin embargo, este enfoque encontró dificultades para abordar problemas más complejos y ambiguos, llevando a una crisis en la disciplina. Fue entonces cuando las redes neuronales artificiales, inspiradas en la estructura y funcionamiento del cerebro humano, surgieron como un nuevo paradigma prometedor que ofrecía una solución más flexible y adaptable a los problemas de la IA.

Con el tiempo, este paradigma se adoptó y refinó, llevando a avances significativos en áreas como el reconocimiento de imágenes y el procesamiento del lenguaje natural. El aprendizaje profundo, una técnica basada en redes neuronales con múltiples capas de procesamiento, se convirtió en el motor de estos avances. Ejemplos notables incluyen el modelo GPT-4 de OpenAI, que ha demostrado una capacidad sorprendente para comprender y generar texto de manera coherente y contextualizada.

A pesar de estos avances, también han surgido anomalías y limitaciones en el paradigma de las redes neuronales artificiales. Por ejemplo, la falta de explicabilidad en el funcionamiento interno de estos modelos y su creciente demanda de recursos computacionales. Estas anomalías podrían eventualmente conducir a otra crisis en la disciplina y la búsqueda de un nuevo paradigma que aborde estas preocupaciones.

De este modo, el paradigma de las redes neuronales artificiales en la IA ilustra cómo la evolución de una disciplina científica puede seguir el modelo de Kuhn, tal como señala César Tomé en su texto. La historia de la IA demuestra que los avances científicos a menudo requieren pensar "fuera de la caja" y estar abiertos a nuevos enfoques y paradigmas, superando las limitaciones de los sistemas existentes para lograr un mayor progreso.