El test consiste en poner a chatear a una persona con otra persona y con un ordenador; sin decirle a priori cual es la máquina y cual es la persona. Si chateando descubre quién es la persona, y quién es el ordenador se concluye que el ordenador No es inteligente. Pero si no somos capaces de determinar cual de los dos es una máquina, entonces el ordenador ha pasado el Test de Turing y se podría considerar como una aparato inteligente.<\/p>\n<\/blockquote>\n
Después de 50 años ningun programa ha conseguido pasar el test realmente, aunque se han hecho muchos intentos. Pensad en lo sencillo que sería descubrir a la máquina con alguna pregunta medianamente complicada, podeís charlar con un ordenador en esta web<\/a> en inglés para comprobarlo. Pero en los años 80 John Searle desarrolló un contraejemplo diciendo que aunque una máquina pasara el Test de Turing, ésta no sería inteligente:<\/p>\n \nImagemos ahora, que un chino está chateando con nosotros por Internet. Utilizamos un diccionario de chino y diversos manuales para contestarle. De esta forma él pensará que nosotros sabemos chino cuando realmente no tenemos ni idea, simplemente seguimos unas reglas que vienen en los diccionarios y libros. ¿Quién sabe chino? ¿Nosotros, los manuales y el diccionario, el ordenador que usamos para chatear o todo el conjunto de elementos? Según Searle no sabemos chino, al igual que una máquina que pasara el Test de Turing no es sería inteligente ya que simplemente sigue unas reglas sin ser consciente de ellas.\n<\/p>\n<\/blockquote>\n A partir de el contraejemplo de Searle la Inteligencia Artificial vive una época de incertidumbre acerca de sus posibilidades a largo plazo. Las hipótesis de Searle nos sirven también para preguntarnos si un programa que juega al ajedrez sabe realmente jugar o simplemente sigue unas reglas predefinidas y poco inteligentes. Igual que el hombre que tiene el diccionario de chino no sabe chino y simplemente sigue unas reglas que le vienen indicadas.<\/p>\n La IA<\/abbr> ha avanzado mucho en diferentes campos y somos capaces de resolver muchas tareas concretas: jugar al ajedrez, reconocer objetos, resolver problemas matemáticos, traducir textos etc. También somos capaces de crear programas que ‘aprendan’ a resolver ciertas tareas concretas, por ejemplo los filtros bayesianos<\/a> que instalamos en los lectores de correo electrónico van aprendiendo a detectar los e-mails de spam. El problema es que no sabemos crear un sistema más general, un programa que juega al ajedrez no puede aprender por si solo a traducir textos, reconocer objetos o filtrar correos de spam.<\/p>\n Espero vuestros comentarios acerca de los fallos del contraejemplo de Searle (Hay uno muy evidente). También podéis comenzar a crear un programa que supere el Test de Turing o crear el programa definitivo que sea capaz de aprender cualquier cosa por si solo El test de Turing es una prueba que se propuso en los años 50 para comprobar si una máquina es inteligente o no.\n
<\/p>\n
\nNota: los ejemplos sobre el Test de Turing y el contraejemplo de Searle (Más conocido como la Sala china) han sido adaptados según mi visión a la época actual. Evidentemente en los años 50 no existía Internet y por lo tanto lo de chatear con otra persona no tiene sentido. Originalmente se explicaba todo en base a personas y ordenadores metidas en salas de forma que no se pudiera ver lo que hay dentro. El ‘Juez’ estaba fuera y debía determinar dentro de que sala estaba el ordenador y en cual estaba la persona. En el caso de Searle, una persona que no sabe chino que se mete en una sala con el diccionario de chino (De ahí el nombre de Sala china). El ‘Juez’ está fuera y debe determinar si la persona de dentro de la sala sabe chino.
\n<\/i>
\nMás información sobre el Test de Turing<\/a>
\nContraejemplo de Searle en Más que código<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"
\nEl test consiste en poner a chatear a una persona con otra persona y con un ordenador; sin decirle a priori cual es la máquina y cual es la persona. Si chateando […]<\/p>\n","protected":false},"author":31,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":false,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[1],"tags":[],"class_list":["post-253","post","type-post","status-publish","format-standard","hentry","category-otros"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"","jetpack_shortlink":"https:\/\/wp.me\/p1YYAx-45","jetpack_sharing_enabled":true,"jetpack-related-posts":[],"_links":{"self":[{"href":"https:\/\/www.robotic-lab.com\/blog\/wp-json\/wp\/v2\/posts\/253","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.robotic-lab.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.robotic-lab.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.robotic-lab.com\/blog\/wp-json\/wp\/v2\/users\/31"}],"replies":[{"embeddable":true,"href":"https:\/\/www.robotic-lab.com\/blog\/wp-json\/wp\/v2\/comments?post=253"}],"version-history":[{"count":0,"href":"https:\/\/www.robotic-lab.com\/blog\/wp-json\/wp\/v2\/posts\/253\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.robotic-lab.com\/blog\/wp-json\/wp\/v2\/media?parent=253"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.robotic-lab.com\/blog\/wp-json\/wp\/v2\/categories?post=253"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.robotic-lab.com\/blog\/wp-json\/wp\/v2\/tags?post=253"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}