En el campo de la inteligencia artificial , los problemas más difíciles se conocen informalmente como AI-complete o AI-hard , lo que implica que la dificultad de estos problemas computacionales, suponiendo que la inteligencia sea computacional, es equivalente a la de resolver el problema central de la inteligencia artificial: hacer computadoras tan inteligentes como las personas, o IA fuerte . [1] Llamar a un problema AI-completo refleja una actitud de que no sería resuelto por un algoritmo específico simple.
Se supone que los problemas completos de IA incluyen la visión por computadora , la comprensión del lenguaje natural y el manejo de circunstancias inesperadas mientras se resuelve cualquier problema del mundo real. [2]
Actualmente, los problemas completos de IA no se pueden resolver solo con la tecnología informática moderna, sino que también requerirían computación humana . Esta propiedad podría ser útil, por ejemplo, para probar la presencia de humanos como pretenden hacer los CAPTCHA , y para la seguridad informática para eludir los ataques de fuerza bruta . [3] [4]
El término fue acuñado por Fanya Montalvo por analogía con NP-completo y NP-difícil en la teoría de la complejidad , que describe formalmente la clase más famosa de problemas difíciles. [5] Los primeros usos del término se encuentran en la tesis doctoral de Erik Mueller de 1987 [6] y en el Jargon File de Eric Raymond de 1991 . [7]
Para traducir con precisión, una máquina debe ser capaz de comprender el texto. Debe ser capaz de seguir el argumento del autor, por lo que debe tener cierta capacidad de razonamiento . Debe tener un amplio conocimiento del mundo para que sepa lo que se está discutiendo; al menos debe estar familiarizado con los mismos hechos de sentido común que conoce el traductor humano promedio. Parte de este conocimiento está en forma de hechos que se pueden representar explícitamente, pero parte del conocimiento es inconsciente y está estrechamente relacionado con el cuerpo humano: por ejemplo, la máquina puede necesitar comprender cómo un océano te hace sentir .traducir con precisión una metáfora específica en el texto. También debe modelar las metas, intenciones y estados emocionales de los autores para reproducirlos con precisión en un nuevo idioma. En resumen, se requiere que la máquina tenga una amplia variedad de habilidades intelectuales humanas, incluida la razón , el conocimiento del sentido común y las intuiciones que subyacen al movimiento y la manipulación , la percepción y la inteligencia social . Por lo tanto, se cree que la traducción automática es completa con IA: puede requerir que se realice una IA fuerte tan bien como los humanos pueden hacerlo.
Los sistemas de IA actuales pueden resolver versiones muy simples y/o restringidas de problemas completos de IA, pero nunca en toda su generalidad. Cuando los investigadores de IA intentan "ampliar" sus sistemas para manejar situaciones más complicadas del mundo real, los programas tienden a volverse excesivamente frágiles sin el conocimiento del sentido común .o una comprensión rudimentaria de la situación: fallan cuando comienzan a aparecer circunstancias inesperadas fuera del contexto del problema original. Cuando los seres humanos se enfrentan a nuevas situaciones en el mundo, les ayuda enormemente el hecho de que saben qué esperar: saben qué son todas las cosas que les rodean, por qué están allí, qué es probable que hagan, etc. Pueden reconocer situaciones inusuales y adaptarse en consecuencia. Una máquina sin una IA fuerte no tiene otras habilidades a las que recurrir. [9]