El concepto de inteligencia: el hard problem de la inteligencia artificial
DOI:
https://doi.org/10.48160/18532330me16.413Palavras-chave:
cognición, resolución de problemas, memoria, predictibilidadResumo
En el amplio marco interdisciplinario que conforma el hexágono cognitivo —filosofía, antropología, psicología, lingüística y neurociencia—, la Inteligencia artificial se ha posicionado probablemente como el ámbito que más controversias y desacuerdos ha suscitado en los últimos años. En este artículo se defiende que el concepto de inteligencia como normalmente se aplica a la IA es demasiado generoso, creando confusiones en torno a lo que tradicionalmente —desde las ciencias cognitivas y la biología, por ejemplo—, se entiende por pensamiento o comportamiento inteligente. Contrario a la idea popular de que la inteligencia consiste llanamente en resolver problemas, proponemos que la inteligencia es más que eso: es resolver problemas de manera flexible y situacional, haciendo predicciones a corto y largo plazo de manera automática y que ser asertivos en dichas predicciones, muchas veces, es lo que posibilita nuestra supervivencia.
Referências
Bardi, L., Gheza, D. y M. Brass (2017), “TPJ-M1 Interaction in the Control of Shared Representations: New Insights from tDCS and TMS Combined”, Neuroimage 146: 734-740.
Byrne, R. (1995), The Thinking Ape: Evolutionary Origins of Intelligence, Oxford: Oxford University Press.
Chollet, F. (2017), “The Implausibility of Intelligence Explosion”, Medium. https://medium.com/@francois.chollet/theimpossibility-of-intelligence-explosion-5be4a9eda6ec
Churchland, P. (1990), Neurophylosophy. Towards a Unified Science of the Mind-brain, Cambridge: MIT Press.
Colmenares, F. (2015), Fundamentos de psicobiología. Volumen 2: Comportamiento y procesos psicológicos en contexto evolutivo, Madrid: Editorial Síntesis.
Crawford, K. (2024), Atlas de inteligencia artificial. Poder, política y costos planetarios, Bogotá: Fondo de Cultura Económica.
Dreyfus, H. (1972), What Computers Can’t Do: A Critique of Artificial Reason, New York-Evanston-San Francisco-London: Harper & Row, Publishers.
Frith, C. y U. Frith (2023), What Makes Us Social?, Cambridge: MIT Press.
Gopnik, A. y A. Meltzoff (1999), Palabras, pensamientos y teorías, Madrid: Visor.
Gopnik, A., Meltzoff, A. y P. Kuhl (1999), How Babies Think. The Science of Childhood, London: Weidenfeld & Nicolson.
Grossman, E., Donnelly, M., Price, R., Pickens, D., Morgan, V., Neighbor, G. y R. Blake (2000), “Brain Areas Involved in Perception of Biological Motion”, Journal of Cognitive Neuroscience 12: 711-720.
Hawkins, J. y S. Blakeslee (2004), On Intelligence. How a New Understanding of the Brain Will Lead to the Creation of Truly Intelligent Machines, Nueva York: Times Books, Henry Holt and Co.
Hawkins, J. (2023), Mil cerebros. Una nueva teoría de la inteligencia, Barcelona: TusQuets Editores.
Julia, L. (2019), L'intelligence artificielle n’existe pas, Paris: Éditions First.
Larson, E. (2022), El mito de la inteligencia artificial. Por qué las máquinas no pueden pensar como nosotros lo hacemos, Barcelona: Shackleton Books.
Llinás, R. (2001), I of the Vortex: From Neurons to Self, Cambridge: The MIT Press.
Madrid Casado, C. (2024), Filosofía de la inteligencia artificial, Oviedo: Pentalfa Ediciones.
Miele, D., Wager, T., Mitchell, J. y J. Metcalfe (2011), “Dissociating Neural Correlates of Action Monitoring and Metacognition of Agency”, Journal of Cognitive Neuroscience 23: 3620-3636.
Mora, F. (2020), Cómo funciona el cerebro, Madrid: Alianza Editorial.
Pelphrey, K., Singerman, J., Allison, T. y G. McCarthy (2003), “Brain Activation Evoked by Perception of Gaze Shifts: The Influence of Context”, Neuropsychologia 41: 156-170.
Perazzo, R. (1998), De cerebros, mentes y máquinas, Buenos Aires: Fondo de Cultura Económica.
Pinker, S. (2008), Cómo funciona la mente, Barcelona: Editorial Destino.
Rubio, E., Giri, L. y A. Ilcic (2023), “Desafíos epistemológicos en la era de las redes neuronales artificiales: abordando sistemas complejos desde una perspectiva computacional”, Argumentos de Razón Técnica 26: 145-178.
Rumelhart, D., Hinton, G. y R. Williams (1986), “Learning Representations by Back-propagating Errors”, Nature 323: 533-536.
Sigman, M. y S. Bilinkis (2024), Artificial. La nueva inteligencia y el contorno de lo humano, Bogotá: Debate.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
LicençaOs documentos publicados aqui são regidos pelos critérios de licenciamento Creative Commons Argentina.Atribución - No Comercial - Sin Obra Derivada 2.5
