Una cosa es el concepto de inteligencia artificial y otra diferente sus enfoques o fundamentos. Hay una distinción importante porque siguen ámbitos de investigación distintos y la unificación de estos enfoques es hoy reclamada en beneficio de la eficiencia creadora.
En Dartmouth en 1956, concurrieron dos concepciones científicas; dos formas de entender y abordar la IA que la han llevado por caminos tecnológicos distantes y que en la actualidad se mantiene: el enfoque simbólico o estrategia Top-down (de arriba abajo) también conocida por IA débil, y el enfoque conexionista o subsimbólico o estrategia Bottom-up (de abajo a arriba), conocida como IA fuerte.
Ambos poseen su fundamento filosófico: el sistema Bottomup encuentra sus raíces en los postulados de David Hume y John Stuart Mill, así como en los psicólogos Iván Pávlov y B.F. Skinner. El enfoque Top-down en Platón y los filósofos racionalistas como Descartes.
I. Enfoque simbólico o IA débil
Newell y Herbert Simon sostuvieron que las maquinas deben procesar información mediante un lenguaje simbólico integrado por leyes lógicas.
Esta concepción de la IA rechaza reproducir la biología del cerebro como base de la cognición, pero intenta emular su funcionamiento racional porque lo consideran como un sistema de procesamiento de información.
Emplea tecnologías que manipulan símbolos. Y es precisa una información estructurada, bien organizada en forma de reglas lógicas. El conocimiento se obtiene mediante deducción, es decir, ir de lo general a lo particular, que es propiamente humano.
Esta concepción de inteligencia es rebatida por el filósofo John Searle puesto que la racionalidad no es un conjunto de reglas lógicas, sino que se trata de un fenómeno biológico y, por tanto, universal para todos los seres humanos.
A Simon y Newell se debe el primer sistema de inteligencia artificial del mundo al crear el Logic Theorist conocido también como Maquina de la Teoría Lógica en 1956. Este programa de ordenador fue capaz de resolver la mayor parte de los teoremas de la formalización matemática de Whitehead y Russell de 1910.
El enfoque simbólico recibe un impulso por la empresa IBM y sus investigadores Harlan Mills y Niklaus Wirth.
Alcanzó un notable éxito en el procesamiento de textos y el reconocimiento de voz, así como disciplinas lógicas como los juegos de ajedrez y damas
Despertó gran interés la creación de máquinas que resolvían problemas matemáticos en la creencia de que resolviendo lo más complejo solucionarían lo más simple. Ello no fue así. Tampoco resultó acertada la hipótesis de que la solución de problemas de juegos en ámbitos muy concretos, simplificarían una realidad compleja facilitando su resolución.
Tras distintos proyectos de investigación se llegó a los IKBS (Sistemas inteligentes basados en el conocimiento) también conocidos como Sistemas Expertos, principal aportación de este enfoque simbólico.
Considerado como subconjunto de la IA según Rossini, procesan una ingente información estructurada sobre una parcela del conocimiento mediante un sistema lógico. Resuelven problemas especializados en áreas determinadas.
El primer Sistema Experto fue desarrollado por Edward Feigenbaum de la Universidad de Stanford en 1965, especializado en análisis químico, se llamó DENDRAL. Seguido en 1974 por MYCIN primer sistema experto en medicina desarrollado por Ted Shortliffe también en Stanford.
Cabe considerar como Sistema Experto a los sistemas de información enfocados a la Toma de Decisiones Empresariales, como el DSS.
Quedó así demostrado el poder de los sistemas basados en reglas para la representación del conocimiento y la inferencia o procesamiento interpretativo para diferentes campos de conocimiento. Esta operación se ejecuta mediante el algoritmo llamado RETE, también son frecuentes el Eager Evaluation y el Lazy Evaluation.
Frente a lo humano contingente los Sistemas Expertos son sistemas estables de información y toma de decisiones dados su infalibilidad e inalterabilidad ante un mismo problema en el tiempo.
Como puntos negativos carecen de sentido común y además no son capaces de discriminar las cuestiones relevantes de las triviales.
Además, como razona el filósofo John Searle en su libro El misterio de la conciencia, las aplicaciones de IA operan con la sintaxis, pero no con la semántica, por ello, un ordenador no puede explicar la intencionalidad o significado de lo que procesa. Este es el gran problema de los sistemas de IA en la actualidad.
Sin embargo, son valorados en el mercado por su flexibilidad y confiabilidad y constituyen una tecnología de probada efectividad.
Una manifestación moderna de este enfoque simbólico es la llamada «planificación» para la ejecución de juegos. Junto a las técnicas heurísticas constituyen la base de los programas de navegación que localizan direcciones físicas evitando extraviarnos y optimizan la logística en empresas de distribución de mercancías.