Margaret A. Boden

Uno es tecnológico: usar los ordenadores para hacer cosas útiles (a veces empleando métodos muy distintos a los de la mente). El otro es científico: usar conceptos y modelos de IA

Los lenguajes de programación también son máquinas virtuales (cuyas instrucciones tienen que ser traducidas al código de la máquina para que las pueda llevar a cabo).

Los lenguajes de programación no son el único caso de máquinas virtuales. Las máquinas virtuales suelen estar compuestas por patrones de actividad (o procesamiento de la información) a varios niveles, y no solo en el caso de las que emplean los ordenadores.

binarios representados por “0” y “1”. Después de descifrar códigos en Bletchley Park durante la Segunda Guerra Mundial, Turing pasó el resto de la década de 1940 pensando en cómo podría hacer un modelo físico aproximado de su máquina definida de manera abstracta

A mediados de la década de 1950, sin embargo, se desarrollaron máquinas más potentes y/o más fáciles de usar. “Fácil de usar”, en este caso, no significa que fuese más fácil pulsar los botones del ordenador o moverlo por la habitación.

El segundo de estos indicios tuvo lugar a finales de la década de 1950, cuando la Máquina de la Teoría Lógica no solo demostró dieciocho de los teoremas lógicos principales de Russell, sino que además halló una prueba más elegante para uno de ellos.6 Fue algo verdaderamente impresionante, porque si bien Samuel no era más que un jugador de damas mediocre, Russell era un lógico de primera fila a nivel mundial.

Construyó mini-robots parecidos a tortugas, cuyo circuito electrónico sensoriomotor encajaba en la teoría de reflejos neuronales de Sherrington

Este programa de inteligencia artificial simbólica aprendía a reconocer patrones mediante muchos “demonios” de nivel inferior que buscaban cada uno una única entrada perceptual y transmitían el resultado a demonios de un nivel superior.

En suma, a finales de la década de 1960, y en algunos casos mucho antes, se estaban concibiendo e incluso implementando todos los tipos principales de IA

ejemplo, el “deep learning” o aprendizaje profundo se utiliza a veces en sistemas potentes que combinan la lógica simbólica con las redes probabilísticas multicapa; y otros enfoques híbridos incluyen ambiciosos modelos de consciencia (véase el capítulo VI)