MENTAL vs. La Hipótesis del Sistema de Símbolos Físicos

MENTAL vs. LA
HIPÓTESIS DEL
SISTEMA DE SÍMBOLOS
FÍSICOS

“Un sistema de símbolos físicos tiene los medios necesarios y suficientes de acción inteligente general” (Allen Newell y Herbert Simon)

“El comportamiento simbólico del hombre surge porque tiene las características de un sistema de símbolos físicos” (Allen Newell y Herbert Simon)

El modelo IPS de Simon y Newell
Herbert Simon y Allen Newell plantearon la hipótesis de que la “manipulación de símbolos” es la esencia de la inteligencia común a humanos y máquinas.

Según Simon y Newell, la mente humana y los ordenadores son tan similares que es posible elaborar una nueva teoría que unifique la psicología y la informática. Ambos son sistemas de proceso de símbolos.

Simon y Newell esperaban poder explicar la complejidad del pensamiento humano a partir de un cierto número de mecanismos psicológicos sencillos, dejando al ordenador la generación de la complejidad a partir de dichos mecanismos simples.

En su obra “Human Problem Solving” [1972], Simon y Newell presentaron la estructura general de un modelo unificado: el modelo IPS (Information Processing System). El modelo IPS se basa en la convicción de que los razonamientos humanos y las decisiones subsiguientes son estructurables y, por lo tanto, normalizables y programables siguiendo un cierto proceso que puede ser modelizado sobre un ordenador.

El modelo IPS consta de:

Símbolos. Es un conjunto de entidades elementales.
Expresiones. Los símbolos forman estructuras o expresiones mediante un conjunto de relaciones.
Procesos. Un proceso de información es un proceso serie que tiene expresiones como entrada y salida. Los procesos se pueden representar también como expresiones.

Características:

Los símbolos no ocupan memoria, pero las expresiones y los procesos sí.
Una expresión designa, referencia o apunta a un objeto o a otra expresión.
Hay una memoria de corto plazo para las expresiones de entrada/salida. Hay una memoria de largo plazo donde se almacenan las expresiones. Y también hay memoria externa. La memoria es asociativa gracias a las relaciones internas entre las expresiones.
Hay un conjunto de procesos de información elementales, que son 9 acciones genéricas que sirven para modelizar cualquier proceso de información. Están estructuradas según el esquema siguiente:

El modelo IPS −denominado “sistema de símbolos”− pretendía elevar el nivel de abstracción de una máquina de Turing. Es un ejemplo de máquina universal. Para demostrar que este modelo es universal, basta con demostrar que puede emular una máquina de Turing, lo cual es muy fácil de demostrar. Este sistema se presentó como el primer modelo de la mente humana, el denominado “modelo simbólico” o “computacional”.

Ejemplos de sistemas de símbolos

Lógica.
Símbolos: variables proposicionales y operadores lógicos.
Expresiones: expresiones lógicas bien formadas con los símbolos.
Procesos: reglas de inferencia.
Álgebra.
Símbolos: los números, las variables numéricas y los operadores aritméticos.
Expresiones: expresiones aritméticas o algebraicas bien formadas con los símbolos.
Procesos: evaluación de expresiones para producir resultados.
Ajedrez.
Símbolos: las piezas del ajedrez.
Expresiones: estados del tablero (posiciones de las piezas sobre el tablero).
Procesos: movimientos legales de las piezas que hacen pasar de un estado del tablero a otro.

Aplicaciones del Modelo IPS
Basándose en el modelo IPS, Newell y Simon desarrollaron las dos primeras aplicaciones de inteligencia artificial: el Teórico Lógico (Logic Theorist) y el Solucionador General de Problemas (General Problem Solver, GPS).

Simon y Newell presentaron el Teórico Lógico en la famosa “Conferencia Darmouth” (en el Darmouth College), en el verano de 1956 −una conferencia organizada por John McCarthy, Marvin Minsky, Claude Shannon y Nathan Rochester− considerado el evento fundacional de la inteligencia artificial.

Aunque el término “inteligencia artificial” fue acuñado por McCarthy, se considera que el campo de la inteligencia artificial fue fundado por Newell y Simon (con el Teórico Lógico y el GPS), pues se consideran modelos del razonamiento humano. También se consideran fundadores John McCarthy, Marvin Minsky y Oliver Selfridge [McCorduck, 2004].

El Teórico Lógico

El Teórico Lógico fue un programa desarrollado por Herbert Simon y Allen Newell, con la ayuda del programador Cliff Shaw en 1955.

Según sus autores, este programa proporcionaba un nexo entre psicología e informática. Fue capaz de demostrar varios teoremas de lógica simbólica, concretamente demostró 38 de los 52 primeros teoremas del capítulo 2 de Principia Mathematica, de Russell y Whitehead. Y realizó una demostración más elegante que la humana del teorema 2.85. Esta demostración la intentaron publicar en The Journal of Symbolic Logic, pero fue rechazada porque la demostración no era notable, ignorando el hecho de que el autor era un programa de ordenador.

Para desarrollar el Teórico Lógico crearon un nuevo lenguaje de programación, el lenguaje IPL (Information Processing Language) [ver Adenda], pues ningún lenguaje de los existentes en aquel momento se ajustaba a las necesidades exigidas de potencia, generalidad y flexibilidad para poder implementar el proyecto. Este lenguaje se utilizó también posteriormente en el GPS.

El Teórico Lógico representó un hito en el desarrollo de la inteligencia artificial y en la comprensión de la inteligencia en general. Introdujo nuevos conceptos que luego fueron centrales en el campo de la inteligencia artificial:

El razonamiento como búsqueda.
El Teórico Lógico exploraba un árbol de búsqueda. La raíz era el estado inicial. Cada rama era una deducción basada en las reglas de la lógica. Uno de los estados del árbol era el objetivo (la proposición a demostrar). El camino realizado a lo largo de las ramas era la demostración.
Reglas heurísticas.
Como el árbol de búsqueda crecía exponencialmente (se producía lo que se denomina “explosión combinatoria”), era necesario podar algunas ramas para evitar caminos que eran improbables (o poco probables) que condujeran a la solución. Para ello utilizaron reglas intuitivas, prácticas, simplificadoras, informales y generales. Llamaron a estas reglas “heurísticas”, un término introducido por George Pólya en su libro clásico “How to solve it”.

El libro de Pólya se centra en la solución de problemas matemáticos, pero muchas de sus técnicas son genéricas. El término “heurística” deriva del griego y significa básicamente “ayuda o guía para encontrar o descubrir algo”. La heurética es la ciencia que estudia la heurística y los métodos que la usan. Las reglas heurísticas son reglas sintéticas, genéricas, del lado derecho del cerebro. Las reglas normales son analíticas, de detalle, del lado izquierdo del cerebro.
El proceso de listas.
IPL implementaba una técnica de procesamiento de listas con la que se conseguía asociar expresiones. Los elementos de la lista se enlazaban mediante punteros, es decir, la secuencialidad era lógica, no física. Gracias a los enlaces entre punteros, la memoria era asociativa.

“El Teórico Lógico fue la demostración positiva de que una máquina podía ejecutar tareas hasta ahora consideradas inteligentes, creativas y únicamente humanas” [McCorduck, 2004].

Una descripción detallada del Teórico Lógico se puede encontrar en [Steffernd, 1963].

El Solucionador General de Problemas (General Problem Solver, GPS)

El GPS es un programa de ordenador creado en 1957 por Herbert Simon, Allen Newell y Cliff Shaw. Se trataba de una generalización del Teórico Lógico para intentar resolver todo tipo de problemas particulares mediante un procedimiento general. El GPS se implementó también en IPL.

En el GPS se aplicó la estrategia “problem space theory” (teoría del espacio del problema) donde residen los objetos. El conocimiento del problema se expresaba (en un lenguaje simbólico formal) mediante objetos y mediante las operaciones que podían hacerse entre los objetos para dar lugar a otros objetos. Las operaciones podían estar restringidas para aplicarse solo a ciertas clases de objetos. Una operación podía producir más de un objeto como resultado.

El GPS representó otro gran hito de la inteligencia artificial. Fue el primer programa de ordenador en el que se separó el conocimiento del problema (el “qué”) de la estrategia para resolverlo (el “cómo”), utilizando siempre el mismo mecanismo general de razonamiento, independientemente del problema a resolver.

El GPS se podía aplicar a una gran variedad de problemas: demostración de teoremas, juegos, problemas recursivos (como las torres de Hanoi), identidades algebraicas, criptoaritmética, problemas geométricos, etc.

En el juego del 8-puzzle o el 15-puzzle, los objetos son las diferentes configuraciones de las piezas. Las operaciones son los posibles movimientos que hacen pasar de un objeto a otro.
En el juego del ajedrez, los objetos son las diferentes disposiciones de las piezas sobre el tablero (estados del tablero). Las operaciones son los movimientos legales que dan lugar a nuevos estados del tablero.
En matemática, en un sistema axiomático formal, los objetos son los axiomas. Las operaciones son las reglas de inferencia. Demostrar un teorema es transformar unos objetos iniciales (los axiomas) en un objeto especificado previamente (el teorema). Una vez demostrado un teorema, éste pasa a engrosar la lista de objetos.
Construir un programa de ordenador. Los objetos son los posibles contenidos de la memoria. Las operaciones son las instrucciones del lenguaje de programación (o del lenguaje nativo del ordenador) que alteran el contenido de la memoria. Un programa es una secuencia de operaciones que transforma un estado de la memoria en otro. El problema que se plantea en programación es encontrar una secuencia de instrucciones que conduzca de un estado inicial de la memoria al estado final.

El GPS utilizaba dos heurísticas:

Análisis de medios-fines (means-ends analysis).
Los medios son los objetos y las operaciones entre los objetos para conseguir el objetivo. Se realiza un análisis en cada momento de las alternativas disponibles y se seleccionan los objetos y las operaciones que más se acercan al objetivo.
Planificación (planning).
La planificación permite construir una solución en términos generales, antes de considerar los detalles. Para ello se omiten ciertos detalles de los objetos y de las operaciones para simplificar el problema, ignorando diferencias no significativas entre los objetos y entre las operaciones. Una vez llegado al estado objetivo, se consideran los detalles.

En general, el proceso para alcanzar un objetivo es recursivo, y es el siguiente:

Crear una lista con solo un elemento: el objeto inicial.
Recorrer todos los objetos de la lista y todas las operaciones posibles para obtener nuevos objetos, seleccionando aquellos objetos que más se aproximan al objeto final, añadiéndolos al final de la lista.
Eliminar los objetos expandidos de la lista.
Si uno de los nuevos objetos es el objetivo, finalizar el proceso con éxito.
Si ya no hay nuevos posibles estados, finalizar el proceso con fracaso. En caso contrario, volver al punto 2.

La estructura de los objetos posibles puede recorrerse en amplitud o profundidad. En amplitud, los nuevos objetos se obtienen expandiendo horizontalmente todos los objetos del nivel anterior. En profundidad, los nuevos objetos se obtienen expandiendo verticalmente los objetos del nivel anterior.

El sistema GPS se describe en un libro que se considera un hito científico del siglo XX: “Human Problem Solving” [Newell & Simon, 1972].

La Hipótesis del Sistema de Símbolos Físicos
Los éxitos del paradigma simbólico (con los sistemas IPS y GPS) animaron a Simon y Newell a dar un paso más allá y proponer la Hipótesis del Sistema de Símbolos Físicos (Physical Symbol System Hypothesis): “Un sistema de símbolos físicos tiene los medios necesarios y suficientes de acción inteligente general”.

En otras palabras, la condición necesaria y suficiente para que un sistema físico exhiba inteligencia general es que sea un Sistema de Símbolos Físicos (SSF). “Necesaria” significa que cualquier sistema físico que exhiba inteligencia es un SSF. “Suficiente” significa que cualquier SSF puede ser organizado para que exhiba inteligencia general. “Inteligencia general” significa lo mismo que inteligencia humana.

La hipótesis SSF no puede demostrarse a nivel lógico. Está sujeto a su validación empírica. La hipótesis se considera validada si se pueden construir programas simbólicos inteligentes y si los estudios psicológicos muestran que los humanos piensan manipulando símbolos.

Los sistemas simbólicos se califican de “físicos” para indicar que existen en los dispositivos físicos del mundo real, en los ordenadores y en los cerebros. En los cerebros existe de manera natural. En los ordenadores existen de forma artificial. Los ordenadores han permitido traspasar los sistemas de símbolos desde el mundo platónico de las ideas al mundo empírico de los procesos reales.

Un SSF consta de lo mismo que un sistema de símbolos (teórico), pero con la particularidad de que el sistema es físico, es decir, es una implementación física de un sistema de símbolos. Y está sujeto a las leyes de la física, es decir, que son realizables o implementables mediante ingeniería o computación electrónica. Los sistemas simbólicos son abstractos. Los SSF son concretos.

Sistema de símbolos físicos de Newell

Newell, en su publicación “Sistemas de Símbolos Físicos” [1980, 1987], presentó una variación del modelo IPS, con 10 operaciones:

De entrada/salida: Input (Entrar), Read (Leer), Write (Escribir).
De Control: Do (Hacer), Exit-if (Salir-si), Continue-if (Continuar-si), Behave (Actuar), Copy (Copiar), Assign (Asignar), Quote (No evaluar)

Las cuatro primeras operaciones de control son para bucles. El operador Quote trata los procesos como datos. El operador “Asignar” implementa el concepto de asignación o representación y, según Newell, desempeña un papel muy importante, el más fundamental en un sistema de símbolos, pues establece una relación básica entre un símbolo y la entidad que designa o representa.

Contenido y características de un SSF

Un SSF consta de:

Símbolos. Es un conjunto de entidades que son patrones físicos fundamentales. El símbolo es la unidad elemental de proceso de información.
Expresiones. Son estructuras que relacionan símbolos de una manera física.
Procesos. Crean, modifican, reproducen y eliminan expresiones.

Características:

En todo instante, el estado de un SSF es una colección de expresiones y una colección de procesos operando sobre esas expresiones. Un SSF es un sistema que evoluciona mediante la dinámica de las expresiones.
Una expresión puede referirse a sí misma como un proceso computacional que el sistema puede evocar y ejecutar. Una expresión también puede designar un objeto del mundo o a otra expresión.
Hay una memoria de largo plazo que es asociativa y que tiene prácticamente una capacidad infinita para almacenar información. Hay una memoria de corto plazo que tiene una capacidad limitada, que decae con el tiempo (no es permanente) y tiene menor tiempo de acceso que la de largo plazo. Hay también memoria externa.
El espacio del problema es donde tiene lugar la resolución del problema. Contiene la solución y las posibles soluciones. La efectividad para encontrar una solución depende de la estructura del espacio del problema.

Implicaciones de la hipótesis SSF

Inteligencia artificial.
La hipótesis implica que las máquinas pueden tener mente (o inteligencia) como las personas. Esta posición fue denominada “inteligencia artificial fuerte” por el filósofo John Searle. Denominó “inteligencia artificial débil” a la simulación de la inteligencia humana.

Para Searle, las máquinas no pueden tener mente porque son solo procesadores de símbolos, son solo sintácticas, sin semántica. Para mostrarlo puso su famoso ejemplo de la habitación (o caja) china.
Informática.
Un SSF tiene el poder computacional de un ordenador universal. Representa un modelo universal de computación. Unos pocos recursos computacionales elementales (como en la máquina de Turing) bastan para resolver toda clase de problemas. A nivel artificial (ordenadores), los símbolos son datos, las expresiones son combinaciones de datos, y los procesos son programas que manipulan los símbolos y las expresiones.
Psicología.
El razonamiento simbólico humano tiene las características de un SSF. Los humanos procesan información simbólica para resolver problemas. Un SSF puede exhibir tanta inteligencia como la humana.

La hipótesis del SSF pretendía resolver dos problemas importantes: 1) el problema de la relación mente-cuerpo, un problema que fue planteado por Descartes; 2) el problema de la existencia de la mente en este universo físico. La respuesta a ambos problemas es que la mente existe como un sistema de símbolos implementados físicamente.

La hipótesis del SSF es aplicable por igual en psicología cognitiva y a la inteligencia artificial, pues constituye una descripción abstracta tanto de la mente humana (como procesador de información) como de un ordenador. Esto implica una conexión directa entre informática y psicología experimental. Por lo tanto, los procesos cognitivos pueden ser estudiados con la ayuda del ordenador.

El pensamiento humano y los procesos cognitivos consisten en procesos computacionales que operan sobre expresiones, como la creación, modificación, replicación y eliminación de expresiones, donde unas expresiones actúan sobre otras.

A nivel natural (humano) las expresiones son pensamientos, los símbolos están codificados en nuestros cerebros, y los procesos son operaciones mentales de pensar.
Modelo de la mente.
La teoría representacional de la mente (que es una consecuencia de la hipótesis del SSF) afirma que la cognición se entiende mejor como computaciones que usan representaciones mentales, de la misma forma que los cálculos aritméticos usan numerales.

La teoría computacional de la mente, defendida por varios autores, entre ellos Jerry Fodor. El proceso de símbolos es la base del pensamiento y la cognición humana. Las representaciones mentales forman el lenguaje del pensamiento (Mentalés).
Lingüística.
Según Chomsky, las gramáticas de los lenguajes naturales requieren precisamente el poder computacional de un SSF.
Filosofía.
La idea de que el pensamiento humano es una clase de manipulación de símbolos tiene sus raíces filosóficas en varios autores, entre ellos destacan:
- Hobbes. El razonamiento no es más que cálculo.
- Leibniz. Intentó crear un cálculo lógico del razonamiento humano.
- Kant. Toda experiencia está controlada por reglas mentales internas.

La hipótesis SSF fue propuesta por Simon y Newell en un famoso artículo titulado “Computer Science as Empirical Enquiry: Symbols and Search”, publicado en 1976, y que es el registro de la conferencia que impartieron con motivo de la concesión del premio Turing en 1975.

“El concepto de sistema de símbolos físicos es la contribución más fundamental de la inteligencia artificial y de la informática a la ciencia cognitiva” [Newell, en Norman 1981].

“Hemos inventado un programa de ordenador capaz de pensar no-numéricamente, y de este modo resolver el venerable problema mente-cuerpo, explicando cómo un sistema compuesto de materia puede tener las propiedades de la mente” [Herbert Simon, citado en Crevier, 1993].

Críticas a la Hipótesis del Sistema de Símbolos Físicos

La hipótesis del SSF ha sido criticada por cinco razones principales:

La inteligencia es algo más que la simple manipulación de símbolos. La inteligencia requiere sentir, actuar y experimentar.
La objeción de Searle: los ordenadores no tienen conciencia de lo que hacen. Son solo procesadores de símbolos, sin semántica.
Además del proceso discreto realizado con los símbolos, también se requiere proceso analógico, principalmente ligado a la percepción y al reconocimiento de patrones.
El cerebro no es un ordenador y la computación no es un modelo de la inteligencia. El cerebro aprende y los ordenadores no tienen iniciativa; solo hacen lo que se les ha programado.
Muchos comportamientos inteligentes trascienden lo racional hacia un plano intuitivo.

En definitiva, se necesitan los dos modos de conciencia: analítico y sintético, digital y analógico, racional e intuitivo, semántica y sintaxis, etc.

MENTAL vs. Hipótesis del Sistema de Símbolos Físicos
Podemos establecer las siguientes analogías y diferencias:

Abstracción.
MENTAL está en un nivel de abstracción superior a IPS/SSF. Sus primitivas son grados de libertad, por lo que no implementa ninguna heurística ni procedimiento especial. Pero su programación es muy simple, al disponer de recursos genéricos y flexibles. IPS/SSF es una abstracción superior a la máquina de Turing. MENTAL es la abstracción conceptual suprema.
Símbolos.
Los símbolos no tienen fundamento, no tienen semántica. Las primitivas de MENTAL son semánticas, con las cuales se pueden construir todo tipo de expresiones. MENTAL utiliza símbolos para las primitivas. Y la semántica lexical es igual a la semántica estructural.
Instrucciones.
Las instrucciones de IPS/SSF tienen más bien un carácter implementador. No son conceptos primarios, como los que utiliza MENTAL.
Expresiones.
Las expresiones de IPS/SSF se corresponden con las expresiones de MENTAL. Las expresiones se designan a sí mismas (si se autoevalúan) o designan a otras (si no se autoevalúan).
Procesos de información.
Los procesos de información consisten en la manipulación y evaluación de expresiones.
Modelo de la mente.
IPS/SSF se considera un modelo de la mente, que hoy día denominamos “computacionalismo”. Pero la mente no es algo concreto y, por consiguiente, no tiene ningún modelo concreto. Por el contrario, MENTAL no es un modelo concreto de la mente; es un metamodelo de la mente basado en grados de libertad que son los arquetipos de la conciencia.
Ciencia cognitiva.
El tema de la mente es aparentemente tan complejo que necesita un enfoque multidisciplinario. Para ello se creó la Ciencia Cognitiva formada por el llamado “hexágono cognitivo”: neurociencia, antropología, inteligencia artificial, psicología, lingüística y filosofía. MENTAL integra de manera simple las cuatro últimas mediante un lenguaje universal que es el fundamento de todas las ciencias formales.
Paradigmas.
IPS/SSF es un paradigma computacional. MENTAL es un paradigma universal basado en el concepto genérico de “expresión”, que puede ser descriptiva u operativa. Como paradigma universal permite expresar todo tipo de paradigmas particulares.
Primitivas.
Ambos sistemas utilizan un conjunto de primitivas. IPS/SSF utiliza primitivas operativas para modelizar los procesos de información, según el paradigma computacional. MENTAL es más genérico, pues está basado en primitivas semánticas universales.

Las primitivas de IPS/SSF son simples. Las primitivas de MENTAL son pares de opuestos y configurado como el lenguaje de la conciencia.
Solucionador general de problemas.
MENTAL no es un “solucionador general de problemas”, pero los problemas se simplifican, se aclara o se resuelven al utilizar primitivas de supremo nivel de abstracción. En este sentido, MENTAL se puede considerar un GPS.
Inteligencia artificial.
MENTAL es un lenguaje de programación y también es un lenguaje de inteligencia artificial.
Universalidad.
IPS/SSF es un sistema que pretendía unir psicología e informática. MENTAL es más ambicioso: pretende ser el fundamento de todas las ciencias formales y la ciencia universal.

MENTAL vs. modelo IPS

Nº	Instrucción IPS	MENTAL
1	Leer	(1)
2	Escribir	(1)
3	Almacenar	(2)
4	Mover	`(x° = y) (y° = θ)`
5	Copiar	`(x° = y)`
6	Comparar	`(x op y) → acción` (3)
7	Borrar	`(y° = θ)`
8	Agregar	`Agrupación serie o paralela`
9	Desagregar	`grupo↓`

(1) En MENTAL no hay operaciones de entrada/salida porque se consideran de tipo implementador, de transferencia entre la memoria interna (espacio abstracto) y el mundo externo.

(2) La operación de almacenar está implícita. Toda expresión reside en el espacio abstracto.

(3) “op” es un operador de comparación.

MENTAL vs. SSF de Newell

Nº	Instrucción SSF	MENTAL
1	Entrar	(1)
2	Leer	(1)
3	Escribir
4	Hacer	(2)
5	Salir si
6	Continuar si
7	Actuar	Ejecutar (`!`)
8	Copiar	`(x° = y)`
9	Asignar	`(x° = y)` o `(x° =: y)` (3)
10	Quote	No evaluar (`x°`)

(1) En MENTAL no hay operaciones de entrada/salida por las razones mencionadas anteriormente.

(2) Estas tres instrucciones se refieren a bucles. En MENTAL los bucles se implementan mediante las primitivas. Hay operaciones condicionales. En MENTAL la condición es una primitiva independiente.

(3) La operación “Asignar” se corresponde en MENTAL con la primitiva “Sustitución”, en sus dos variantes: como sustitución inmediata y diferida (o representación).

Una primitiva fundamental que no tiene IPS ni el sistema de símbolos físicos es “Generalización”, una primitiva “meta” que permite definir diferentes paradigmas de programación.

Adenda
Más sobre Simon y Newell

Simon fue uno de los padres fundadores de varios campos científicos, incluyendo inteligencia artificial, proceso de información, psicología cognitiva, toma de decisiones, resolución de problemas, teoría de la organización, teoría de la administración, econometría, ciencia del diseño, ciencias sociales y políticas, sistemas complejos, investigación operativa y simulación por ordenador. Recibió el premio Nobel de Economía en 1978.

Simon fue un científico interdisciplinario y universalista. Su motivación principal era entender los mecanismos del pensamiento racional humano en la resolución de problemas y su aplicación a las máquinas. Buscó siempre la raíz común a todo y a la vez la máxima simplicidad. Según Simon, la complejidad emerge de la simplicidad, por lo que hay que buscar los patrones simples ocultos subyacentes.

Su libro de 1947 “Administrative Behaviour: a Study of Decision Making Processes in Administration Behaviour” es considerado el libro más influyente del siglo XX en el campo de la gestión. En él conecta diferentes disciplinas (ciencia política, economía, administración, lógica, psicología, etc.) y afirma dos cosas: 1) que la toma de decisiones es el fundamento de toda administración; 2) que la teoría de la administración debe derivarse de la lógica y de la psicología de la elección (o decision) humana.

Simon asociaba la inteligencia con la toma de decisiones. La esencia de la inteligencia es la capacidad de elegir la mejor opción entre las alternativas disponibles y según las restricciones existentes. Simon hablaba de la “racionalidad limitada” (bounded racionality) a nivel personal por tres causas: 1) por la información disponible; 2) por las limitaciones cognoscitivas del sujeto; 3) por el tiempo disponible para tomar la decision.

En “Las ciencias de lo artificial”, Simon [2006] expone su hipótesis de que la computación y la mente humana son sistemas de proceso de símbolos.

Por su parte, Newell basó toda su carrera científica en la cuestión de la naturaleza de la mente y de la inteligencia. Durante su vida recibió una gran cantidad de honores.

Simon y Newell recibieron conjuntamente el premio Turing en 1975 por sus contribuciones a la inteligencia artificial y la psicología cognitiva. Ambos aprovecharon la conferencia del premio para presentar su hipótesis del Sistema de Símbolos Físicos y los principios básicos de la inteligencia como proceso de información.

IPL (Information Processing Language)

IPL fue un lenguaje con el que se implementó el Teórico Lógico y el GPS. IPL implementaba características de tipo general como: listas, listas de propiedades, esquemas, recursión, proceso de símbolos, funciones de orden superior, generadores y multitarea cooperativa. IPL fue el primer lenguaje de programación que implementó listas y el primero en en soportar recursión.

IPL fue pronto reemplazado por Lisp, un lenguaje de alto nivel con características aún más potentes y con una sintaxis más simple.

SOAR

El paradigma GPS evolucionó, con Simon y Newell, hasta convertirse en SOAR (State Operator And Result), una teoría unificada de la cognición humana y una arquitectura para resolución de problemas y aprendizaje.

SOAR se basa en un conjunto de hipótesis cognoscitivas similares a la estructura de la resolución de problemas por los humanos:

La memoria a largo plazo está estructurada como un sistema de producción (conjunto de reglas). Las reglas se pueden aplicar en serie o paralelo.
La memoria a corto plazo (memoria de trabajo) es una memoria donde se almacenan las percepciones y los hechos inferidos por las reglas de largo plazo.
La resolución de problemas se realiza en un espacio de estados. Se exploran los estados, las reglas a aplicar y los efectos que producen las reglas. Todos los resultados (intermedios y finales) se registran para futuras referencias.
Hay meta-reglas, reglas que establecen las reglas a seleccionar y aplicar entre un conjunto de reglas aplicables posibles, reglas de preferencia de operadores, y reglas de preferencia de unos estados sobre otros.

Bibliografía

Crevier, Daniel. AI: The Tumultuous History of the Search for Artificial Intelligence. Basic Books, 1994.
Ernst, G.; Newell, Allen. GPS: A Case Study in Generality and Problem Solving. Academic Press, 1969.
Le Moigne, J.L. La modélisation des Systèmes complexes. Editions AFCET Système, Dunod 1990.
McCorduck, Pamela. Machines who think. A.K. Peters, 2004.
Newell, Allen. Physical Symbol Systems. Cognitive Science, 4, 135-183, 1980.
Newell, Allen. Sistemas de símbolos físicos. En Donald A. Norman (ed.), Perspectivas de la Ciencia Cognitiva, Paidós Ibérica, pp. 51-107, 1987.
Newell, Allen. Unified Theories of Cognition. Harvard University Press, 1994.
Newell, A., Shaw, J.C.; Simon, H.A. Elements of a theory of human problem solving. Psychological Review, 65, 151-166, 1958.
Newell, Allen; Simon, Herbert A. Human Problem Solving. Prentice-Hall, 1972.
Newell, Allen; Simon, Herbert A. The Logic Theory Machine: A Complex Information Processing System. The Rand Corporation P-868, June 15, 1956. Disponible online.
Newell, Allen; Simon, Herbert A. Computer Science as Empirical Enquiry: Symbols and Search. Communications of the ACM, 10 (3): 113-126, March 1976. Disponible online.
Newell, Allen; Simon, Herbert A. GPS, a program that simulates human thought. En Edward A. Feigenbaum & Julian Feldman Computer and Thought. MacGraw-Hill, 1963.
Newell, A., Shaw, J.C.; Simon, H.A. Elements of a theory of human problem solving. Psychological Review, 65, 151-166, 1958.
Newell, Allen. A guide to the general problem-solver program GPS-2-2. RAND Corporation, Santa Monica, California. Technical Report No. RM-3337-PR, 1963.
Newell, A.; Shaw, J.C.; Simon, H.A. Report on a general problem-solving program. Proceedings of the International Conference on Information Processing. pp. 256-264, 1959.
Nilsson, Nils J. The Physical Symbol System Hypothesis: Status and Prospects. Internet.
Norman, D.A. (ed.). Perspectives in Cognitive Science. Ablex Pub. Co., 1981.
Norvig, Peter. Paradigms of Artificial Intelligence Programming. Morgan Kaufmann Publishing, 1991.
Russell, Stuart; Norvig, Peter. Artificial Intelligence: A Modern Approach (AIMA). Prentice-Hall, 2009. Disponible online. (Es el texto sobre inteligencia artificial más difundido del mundo.)
Simon, Herbert A. Las ciencias de lo artificial. Comares, 2006. Disponible online.
Steffernd, Einar. The Logic Theory Machine: A Model Heuristic Program. Rand Corporation, memorandum RM-3731-CC, June 1963.