Es complejo, por no decir imposible encontrar una definición general de la Inteligencia Artificial y dependerá mucho del contexto en el que es empleada la palabra inteligencia, para ello Alan Turing en “Computing machinery and intelligence” expone la complejidad de la definición a través del “Juego de la imitación” , propone la arquitectura básica de la computadora digital a través de la abstracción del comportamiento humano y expone las principales objeciones a la pregunta principal de su artículo: “¿Pueden las máquinas pensar?.

En el juego de la imitación se propone la participación sin interacción física de tres personas, un hombre, una mujer y un interrogador. El objetivo del juego para el interrogador es determinar cuál de los participantes es el hombre y cuál es la mujer, es entonces cuando se propone suplantar la identidad del hombre y en su lugar poner el de una computadora. 

La computadora supera la prueba si un evaluador humano no es capaz de distinguir si las respuestas, a una serie de preguntas planteadas, son de una persona o no y  se dirá que ha cumplido el Test de Turing y  que por lo tanto se puede considerar un agente inteligente. Esto nos recordara a la película «Ex- machina» que por supuesto esta muy lejos de ser verdadero. Pero, en la actualidad ¿Qué es lo más cercano que tenemos ?.

Alan Turing en vez de proporcionar una lista larga y quizá controvertida de cualidades necesarias para obtener inteligencia artificialmente, él sugirió una prueba basada en la incapacidad de diferenciar entre entidades inteligentes indiscutibles y seres humanos. 

La computadora deberá contar con las siguientes capacidades :

• Procesamiento de lenguaje natural que le permita comunicarse satisfactoriamente.
• Representación del conocimiento para almacenar lo que se conoce o siente.
• Razonamiento automático para utilizar la información almacenada para responder a preguntas y extraer nuevas conclusiones. 
• Aprendizaje automático para adaptarse a nuevas circunstancias y para detectar y extrapolar patrones.
• Visión computacional para percibir objetos.
• Robótica para manipular y mover objetos.

Estas capacidades se convirtieron con el paso del tiempo en disciplinas de la Inteligencia Artificial, por ejemplo PLN (Procesamiento del Lenguaje Natural) es ahora una de áreas más complejas pues trata de hacer una abstracción del lenguaje humano y llevarla a un nivel máquina.

En la Robótica, los esfuerzos humanos han ayudado con la implementación de estas tecnologías en la exploración espacial, pues los costos por enviar humanos en comparación de máquinas es más bajo en todos los aspectos. Un ejemplo es el Curiosity un vehículo tipo Rover enviado el 26 de noviembre del 2011 para la exploración del planeta rojo.

El Machine Learning o ML se convirtió en otro subcampo de la Inteligencia Artificial que provee de nuevas herramientas y técnicas que permitan que las maquinas aprendan. Entre los sistemas de ML se pueden clasificar de acuerdo a la cantidad y tipo de supervisión que reciben durante el entrenamiento, los más recurrentes son: Supervisado, No supervisado, Semi–supervisado y Reforzado.

El crecimiento de las disciplinas propuestas anteriormente como características fundamentales para cumplir con el Test Turing son ejemplo claro de la transformación de la teoría propuesta por Alan Turing en 1950 , a la práctica, que hoy que es semilla de nuevas herramientas y que probablemente con el paso del tiempo se vuelvan Ciencias.

Escrito por Irving Ariel Escamilla Jacobo.