1. El Progreso Científico y la Falibilidad Humana

Popper establece en Conjeturas y refutaciones la premisa fundamental de que el conocimiento científico progresa esencialmente aprendiendo de nuestros errores. En lugar de buscar la certeza absoluta o la prueba definitiva, la racionalidad de la ciencia radica en su disposición a someter sus ideas a la crítica más severa posible. El ser humano es intrínsecamente falible, lo que implica que todas nuestras teorías científicas no son verdades definitivas, sino simplemente soluciones tentativas o conjeturas audaces que se proponen para resolver problemas y que deben sobrevivir a constantes intentos de refutación.

2. El Criterio de Falsabilidad como Solución al Problema de la Demarcación

El problema de la demarcación consiste en hallar un criterio para trazar una línea divisoria entre los enunciados de las ciencias empíricas y otros sistemas de enunciados como la metafísica, la religión o las pseudociencias. Popper propone que un enunciado o sistema de enunciados posee carácter científico si y solo si es falsable o refutable. Esto significa que debe ser capaz de entrar en conflicto con observaciones concebibles o lógicamente posibles.

3. Las Pseudociencias de Viena: El Problema de la Irrefutabilidad

En 1919, Popper analizó tres teorías muy populares en Viena: la teoría marxista de la historia, el psicoanálisis de Sigmund Freud y la psicología del individuo de Alfred Adler. Observó que sus seguidores estaban impresionados por su aparente poder explicativo, puesto que estas teorías parecían capaces de explicar absolutamente todo lo que sucedía dentro de sus campos. Para Popper, esta aparente fortaleza era en realidad su mayor debilidad: eran de carácter irrefutable.

• El Psicoanálisis y la Psicología Individual: No existía conducta humana concebible que pudiera refutarlas. Cualquier acción, por contradictoria que pareciese, podía ser interpretada por un analista a la luz de las represiones freudianas o el sentimiento de inferioridad adleriano sin someterse jamás a un test genuino de desmentido.
• La Teoría de Einstein como Contraste: La teoría de la relatividad de Albert Einstein hizo una predicción altamente riesgosa (confirmada por Eddington en el eclipse de 1919) donde se indicaba que la gravedad de los cuerpos masivos desviaría la trayectoria de la luz estelar. Si la observación hubiese mostrado un resultado distinto, la teoría habría quedado destruida. Su carácter científico residía precisamente en su alto riesgo y refutabilidad.

4. La Lógica de la Crítica y el Ideal Regulador de la Verdad

Popper sostiene que la deducción es la base del racionalismo crítico debido a una regla de retransmisión de la lógica formal: la verdad se transmite de las premisas a la conclusión, pero la falsedad se retransmite de la conclusión a las premisas (el Modus Tollens). Esto convierte a la lógica deductiva en el verdadero Organon de la crítica racional.

Asimismo, Popper defiende el concepto de verdad absoluta y objetiva propuesto por Alfred Tarski, el cual entiende la verdad como la correspondencia de un enunciado con los hechos. Popper define la verdad como una idea reguladora: un ideal hacia el cual apunta el esfuerzo científico. Aunque nunca podamos estar seguros de haber alcanzado la verdad absoluta, el descarte sucesivo de teorías falsadas nos permite incrementar de manera demostrable nuestra verosimilitud (el grado de aproximación a la verdad).

1. Ciclos Históricos de la IA: Hype y Desilusión

En Artificial Intelligence: A Guide for Thinking Humans, Melanie Mitchell analiza los vaivenes históricos que han caracterizado al desarrollo de la IA desde la mítica conferencia de Dartmouth en 1956. El campo de la IA se describe a través de transiciones recurrentes entre "primaveras de la IA" (épocas de financiamiento masivo y predicciones de que la Inteligencia Artificial General o AGI llegaría en pocos años) y los crudos "inviernos de la IA" (colapsos financieros y de reputación científica que ocurren cuando las promesas desmesuradas no se materializan). Como recordaba el cofundador de la IA John McCarthy tras cinco décadas de investigación: "La IA fue más difícil de lo que pensábamos".

2. El Gran Cisma: IA Simbólica frente a IA Subsimbólica

Mitchell expone la división fundamental en la historia técnica de la disciplina:

• La IA Simbólica (GOFAI - Good Old-Fashioned AI): Sostiene que la inteligencia se puede lograr mediante la manipulación de palabras o frases ("símbolos") comprensibles para el ser humano y reglas lógicas programadas explícitamente. Ejemplos emblemáticos son el General Problem Solver (GPS) de Newell y Simon, que resolvía acertijos lógicos formales, y el masivo proyecto Cyc de Douglas Lenat, que busca codificar a mano millones de afirmaciones de sentido común. Su gran limitación es la fragilidad (brittleness): ante el menor desvío o imprevisto fuera de sus reglas, el sistema colapsa de forma estrepitosa.
• La IA Subsimbólica (Conexionismo / Redes Neuronales): Inspirada en la arquitectura del cerebro, busca modelar los procesos del pensamiento rápido y la percepción inconsciente (e.g., reconocimiento de patrones). En lugar de reglas lógicas, opera mediante capas de ecuaciones con millones de pesos numéricos incomprensibles de forma directa. Como señaló el filósofo Andy Clark, este enfoque es "malo para la lógica, pero excelente para el Frisbee": es ideal para atrapar pelotas o identificar caras, pero extremadamente opaco y carente de lógica explicable.

3. La "Barrera del Significado" y los Conceptos Sujeta-Maletas

Mitchell retoma la pregunta del matemático Gian-Carlo Rota: "¿Cuándo chocará la IA contra la barrera del significado?". Aunque las IA actuales igualan o superan el rendimiento humano en tareas sumamente específicas y acotadas, todas ellas carecen de una **comprensión profunda** de las situaciones reales. Esto se demuestra mediante:

1. La extrema vulnerabilidad de las redes neuronales a los ataques adversarios (e.g., modificar un par de píxeles imperceptibles en una imagen que hace que un coche autónomo confunda una señal de "PARE" con un límite de velocidad de 80 km/h).
2. La incapacidad de generalización y transferencia de aprendizaje a nuevos entornos (el problema de la cola larga / long-tail problem).

Además, la autora advierte sobre el peligro de usar "conceptos sujeta-maletas" (suitcase words), un término acuñado por Marvin Minsky para describir conceptos sobrecargados de significados subjetivos como "inteligencia", "comprensión", "pensar" o "aprender". Al atribuir estos términos de manera antropomórfica a las máquinas, caemos en la sobreatribución de capacidades cognitivas que estas simplemente no poseen.

4. Abstracción, Analogía y Metacognición

Mitchell, quien realizó su doctorado bajo la tutela del científico cognitivo Douglas Hofstadter (autor de Gödel, Escher, Bach), argumenta que la verdadera comprensión humana se basa en la **abstracción** y la **capacidad de hacer analogías** ("percibir una esencia común entre dos cosas distintas"). Mitchell detalla el desarrollo del programa Copycat, diseñado para resolver analogías de cadenas de caracteres mediante "deslizamientos conceptuales" (conceptual slippage) emulando modelos mentales humanos. Finalmente, destaca el concepto de metacognición (la capacidad de percibir y reflexionar sobre nuestro propio pensamiento), integrada en el programa experimental Metacat de James Marshall, como una de las habilidades ausentes en la IA actual indispensables para romper la barrera del significado.