Es innegable que a lo largo de los siglos hemos acumulado muchísimo conocimiento. Tanto,
de hecho, que actualmente sería imposible para cualquier persona saber algo más que
una minúscula fracción de lo que se conoce, incluso si pasara toda la vida estudiando.
Y este conocimiento no es superfluo. Lo usamos en continuación para pasar nuestros
días, para planear nuestras acciones, diseñar nuevas herramientas y, claro, entender
cosas nuevas, que se agregan a nuestra colección del saber.
Pero, ¿cómo hemos hecho para tener más conocimiento de lo que podemos acumular en una
vida? La única forma de lograr esto es desarrollando métodos para guardar, compartir,
e interpretar aquello que sabemos. Desde el inicio de la historia, eso es justamente
lo que hemos hecho. Por siglos hemos experimentado muchas formas para enseñar a las
generaciones futuras. Desde mitos, leyendas y refranes, hasta libros de análisis y
enciclopedias, pasando por la pintura y otros tipos de arte, todos estos métodos tienen
una meta en común: transmitir al receptor una parte de lo que el locutor sabe.
Claramente, todos estos métodos tienen ventajas y desventajas. Los refranes son fáciles
de recordar, pero su aplicación es muy limitada. Mitos y leyendas son más amplios, pero
necesitan un mayor esfuerzo de memorización. Estos tres métodos, junto con el arte,
son también difíciles de interpretar y fácilmente resultan confusos. Una enciclopedia
puede presentar mucha información en detalle, pero requiere un mayor esfuerzo para
localizar, entender y aplicar las porciones relevantes de su contenido.
Imaginen ahora que queremos transmitir todo ese conocimiento a una máquina, tal vez
para que nos ayude a tomar decisiones bien informadas, o tal vez para resolver algunos
de los problemas abiertos en la ciencia. Entonces tenemos que codificar lo que sabemos,
todo ese conocimiento, de alguna forma que lo pueda interpretar y usar.
Mi meta es hablar sobre la representación del conocimiento. Las distintas técnicas
que existen, sus limitaciones, sus extensiones, y los casos donde son útiles. Pero vamos
a dejar de lado las cosas que funcionan para nosotros como humanos para enfocarnos en
los métodos que se pueden hacer automáticamente. Para usar un nombre llamativo,
hablaremos sobre inteligencia artificial. Por eso necesitamos representaciones que no
dejen lugar a malos entendidos, donde sea totalmente claro qué significa cada símbolo.
En términos técnicos, queremos un lenguaje con una semántica clara y precisa. Por ese
motivo, seguido hablaré de "lógica". Pero ¡no se asusten! Cuando digo lógica me refiero
simplemente al hecho de que los símbolos que se usan tienen un significado pre-definido
y bien aceptado. De esta forma, podemos sacar conclusiones claras y precisas de forma
automática, sin miedo a haber interpretado mal el conocimiento.
Así que, si están interesados, únanse a mi en este viaje, en el que aprenderemos juntos
tantas cosas de este mundo. Como seguramente ya se dieron cuenta, intentaré complementar la
información que doy con referencias y enlaces a otros artículos y ensayos. Cuando sea posible, hablaré
también de detalles actuales e incluso de los desarrollos que se están llevando a cabo en el área.