La inteligencia artificial suele imaginarse como un depósito cada vez mayor de capacidad para resolver problemas: más potencia, más problemas complejos resueltos. Esa imagen encaja bien con los avances en conducción autónoma, ajedrez o plegamiento de proteínas, donde los modelos más grandes han superado con creces el rendimiento humano. Pero esa intuición se vuelve engañosa cuando se distingue entre dos tipos de retos: los problemas bien definidos y los problemas mal definidos.
Problemas bien definidos: el territorio natural de la IA
En ciencias cognitivas y psicología se consideran “bien definidos” aquellos problemas con objetivos claros, estado inicial y final especificables y reglas de transición conocidas, como un puzzle, un teorema matemático o un juego con normas fijas. La IA clásica y el aprendizaje automático prosperan justo ahí, porque se puede formalizar el espacio de estados, definir funciones de recompensa y recolectar grandes volúmenes de datos etiquetados o de feedback para aprender políticas o patrones. El ajedrez, Go, la traducción automática o el plegamiento de proteínas encajan en este patrón: son tareas acotadas, con un criterio de éxito cuantificable y un entorno relativamente estable.luismejias21.wordpress+3?
En este tipo de problemas, la pauta observada en las últimas décadas es clara: cuando una tarea está bien delimitada, la IA acaba superando a los humanos en precisión, velocidad o escala. Desde el punto de vista técnico, el aumento de datos, cómputo y tamaño de modelos se traduce en mejoras sostenidas, lo que alimenta la sensación de un “crecimiento continuo” de la inteligencia artificial.upm+1?
Problemas mal definidos: donde la IA se pierde
En el otro extremo, los problemas mal definidos carecen de objetivos precisos, criterios de éxito claros o caminos evidentes de solución, y suelen implicar creatividad, negociación social, ambigüedad y cambio de contexto. Ejemplos típicos son diseñar una política pública justa, redefinir la estrategia de una organización ante un entorno incierto o crear una obra de arte significativa: la propia “pregunta” está en discusión, y el objetivo se construye sobre la marcha.wikipedia+1?
En estos terrenos, la IA actual se encuentra mucho más limitada. Aunque pueda generar textos, imágenes o planes plausibles, tiende a apoyarse en patrones extraídos de datos históricos y a fallar cuando tiene que redefinir el problema, cuestionar los supuestos o detectar que el marco mismo es inadecuado. La resolución humana de estos problemas se apoya en procesos difíciles de formalizar, como la abducción (proponer hipótesis explicativas nuevas), el razonamiento analógico profundo y la sensibilidad a normas sociales, poder y contexto.espanol.libretexts+1?
Datos, precisión y el cuello de botella de la formalización
La distinción entre ambos tipos de problemas es crucial porque la IA necesita datos y objetivos claros para aprender. Para entrenar un modelo hay que fijar con precisión qué se quiere optimizar: minimizar un error, maximizar una recompensa, imitar una distribución de ejemplos, etc.. Eso obliga a convertir el problema original en algo cuantificable, un “proxy” del objetivo real: clics como indicador de interés, tiempo de visionado como señal de calidad, o exactitud respecto a una etiqueta como medida de verdad.ibm+1?
En los problemas bien definidos, ese proxy funciona razonablemente: la métrica refleja bastante bien el objetivo y el progreso técnico se traduce en mejoras reales. En los problemas mal definidos, en cambio, el riesgo de desalineación aumenta: lo que es fácil de medir no coincide necesariamente con lo que es valioso. De ahí fenómenos como algoritmos que maximizan la atención a costa de polarizar, o sistemas de recomendación que refuerzan sesgos porque solo optimizan engagement.biblioguias.ual+3?
Implicaciones para la “inteligencia artificial general”
Desde esta perspectiva, la idea de que basta sumar capacidad para “cruzar una frontera” hacia una inteligencia artificial general resulta simplificadora. Lo que ha crecido de forma espectacular es la capacidad de la IA para resolver problemas bien definidos a gran escala; pero muchos de los desafíos humanos más importantes —convivir, negociar conflictos, explorar mundos desconocidos, reformular lo que está en juego— pertenecen a la categoría de problemas mal definidos.repositorio.comillas+1?
En estos ámbitos, la inteligencia no se comporta como un bloque que simplemente “se hace más grande”, sino como una actividad dinámica: explorar el espacio de posibles preguntas, cambiar de marco, tolerar la ambigüedad, aceptar que no hay una única solución correcta. Parte de ese proceso se puede descomponer en subproblemas bien definidos (cálculos, búsquedas, simulaciones), donde la IA puede ser una herramienta potentísima; pero la orquestación, la redefinición de objetivos y la responsabilidad sobre las consecuencias siguen recayendo, por ahora, en las personas.espanol.libretexts+1?
Un futuro de colaboración, no de sustitución total
Todo esto sugiere que la narrativa más realista no es la de una IA que nos “emulará en todo” de forma lineal, sino la de sistemas cada vez más poderosos en dominios bien formalizados, combinados con capacidades humanas para manejar lo difuso, lo político, lo ético y lo creativo abierto. La clave estará en cómo se diseñan los marcos de uso: qué problemas se formalizan, con qué métricas y bajo qué valores. La inteligencia que falta no es solo más cómputo, sino mejores formas de plantear problemas y de integrar la intuición humana con la fuerza bruta algorítmica.ibm+1?
- https://luismejias21.files.wordpress.com/2017/09/inteligencia-artificial-un-enfoque-moderno-stuart-j-russell.pdf
- https://es.wikipedia.org/wiki/Resoluci%C3%B3n_de_problemas
- https://thedecisionlab.com/es/reference-guide/philosophy/case-based-reasoning
- https://espanol.libretexts.org/Ciencias_Sociales/Psicologia/Biopsicolog%C3%ADa_(OERI)_-_PROYECTO_DE_REVISI%C3%93N/18:_Contenido_Suplementario/18.12:_Cap%C3%ADtulo_14-_Resoluci%C3%B3n_de_Problemas,_Categor%C3%ADas_y_Conceptos
- https://oa.upm.es/14207/1/06-metodos-resolucion-problemas.pdf
- https://biblioguias.ual.es/IA/prompts
- https://www.ibm.com/es-es/think/topics/rlhf
- https://repositorio.comillas.edu/rest/bitstreams/421893/retrieve
- https://www.reddit.com/r/askphilosophy/comments/10smq86/are_sentience_and_sapience_welldefined_concepts/
0 comentarios