{"id":1148,"date":"2026-06-09T19:39:00","date_gmt":"2026-06-09T19:39:00","guid":{"rendered":"https:\/\/com-proff.com\/?p=1148"},"modified":"2026-06-16T12:41:02","modified_gmt":"2026-06-16T12:41:02","slug":"el-sistema-gps","status":"publish","type":"post","link":"https:\/\/com-proff.com\/en\/tecnologia\/el-sistema-gps\/","title":{"rendered":"El sistema GPS"},"content":{"rendered":"
\"\"<\/figure>\n\n\n\n

El Solucionador General de Problemas (GPS: General Problem Solver) fue el primer programa de resoluci\u00f3n de problemas que separ\u00f3 las tareas de resoluci\u00f3n de los conocimientos espec\u00edficos necesarios. En otras palabras, el GPS incluye capacidades de tipo general que pueden aplicarse a problemas en m\u00faltiples disciplinas. Desde el punto de la AI supuso una ambiciosa innovaci\u00f3n. Desde siempre se hab\u00eda se\u00f1alado que la inteligencia humana era una capacidad de tipo general capaz de hacer frente a una gran variedad de tareas.<\/p>\n\n\n\n

El GPS fue desarrollado en 1957 por Newell, Shaw y Simon como continuaci\u00f3n de su programa el Logic Theorist (teorizador l\u00f3gico),dise\u00f1ado en 1956. El objetivo del Logic Theorist era la demostraci\u00f3n de los teoremas matem\u00e1ticos propuestos en la obra Principia Mathematica de Russell y Whitehead. El Logic Theorist demostr\u00f3 38 de los 52 teoremas propuestos en el cap\u00edtulo 2 de dicha obra fundamental. El programa razona el teorema a demostrar en base a teoremas y axiomas previos. Las primeras versiones del GPS eran especialmente adecuadas para la resoluci\u00f3n de problemas l\u00f3gicos. De hecho, pese a sus ambiciones de generalizaci\u00f3n, con anterioridad a las modificaciones en \u00e9l introducidas por Ernst y Newell en 1969, el programa s\u00f3lo hab\u00eda resuelto dos problemas fuera del mundo de la l\u00f3gica. Ernst ampli\u00f3 el campo de los problemas a resolver por el GPS, sin alterar su nivel de potencia. Con dichas modificaciones el programa pod\u00eda satisfacer uno de sus primeros objetivos, modelar problemas de tipo general. Y, en efecto, el programa modificado resolvi\u00f3 problemas en once campos diferentes, resolviendo problemas tales como el rompecabezas de “los misioneros y los can\u00edbales”, integraci\u00f3n matem\u00e1tica, demostraci\u00f3n de teoremas, completar series de letras, etc. Parad\u00f3jicamente, las versiones finales del GPS no ten\u00edan capacidad para demostrar los teoremas propuestos en Principia Mathematica, pues era incapaz de identificar el n\u00famero de veces que una variable ocurr\u00eda en una expresi\u00f3n l\u00f3gica.<\/p>\n\n\n\n

El GPS s\u00f3lo puede resolver problemas simples, y, por lo general, es menos eficiente que los solucionadores de prop\u00f3sito espec\u00edfico. Si el problema requiere una larga b\u00fasqueda, enseguida los 65 K-palabras de memoria del sistema resultan insuficientes. Sin embargo, el GPS no se dise\u00f1\u00f3 como m\u00e1quina de grandes prestaciones. La finalidad de sus dise\u00f1adores era conseguir una visi\u00f3n m\u00e1s certera de las tareas impl\u00edcitas en la resoluci\u00f3n de problemas, a fin de dise\u00f1ar posteriormente eI proceso necesario para su realizaci\u00f3n pr\u00e1ctica. Se consideraron capacidades adicionales para el GPS, tales como el juego de partidas de determinados divertimentos cl\u00e1sicos de sal\u00f3n, pero nunca se le incorporaron. Original-mente el GPS se escribi\u00f3 en IPL-V, un lenguaje de proceso de listas \u00fatil para el modelado de fen\u00f3menos sicol\u00f3gicos, y fue el primer programa que incorpor\u00f3 una estrategia planificada de resoluci\u00f3n de problemas, utilizaba una versi\u00f3n simplificada del problema como modelo que completaba con detalles posteriormente.<\/p>\n\n\n\n

El entorno de resoluci\u00f3n de problemas del GPS se llam\u00f3 sistema de proceso de informaci\u00f3n (IPS: informati\u00f3n processing system), denomin\u00e1ndose estado lo que el IPS sab\u00eda en un momento determinado. Los conocimientos correspondientes a un estado se representan mediante estructuras simb\u00f3licas. Un estado evoluciona a otro estado mediante is aplicaci\u00f3n de operadores. El GPS busca la soluci\u00f3n a un problema mediante operadores que generan estados. El estado final (objetivo)corresponde a los conocimientos del IPS en el momento de encontrarla soluci\u00f3n. El m\u00e9todo de trabajo se dice que es similar al modelo de resoluci\u00f3n de problemas que utilizan los seres humanos. Por ejemplo, el an\u00e1lisis causa-efecto que utiliza el GPS es similar al utilizado por los seres humanos en la b\u00fasqueda de soluciones. Los humanos usamos otras estrategias en la resoluci\u00f3n de problemas, pero el GPS nunca intent\u00f3 modelar toda la gama de estrategias que el hombre usa para resolver sus problemas.<\/p>\n\n\n\n

Programas para identificar objetos f\u00edsicos en el entorno. <\/h2>\n\n\n\n

Por ejemplo, un programa desarrollado por J. M. Tenenbaum puede aprender a reconocer la puerta, mesa, suelo, paredes, etc., en fotograf\u00edas en blanco y negro de su despacho en la Universidad de Stanford. Para representar los conceptos aprendidos se usan dos estructuras de datos, una ic\u00f3nica y otra sem\u00e1ntica. Boden (1977) describe c\u00f3mo una estructura ic\u00f3nica de datos puede interaccionar con su equivalente sem\u00e1ntico para generar una descripci\u00f3n coherente de la superficie de una mesa. El programa de Tanenbaum puede aprender el aspecto que tienen las cosas, ya sea describi\u00e9ndole la apariencia de los objetos en funci\u00f3n de otros ya contemplados o mediante ejemplos. Para ello, necesita sacar conclusiones de un n\u00facleo de conocimientos. Por ejemplo: requiere conocimientos de colores, regiones, orientaci\u00f3n de las superficies, etc. Aprender bajo estas premisas implica un sistema cognoscitivo capaz de construir, analizar y manipular s\u00edmbolos complejos.<\/p>\n\n\n\n

El aprendizaje por ense\u00f1anza \u00fanica implica la aceptaci\u00f3n pasiva,por la m\u00e1quina, de la nueva informaci\u00f3n. Se puede, por ejemplo, a\u00f1adir directamente nuevos conocimientos a un sistema inform\u00e1tico, como cuando se a\u00f1aden nuevas declaraciones a la matriz de conocimientos (belief matrix) del cl\u00e1sico programa de Colby que simula una neurosis. Otros programas con capacidad inferente pueden llegar a conclusiones no introducidas originalmente en el sistema. Cuando los programas aprenden por la v\u00eda pr\u00e1ctica, ejemplifican uno de los criterios b\u00e1sicos de cualquier sistema de aprendizaje biol\u00f3gico -se valen de la experiencia para mejorar las prestaciones. Hemos visto c\u00f3mo el programa de Samuel es un ejemplo de este tipo de proceso. El programa HACKER de Sussman puede aprender generalizaciones a partir de experiencias particulares en un entorno de simulaci\u00f3n.<\/p>\n\n\n\n

En efecto, HACKER aprende criticando constructivamente sus propios intentos de realizaci\u00f3n de tareas. El programa MYCROFT, complementario del HACKER, aplica conocimientos generales de depuraci\u00f3n a dibujos infantiles- los ni\u00f1os programan dibujos por ordenador que son corregidos por MYCROFT. El programa analiza los fallos y ayuda a los ni\u00f1os a evitarlos en el futuro. Estos programas tienen una influencia directa sobre la conceptualizaci\u00f3n de los m\u00e9todos de aprendizaje en los seres humanos, e indican, a su vez, procedimientos adicionales mediante los que sistemas inform\u00e1ticos pueden modelar los procesos mentales del hombre.<\/p>\n\n\n\n

El programa HACKER es un sistema de programaci\u00f3n autom\u00e1tica: puede escribir y optimizar programas, y adem\u00e1s aprender con la pr\u00e1ctica. La programaci\u00f3n autom\u00e1tica es una disciplina de creciente inter\u00e9s, que puede dar lugar a grandes sorpresas a muchos profesionales. \u00bfSe necesitar\u00e1n programadores en el futuro?  podr\u00e1n hacer frente a las necesidades evolutivas de ciertos programas? No es de extra\u00f1ar que sea alarmista la reacci\u00f3n a la programaci\u00f3n autom\u00e1tica. En este sentido se expresaba el autor del art\u00edculo “Computers that learn could lead<\/em> to<\/em> disaster (Los ordenadores con capacidad de aprendizaje nos pueden llevar al desastre), aparecido en la revista New Scientist. Pero obviamente, los programas que aprenden pueden ser \u00fatiles al hombre en infinidad de circunstancias. Por ejemplo, Narendra y Mars (1983) han propues.to algoritmos con capacidad de aprendizaje para encauzar el tr\u00e1fico automovil\u00edstico mediante un sistema telef\u00f3nico de control. Otro motivo que justifica el desarrollo de sistemas autom\u00e1ticos de aprendizaje es, como hemos visto, el creciente inter\u00e9s en sistemas expertos. Actualmente, los sistemas expertos adquieren sus conocimientos mediante un proceso largo y laborioso. Si se consigue que los sistemas expertos puedan aprender m\u00e1s r\u00e1pidamente, con m\u00e1s facilidad se podr\u00eda construir su base de conocimientos, elemento esencial para su operatividad. Pero naturalmente, ser\u00e1 dif\u00edcil para el ser humano evaluar los nuevos conocimientos en poder del ordenador cuando estos comiencen a exceder la base de informaci\u00f3n que durante siglos ha ido acumulando el ser humano. En el Congreso de la Federaci\u00f3n Internacional para el Proceso de la Informaci\u00f3n, celebrado en Par\u00eds en 1984, Voysey se\u00f1al\u00f3 importantes aspectos relacionados con este debatido asunto. Actualmente hay varios programas con diferentes grados de capacidad de aprendizaje y su n\u00famero aumentar\u00e1 considerablemente dado el incremento que est\u00e1 teniendo la investigaci\u00f3n en sistemas expertos (ver cap\u00edtulo 8). En este cap\u00edtulo nos hemos limitado a exponer las relaciones entre el aprendizaje, la memorizaci\u00f3n, la resoluci\u00f3n de problemas, la sem\u00e1ntica y otros aspectos de inter\u00e9s para eI investigador en Al.<\/p>","protected":false},"excerpt":{"rendered":"

El Solucionador General de Problemas (GPS: General Problem Solver) fue el primer programa de resoluci\u00f3n de problemas que separ\u00f3 las tareas de resoluci\u00f3n de los […]<\/p>\n","protected":false},"author":2,"featured_media":1149,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[224],"tags":[280],"class_list":["post-1148","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia","tag-gps"],"_links":{"self":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1148","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/comments?post=1148"}],"version-history":[{"count":1,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1148\/revisions"}],"predecessor-version":[{"id":1150,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1148\/revisions\/1150"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/media\/1149"}],"wp:attachment":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/media?parent=1148"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/categories?post=1148"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/tags?post=1148"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}