Instrumentación de la Inteligencia Artificial: PROLOG II
Como administrador del centro de diseño y manufacturación asistida por ordenador (CAD/CAM) del Departamento de Investigación y Desarrollo de AMPER, S.A., durante 18 meses me encargué de la organización del centro y la definición de sus procesos y procedimientos, de la creación y administración de la base de datos gráfica de componentes electrónicos y del desarrollo de las aplicaciones para su consulta distribuida y de la implantación y automatización de los proceso para fabricación, incluyendo el trazado fotográfico, el taladrado industrial, el corte de placas, la inserción automática de componentes electrónicos, etc.
Entre otros muchos, desarrolle un programa que, a su vez, creaba programas de taladrado para taladradoras TRUDRIL, estos programas de taladrado se escribían en cinta de papel perforado, 6 bits por línea, unos y ceros, perforado o no perforado. Antes de enviarlas a fábrica, me sentaba en un taburete, y me leía estas cintas con todas sus líneas de perforaciones completamente, comprobando que eran correctas y que el programa creado automáticamente tenía sentido. Esta pudo ser una de mis primeras incursiones en la metaprogramación.
Francisco Javier Gisbert Cantó es (2011) Vicedecano Secretario de la Facultad de Informática de la Universidad Politécnica de Madrid (UPM). Presentó su tesis doctoral titulada «Contribución para una nueva generación de sistemas de diseño asistido por computador basados en inteligencia artificial» en 1986. Con Ana García Serrano y Rafael María Gosálbez colaboré en esta tesis que dirigió mi director José Cuena.
Jesús García San Luis y yo colaboramos con nuestra tutora Ana María García Serrano en la preparación y presentación de la ponencia denominada «Prolog II» en las Jornadas de Inteligencia Artificial de la Asociación Española Para la Inteligencia Artificial (AEPIA), que se celebró en 1985, en el Rectorado de la Universidad Politécnica de Madrid (UPM).
Ana María García Serrano es (2008) profesora asociada del Departamento de Inteligencia Artificial de la Facultad de Informática de la UPM y Jesús García San Luis es (2008) Director de Exploración y Producción I+D de Repsol.
El Rectorado de la UPM está en la calle Ramiro de Maeztu, en la Ciudad Universitaria, allí también pasé ese verano trabajando como becario, donde disponía de una máquina Digital Vax, a veces para mí solo, cuando en la Facultad, en los inviernos anteriores, había que hacer largas colas a primera hora de la mañana para conseguir sólo un poco de tiempo en otro Digital Vax de menor potencia.
Como becario trabaje en el desarrollo en Prolog II de un sistema experto de la clase MYCIN para la evaluación del riesgos de crédito para el Banco de Santander, en el área de créditos a empresas. La beca estaba dentro del marco de colaboración entre el Banco de Santander y el grupo de investigación creado por José Cuena en la Universidad Politécnica de Madrid (UPM).
Prolog es un lenguaje de programación lógico e interpretado con un mecanismo de inferencia mediante encadenamiento en profundidad de reglas. Por estas fechas, al poco tiempo de aprender a programar en Prolog (en especial Prolog II de Marsella), cree dos reglas capaces de procesar a otro conjunto de reglas, que recibían como argumentos de entrada, pero lo hice de forma que la exploración de dicho conjunto de reglas realizaba en anchura, no en profundidad. Mi director José Cuena me dijo divertido: «le dejo un motor de inferencia y lo primero que hace usted es cambiarle la dirección». Aquellas dos reglas ayudaron a la creación de sistemas expertos de acumulación y transmisión de evidencia (del tipo MYCIN, con una orientación semibayesiana) a partir de los a priori de los expertos, ya que la acumulación de la evidencia aportada por un conjunto de reglas necesita su evaluación conjunta, esto es en anchura, para poder ser combinada.
Fui miembro de la primer claustro democrático y constituyente de la Universidad Politécnica de Madrid y participé en la redacción de sus primeros estatus democráticos (aprobados por Real Decreto 2.536/1985, de 27 de diciembre).
En 1983 colaboré como profesor ayudante de prácticas del Sistema operativo RPS (Real-time Programming System) del Series/1 de IBM, en el Centro de Cálculo de la Facultad de Informática, de la Universidad Politécnica de Madrid (UPM), bajo la dirección de Arturo Ribagorda Garnacho.
Arturo Ribagorda Garnacho es, actualmente (2010), Catedrático de Ciencia de la Computación e Inteligencia Artificial en la Universidad Carlos III de Madrid (UC3M) en el Campus de Leganés.
Por aquel entonces empezaba a utilizar discos flexibles de 8 pulgadas como el que aparece en la imagen, aunque todavía no habían salido de mí vida ni la programación ni con cinta, ni con tarjetas perforadas.
Como Heraldo Honorario de la Sociedad Genealógica de Irlanda, he tenido el honor de ser el anfitrión de la Conferencia Anual de Heráldica de Irlanda, impartida por impartida por Ralf Hartemink, MSc, PhD, fundador y propietario de Heraldry of the World.
Rotar un rectángulo para inscribirlo en un cuadrado ha revelado un fenómeno llamativo: cuatro modelos de Inteligencia Artificial (IA), Claude, Gemini, DeepSeek y ChatGPT, no solo fallaron, sino que cada uno propuso una solución de rotación distinta (52,77°, 49,47°, 37,26° y 37,57° respectivamente), demostrando que el error no fue sistemático. Y sólo uno acertó, Manus con su 45º exactos.
Esta disparidad sugiere la existencia de algoritmos internos diferentes y/o distintas fuentes de datos de entrenamiento o del peso entre ellas, lo que contradice el rumor de que unos modelos han copiado a otros. Por ejemplo, aunque la diferencia entre DeepSeek (37,26°) y ChatGPT (37,57°) es mínima (0,31°), sus enfoques son radicalmente distintos: DeepSeek usa una solución analítica simplificada, mientras que ChatGPT busca una solución exacta resolviendo numéricamente.
De este mal resultado, cabría achacarme la culpa argumentando que formulé mal la pregunta o que no sé crear prompts adecuados, que es, en cierta forma, lo que intentó Gemini para autoexculparse. Sin embargo, si ese fuera el caso: todos los modelos habrían dado respuestas erróneas similares, o varios habrían coincidido en el mismo error, y Manus no habría encontrado la solución correcta. Por tanto, en este caso, un error en mi prompt no explica la divergencia observada.
Yo, como humano, tengo que reconocer que la solución de 45° la obtuve a la primera por una mezcla de práctica geométrica e intuición, el llamado conocimiento superficial; pero si ahora me encerrara en una habitación con lápiz y papel para deducirlo, lo haría, aunque tardaría, es un conocimiento profundo que sé que está ahí, pero que tarda en emerger.
Que uno solo de estos 5 modelos acierte no invalida el potencial de las IA, pero sí expone la importancia de verificar sus resultados con pensamiento crítico y recordar que, a menudo, la elegancia de una solución reside en su simplicidad.
A diferencia de otros paradigmas de representación del conocimiento (como los sistemas basados en reglas o la búsqueda heurística), las redes neuronales adolecen de una opacidad intrínseca: Sus errores y comportamientos anómalos son notablemente difíciles de rastrear, interpretar y no son capaces de autoexplicarse ni de identificar el origen de sus divergencias (como ha ocurrido en este caso), lo que complica su depuración. Esta limitación, vinculada a su naturaleza estadística y de caja negra, supone un grave problema en aplicaciones donde la transparencia es esencial, por ejemplo, en el diagnóstico médico o en la aplicación de la Justicia.
En los últimos meses, plataformas como Facebook, en la que tengo dos cuentas e Instagram han lanzado servicios de suscripción para ofrecer verificación de identidad, insignias azules, atención prioritaria y dicen que mayor protección contra la suplantación de perfiles. En teoría, esto responde a una necesidad real: proteger la identidad digital. En la práctica, es otra forma de monetizar una debilidad estructural de ellos que deberían haber resuelto hace años. Veamos los números del caso de Meta, verificar una cuenta cuesta 200 euros al año (16,99 € al mes si se hace desde la app). Pero la verificación es por red y por cuenta. En mi caso, tengo dos cuentas en Facebook (con nombres distintos) y una en Instagram. Unificarlas no es sencillo, y verificar las 3 implicaría 3 x 200 = 600 euros al año. Y eso, solo para evitar que otros se hagan pasar por mí por las propias deficiencias de Meta.
Pero esto no termina aquí. Si otras plataformas pusieran precios similares a los de Meta y si tuviera que pagar aquellas donde también tengo presencia (Blue sky, Discord, LinkedIn donde tengo dos cuentas, Minds, Patreon, Pinterest, Pixiv, Reddit, Spotify, Telegram, Tiktok, Whatsapp, X, YouTube,...), y en algunas de ellas con dos cuentas, la cifra se dispara: 15 redes x 200 euros = 3.000 euros al año.
La paradoja es brutal, cuanto más activo eres en la red, más visible te vuelves, y por tanto más vulnerable a la suplantación... y más tienes que pagar para proteger tu identidad. Lo que debería ser una garantía mínima de seguridad, que nadie pueda hacerse pasar por ti, se convierte en un lujo anual que tienes que pagar.
La verificación de identidad debería ser interoperable, unificada y sin coste para el usuario común. No deberíamos tener que suscribirnos a cada red solo para no desaparecer entre clones o imitadores. Esto es: no se trata de pagar para destacar o tener más funciones, sino simplemente para que otros no usen tu nombre, tu foto o tu identidad para hacerse pasar por ti. Hemos pasado de una economía de la atención a una economía de la autenticidad: si quieres que sepan que eres tú, paga.
Y lo más preocupante: esto apenas está empezando.
Lanzamiento en pruebas del nuevo sitio web de la Genealogical Society of Ireland, algunas secciones siguen en construcción, pero la mayoría ya están disponibles. Consulta las secciones National Heraldic Project, Heraldry Ireland y Vexillology Ireland.
El nuevo sitio ha sido creado por Pedro Antonio Torres Vera de AV Web Shield – Web Design & Cybersecurity Solutions, con sede en Quito, Ecuador.
Las versiones originales del escudo de armas y la insignia del GSI fueron pintadas por Philip Mackey de la Oficina del Heraldo Jefe de Irlanda en 2001.
Un incidente sacude una oficina, dejando a los empleados desconcertados. Resolverlo no requiere más que lógica, pero ¿qué sucede cuando ponemos a prueba a cinco de las inteligencias artificiales generativas más avanzadas? DeepSeek, ChatGPT, Claude, Gemini y Venice.ai se enfrentan para medir su capacidad de análisis y deducción.
Este no es un experimento perfecto, pero sí una oportunidad única para ver cómo cada IA maneja el mismo problema. Mientras algunas responden con agilidad, otras titubean, piden ayuda o no llegan a una conclusión clara. ¿Cuál de ellas demostró ser la más competente? No es solo una cuestión de velocidad o claridad en las respuestas; en este caso, lo que realmente importa es quién logra encontrar la respuesta.
Y sí, hay un ranking, pero antes de llegar a él, vale la pena descubrir cómo cada una intentó resolver el enigma.
Este caso lo utilicé en 2023 para analizar el comportamiento de ChatGPT (versión 4.0), haciéndole responder de forma documentada a las 7 preguntas fundamentales de la criminalística: 1) ¿qué?, 2) ¿cómo?, 3) ¿dónde?, 4) ¿cuándo?, 5) ¿con qué?, 6) ¿quién o quiénes?, y 7) ¿por qué? En esta ocasión, me he centrado en la sexta pregunta, en este caso, ¿quién lo hizo?.
Del 2 de febrero de 2024 al 2 de febrero de 2025, hemos publicado 18 ediciones del Armorial de los Commoners de la International Society of Commoners Heraldry, siendo la última la más completa, con 286 páginas que incluyen 418 escudos de armas para personas y 9 para entidades, 95 insignias heráldicas, 70 estandartes, 31 banderas, 317 blasones escritos, 72 artistas heráldicos, 37 heraldistas, 48 jurisdicciones heráldicas, 43 autoridades, certificadores y registros citados, así como 211 certificaciones emitidas para personas y 8 para entidades.
