El teórico de la decisión que cofundó la IA: cómo la máquina de pensar navideña de Herbert Simon lo cambió todo

Enero de 1956. Instituto Tecnológico Carnegie. Un profesor de 39 años —un científico político de formación, ya famoso entre los economistas por argumentar que nadie optimiza nada— abre su clase de modelado matemático con una frase que no debería ser cierta: Durante Navidad, Al Newell y yo inventamos una máquina pensante.

La máquina apenas existía como una máquina. Durante las vacaciones, Simon, Allen Newell y el programador Cliff Shaw habían desarrollado el Logic Theorist — y antes de que se ejecutara en una computadora, lo simularon a mano: las subrutinas del programa escritas en tarjetas de índice de 3×5, repartidas entre la familia y los estudiantes de Simon, cada humano ejecutando las reglas de un componente. Una máquina pensante, que primero se ejecutó en personas. Para ese verano, funcionaba en hardware y se presentó en el taller de Dartmouth — la reunión que le dio nombre a la inteligencia artificial.

La historia generalmente se archiva bajo la historia de la computación. Pertenece igualmente a la ciencia de la decisión, porque el Teórico de la Lógica no era un calculador más rápido. Era la teoría de Simon de racionalidad limitada implementada en código: si la inteligencia humana funciona a través de atajos y búsqueda selectiva en lugar de computación exhaustiva, entonces una máquina que utiliza atajos y búsqueda selectiva también puede ser inteligente. Todo lo que Simon construyó en IA se deriva de ese único movimiento.

El currículum que no debería existir

Herbert Alexander Simon (1916–2001) obtuvo un doctorado en ciencias políticas (Chicago, 1943), escribió Administrative Behavior (1947) sobre cómo las organizaciones realmente deciden, y pasó cinco décadas en Carnegie Mellon trabajando en economía, psicología, ciencias de la computación y filosofía de la ciencia. Los premios reflejan el alcance: el Premio Turing de la ACM 1975 con Allen Newell, por contribuciones básicas a la inteligencia artificial y la psicología de la cognición humana; el Premio Memorial Nobel en Economía 1978, por su investigación pionera en la toma de decisiones en organizaciones económicas; la Medalla Nacional de Ciencia de EE. UU. 1986. Sigue siendo una de las pocas personas que ha recibido tanto el Turing como el Nobel — por lo que él insistió que era un único programa de investigación.

Ese programa: entender la inteligencia tal como realmente opera — en las personas, en las organizaciones, en las máquinas — bajo límites reales de información, computación y tiempo. La mitad teórica retiró al hombre económico perfectamente racional. La mitad de ingeniería planteó la obvia siguiente pregunta: si la inteligencia es una búsqueda limitada, ¿podemos construirla?

El Teórico de la Lógica: Prueba por Atajo

El Teórico de la Lógica atacó los teoremas de Principia Mathematica de Whitehead y Russell — el monumento de lógica formal de principios de siglo — y demostró 38 de los primeros 52 en el capítulo dos. El método era el mensaje: en lugar de desgastarse en cada derivación (fuerza bruta que el hardware de la época no podría haber soportado), utilizó heurísticas para seleccionar caminos prometedores, trabajó hacia atrás desde los objetivos y se detuvo cuando tenía una prueba válida en lugar de la mejor. Búsqueda heurística y satisfacción — la ciencia de decisiones de Simon, funcionando a la velocidad de la máquina.

Para el Teorema 2.85 se encontró una prueba más elegante que la original. Bertrand Russell, entonces en sus ochenta, respondió con deleite cuando Simon le escribió al respecto. El Journal of Symbolic Logic fue más difícil de encantar: se negó a publicar el resultado, juzgando que una nueva prueba de un teorema elemental no era digna de publicación — aparentemente sin registrar el detalle de que uno de los autores era un programa de computadora.

El solucionador de problemas general: estrategia sin contenido temático

El programa sucesor fue más ambicioso en exactamente la dirección que esperarías del autor de Administrative Behavior. El General Problem Solver — primera versión en funcionamiento en 1957, el informe publicado en 1959 por Newell, Shaw y Simon — introdujo el análisis de medios y fines: medir la diferencia entre el estado actual y el estado objetivo, encontrar un operador que reduzca esa diferencia, aplicarlo, repetir. Navegación por cierre de brechas.

La verdadera innovación del GPS fue arquitectónica: separó la estrategia de resolución de problemas del contenido del problema. El mismo motor podía abordar rompecabezas, pruebas o planes, dado una descripción de estados y operadores. Esa separación — método general, dominio enchufable — se convirtió en un principio de diseño fundamental de la IA, y el análisis de medios y fines sigue siendo reconocible dentro de los sistemas de planificación modernos.

La Gran Afirmación: Símbolos y Búsqueda

En su conferencia del Premio Turing de 1976, La informática como indagación empírica, Newell y Simon destilaron dos décadas de trabajo en la hipótesis más famosa del campo: un sistema de símbolos físicos tiene los medios necesarios y suficientes para la acción inteligente general. Las mentes manipulan símbolos; las computadoras manipulan símbolos; por lo tanto, programadas adecuadamente, las computadoras pueden actuar de manera inteligente — y no se requiere nada más allá de la manipulación de símbolos. Esto se convirtió en la carta fundacional de lo que ahora se llama IA simbólica, o GOFAI.

También hicieron predicciones con fechas, y las fechas estaban equivocadas. En su artículo de 1958 de Operations Research, Simon y Newell predijeron que dentro de diez años una computadora digital sería el campeón mundial de ajedrez, a menos que las reglas le impidieran competir. El campeón mundial cayó ante una computadora en 1997 — 39 años después de la predicción, no diez. Vale la pena señalar qué tipo de error es ese: el mecanismo (búsqueda heurística en un espacio que ninguna máquina podría agotar) era exactamente correcto; la línea de tiempo estaba equivocada por una generación. Ambos hechos pertenecen al registro.

¿No demostró el Aprendizaje Profundo que Simon estaba equivocado?

Aquí está la objeción con la que llega un lector de 2026: la IA moderna no es simbólica. Las redes neuronales aprenden patrones a partir de datos; nadie escribe a mano las heurísticas; y el influyente ensayo de Richard Sutton de 2019, The Bitter Lesson, se lee como un veredicto en contra de todo el enfoque de Simon: setenta años de historia de la IA que muestran que los métodos generales que escalan con la computación superan a los sistemas construidos sobre el conocimiento del dominio creado por humanos.

La objeción aterriza — parcialmente. La fuerte afirmación simbólica no sobrevivió: resultó que no había suficientes símbolos, y los programas de conocimiento construidos a mano de las décadas de 1970 y 80 se estancaron exactamente como describe Sutton. Un relato honesto de Simon lo dice tan claramente. Pero lee la propia conclusión de The Bitter Lesson: las dos familias de métodos que escalan son búsqueda y aprendizaje. La búsqueda heurística es la contribución de Simon y Newell al campo, viva hoy desde la búsqueda en árboles de juego hasta los bucles de razonamiento deliberado de los sistemas de IA actuales. Y lo que hacen las redes profundas — reconocer patrones acumulados de una experiencia masiva — está inquietantemente cerca de la definición de experiencia de Simon. El aprendizaje por refuerzo, cuyos fundadores Andrew Barto y Richard Sutton recibieron el Premio Turing 2024 (anunciado en marzo de 2025), es una búsqueda selectiva de prueba y error bajo límites computacionales — un programa de investigación que Simon habría reconocido como pariente.

Así que la tarjeta de puntuación está dividida, y la división es instructiva: la arquitectura en la que apostó perdió; la teoría de la inteligencia que la subyace ganó. Las máquinas no se volvieron inteligentes al calcular exhaustivamente. Se volvieron inteligentes mediante una búsqueda limitada, heurística y basada en el reconocimiento, que es la afirmación en la que Simon basó su carrera. Trabajos recientes cierran el ciclo desde el otro lado: estudios de 2025 encuentran que los modelos de lenguaje grande exhiben racionalidad limitada, desviándose de la optimalidad teórica de juegos de maneras similares a las humanas, mientras que la satisfacción se ha incorporado en la alineación del modelo como restricciones de nivel de aspiración.

Las huellas dactilares de Simon en la IA moderna

Línea de tiempo: La vida de un polímata

Qué llevar de Simon a la década de la IA

Cuatro principios de trabajo para cualquiera que esté construyendo con, o decidiendo junto a, máquinas limitadas:

Dónde encaja Argumentree

Simón trató la inteligencia humana y la inteligencia de las máquinas como un solo tema: agentes limitados que buscan bajo restricciones. Argumentree se basa en la misma premisa. Los argumentos humanos y los argumentos extraídos por IA se encuentran en una estructura inspeccionable: el árbol, donde el razonamiento es visible, las calificaciones dirigen la escasa atención a los puntos más fuertes, y el registro persiste como memoria organizacional.

Para los equipos cuyo uso de IA debe ser auditable, el producto hermano AIAgentree extiende la misma idea al razonamiento de máquina en sí — rastreando cómo un sistema de IA llegó a su conclusión, en la estructura que Simon habría pedido ver.

La Apuesta Larga

El reloj de ajedrez de Simon se ejecutó cuatro veces, la arquitectura simbólica cedió, y el campo que cofundó ahora funciona con métodos que él no construyó. Juzgado como profecía, un historial mixto. Juzgado como ciencia, algo más raro: la afirmación central — que la inteligencia, dondequiera que ocurra, es una búsqueda limitada guiada por el reconocimiento — ha sobrevivido a cada arquitectura utilizada para probarla, incluida la suya.

Por eso la frase del aula sigue resonando setenta años después. No estaba anunciando un dispositivo. Estaba anunciando que el pensamiento se había convertido en una materia de ingeniería — para mentes, para organizaciones, y ahora para máquinas.