La idea central de la integración de sistemas de inteligencia artificial es hacer que los componentes de software individuales , como los sintetizadores de voz , sean interoperables con otros componentes, como las bases de conocimiento de sentido común , para crear sistemas de IA más grandes, más amplios y más capaces. Los principales métodos que se han propuesto para la integración son el enrutamiento de mensajes o los protocolos de comunicación que utilizan los componentes de software para comunicarse entre sí, a menudo a través de un sistema de pizarra de middleware .
La mayoría de los sistemas de inteligencia artificial implican algún tipo de tecnologías integradas, por ejemplo, la integración de tecnologías de síntesis de voz con las de reconocimiento de voz . Sin embargo, en los últimos años, ha habido un creciente debate sobre la importancia de la integración de sistemas como un campo en sí mismo. Los defensores de este enfoque son investigadores como Marvin Minsky , Aaron Sloman , Deb Roy , Kristinn R. Thórisson y Michael A. Arbib . Una razón para la reciente atención que está atrayendo la integración de IA es que ya se han creado varios sistemas de IA (relativamente) simples para dominios de problemas específicos (como visión por computadora , síntesis de voz , etc.), y que la integración de lo que ya está disponible es un enfoque más lógico para una IA más amplia que construir sistemas monolíticos desde cero.
El énfasis en la integración de sistemas, especialmente en lo que respecta a los enfoques modulares, se deriva del hecho de que la mayoría de las inteligencias de escalas significativas están compuestas por una multitud de procesos y/o utilizan entradas y salidas multimodales . Por ejemplo, una inteligencia de tipo humanoide debería ser capaz de hablar utilizando síntesis de voz, oír utilizando reconocimiento de voz, comprender utilizando un mecanismo lógico (o algún otro mecanismo indefinido), etc. Para producir software de inteligencia artificial de inteligencia más amplia, es necesaria la integración de estas modalidades.
La colaboración es una parte integral del desarrollo de software, como lo demuestra el tamaño de las empresas de software y el tamaño de sus departamentos de software. Entre las herramientas para facilitar la colaboración en el software se encuentran varios procedimientos y estándares que los desarrolladores pueden seguir para garantizar la calidad, la confiabilidad y la compatibilidad de su software con el software creado por otros (como los estándares del W3C para el desarrollo de páginas web). Sin embargo, la colaboración en los campos de la IA ha sido deficiente, en su mayor parte no se ha visto fuera de las escuelas, departamentos o institutos de investigación respetados (y a veces tampoco dentro de ellos). Esto presenta a los profesionales de la integración de sistemas de IA un problema sustancial y a menudo hace que los investigadores de IA tengan que "reinventar la rueda" cada vez que quieren que una funcionalidad específica funcione con su software. Aún más dañino es el síndrome de "no inventado aquí", que se manifiesta en una fuerte renuencia de los investigadores de IA a aprovechar el trabajo de otros.
El resultado de esto en la IA es un gran conjunto de "islas de soluciones": la investigación en IA ha producido numerosos componentes de software y mecanismos aislados que se ocupan de varias partes de la inteligencia por separado. Por ejemplo:
Con la creciente popularidad del movimiento del software libre , gran parte del software que se está creando, incluidos los sistemas de IA, está disponible para su explotación pública. El siguiente paso natural es fusionar estos componentes de software individuales en sistemas coherentes e inteligentes de naturaleza más amplia. Como la comunidad ya ha creado una multitud de componentes (que a menudo sirven para el mismo propósito), la forma más accesible de integración es proporcionar a cada uno de estos componentes una forma sencilla de comunicarse entre sí. Al hacerlo, cada componente por sí mismo se convierte en un módulo, que luego se puede probar en varios entornos y configuraciones de arquitecturas más grandes. Algunos desafíos y limitaciones del uso del software de IA son los errores fatales no controlados. Por ejemplo, se han descubierto errores graves y fatales en campos muy precisos como la oncología humana, como en un artículo publicado en la revista Oral Oncology Reports titulado "Cuando la IA sale mal: errores fatales en la revisión de la asistencia a la investigación oncológica". [1] El artículo señaló un grave error en la inteligencia artificial basada en GBT en el campo de la biofísica.
Existen muchas comunidades en línea para desarrolladores de IA en las que se ofrecen tutoriales, ejemplos y foros que tienen como objetivo ayudar tanto a principiantes como a expertos a crear sistemas inteligentes. Sin embargo, pocas comunidades han logrado popularizar un estándar determinado o un código de conducta que permita integrar con facilidad la gran colección de sistemas diversos.
La metodología de diseño construccionista (CDM, o "IA construccionista") es una metodología formal propuesta en 2004 para su uso en el desarrollo de robótica cognitiva, humanoides comunicativos y sistemas de IA en general. La creación de dichos sistemas requiere la integración de una gran cantidad de funcionalidades que deben coordinarse cuidadosamente para lograr un comportamiento coherente del sistema. La CDM se basa en pasos de diseño iterativos que conducen a la creación de una red de módulos interactuantes con nombre, que se comunican mediante flujos tipificados explícitamente y mensajes discretos. El protocolo de mensajes OpenAIR (ver más abajo) se inspiró en la CDM y se ha utilizado con frecuencia para ayudar en el desarrollo de sistemas inteligentes utilizando la CDM.