Críticas

Las principales críticas a la inteligencia artificial tienen que ver con su incapacidad de imitar por completo a un ser humano. Estas críticas ignoran que ningún humano individual tiene capacidad para resolver todo tipo de problemas, y autores como Howard Gardner han propuesto que existen inteligencias múltiples. Un sistema de inteligencia artificial debería resolver problemas. Por lo tanto es fundamental en su diseño la delimitación de los tipos de problemas que resolverá y las estrategias y algoritmos que utilizará para encontrar la solución.
En los humanos la capacidad de resolver problemas tiene dos aspectos: los aspectos innatos y los aspectos aprendidos. Los aspectos innatos permiten por ejemplo almacenar y recuperar información en la memoria y los aspectos aprendidos el saber resolver un problema matemático mediante el algoritmo adecuado. Del mismo modo que un humano debe disponer de herramientas que le permitan solucionar ciertos problemas, los sistemas artificiales deben ser programados de modo tal que puedan resolver ciertos problemas.
Muchas personas consideran que el test de Turing ya ha sido superado. Hay quienes al dialogar con un programa de inteligencia artificial para chat no saben que hablan con un programa. Otros experimentos como la Habitación china de John Searle han mostrado cómo una máquina puede simular pensamiento sin tener que tenerlo y puede pasar muchos test, sin siquiera entender lo que hace. Algunos han criticado esto por el hecho obvio de que la máquina en realidad no está pensando, sino actuando en base a un programa preestablecido. Esta crítica se disuelve si se considera la educación de los humanos como programas preestablecidos, ya que la educación sería transmitir a un alumno reglas, procedimientos y algoritmos para resolver problemas y tomar decisiones.
Un sistema de inteligencia artificial tiene enormes ventajas respecto a los humanos. Por ejemplo, su capacidad de almacenamiento, su capacidad para tomar decisiones racionales sin prejuicios o emociones que perturben el resultado, y la no fijeza funcional. La fijeza funcional es el problema humano de acostumbrarse a utilizar conceptualmente un objeto sin poder utilizar dicho objeto para un fin distinto al habitual. Un ejemplo sería tener la capacidad de utilizar un martillo como percutor para clavar, o bien como pisapapeles en caso de ser necesario. Se ha logrado utilizar un objeto de un modo distinto al usual o para el cual ha sido creado.
Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicación con el usuario. Este obstáculo es debido al lenguaje y apareció ya en los inicios de los primeros sistemas operativos informáticos. La capacidad de los humanos para comunicarse entre sí implica el conocimiento del lenguaje que utiliza el interlocutor. Para que un humano pueda comunicarse con un sistema inteligente hay dos opciones: o bien el humano aprende el lenguaje del sistema como si aprendiese a hablar cualquier otro idioma distinto al nativo, o bien el sistema tiene la capacidad de interpretar el mensaje del usuario en la lengua que el usuario utiliza.
Un humano durante toda su vida aprende el vocabulario de su lengua nativa y ningún humano puede conocer todas las palabras que existen en su idioma. Un humano interpreta los mensajes a pesar de la polisemia de las palabras utilizando el contexto para resolver ambigüedades. Sin embargo, debe conocer los distintos significados para poder interpretar, y es por esto que lenguajes especializados y técnicos son conocidos solamente por expertos en las respectivas disciplinas. Un sistema de inteligencia artificial se enfrenta con el mismo problema, la polisemia del lenguaje humano, su sintaxis poco estructurada y los dialectos entre grupos.
Los desarrollos en inteligencia artificial son mayores en los campos disciplinares en los que existe mayor consenso entre especialistas. Un sistema experto es más probable de ser programado en física o en medicina que en sociología o en psicología. Esto se debe al problema del consenso entre especialistas en la definición de los conceptos involucrados y en los procedimientos y técnicas a utilizar. Por ejemplo, en física hay acuerdo sobre el concepto de velocidad y cómo calcularla. Sin embargo, en psicología se discuten los conceptos, la etiología, la psicopatología y cómo proceder ante cierto diagnóstico. Esto dificulta la cración de sistemas inteligentes porque siempre habrá desacuerdo sobre lo que se esperaría que el sistema haga. A pesar de esto hay grandes avances en el diseño de sistemas expertos para el diagnóstico y toma de decisiones en el ámbito médico y psiquiátrico (Adaraga Morales, Zaccagnini Sancho, 1994).