La inteligencia
artificial (IA) es un área multidisciplinaria que, a través de
ciencias como la informática,
la lógica y lafilosofía, estudia la creación y diseño de
entidades capaces de razonar por sí mismas utilizando como paradigma lainteligencia humana.
General y amplio como eso,
reúne a amplios campos, los cuales tienen en común la creación de máquinas
capaces de pensar. En ciencias
de la computación se denomina inteligencia artificial a la
capacidad de razonar de un agente no vivo. John McCarthy acuñó la expresión
«inteligencia artificial» en 1956, y la definió así: “Es la ciencia e ingenio
de hacer máquinas inteligentes, especialmente programas de
cómputo inteligentes”.
·
Búsqueda del estado requerido en el conjunto de los estados
producidos por las acciones posibles.
·
Algoritmos
genéticos (análogo al proceso de evolución de las cadenas de
ADN).
·
Redes
neuronales artificiales (análogo al funcionamiento físico del
cerebro de animales y humanos).
·
Razonamiento mediante
una lógica formal análogo
al pensamiento abstracto humano.
También existen distintos
tipos de percepciones y acciones, que pueden ser obtenidas y producidas,
respectivamente, por sensores físicos y sensores mecánicos en máquinas, pulsos
eléctricos u ópticos en computadoras, tanto como por entradas y salidas de bits
de un software y su entorno software.
Varios ejemplos se
encuentran en el área de control de
sistemas, planificación
automática, la habilidad de responder a diagnósticos y a consultas
de los consumidores, reconocimiento
de escritura, reconocimiento
del habla y reconocimiento
de patrones. Los sistemas de IA actualmente son parte de la rutina
en campos como economía, medicina, ingeniería y lamilicia, y se ha usado en gran variedad de
aplicaciones de software, juegos de
estrategia, como ajedrez de
computador, y otros videojuegos.
Categorias de la
Inteligencia Artificial
Stuart Russell y Peter
Norvig diferencian estos tipos de la inteligencia artificial:
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEibuUPpTfyN3UwirCNBpMUf4QqM4QiM9dDUJH4yZEccbfUWXcq-BzTFgQ8nSzGoXGPGTZMbxF8IZ0db00Wx1s8lk034JW8C8__rhN80y-W85EiVqk-lGmLDjIQGldlMmeAZeyuIGEwEAPI/s1600/2.jpg)
·
Sistemas que actúan como humanos.- Estos
sistemas tratan de actuar como humanos; es decir, imitan el comportamiento
humano; por ejemplo la robótica. El estudio
de cómo lograr que los computadores realicen tareas que, por el momento, los
humanos hacen mejor.
·
Sistemas que piensan racionalmente.- Es
decir, con lógica (idealmente), tratan de imitar o emular el pensamiento lógico
racional del ser humano; por ejemplo lossistemas expertos. El estudio de los cálculos que hacen posible percibir, razonar y actuar.
·
Sistemas que actúan racionalmente
(idealmente).– Tratan de emular de forma racional el comportamiento
humano; por ejemplo los agentes inteligentes.Está relacionado con conductas
inteligentes en artefactos.
Escuelas de Pensamiento
La IA se divide en dos
escuelas de pensamiento:
·
La inteligencia artificial convencional
·
La inteligencia
computacional
Inteligencia artificial convencional
Se conoce también como IA
simbólico-deductiva. Está basada en el análisis formal y estadístico del
comportamiento humano ante diferentes problemas:
·
Razonamiento
basado en casos: Ayuda a tomar decisiones mientras se resuelven
ciertos problemas concretos y, aparte de que son muy importantes, requieren de
un buen funcionamiento.
·
Sistemas
expertos: Infieren una solución a través del conocimiento previo del
contexto en que se aplica y ocupa de ciertas reglas o relaciones.
·
Redes bayesianas:
Propone soluciones mediante inferencia probabilística.
·
Inteligencia artificial basada en comportamientos:
esta inteligencia tiene autonomía y pueden auto-regularse y controlarse para
mejorar.
·
Smart process management: facilita la toma de decisiones
complejas, proponiendo una solución a un determinado problema al igual que lo
haría un especialista en la actividad.
Inteligencia
artificial computacional
La Inteligencia
Computacional (también conocida como IA subsimbólica-inductiva) implica
desarrollo o aprendizaje interactivo (por ejemplo, modificaciones interactivas
de los parámetros en sistemas conexionistas). El aprendizaje se realiza
basándose en datos empíricos.
Historia
·
El término “inteligencia artificial” fue acuñado formalmente
en 1956 durante la conferencia de Darthmounth, más para entonces ya se había
estado trabajando en ello durante cinco años en los cuales se había propuesto
muchas definiciones distintas que en ningún caso habían logrado ser aceptadas
totalmente por la comunidad investigadora. La IA es una de las disciplinas más
nuevas junto con la genética moderna.
·
Las ideas más básicas se remontan a los griegos, antes de
Cristo. Aristóteles (384-322 a. C.)
fue el primero en describir un conjunto de reglas que describen una parte del
funcionamiento de la mente para obtener conclusiones racionales, y Ctesibio de Alejandría
(250 a. C.) construyó la primera máquina autocontrolada, un regulador
del flujo de agua (racional pero sin razonamiento).
·
En 1315 Ramon Llull en su libro Ars
magna tuvo la idea de que el razonamiento podía ser efectuado de
manera artificial.
·
En 1936 Alan Turing diseña formalmente
una Máquina
universal que demuestra la viabilidad de un dispositivo
físico para implementar cualquier cómputo formalmente definido.
·
En 1943 Warren McCulloch y Walter
Pitts presentaron su modelo de
neuronas artificiales, el cual se considera el primer trabajo del campo, aun
cuando todavía no existía el término. Los primeros avances importantes
comenzaron a principios del año 1950 con el trabajo de Alan Turing, a partir de lo cual la
ciencia ha pasado por diversas situaciones.
·
En 1955 Herbert
Simon, Allen Newell y
J.C. Shaw, desarrollan el primer lenguaje de programación orientado a la
resolución de problemas, el IPL-11.
Un año más tarde desarrollan el LogicTheorist,
el cual era capaz de demostrar teoremas matemáticos.
·
En 1956 fue inventado el término inteligencia artificial
por John McCarthy, Marvin Minsky y Claude
Shannon en la Conferencia
de Dartmouth, un congreso en el que se hicieron previsiones
triunfalistas a diez años que jamás se cumplieron, lo que provocó el abandono
casi total de las investigaciones durante quince años.
·
En 1957 Newell y Simon continúan su trabajo con el desarrollo
del General
Problem Solver (GPS). GPS era un sistema orientado a la
resolución de problemas.
·
En 1958 John McCarthy desarrolla en el Instituto de
Tecnología de Massachusetts (MIT) el LISP. Su nombre se deriva de LISt Processor. LISP fue el
primer lenguaje para procesamiento simbólico.
·
En 1959 Rosenblatt introduce el Perceptrón.
·
A finales de los 50 y comienzos de la década del 60 Robert K.
Lindsay desarrolla «Sad Sam», un programa para la lectura de oraciones en
inglés y la inferencia de conclusiones a partir de su interpretación.
·
En 1963 Quillian desarrolla las redes semánticas como modelo de
representación del conocimiento.
·
En 1964 Bertrand Raphael construye el sistema SIR (Semantic
Information Retrieval) el cual era capaz de inferir conocimiento basado en
información que se le suministra. Bobrow desarrolla STUDENT.
·
A mediados de los años 60, aparecen los sistemas expertos, que predicen la
probabilidad de una solución bajo un set de condiciones. Por ejemplo DENDRAL, iniciado en 1965 por Buchanan,
Feigenbaum y Lederberg, el primer Sistema Experto, que asistía a químicos en
estructuras químicas complejas euclidianas, MACSYMA, que asistía a ingenieros y
científicos en la solución de ecuaciones matemáticas complejas.
·
Posteriormente entre los años 1968-1970 Terry Winograd desarrolló el
sistema SHRDLU, que permitía interrogar y dar
órdenes a un robot que se movía dentro de un mundo de bloques.
·
En 1968 Minsky publica Semantic Information
Processing.
·
En 1968 Seymour Papert, Danny Bobrow y Wally
Feurzeig desarrollan el lenguaje de programación LOGO.
·
En 1969 Alan Kay desarrolla
el lenguaje Smalltalk en Xerox PARC y se publica en 1980.
·
En 1973 Alain Colmenauer y su equipo de investigación en la
Universidad de Aix-Marseille crean PROLOG (del francés PROgrammation en LOGique)
un lenguaje de programación ampliamente utilizado en IA.
·
En 1973 Shank y Abelson desarrollan los guiones, o scripts, pilares de muchas técnicas actuales en Inteligencia
Artificial y la informática en general.
·
En 1974 Edward Shortliffe escribe su tesis con MYCIN, uno de los Sistemas Expertos más conocidos, que asistió
a médicos en el diagnóstico y tratamiento de infecciones en la sangre.
·
En las décadas de 1970 y 1980, creció el uso de sistemas expertos,
como MYCIN: R1/XCON, ABRL, PIP, PUFF, CASNET, INTERNIST/CADUCEUS, etc. Algunos
permanecen hasta hoy (Shells)
como EMYCIN, EXPERT, OPSS.
·
En 1981 Kazuhiro Fuchi anuncia el proyecto japonés de
la quinta
generación de computadoras.
·
En 1986 McClelland y Rumelhart publican Parallel
Distributed Processing (Redes
Neuronales).
·
En 1988 se establecen los lenguajes
Orientados a Objetos.
·
En 1997 Gari Kaspárov, campeón mundial de ajedrez, pierde ante la computadora
autónoma Deep
Blue.
·
En 2006 se celebró el aniversario con el Congreso en
español 50 años de Inteligencia Artificial - Campus
Multidisciplinar en Percepción e Inteligencia 2006.
·
En el año 2009 ya hay en desarrollo sistemas inteligentes
terapéuticos que permiten detectar emociones para poder interactuar con niños
autistas.
·
En el año 2011 IBM desarrolló
una supercomputadora llamada Watson ,
la cual ganó una ronda de tres juegos seguidos de Jeopardy!, venciendo a sus dos máximos
campeones, y ganando un premio de 1 millón de dólares que IBM luego donó a
obras de caridad.10
·
Existen personas que al dialogar sin saberlo con un chatbot no
se percatan de hablar con un programa, de modo tal que se cumple la prueba de Turing como cuando se
formuló: «Existirá Inteligencia Artificial cuando no seamos capaces de
distinguir entre un ser humano y un programa de computadora en una conversación
a ciegas».
·
Como anécdota, muchos de los investigadores sobre IA
sostienen que «la inteligencia es un programa capaz de ser ejecutado
independientemente de la máquina que lo ejecute, computador o cerebro».
La Inteligencia Artificial y
Los Sentimientos
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEixiIB_hMxVLe1wkSS3gTNnP8AGFw9_x7cM-4l9qtmbO4CO6WaBO0LRKx-R0aRmsrdGhrwCNMXzT0_K4T7w4r91EQLKaizXurJSvYjB8FqCYqN4Ofa2iw7jLNpj4Ewl_AZPfg_S2Ig3ytY/s1600/images.jpg)
A veces, aplicando la
definición de Inteligencia Artificial, se piensa en máquinas inteligentes
sin sentimientos, que «obstaculizan» encontrar
la mejor solución a un problema dado. Muchos pensamos en dispositivos artificiales
capaces de concluir miles de premisas a
partir de otras premisas dadas,
sin que ningún tipo de emoción tenga la opción de obstaculizar dicha labor.
En esta línea, hay que saber
que ya existen sistemas inteligentes. Capaces de tomar decisiones «acertadas».
Aunque, por el momento, la
mayoría de los investigadores en el ámbito de la Inteligencia Artificial se
centran sólo en el aspecto racional, muchos de ellos consideran seriamente la
posibilidad de incorporar componentes «emotivos» como indicadores de
estado, a fin de aumentar la eficacia de los sistemas inteligentes.
Particularmente para los
robots móviles, es necesario que cuenten con algo similar a las emociones con
el objeto de saber –en cada instante y como mínimo– qué hacer a continuación
[Pinker, 2001, p. 481].
Al tener «sentimientos» y,
al menos potencialmente, «motivaciones», podrán actuar de acuerdo con sus
«intenciones» [Mazlish, 1995, p. 318]. Así, se podría equipar a un robot con
dispositivos que controlen su medio interno; por ejemplo, que «sientan hambre»
al detectar que su nivel de energía está descendiendo o que «sientan miedo»
cuando aquel esté demasiado bajo.
Esta señal podría
interrumpir los procesos de alto nivel y obligar al robot a conseguir el
preciado elemento [Johnson-Laird, 1993, p. 359]. Incluso se podría introducir
el «dolor» o el «sufrimiento físico», a fin de evitar las torpezas de
funcionamiento como, por ejemplo, introducir la mano dentro de una cadena de
engranajes o saltar desde una cierta altura, lo cual le provocaría daños irreparables.
Esto significa que los
sistemas inteligentes deben ser dotados con mecanismos de retroalimentación que
les permitan tener conocimiento de estados internos, igual que sucede con los
humanos que disponen de propiocepción, interocepción, nocicepción, etcétera. Esto es fundamental
tanto para tomar decisiones como para conservar su propia integridad y
seguridad. La retroalimentación en sistemas está particularmente desarrollada
en cibernética,
por ejemplo en el cambio de dirección y velocidad autónomo de un misil,
utilizando como parámetro la posición en cada instante en relación al objetivo
que debe alcanzar. Esto debe ser diferenciado del conocimiento que un sistema o
programa computacional puede tener de sus estados internos, por ejemplo la
cantidad de ciclos cumplidos en un loop o bucle en sentencias tipo do...
for, o la cantidad de memoria disponible para una operación determinada.
A los sistemas inteligentes
el no tener en cuenta elementos emocionales les permite no olvidar la meta que
deben alcanzar. En los humanos el olvido de la meta o el abandonar las metas
por perturbaciones emocionales es un problema que en algunos casos llega a ser
incapacitante. Los sistemas inteligentes, al combinar una memoria durable, una
asignación de metas o motivación, junto a la toma de decisiones y
asignación de prioridades con base en estados actuales y estados meta, logran
un comportamiento en extremo eficiente, especialmente ante problemas complejos
y peligrosos.
En síntesis, lo racional y
lo emocional están de tal manera interrelacionados entre sí, que se podría
decir que no sólo no son aspectos contradictorios sino que son –hasta cierto
punto– complementarios.
Criticas
Las principales críticas a
la inteligencia artificial tienen que ver con su capacidad 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 ha
sido superado, citando conversaciones en que al dialogar con un programa de
inteligencia artificial para chat no saben
que hablan con un programa. Sin embargo, esta situación no es equivalente a un
test de Turing, que requiere que el participante esté sobre aviso de la
posibilidad de hablar con una máquina.
Otros experimentos
mentales como la Habitación china de John Searle han mostrado cómo una
máquina podría simular pensamiento sin tener que tenerlo, pasando el test de
Turing sin siquiera entender lo que hace. Esto demostraría que la máquina en
realidad no está pensando,
ya que actuar de acuerdo con un programa preestablecido sería suficiente. Si
para Turing el hecho de engañar a un ser humano que intenta evitar que le
engañen es muestra de una mente inteligente, Searle considera posible lograr
dicho efecto mediante reglas definidas a priori.
Uno de los mayores problemas
en sistemas de inteligencia artificial es la comunicación con el usuario. Este
obstáculo es debido a la ambigüedad del 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. 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 sintaxispoco 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
creación 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).
Tecnologias de Apoyo
·
Interfaces de
usuario
·
Visión
artificial
·
Smart process management
Aplicaciones de la
Inteligencia Artificial
·
Lingüística
computacional
·
Minería de datos (Data
Mining)
·
Industriales.
·
Medicina
·
Mundos virtuales
·
Procesamiento de lenguaje natural (Natural Language
Processing)
·
Robótica
·
Mecatrónica
·
Sistemas de apoyo a la decisión
·
Videojuegos
·
Prototipos informáticos
·
Análisis de sistemas dinámicos.
·
Smart Process Management
·
Simulación
de multitudes
Investigadores en el Campo
de la Inteligencia Artificial
·
Jeff Hawkins
·
John McCarthy
·
Marvin Minsky
·
Judea Pearl
·
Alan Turing,
discípulo de John von Neumann,
diseñó el Test de Turing que
debería utilizarse para comprender si una máquina lógica es inteligente o no.
·
Joseph Weizenbaum
·
Raúl Rojas
·
Ray Kurzweil
Inteligencia Artificial en
la Ficcion
·
En Portal y Portal 2, GLaDOS es una IA que conduce al
jugador a través de las cámaras de prueba.
·
Inteligencia artificial, la película de Steven Spielberg.
·
¿Sueñan los androides con ovejas eléctricas?, y su
adaptación al cine Blade Runner.
Comienza con la aplicación del Test de Turing.
·
Ghost in the
Shell, anime, películas y serie
·
J.A.R.V.I.S.,
la inteligencia artificial que, en la serie regular El Invencible Iron Man, de
Marvel Comics, permite maniobrar el traje-armadura pilotado por Pepper Potts: el Mark 1616 o Rescate.
También aparece en la trilogía de películas basadas en el comic book, ayudando
a Tony Stark a pilotar las diversas versiones de su armadura IronMan, además de
servir como mayordomo.
·
The Matrix, la
trilogía
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjfAkU808jpBx9oAX1zG-Tr9UQIYA_TIQ73XydB78GbubdkUCni18HUHcg6ULj1jPeJipQNxZRmRCefgaH3vDcGtSJjntwpD5sEtkrAwyFX8Xs641VtZFhYcT7U94Xrx884Amsuwn5iNks/s1600/Inteligencia-artificial-e1390864793844.jpg)
·
2001: Una odisea espacial, novela y película
·
Cortana
·
Código Lyoko
·
Vida y Obra de Multivac, Isaac Asimov
·
Yo, robot, Isaac Asimov
·
El
hombre bicentenario, Isaac Asimov
·
En Metal Gear Solid 2, Los Patriots los controla una IA
·
Mass Effect
·
The Terminator,
Director: James Cameron
·
Neuromante, William Gibson
·
Her, Actor Principal: Joaquin Phoenix
·
Transcendence, Actor
Principal: Johnny Depp,
Director: Wally Pfister