Está en la página 1de 10

Concepto, Caractersticas y Metodologas de La Inteligencia Artificial

Concepto La Inteligencia Artificial es una combinacin de la ciencia del computador, fisiologa y filosofa, tan general y amplio como eso, es que reune varios campos (robtica, sistemas expertos, por ejemplo), todos los cuales tienen en comn la creacin de mquinas que pueden pensar. La de idea construir una mquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista incluyen juegos, traduccin de idiomas, comprensin de idiomas, diagnstico de fallas, robtica, suministro de asesora experta en diversos temas. Es as como los sistemas de administracin de base de datos cada vez ms sofisticados, la estructura de datos y el desarrollo de algoritmos de insercin, borrado y locacin de datos, as como el intento de crear mquinas capaces de realizar tareas que son pensadas como tpicas del mbito de la inteligencia humana, acuaron el trmino Inteligencia Artificial en 1956. La Inteligencia Artificial trata de conseguir que los ordenadores simulen en cierta manera la inteligencia humana. Se acude a sus tcnicas cuando es necesario incorporar en un sistema informtico,conocimiento o caractersticas propias del ser humano. Podemos interrogar a algunas bases de datos de Internet en lenguaje natural, o incluso charlar con ellas nuestro idioma, porque por detrs se est ejecutando un programa de Inteligencia Artificial. Otras herramientas inteligentes pueden utilizarse para escrutar entre los millones de datos que se generan en un banco en busca de patrones de comportamiento de sus clientes o para detectar

tendencias en los mercados de valores. Caractersticas de la Inteligencia Artificial. 1. Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de los mtodos numricos es el uso de smbolos no matemticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos,tambinprocesan smbolos y no se considera que usen tcnicas de Inteligencia Artificial. 2. El comportamiento de los programas no es descrito explcitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cmo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explcitamente, cmo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento). 3. Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente por las conclusiones intermedias alcanzadas durante las consideraciones al problema especfico. Los lenguajes orientados al objeto comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia Artificial. 4. El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de explicar discrepancias entre ellas. 5. Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a metas como en planificacin, o el diagnstico de tareas en un sistema del mundo real: con poca informacin, con una solucin cercana y no necesariamente exacta.

Diferentes metodologas: 1.La lgica difusa: permite tomar decisiones bajo condiciones de incerteza. 2.Redes neuronales: esta tecnologa es poderosa en ciertas tareas como la clasificacin y el reconocimiento de patrones. Est basada en el concepto de "aprender" por agregacin de un gran nmero de muy simples elementos.

Este modelo considera que una neurona puede ser representada por una unidad binaria: a cada instante su estado puede ser activo o inactivo. La interaccin entre las neuronas se lleva a cabo a travs de sinapsis. Segn el signo, la sinapsis es excitadora o inhibidora. El perceptrn est constituido por las entradas provenientes de fuentes externas, las conexiones y la salida. En realidad un perceptrn es una Red Neuronal lo ms simple posible, es aquella donde no existen capas ocultas. Para cada configuracin de los estados de las neuronas de entrada (estmulo) la respuesta del perceptrn obedece a la siguiente dinmica: se suman los potenciales sinpticos y se comparan con un umbral de activacin. Esta suma ponderada es tambin llamada campo. Si el campo es mayor que un umbral, la respuesta de la neurona es activa, si no, es inactiva. Con una arquitectura tan simple como la del perceptrn no se puede realizar ms que una clase de funciones "booleanas" muy simples, llamadas linealmente separables. Son las funciones en las cuales los estados de entrada con salida positiva pueden ser separados de aquellos a salida negativa por un hiperplano. Unhiperplano es el conjunto de puntos en el espacio de estados de entrada, que satisfacen una ecuacin lineal. En dos dimensiones, es una recta, en tres dimensiones un plano, etc. Si se quieren realizar funciones ms complejas con Redes Neuronales, es necesario intercalar neuronas entre las capas de entradas y de salida, llamadas neuronas ocultas. Una red multicapas puede ser definida como un conjunto de perceptrones, ligados entre si por sinapsis y dispuestos en capas siguiendo diversas arquitecturas. Una de las arquitecturas ms comnmente usada es llamadafeedforward: con conexiones de la entrada a las capas ocultas y de stas hacia la salida. El funcionamiento de una Red Neuronal es gobernado por reglas de propagacin de actividades y de actualizacin de los estados. Experiencia, Habilidades y Conocimiento Los tipos de experiencia que son de inters en los sistemas basados enconocimiento, pueden ser clasificados en tres categoras: asociativa, motora y terica. Los sistemas basados en conocimiento son excelentes para representar conocimiento asociativo. Este tipo de experiencia refleja la habilidad heurstica o elconocimiento que es adquirido mayoritariamente, a travs de la observacin. Puede ser que no se comprenda exactamente lo que ocurre al interior de un sistema (caja negra), pero se pueden asociar entradas o estmulos con salidas o respuestas, para resolver problemas que han sido previamente conocidos. La experiencia motora es ms fsica que cognitiva. La habilidad se adquiere fundamentalmente a travs del ejercicio y la prctica fsica constante. Los sistemas basados en conocimiento no pueden emular fcilmente este tipo de experiencia, principalmente por la limitada capacidad de la

tecnologa robtica. La experiencia terica y el conocimiento profundo permite que los humanos puedan resolver problemas que no se han visto antes, es decir, no existe una posibilidad asociativa. El conocimiento terico y profundo se adquiere a travs de estudio y entrenamiento formal, as como por medio de la resolucin directa de problemas. Debido a su naturaleza terica, este conocimiento se puede olvidar fcilmente, a no ser que se use en forma continua. Al momento, los sistemas convencionales basados en conocimiento tienen muchas dificultades para duplicar este tipo de experiencia. Sin embargo, los Sistemas de Razonamiento Basado en Modelos representan un notable intento de encapsular este conocimiento profundo y razonarcon l.

Alguna vez pensarn las mquinas? All por el ao 1950, Alan Turing, un matemtico britnico, propuso un experimento: En un cuarto (A) y en un cuarto (B) estaran una mquina y un hombre, afuera una persona estara haciendo una serie de preguntas que responderan indistintamente los ocupantes de los cuartos A y B. Las preguntas sern por algn teletipo para que no se detecten declinaciones de voz. Cuando la persona que pregunta, no sepa distinguir quien es la mquina y quin es el hombre, entonces se habr conseguido una mquina inteligente. Alan Turing aventuraba a decir que dicha mquina se conseguira realizar en unos 50 aos. Pues bien, han pasado ya poco ms de 50 aos desde que lo mencion y no se ha logrado superar la prueba. La Inteligencia Artificial (IA), tambin conocida, aplicada o involucrada a trminos como Robtica, Autmatas, Sistemas Expertos, etctera, es una disciplina que envuelve a varias ramas de estudio: la ingeniera, la computacin, la psicologa, la fsica, la medicina, la filosofa, la teologa y lo que se acumule.

Cmo podramos hacerle para que una mquina piense?. Alguna vez un investigador mencion que el cerebro no es mas que una mquina de carne. Tomando esta declaracin, entonces porqu no lo podr hacer el Silicio o el Germanio que son los materiales con los que se fabrican los chips. El cerebro, en funcionamiento, est procesando informacin que se transmite por medio de impulsos electroqumicos activados por las neuronas que son las clulas de las cuales est constituido el cerebro y que almacenan la informacin y la difunden a otros sectores del cerebro donde sea requerido.

Existen unas 100 mil millones de neuronas en el cerebro humano aunque no todas se ocupan, de hecho a diario desde que cumplimos 20 aos, se pierden unas 50 mil. Pero las neuronas tienen acciones propias, cmo es que se las arreglan para diferenciar o dirigirse a algn lugar del cerebro y procesar un recuerdo, hacer un clculo, mantener el latido del corazn, subir unas escaleras, sentir dolor, etctera, etctera?. Dentro de cada chip o circuito integrado, existen los semiconductores en diferentes arreglos con los cuales nos dan una funcin especfica. El fundamental, es el DIODO.

Este dispositivo permite que fluya o no, un impulso elctrico, puede ser dicho impulso, lo que conocemos como (Bit), prendido o apagado, cero o uno. La disposicin de diodos en un circuito electrnico nos puede dar un TRANSISTOR, con el cual podemos tener por lo menos tres alternativas para que fluya un par de impulsos elctricos. El transistor encapsula a los diodos y por eso est constituido como un solo dispositivo. Con un par de transistores ya se pueden hacer por lo menos efectos de luces secuenciales de Leds como los que vemos en adornos para autos. Ahora bien, un conjunto de transistores conectados de determinadas formas y encapsulados nos d una compuerta lgica. La compuerta lgica, es un dispositivo que constituye una serie de operaciones condicionadas para los impulsos elctricos. Es decir, podemos tener muchos unos y ceros, prendidos y apagados, pasa o no pasa. Con una o dos compuertas lgicas ya se pueden hacer contadores de tiempo o sumadoras bsicas, incluso chapas de seguridad electrnicas. Un conjunto de compuertas lgicas a gran escala y de pequea integracin de encapsulado digamos de 4 X 4 cm, ya nos d un microprocesador que puede realizar millones de instrucciones por segundo (MIPS), es decir, millones de encendidos y apagados, de unos y ceros, millones de bits procesndose. Con un microprocesador ya podemos hacer computadoras, mquinas que realizan una tarea especifica en la superficie de un planeta como recoger material de su suelo envolverlo y analizarlo, viajar al espacio sin perder la direccin, detectar dnde hay luz y seguirla o dnde hay una colina y darle la vuelta o graduar el combustible necesario para expulsarlo por los inyectores de un auto, un avin o una nave espacial.

Pues bien, si el cerebro tuviera que hacerse con los microprocesadores, compuertas, transistores, diodos, etc, con los que actualmente contamos, tendra el tamao de una central elctrica y tardara varios miles de aos en terminarse.

Se tendr alguna vez una mquina que sea igual que el hombre? Esto es algo muy difcil de responder. Nunca podremos llegar con una mquina y preguntarle: Qu sientes?, es probable que nos responda cualquier cosa pero esa respuesta fue programada por los diseadores. Si es difcil saber qu piensa otra persona incluso uno mismo, entonces es mucho ms difcil saber si una mquina sentir algo o tendr conciencia de saber que es lo que est pensando o sintiendo. En los juegos de ajedrez por computadora se tiene un modelo de lo que puede ser un desarrollo de variantes de procesamiento de la informacin. La computadora est pensando que jugada har, pero nunca se comparar con un hombre porque el hombre est procesando la jugada que realizar pero en su entorno, tiene la presin del pblico, de sus preocupaciones personales, de su estado de nimo. La mquina solo est pensando su prxima mejor jugada. Pero atencin: una computadora ya le gan a Gary Kasparov campen mundial de ajedrez, cosa que ya preocupa a los que no son entusiastas de la IA.

Pero hay quienes salen en defensa de los robots como lo hizo Carl Sagan y menciona que si as como el ser humano hace gala de un chauvinismo, las personas blancas de racismo y los hombres de sexismo, no habr algo as como una actitud de especiismo, esto porque no se pueda asimilar que una mquina podr ser como el hombre, sobre todo del complejo de inferioridad que se siente cuando vemos como una calculadora nos hace operaciones de cifras grandsimas con decimales en una fraccin de segundos o de ver como una computadora nos selecciona y filtra informacin de una base de datos inmensa. Y ahora, supongamos que se deciden a hacer una mquina que piense como un hombre. Pero como va a aprender?, se le introducirn todos los datos de todo lo que conoce un ser humano promedio y algo ms?, o se le programar para que aprenda como lo va haciendo el hombre desde que es nio?.

Increblemente ya se estn haciendo proyectos de las dos formas anteriores llamadas vertientes Simblica y Conexionista entre ellos el proyecto Cyc, con el cual se le han introducido datos que analizar la propia computadora y tomar decisiones por s misma, este proyecto est por terminarse y se supone que los resultados sern los de la inteligencia de un nio de 2 aos. Pero y qu pasar si la inteligencia de estas mquinas es tal que pretendan dominar al hombre y crear mquinas hijas de s mismas?, recordemos que estn aprendiendo a pensar y reciben todo lo que est en su entorno, o qu pasa si alguien con ideas destructivas le atiborra de informacin daina a la computadora para afectar al hombre o al planeta?. Con todo esto valdr la pena entonces hacer mquinas que emulen al hombre.

Bueno como en todo, si est en malas manos ser peligroso, pero si es por el bien entonces imaginemos a esas mquinas entrando a lugares donde no puede acceder el hombre, o ser empleado en pruebas donde la vida de un individuo corre peligro, o la seguridad que proporcionara ante algn ataque delictivo. En fin veremos que nos depara la tecnologa en los prximos aos. PRECURSOR DE LA INTELIGENCIA ARTIFICIAL
Investigador nacido en Boston en 1927, que estudi matemticas en Princeton junto con el afamado John Nash (el protagonista de "Una Mente Maravillosa"), era una verdadera entidad en el mundo informtico. Adems de conseguir el premio Turing (el equivalente al Nobel de la Informtica) en 1971 y la Medalla Nacional de las Ciencias de Estados Unidos en 1991, cre el lenguaje de programacin LISP, el estndar de la inteligencia artificial y base de muchas de las aplicaciones que se comercializan en la actualidad.

Punto de inflexin de la disciplina


En su histrico artculo de 1950, Turing propuso que la pregunta puede pensar una mquina? era demasiado filosfica para tener valor y, para hacerlo ms concreto, propuso un juego de imitacin. En la prueba de Turing intervienen dos personas y un computadora. Una persona, el interrogador, se sienta en una sala y teclea preguntas en la terminal de una computadora. Cuando aparecen las respuestas en la terminal, el interrogador intenta determinar si fueron hechas por otra persona o por una computadora. Si acta de manera inteligente, segn Turing es inteligente. Turing, seal que una mquina podra fracasar y an ser inteligente. Aun as crea que las mquinas podran superar la prueba a finales del siglo XX. De todas maneras esta prueba no tuvo el valor prctico que se esperaba, aunque sus repercusiones tericas son fundamentales. El enfoque de Turing de ver a la inteligencia artificial como una imitacin del comportamiento humanono fuen tan prctico a lo largo del tiempo y el enfoque dominante ha sido el del comportamiento racional, de manera similar, en el campo de la aeronutica se dej de lado el enfoque de tratar de imitar a los pjaros y se tom el enfoque de comprender las reglas de aerodinmica. Aunque desde luego, el enfoque del comportamiento humano y el del pensamiento humano siguen siendo estudiados por las ciencias cognitivas y continan aportando interesantes resultados a la Inteligencia Artificial, y viceversa.
Vase tambin: Prueba de Turing.

Disciplinas sobre las que se apoya


La ciencia no se define, sino que se reconoce. Para la evolucin de la Inteligencia Artificial las dos fuerzas ms importantes fueron la lgica matemtica, la cual se desarrolla rpidamente a finales del siglo XIX, y las nuevas ideas acerca de computacin y los avances en electrnica que permitieron la construccin de los primeros computadores en 1940. Tambin son fuente de la inteligencia artificial: la filosofa, la neurociencia y la lingstica. La lgica matemtica ha continuando siendo un rea muy activa en la inteligencia artificial. Incluso antes de la existencia de los ordenadores con los sistemas lgicos deductivos.

Orgenes y Evolucin Cronolgica


Antecedentes

Los juegos matemticos antiguos, como el de las Torres de Hani (hacia el 3000 a. C.), muestran el inters por la bsqueda de un modo resolutor, capaz de ganar con los mnimos movimientos posibles. Cerca de 300 a. C., Aristteles fue el primero en describir de manera estructurada un conjunto de reglas, silogismos, que describen una parte del funcionamiento de la mente humana y que, al seguirlas paso a paso, producen conclusiones racionales a partir de premisas dadas. En 250 a. C. Ctesibio de Alejandra construy la primera mquina autocontrolada, un regulardor del flujo de agua que actuaba modificando su comportamiento "racionalmente" (correctamente) pero claramente sin razonamiento. En 1315, Ramon Llull tuvo la idea de que el razonamiento poda ser efectuado de maneral artificial. En 1847 George Boole estableci la lgica proposicional (booleana), mucho ms completa que los silogismos de Aristteles, pero an algo poco potente. En 1879 Gottlob Frege extiende la lgica booleana y obtiene la Lgica de Primer Orden la cual cuenta con un mayor poder de expresin y es utilizada universalmente en la actualidad. En 1903 Lee De Forest inventa el triodo, tambin llamado bulbo o vlvula de vaco. En 1937 Alan Turing public un artculo de bastante repercusin sobre los "Nmeros Calculables", un artculo que estableci las bases tericas para todas las ciencias de computacin, y que puede considerarse el origen oficial de lainformtica terica. En este artculo introdujo el concepto de Mquina de Turing, una entidad matemtica abstracta que formaliz el concepto de algoritmo y result ser la precursora de las computadoras digitales. Poda conceptualmente leer instrucciones de una cinta de papel perforada y ejecutar todas las operaciones crticas de un computador. El artculo fij los lmites de las ciencias de la computacin porque demostr que no es posible resolver problemas con ningn tipo de computador. Con ayuda de su mquina, Turing pudo demostrar que existen problemas irresolubles, de los que ningn ordenador ser capaz de obtener su solucin, por lo que se le considera el padre de lateora de la computabilidad. En 1940 Alan Turing y su equipo construyeron el primer computador electromecnico y en 1941 Konrad Zuse cre la primera computadora programable y el primer lenguaje de programacin de alto nivel Plankalkl. Las siguiente mquinas ms potentes, aunque con igual concepto, fueron la ABC y ENIAC. En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales, el cual se considera el primer trabajo del campo de inteligencia artificial, aun cuando todava no exista el trmino.

1950s
En 1950 Turing consolid el campo de la inteligencia artificial con su artculo Computing Machinery and Intelligence, en el que propuso una prueba concreta para determinar si una mquina era inteligente o no, su famosa Prueba de Turing por lo que se le considera el padre de la Inteligencia Artificial. Aos despus Turing se convirti en el adalid que quienes defendan la posibilidad de emular el pensamiento humano a travs de la computacin y fue coautor del primer programa para jugar ajedrez.

En 1951 William Shockley inventa el transistor de unin. El invento hizo posible una nueva generacin de computadoras mucho ms rpidas y pequeas. En 1956 se dio el trmino "inteligencia artificial" en Dartmouth durante una conferencia convocada por McCarthy, a la cual asistieron, entre otros, Minsky, Newell y Simon. En esta conferencia se hicieron previsiones triunfalistas a diez aos que jams se cumplieron, lo que provoc el abandono casi total de las investigaciones durante quince aos.

1980s
En 1980 la historia se repiti con el desafo japons de la quinta generacin, que dio lugar al auge de los sistemas expertos pero que no alcanz muchos de sus objetivos, por lo que este campo sufri una nueva interrupcin en los aos noventa. En 1987 Martin Fischles y Oscar Firschein describieron los atributos de un agente inteligente. Al intentar describir con un mayor mbito (no slo la comunicacin) los atributos de un agente inteligente, la IA se ha expandido a muchas reas que han creado ramas de investigacin enormes y diferenciadas. Dichos atributos del agente inteligente son: 1. Tiene actitudes mentales tales como creencias e intenciones. 2. Tiene la capacidad de obtener conocimiento, es decir, aprender. 3. Puede resolver problemas, incluso particionando problemas complejos en otros ms simples. 4. Entiende. Posee la capacidad de crearle sentido, si es posible, a ideas ambiguas o contradictorias. 5. Planifica, predice consecuencias, evala alternativas (como en los juegos de ajedrez) 6. Conoce los lmites de su propias habilidades y conocimientos. 7. Puede distinguir a pesar de las similitud de las situaciones. 8. Puede ser original, creando incluso nuevos conceptos o ideas, y hasta utilizando analogas. 9. Puede generalizar. 10. Puede percibir y modelar el mundo exterior. 11. Puede entender y utilizar el lenguaje y sus smbolos. Podemos entonces decir que la IA posee caractersticas humanas tales como el aprendizaje, la adaptacin, el razonamiento, la autocorreccin, el mejoramiento implcito, y la percepcin modular del mundo. As, podemos hablar ya no slo de un objetivo, sino de muchos, dependiendo del punto de vista o utilidad que pueda encontrarse a la IA.

1990s
En los 90s surgen los agentes inteligentes

2000s
El programa Artificial Linguistic Internet Computer Entity (A.L.I.C.E.) gan el premio Loebner al Chatbot mas humano en 2000, 2001 y 2004, y en 2007 el programa Ultra Hal Assistant gan el premio.

2010s

En la actualidad se est tan lejos de cumplir la famosa prueba de Turing como cuando se formul: Existir Inteligencia Artificial cuando no seamos capaces de distinguir entre un ser humano y un programa de computadora en una conversacin a ciegas. Como ancdota, muchos de los investigadores sobre IA sostienen que la inteligencia es un programa capaz de ser ejecutado independientemente de la mquina que lo ejecute, computador o cerebro: En 2010 el programa Suzette gan el premio Loebner. Algunos programas de inteligencia artificial gratuitos son Dr. Abuse, Alice, Paula SG, Virtual woman millenium