1

La inteligencia artificial y las nociones sobre la realidad

Por: Ángela María Henao Isaza

Presentado a: Prof. Sandra Bibiana Vargas Gil

Escrituras académicas

Universidad Nacional de Colombia

Sede Manizales

2019

Capítulo 1
Introducción
Comprender la realidad ha sido una de las necesidades más grandes del ser humano. Esto

ha dado como consecuencia la construcción de diferentes instrumentos que permitan la

comprensión de esta realidad a lo largo de la historia. Si bien el ser humano se apoyó en primera

instancia de la utilización de los mitos como “un artificio para comprender esa realidad que se le

presentaba de forma irracional” (U.H, M. de Tovar, & Arráez Belly, 2006) esto fue

transformándose a medida que las sociedades fueron evolucionando. Del mito se pasó al logos y

se dio la construcción de la filosofía abriendo un camino a la edificación de los pensamientos del

ser humano.

Numerosos físicos trabajaron para la construcción de este entendimiento, a través de

diferentes herramientas que iban desde la utilización de los avances de las matemáticas en los

modelos científicos, hasta los experimentos reales que se podían desarrollar gracias a los avances

en las diferentes áreas aplicadas. Aun así se llegó a un punto crucial en la historia de la ciencia,

un punto que Heisenberg llamaría “un barco que apunta hacia el mismo barco” (1955). Esta
 2

nueva imagen de la realidad fue una consecuencia que se dio a las complejas interpretaciones de

la naturaleza que se empezaron a plantear en el mundo de la ciencia. Estas complejas

interpretaciones, además, venían acompañadas de sistemas de ecuaciones complejas y conceptos

que requerían de un entendimiento mayor. Ya no se estudiaban conceptos tan simples como la

medición de las pirámides a través de la sombra, sino sistemas de partículas que interaccionaban

entre sí aplicando un campo magnético entre ellas y de las cuales no se tiene completa certeza de

su posición a la par de su velocidad.

Capítulo 2

Los modelos científicos

La comprensión de la realidad ha sido abordada desde la ciencia a través de lo que se

conoce como los modelos científicos. Algunos filósofos entre los que cabe destacar a Hesse

(1963) y Hushes (1997) argumentan que los modelos científicos se basan con el propósito de

“desarrollar procesos de inferencia sobre ciertos aspectos de sistemas reales previamente

observados” (Izquierdo, Galán, Santos, & Del olmo, 2008) es a través de la creación de

modelos como el ser humano logra entender el mundo en el que vive.

El procedimiento de abstracción a la hora de crear un modelo requiere de la

observación de la realidad y luego, la construcción del modelo. A la hora de observar la

realidad se debe tener en cuenta que hay muchos detalles que se deben suprimir, pues no

aportan como tal al fenómeno que se desea estudiar. Si por ejemplo, se desea estudiar la

velocidad de un auto para recorrer cierta distancia, es claro que ni la marca, ni el color, ni el

año del auto tienen relevancia. Este proceso que implica perdida del realismo es aquel que da

lugar a encontrar nuevos conocimientos sobre la realidad que se está estudiando.

 3

Es importante entender como los resultados del modelo no son necesariamente con

rigurosidad los resultados de lo que está ocurriendo en la realidad. Esto se puede entender

mejor a través de lo que plantea Popper en “La doctrina de los tres mundos” (1997). Estos

resultados son una aproximación a lo que realmente está sucediendo. Aun así, son más

próximos que los que se obtendrían al no considerar el modelo.

Otra cuestión importante a la hora de abordar un modelo científico, es que no todos los

modelos fueron creados necesariamente para ciertas realidades y, aun así, se pueden aplicar

pues el grado de abstracción es el mismo. Si se considera el estudio sobre un celular que se

caerá al suelo cuando se deja caer a una altura “El modelo de gravedad Newtoniano puede

ayudar considerablemente a entender esta situación pese a que obviamente Newton no tenía

en mente la caída de libre de celulares” (Izquierdo et al., 2008) Al final, lo realmente

importante del modelo es que pueda capturar la esencia del sistema real, facilite el desarrollo

de resultados que no se podrían lograr sin el modelo y, además, proporcione conocimientos a

diferentes situaciones.

La mayoría de modelos que se han desarrollado a lo largo de la historia de la ciencia

se han basado sobre todo en modelos matemáticos. Según Ana Elena Narro, la forma de

abordar un problema es la siguiente: primero, se descubren sus componentes. A continuación,

se eligen los elementos más importantes, desechando aquellos que no juegan un papel

preponderante. Después se buscan las relaciones de estos elementos. Por último, se

seleccionan algunos objetos o símbolos que permitan representar la situación simplificada. A

esta representación del problema es que lo se llama modelo (1996). Así cuando se habla de

que las representaciones de estos elementos y de estas relaciones se da por símbolos

matemáticos se habla de modelos matemáticos.

 4

Los modelos matemáticos han sido cruciales en el entendimiento y la resolución de los

problemas a la naturaleza. Existen diversos modelos matemáticos que han caducado con el

tiempo y otros que prevalecen. Aun así, el desarrollo de la ciencia y la complejidad de las

interpretaciones sobre la naturaleza ha dado lugar a considerar modelos matemáticos muy

complejos, con ecuaciones que requieren de la computación para su solución. Es entonces, así

como “el desarrollo de los computadores digitales a partir de los años 50 y su aplicación para

desarrollar estas ecuaciones de alta complejidad ha dado lugar a introducir algo que muchos

han llamado “una tercera metodología” a la investigación científica: la simulación

computacional” (Gutierrez, 2001) siendo las otras dos metodologías: La experimental y la

teórica. Estas tres metodologías se han apoyado una sobre las otras. Siendo en muchos casos

la tercera metodología aquella que logra reemplazar la metodología experimental en los

campos de la física que es imposible probar a través de experimentos reales. Esto ha sido

crucial en el entendimiento de diferentes fenómenos de la realidad.

El modelo computacional utiliza así un lenguaje basado en algoritmos y proposiciones

que además pueden ser expresadas como un conjunto de ecuaciones (principalmente difíciles

de resolver) y la simulación computacional es la herramienta que permite estudiar ese modelo

más allá de los límites actuales de las matemáticas, dando como resultado un modelo más

cercano a la realidad que sigue conservando el rigor de las matemáticas.

El proceso para construir el modelo pasa a un plano con más pasos. Ahora, se

considera la abstracción de la realidad y se construye un modelo no formal. Esto se puede ver

como la formación mental del problema físico que se desea abordar. Luego, va la

decodificación de esa abstracción en el lenguaje del computador. Es aquí donde el modelo se

 5

convierte en algo formal. De aquí la resolución del problema por parte del computador y por

último él determina los resultados que luego, se comparan con la realidad.

Si se compara este tipo de modelo con él modelo anterior es evidente como el nivel de

confianza y de rapidez para la solución de problemas es más efectivo. Aun así, por alguna

razón el resolver más problemas ha hecho que en el ámbito de la ciencia, aparezca más

problemas. Y por consecuencia más posibilidades de diseñar modelos. Este tipo de búsqueda

de respuestas a logrado instaurar en las ciencias una visión de la realidad más amplio, como el

caso de la aplicación de método Montecarlo y dinámica molecular.

Capítulo 3

Aprendizaje automático

Gracias al desarrollo de la tecnología y de la computación cada vez más avanzada se

ha logrado la instauración de lo que se conoce como “maching learning” o en español

“aprendizaje automático”.

Cuando se habla de aprendizaje se refiere a un tipo de situaciones donde existe un

aprendiz que tiene la capacidad de incrementar sus habilidades o conocimiento para cumplir

una tarea. Se entiende como un tipo de aprendizaje donde “una vez resuelto un tipo de

problema el aprendiz debe ser capaz de reconocer la situación problemática y reaccionar

usando la estrategia aprendida” (Moreno et al., 1994) además de esto, se espera que este

aprendiz tenga la capacidad de ejecutar la misma tarea de varias formas, si es posible y

dependiendo las circunstancias.

Así entonces la computación ascendió a la capacidad para usar aprendizaje estadístico

y así detectar patrones en los datos. Una forma de entender la evolución de la percepción de la
 6

realidad puede ser de la siguiente manera. Años atrás, por ejemplo, en el siglo XIX el físico

Belga Joseph Plateau examinó películas de jabón que lo remitieron a postular el concepto de

“superficie minimal”, así como biólogos y matemáticos se dedicaron a estudiar los patrones

en el crecimiento de las plantas y los animales. Ahora, los computadores están siendo

entrenados para encontrar este tipo de patrones en sistemas mucho más complejos que

requieren la solución de matemáticas que no alcanzan en el cerebro humano.

Capítulo 4

Aprendizaje supervisado y aprendizaje no supervisado

Existen diferentes tipos de aprendizaje automático: el aprendizaje supervisado y el

aprendizaje no supervisado. Ambos tipos tienen que ver con la forma en cómo se entrenan las

inteligencias artificiales para interpretar los datos y lanzar una respuesta.

 7

Lista de referencias

Gutierrez, G. (2001). ELEMENTOS DE SIMULACION COMPUTACIONAL.

Heisenberg, W. (1955). La imagen de la Naturaleza en la Física actual.

Izquierdo, L. R., Galán, J. M., Santos, J. I., & Del olmo, R. (2008). Modelado de

sistemas complejos mediante simulación basadas en agentes y mediante

dinámicas de sistemas, 85–112.

Moreno, A., Armengol, E., Bejar, E., Belanche, L., Cortez, U., Gavalda, R., …

Sanchez, M. (1994). Aprendizaje automático. Retrieved from

https://upcommons.upc.edu/handle/2099.3/36157

Narro Ramirez, A. E. (1996). Aplicación de algunos modelos matemáticos a la

toma de decisiones. Política y Cultura, 183–198. Retrieved from

http://www.redalyc.org/pdf/267/26700614.pdf

Popper, K. R. (1997). El cuerpo y la mente (Paidos ibe).

U.H, M., M. de Tovar, L., & Arráez Belly, M. (2006). EL MITO : LA

EXPLICACIÓN DE UNA REALIDAD.