INTELIGENCIA ARTIFICIAL (IA)

1. INTELIGENCIA ARTIFICIAL

Según J. McCarthy “Es la Ciencia e Ingeniería de hacer máquinas inteligentes

(especialmente programas). Esto está relacionado a la tarea de usar computadoras para

entender la inteligencia humana, pero IA no tiene que limitarse a métodos que son

biológicamente observables”.

La inteligencia artificial (IA) tiene por objetivo el estudio y el análisis del comportamiento

humano en los ámbitos de la comprensión, de la percepción, de la resolución de problemas

y de la toma de decisiones con el fin de poder reproducirlos con la ayuda de un

computador. De esta manera, las aplicaciones de la IA se sitúan principalmente en la

simulación de actividades intelectuales del hombre. Es decir, imitar por medio de

máquinas, normalmente electrónicas, tantas actividades mentales como sea posible, y

quizás llegar a mejorar las capacidades humanas en estos aspectos (Hardy, 2001).

- Definiciones de inteligencia artificial basadas en el objetivo de “Estudio de

Procesos Cognitivos”

Un primer objetivo de la inteligencia artificial se puede centrar, en general, en el

estudio de los procesos cognitivos, intentando obtener un desarrollo teórico

sistematizado de las diversas actividades del intelecto que nos permite un

conocimiento más profundo y preciso del mismo. Los trabajos sobre métodos

automáticos de deducción, sentido común, síntesis de planificación, comprensión y

generación del lenguaje natural, entre otros, son ejemplos de investigación en

inteligencia artificial sobre dichos procesos. Los investigadores en Inteligencia

 Artificial, a lo largo de estos años, han usado muchas técnicas diferentes para

intentar hacer a los ordenadores más inteligentes. Una de estas técnicas, utilizada

normalmente, ha sido la determinación de los procesos empleados por el hombre

para generar una conducta inteligente y su implementación en un ordenador. Esto es

lo que se ha dado en llamar modelación o simulación.

- Definiciones de inteligencia artificial basadas en el objetivo de “Creación de

Sistemas Automáticos”

Como segundo objetivo a lograr por la inteligencia artificial, está la creación de

entes o sistemas automáticos que sean capaces de llevar a cabo tareas y funciones

que han estado, hasta el momento, reservadas en su desempeño exclusivamente a

los seres humanos. En este segundo enfoque la inteligencia artificial se encarma

dentro de un contexto, más tecnológico, donde sea posible diseñar y construir

programas, maquinas, etc., con aptitudes similares o superiores a la de un ser

humano.

La primera fase de las aplicaciones del ordenador es bien conocido que se ha

concentrado en los cálculos números. Actualmente, nos encontramos en un

momento de transición hacia otra fase en la que se intenta que los ordenadores

posean la facultad de razonar. A la parcela de la informática que se ocupa de la

concepción y el diseño de los ordenadores inteligente se la suele denominar como

Inteligencia Artificial.

La inteligencia artificial es el estudio de cómo hacer que los ordenadores hagan

cosas que por el momento las personas realizan de una forma más perfecta (Rich,

1983). La definición dada por Rich, se refiere a las cosas que los ordenadores hacen

2
 peor que los humanos, es precisamente sobre esas cosas en las que se va a centrar el

análisis, para lo cual considerará dos apartados: Calculo numérico, almacenaje de

información y ejecución de operaciones repetitivas.

1.1. ORIGEN Y ESTADO DE LA INTELIGENCIA ARTIFICIAL

Escolano et al. (2003), afirman que las bases de la inteligencia artificial y su estado actual

son las siguientes:

1.1.1. BASES DE LA INTELIGENCIA ARTIFICIAL MODERNA

La Inteligencia Artificial, toma un sentido científico viable como disciplina

informática moderna, durante la segunda mitad de este siglo. Es el resultado directo

de la confluencia de diversas corrientes intelectuales desarrolladas sobre los

cimientos formales de la Lógica y la Matemática Discreta e impulsada por el

desarrollo de los computadores digitales.

Los primeros esfuerzos en el estudio de la simulación automática de la inteligencia

tuvieron lugar en el periodo 1945 a 1956. Durante este periodo las diferencias

fundamentales entre el funcionamiento del cerebro humano, los sistemas de retro-

alimentación y los computadores digitales no estaban aún bien definidas. En 1943

Wiener, en colaboración con Rosenblueth y Bigelow, establece las bases de la

Cibernética (control, autorregulación) integrando aproximaciones mecánicas.

McCulloch y Pitts explican formalmente la realización de operaciones lógicas

mediante el interconexionado neutral y su control por realimentación, demostrando

que cualquier ley de entrada/salida podría implementarse con una red neuronal. Seis

años más tarde en 1949, Hebb sugerirá mecanismos de aprendizaje. Acababa de

nacer el paradigma conexionista. En 1950 Turing aborda desde otra perspectiva

3
 “¿Puede una maquina pensar?”. Turing propone un test (bautizado con su nombre)

de caracterización basado en la capacidad de emular el comportamiento humano en

el llamado juego de imitación. El test de Turing se define de la siguiente manera:

“Disponemos a un humano y a una maquina en habitaciones diferentes. Un

observador le hace una serie de preguntas a uno y a otro a través de la puerta. Si

pasado un cierto tiempo el observador no es capaz de determinar quién es el

humano y quién la máquina, podríamos concluir diciendo que la maquina posee

inteligencia.”

1.1.2. ESTADO ACTUAL

Durante los noventa el paradigma conexionista sigue avanzando en compañía de la

lógica difusa y los algoritmos genéticos, motivándose el desarrollo de sistemas

híbridos, a los que trata de dotar de adaptatividad. Se aportan nuevas metodologías

de adquisición del conocimiento, como KADS. En aprendizaje se producen avances

significativos y proponen nuevos métodos. Continua el desarrollo de la

programación declarativa tanto en el desarrollo de métodos automáticos de

prototipado como en la propuesta de enfoques de interpretación del lenguaje natural.

En cuanto a arquitecturas cognitivas se concreta la revolución del planteamiento

reactivo en el desarrollo de agentes autónomos. Finalmente, en visión artificial se

observa un cambio de paradigma, desde el enfoque pasivo clásico al enfoque activo,

se conecta la tarea perceptual con la ejecución de acciones (binomio percepción-

acción) estudiándose sus implicaciones en el desarrollo de sistemas robóticos con

mejores prestaciones.

4
 En general, se ha abandonado el objetivo de buscar una inteligencia artificial, como

meta primordial. En vez de eso, se pretende resolver problemas más concretos y que

puedan ser fácilmente transferibles a la industria para que, poco a poco, los sistemas

vayan adquiriendo inteligencia unido ello al desarrollo tecnológico y al progreso en

campos afines.

1.2. ELEMENTOS BASICOS DE LA INTELIGENCIA ARTIFICIAL

Son cuatro los elementos o pilares básicos sobre los que descansa el fundamento de un

programa de Inteligencia Artificial: Búsqueda heurística, modelación y representación del

conocimiento, el razonamiento de sentido común y lógica y, por último, los lenguajes y

herramientas de Inteligencia Artificial (Nilsson, 1981).

1.2.1. BUSQUEDA HEURISTICA

Hasta la aparición de la Inteligencia Artificial, la mayoría de los programas de

ordenador existentes estaban concebidos para realizar operación y cálculos

fundamentalmente números o alfa-numéricos, efectuándolos con gran rapidez y

exactitud. La aplicación de algoritmos era la base de la sustentación de la mayoría

de los programas convencionales que exigían, además, un conocimiento completo

de la cuestión a resolver.

Estos programas, utilizados ampliamente en las últimas décadas, han proporcionado

resultados satisfactorios hasta tal punto que las predicciones más optimistas,

pronosticaron la posibilidad de que los mismos fuesen capaces de superar a la

inteligencia humana simplemente mediante la reducción de todo hecho, fenómeno o

problema elementos que puedan ser representados en términos matemáticos,

procesándolos con posterioridad mediante ordenadores.

5
1.2.2. REPRESENTACION DEL CONOCIMIENTO

El conocimiento y la comprensión de las cosas, hechos y fenómenos y en general de

todo cuanto acontece en el entorno, es fruto de un proceso mediante el cual se

realiza una abstracción y representación de lo percibido a través de los sentidos.

Cuando se analiza el problema de la representación del conocimiento es frecuente

centrar la atención sobre la manera en que se pueden representar, de una forma

natural y asequible, los objetos y fenómenos que conforman dicha realidad. Si esto

se consigue se hará posible, además, una interpretación exacta y precisa de la misma

que, con posterioridad, posibilitará actuar convenientemente sobre ella para

modificarla según los objetivos que se hayan planteado. Es, por lo tanto, la

representación una cuestión clave a la hora de encontrar soluciones a los problemas

planteados intentando, además, que estas sean adecuadas.

CUADRO 1: Programación convencional-Programación simbólica. Comparación.

PROGRAMACION PROGRAMACION SIMBOLICA

CONVENCIONAL
Orientada hacia el proceso numérico Orientada hacia el procesamiento

simbólico
Emplea algoritmos Emplea heurísticos
Procesamiento por lotes y secuencial Procesamiento interactivos
Imposibilidad de acceso a explicaciones Fácil acceso a explicaciones y

o aclaraciones aclaraciones
Base de datos dirigida numéricamente Base de conocimiento estructurada

simbólicamente.
Fuente: Amador, 1996

6
1.2.3. REPRESENTACION DEL CONOCIMIENTO

El sentido común se suele calificar como razonamiento de bajo nivel basado en la

riqueza de la experiencia. Con la paulatina adquisición del sentido común se

aprende a prever multitud de hechos y acontecimientos corrientes del acaecer diario,

que incluso, pueden estar difusamente especificados y comprendidos. Sin embargo,

estos hechos y fenómenos corrientes, que se dan en la vida de cualquier persona,

han resultado ser los más complicados a la hora de representarlos en un ordenador.

1.2.4. LENGUAJES, ENTORNOS Y HERRAMIENTAS DE INTELIGENCIA

ARTIFICIAL

En el ámbito de la informática convencional se han desarrollado diversos lenguajes

específicos de alto nivel para los diferentes campos de aplicación. Esto mismo ha

ocurrido en el caso de la inteligencia artificial. Los lenguajes nuevos aparecidos

dentro del ámbito de la inteligencia artificial cuentan, en su mayoría, con una serie

de características y particularidades comunes a todos que se pueden resumir de la

forma siguiente:

- En general este tipo de software se caracteriza por ofrecer un gran modularidad.

- Los lenguajes de Inteligencia Artificial poseen la capacidad de diferir decisiones

finales de programación hasta el último momento, cuando el programa ya está en

ejecución.

- Estos lenguajes ofrecen grandes facilidades en el manejo de listas

- Facilitan la realización de ciertos tipos de deducción automática permitiendo,

además, la creación de una base de hechos, lugar donde se recogen los datos

iniciales que describen el problema a resolver y donde se recogen también los

7
 resultados intermedios que se han obtenido mediante las deducciones hechas a

través del razonamiento.

- Ese tipo de lenguajes permiten el uso simultaneo de estructuras que incorporan

conocimiento declarativo y procedimental.

- Los entornos de IA tienen una marcada orientación grafica que permite visualizar

las estructuras de los mismos cuando los están creando o cuando realizan alguna

modificación. Además, las herramientas de inteligencia artificial suelen hacer un

seguimiento de todos los cambios efectuados en el transcurso de una sesión o

ejecución programática, lo cual facilita la mejora y depuración de los programas.

- Estos entornos disponen de numerosas herramientas que permiten a los diseñadores

de sistemas desarrollar programas capaces de comprender otros programas y

efectuar, de forma automática, transformaciones entre ellos.

1.3. COMPARACION DE LA INTELIGENCIA ARTIFICIAL CON LA

INTELIGENCIA HUMANA

CUADRO 2: Comparación entre ambas inteligencias

INTELIGENCIA ARTIFICIAL INTELIGENCIA HUMANA

RASGOS COMUNES
- Crece con la experiencia

- Obsolescencia y empobrecimiento por falta de uso

ASPECTOS POSITIVOS ASPECTOS NEGATIVOS
- Suele estar bien documentada. Se - Documentación escasa

puede reproducir y transmitir con - No resulta fácil su transmisión

facilidad - Es efímera y no permanente

- Posibilidad de acumular - Es irregular

conocimiento permanentemente - Desaparece con la persona

8
 - Es consistente - Coste alto

- Perdura tras la desaparición de la

persona

- Coste razonable
ASPECTOS NEGATIVOS ASPECTOS POSITIVOS
- De forma general no es creativa - Es creativa

- No forma parte de la cultura - Forma parte de la cultura general de

general de una persona una persona

Fuente: Amador, 1996.

Para complementar esta información podemos recalcar las características sugeridas por

Hofstadter (1987), quien da a conocer estas características como actitudes esenciales de la

inteligencia, algunas son:

- Responder de manera flexible a las situaciones. No hay motivo para proceder de la

misma forma siempre que uno se enfrenta consecutivamente a un problema similar.

Si así se hiciera, se seguiría una conducta mecánica en lugar de inteligente.

- Saber extraer el sentido de mensajes contradictorios o ambiguos. Se extienden

muchas expresiones, que aparecen como contradictorias o ambiguas, ya que se es

capaz de referirlas a un contexto adecuado debido al conocimiento y experiencia

que se posee.

- Se puede reconocer la importancia relativa de los diferentes elementos que

concurren en una situación. Diariamente, se reciben grandes cantidades de mensajes

e información y se da un sentido al entorno circundante, asignando diferentes

niveles de importancia a todos los acontecimientos ocurridos en el mismo.

9
- Se encuentran semejanzas entre distintas situaciones, a pesar de las diferencias

posibles que puede haber entre ellas. En el reconocimiento de estas semejanzas se

basan las acciones futuras, dado que del pasado se han retenido y aprendido cosas.

Por eso, no es necesario que dos hechos o situaciones sean idénticas para que se le

aplique la experiencia.

- Se detectan las diferencias existentes entre dos situaciones, a pesar de las aparentes

similitudes que se pueden dar entre ellas, obrando en consecuencia.

10