1.

1 Definición de la Inteligencia Artificial

1.Introducción

Al terminar esta primera sección del curso tendrás una idea general de lo que es la IA, su evolución, los tipos
de problemas que aborda y algunas técnicas que maneja.

1.1. Definición de la Inteligencia Artificial

Podemos decir que la Inteligencia Artificial tiene dos grandes objetivos:

1. Construir artefactos que exhiban un comportamiento que pueda considerarse "inteligente".

2. Ayudar a entender la inteligencia humana.

Estas dos áreas de trabajo de la IA se reflejan claramente en las dos definiciones siguientes:

 La IA es el estudio de cómo lograr que las computadoras realicen tareas que, por el momento, los
humanos hacen mejor (Rich, Knight, 1991).
 La IA es el campo de estudio que se enfoca a la explicación y emulación de la conducta inteligente
en función de procesos computacionales (Schalkoff, 1990).

Un problema que enfrenta la IA es la falta de acuerdo en lo que se refiere a definir la "inteligencia" natural, lo
que necesariamente afecta la definición de la inteligencia artificial.

En este curso tomaremos el primer enfoque, el que está relacionado con la construcción de artefactos
inteligentes. Dentro de éste enfoque encontramos estas otras definiciones:

 La IA es el arte de crear máquinas con capacidad de realizar funciones que ejecutadas por personas,
requieren de inteligencia (Kurzweil, 1990).
 La IA es la rama de la ciencia de la computación que se ocupa de la automatización de la conducta
inteligente (Lugar y Stubblefied, 1993).

1.1.1 Historia de la Inteligencia Artificial

En el verano de 1956, un grupo de investigadores se reunió en el Darmouth College (Estados Unidos) para
discutir la posibilidad de construir máquinas que pudieran realizar operaciones "inteligentes", es decir, que no
se limitaran a hacer cálculos prefijados.

Los integrantes de ese grupo, entre otros, eran Samuel, quien en ese entonces ya había escrito un programa
que jugaba damas inglesas y era capaz de aprender de su propia experiencia; McCarthy, que estudiaba la
forma de automatizar razonamientos de sentido común; Minsky, que trabajaba sobre razonamientos
analógicos de geometría; Selfridge, que estudiaba el reconocimiento de imágenes por computador, Newell,
Shaw y Simon, que habían construido un programa que demostraba teoremas de manera automática. Se
considera que este grupo de investigadores son los verdaderos iniciadores en el campo de investigación que
McCarthy bautizó como "Inteligencia Artificial".

1.1.2 Áreas de Aplicación de la Inteligencia Artificial

Hay diferentes áreas en las que se aplican las técnicas de la IA. Según Escolano et al., entre ellas podemos
mencionar:
 1. Tratamiento de lenguajes naturales, que engloba aspectos como la traducción automática de un
lenguaje humano a otro y la interacción hombre-máquina en lenguaje natural.
2. Sistemas expertos, que engloba aquellos sistemas que incorporan de alguna manera los
conocimientos de un experto con el fin de ayudar a otras personas a mejorar sus deducciones. Estos
sistemas fueron los que dieron a la IA sus primeros sistemas comerciales exitosos.
3. Robótica, que abarca aspectos como la navegación de robots móviles, la optimización del control de
brazos fijos y el ensamble de piezas.
4. Percepción del habla y la visión, que abarca aspectos como el reconocimiento del lenguaje natural
y la interpretación de imágenes médicas, por ejemplo.
5. Aprendizaje, que engloba el automejoramiento de los sistemas a partir de su ejecución en diferentes
situaciones y el modelado de conductas para su posterior implementación en sistemas
computacionales.

1.1.3 Los tipos de Inteligencia Artificial

Históricamente hablando, la IA clásica y la IA conexionista nacen casi simultáneamente. Sin embargo, el

enfoque conexionista naciente propuesto por McCulloch y Pitts, fue bastante limitado como lo demostraron
Minski y Edmons, lo que hizo que este tipo de IA fuera prácticamente abandonado por varios años, hasta
mediados de la década de 1980, cuando resurgen propuestas que superan sus limitaciones iniciales.

Por otro lado, al poco tiempo de su nacimiento, la IA clásica se da cuenta de la necesidad de incorporar
conocimiento a los sistemas inteligentes y mucho de su trabajo se avoca a investigar las formas de obtener,
codificar y manipular el conocimiento en sistemas inteligentes. Este tipo de IA se basa en la Hipótesis del
Sistema Físico Simbólico, que propone que un sistema físico de símbolos es necesario y suficiente para que
puedan darse actividades inteligentes.
Los primeros trabajos de la IA clásica de enfocan a resolver "problemas de juguete", es decir, problemas en
ambientes muy limitados e irrealistas, con la idea de escalar las soluciones a problemas reales, una vez que
estos problemas de juguete sean resueltos. Sin embargo, esto casi nunca sucedió, es decir, la escalabilidad
resultó ser muy difícil de conseguir, lo que hizo a algunos pensar en rechazar del todo esta vertiente de la IA y
desarrollar la IA reactiva, en la que los sistemas no tienen una representación explícita de conocimiento ni
mecanismos para manipularlo. A pesar de eso, la IA clásica, con los sistemas expertos, ha sido el área que
dio a este campo sus primeros productos comerciales exitosos.
Actualmente se piensa que los sistemas inteligentes requieren una combinación de enfoques, porque ninguno
de ellos, de manera aislada, puede resolver problemas medianamente complejos.
Por otro lado, la IA conexionista pretende reproducir la manera en la que el cerebro procesa la información
utilizando neuronas artificiales interconectadas entre sí, formando lo que se conoce como "redes neuronales".
Las redes neuronales han mostrado una capacidad de aprendizaje asombrosa, pero son una especie de "caja
negra" de la que no podemos obtener información sobre el proceso de aprendizaje. Las redes neuronales son
muy utilizadas para el reconocimiento de patrones, entre otras cosas.

1.2 El Agente Inteligente

Uno de los enfoques que más impacto ha tenido en la comunidad de la IA es el de considerar los sistemas
inteligentes usando la analogía de agentes. En el mundo real, un agente es una persona que, de alguna
manera, te representa y puede realizar compromisos en tu nombre. Por ejemplo, el agente de algún cantante
es quién lo promueve y acuerda fechas de presentación y cierra compromisos a nombre del artista.
En el mundo de la IA la idea de considerar como agentes a los sistemas inteligentes surge a mediados de la
década de 1990, es decir, la idea de "personalizar" los programas que aplican alguna de las técnicas de la IA
para resolver problemas. Por "personalizar" nos referimos al hecho de atribuir características propias de las
personas a los programas inteligentes. Por ejemplo, como verás más adelante, hay agentes que se
caracterizan por sus creencias, deseos e intenciones.
Una definición dice: Un agente inteligente es un programa de ordenador que es capaz de realizar lo que
haríamos nosotros si tuviéramos tiempo o, de forma más precisa, "un tipo de programa informático que, por
encargo de un usuario u otro programa, realiza de forma autónoma tareas que requieren cierto grado de
inteligencia y aprendizaje".
Russel y Norving proponen que un agente es cualquier cosa de la que se puede decir que percibe su
ambiente por medio de sensores y ejecuta acciones en ese medio ambiente por medio de actuadores.
En la siguiente sección de este módulo estudiarás una clasificación de agentes inteligentes y las
características generales de cada una de las categorías propuestas.