Inteligencia Artificial

John Alfonso Kandalaft Letelier

Universidad Católica del Maule

Introducción a la Ingeniería
 Resumen

Aristóteles en la antigua Grecia inició los primeros cuestionamientos sobre la inteligencia y

la razón. Esas habilidades, son propiedades humanas que en teoría pueden ser copiadas a una
forma artificial con la utilización de códigos.

La robótica ha diseñado mecanismos que reproducen comportamientos típicamente

humanos, y que son capaces de realizar operaciones muy complejas. A pasos largos
caminamos hacia crear computadoras y sistemas inteligentes. Compañías como Microsoft,
Google e Amazon están invirtiendo enormes sumas financieras en desarrollo y plataformas
para aplicaciones practicas de la Inteligencia Artificial (I.A), una vez que pueden generar
enormes retornos en diferentes sectores de la sociedad.

La Inteligencia Artificial es una realidad que viene a cambiar toda nuestra sociedad. Si es
para mejor o peor, eso va a depender de los programadores.
 Metodología

Proceso Investigativo

El proceso de investigación se basó en lectura y análisis de vídeos, textos, páginas en

Internet y ciertas bibliografías que fueron consideradas importantes para el desarrollo de este
ensayo.

Resultado de la Investigación

Historia de la Inteligencia Artificial

Históricamente, las ideas mas básicas sobre este concepto se remontan a los griegos,
siendo el pensador griego Aristóteles el primero en definir un conjunto de reglas que
describen una parte del funcionamiento de la mente para obtener conclusiones racionales. Por
otra parte, Ctsebio de Alexandria fue el primero en construir una máquina auto-controlada
que fue un regulador de flujo de agua.

A continuación se destacan algunos puntos históricos importantes para el avance y

desarrollo de la I.A:

1. El algoritmo de planificación del De Motu Animalium, Aristóteles (400 a.C.)1.

2. Ctesibio de Alexandria y el Regulador de flujo de agua (222 a.c)2

3. El generador de conceptos del Ars Magna de Ramón Lull (1300 d.C.)3.

4. Leonardo da Vince y su diseño de calculadora mecánica (1500).4

5. El motor de diferencias de Charles Babbage, un prototipo del primer computador

universal (1848)5.

6. La notación de lógica de primer orden de Gottlob Frege (1789)6.

7. Los diagramas del razonamiento lógico de Lewis Carroll (1886)7.

 8. Alan Turing (1912-1954)8.

9. El Robot Shakey (1969-1973)9.

Alan Turing y el desafío de la I.A.

Varios siglos más tarde Alan Turing, diseño una máquina universal que demostró la
viabilidad de un dispositivo físico para implementar cualquier registro formalmente definido,
o sea el computador de programa almacenado. Eso significaba que en la memoria no solo se
guardan datos sino también los propios programas que ejecuta.

En 1937, Alan Turing, publicó un celebre artículo en el que definió una máquina
calculadora de capacidad infinita. Esta funcionaba basándose en una serie de operaciones
lógicas, sentando así las bases del concepto moderno de algoritmo. Describió en términos
matemáticos precisos, como un sistema automático con reglas simples, podría efectuar toda
clase de operaciones expresadas en un lenguaje formal.

Metodología propuesta por el científico Alan Turing (1950), fue diseñada para
proporcionar una definición funcional y convincente sobre la creación de una inteligencia.
Consiste en una prueba con el resultado de la incapacidad en diferenciar una inteligencia
humana de una no humana. El programa artificial supera la prueba si el evaluador humano no
es capaz de distinguir si las preguntas planteadas son de una persona o no. Por hoy, se puede
afirmar que el programa para que pueda superar la prueba necesita un desarrollo bastante
considerable. Para eso debería tener las siguientes características:

● Procesamiento de lenguaje natural que le permita comunicarse satisfactoriamente en

inglés.

● Representación del conocimiento para almacenar lo que se conoce o siente.

● Razonamiento automático para utilizar la información almacenada para responder a

preguntas y extraer nuevas conclusiones.

● Aprendizaje automático para adaptarse a nuevas circunstancias y para detectar y

extrapolar patrones.
 ● Visión computacional para percibir objetos.

● Robótica para manipular y mover objetos.

Estas seis disciplinas abarcan la mayor parte de la I.A, y Turing merece ser reconocido
por diseñar una prueba que se conserva vigente después de 50 años. Los investigadores del
campo de la I.A han dedicado poco esfuerzo a la evaluación de sus sistemas con la Prueba de
Turing, por creer que es más importante el estudio de los principios en los que se basa la
inteligencia que duplicar un ejemplar.

Concepto Moderno de I.A.

El concepto de inteligencia artificial fue acuñado en 1956 por John McCarthy10, durante
la conferencia de Darthmouth que tuvo lugar en la universidad estadounidense de Dartmouth
College, donde diez investigadores se dedicaron durante los dos meses del verano a tratar de
fabricar máquinas que se comuniquen a través del lenguaje, realicen abstracciones, formen
conceptos y resuelvan problemas. En su discurso acuña por primera vez el término
Inteligencia Artificial cuya definición es básicamente la ciencia e ingenio de hacer máquinas
inteligentes.

Anteriormente a esto, la comunidad científica trató colocarse de acuerdo sobre una

definición, pero nunca logró llegar a consenso.

Los 4 tipos de Inteligencia Artificial

Stuart Russell11 y Peter Norvig12 diferencian estos 4 tipos de la inteligencia artificial con
los cuales actualmente se trabaja:

● Sistemas que piensan como humanos: Estos sistemas tratan de emular el pensamiento
humano; por ejemplo las redes neuronales artificiales. La automatización de actividades
que vinculamos con procesos de pensamiento humano, actividades como la toma de
decisiones, resolución de problemas y aprendizaje.

● 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
 ●
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 los sistemas
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.

Las escuelas de la Inteligencia Artificial

Convencional: Consiste en el estudio del comportamiento humano

También conocido como I.A simbólico-deductiva e I.A débil. 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 contiene

autonomía y puede 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 dicha
actividad.

Computacional: Consiste en el aprendizaje interactivo

 También conocida como I.A subsimbólica-inductiva e I.A fuerte; implica desarrollo o
aprendizaje iterativo por ejemplo, modificaciones interactivas de los parámetros en sistemas
conexionistas. Combina elementos de aprendizaje, adaptación, evolución y Lógica difusa
para crear programas que son, en cierta manera, inteligentes.

El aprendizaje se realiza basándose en datos empíricos. Algunos métodos de esta rama

incluyen:

● Máquina de vectores soporte: sistemas que permiten reconocimiento de patrones

genéricos de gran potencia.

● Redes neuronales: sistemas con grandes capacidades de reconocimiento de patrones.

● Modelos ocultos de Markov: aprendizaje basado en dependencia temporal de eventos

probabilísticas.

● Sistemas difusos: técnicas para lograr el razonamiento bajo incertidumbre. Ha sido

ampliamente usada en la industria moderna y en productos de consumo masivo, como
las lavadoras.

● Computación evolutiva: aplica conceptos inspirados en la biología, tales como

población, mutación y supervivencia del más apto para generar soluciones
sucesivamente mejores para un problema.

Las leyes primárias de la I.A

La ciencia-ficción a lo largo de su historia le ha atinado a muchos de los desarrollos

futuros, aunque ciertamente también ha fallado en algunas de sus ideas; lo cierto es que Isac
Asimov13 , un autor de ciencia-ficción que a lo largo de su historia ha percibido muchos de
los desarrollos futuros el cual lo podríamos considerar un visionario, pues gran parte de lo
que ha escrito en sus obras se ha ido cumpliendo, sobre todo aquello que implique
inteligencia artificial y robótica.

Fue en 1942 que Asimov publicó su libro Runaround14, en el cual expresaba por primera
vez sus ahora ya célebres Leyes de la Robótica, con las cuales se forzaba a los robots a
vez sus ahora ya célebres Leyes de la Robótica, con las cuales se forzaba a los robots a

mantenerse bajo las órdenes de los humanos. Las cuales por cierto nos dicen lo siguiente:

1. Un robot no puede hacer daño a un ser humano o, por su inacción, permitir que un ser
humano sufra daño.

2. Un robot debe obedecer las órdenes dadas por los seres humanos, excepto si estás
órdenes entran en conflicto con la Primera Ley.

3. Un robot debe proteger su propia existencia en la medida que esta protección no entre en
conflicto con la Primera o la Segunda Ley.

Dentro del estudio de la I.A, se podría decir que son leyes consideraras fundamentales
para el desarrollo seguro de una posible creación de una consciencia artificial.

Aplicaciones Comerciales de la I.A.

Se considera que una de las más importantes aplicaciones de la Inteligencia Artificial es

la que se dedica a la investigación científica. Los procesos computacionales avanzados en
conjunto con los algoritmos creados, pueden dar respuestas o soluciones a diversas
preguntas, que aun no se han podido responder en los más variados campos.

En nuestra sociedad podemos encontrarnos con numerosos ejemplos en las que existen
las aplicaciones de la inteligencia artificial.

Autos autónomos, computadoras que controlan los viajes espaciales o sistemas periciales
que informan los últimos avances en medicina o economía.

En efecto, procesos de la I.A. se aplican en los sistemas reales en una gran variedad de
ramas y problemas:

● Gestión y control: análisis inteligente, fijación de objetivos.

● Fabricación: diseño, planificación, programación, monitorización, control, gestión de

proyectos, robótica simplificada y visión computarizada.

● Educación: adiestramiento práctico, exámenes y diagnóstico.

 ● Ingeniería: diseño, control y análisis.

● Equipamiento: diseño, diagnóstico, adiestramiento, mantenimiento, configuración,

monitorización y ventas.

● Cartografía: interpretación de fotografías, diseño, resolución de problemas cartográficos.

● Profesiones: abogacía, medicina, contabilidad, geología, química.

● Software: enseñanza, especificación, diseño, verificación, mantenimiento.

● Sistemas de Defensa: guerra electrónica, identificación de objetivos, control adaptativo,

proceso de imágenes, proceso de señales.

● Proceso de datos: educación, interfase en lenguaje natural, acceso inteligente a datos y

gestores de bases de datos, análisis inteligente de datos.

● Finanzas: planificación, análisis, consultoría.

Herramientas para Desarrollo de I.A.

Es importante destacar que existen dos ramas principales a las cuales los profesionales
pueden dedicarse. Por un lado está la programación, y por otro tenemos la investigación. En
cuanto a programación está el desarrollo de la carrera cuanto al crear programas y sistemas
que hacen uso de algoritmos de Inteligencia Artificial, y en la investigación está el proceso
de desarrollar nuevos algoritmos, nuevas estructuras, como tornar eficientes estructuras y
mejorar las habilidades de ciertos algoritmos que ya existen.

Es muy importante tener bien reforzado conocimientos en ramos específicos de la

matemática para dedicarse a la profesión de Inteligencia Artificial. Si el profesional desea
seguir el camino de la investigación pero no llegar a un nivel de detalles tan profundo, en
este caso trabajar en programación. De esa, forma existen tres ramas de la matemática que
son prioritarias para el trabajo en inteligencia artificial y éstas son: Cálculo (integral y
diferencial), probabilidad (teorema de Bayes15, exclusividad mutua, eventos independientes)
y estadística e álgebra lineal (matrizes, vectores y operaciones que se puedan realizar entre
ellas para desarrollo de redes neuronales). Bastante importante entender la notación de
ellas para desarrollo de redes neuronales). Bastante importante entender la notación de

Leibniz16 para todo el proceso de desarrollo y estudio de algoritmos, una vez que todas las
publicaciones presentan contenido complejo de literatura matemática.

Aunque en teoría es posible desarrollar inteligencia artificial desde casi cualquier

lenguaje, uno de los más recomendados es Python, uno por su facilidad de aprendizaje y otra
por la cantidad de paquetes ligados a Inteligencia Artificial y machine learning que están
disponibles en la comunidad de desarrollo. Además, si se desea implementar algoritmos los
cuales ya funcionan en línea, grandes plataformas como Microsoft, Google y Amazon tienen
tutoriales en linea de cómo construir algoritmos de I.A. y subirlos a sus plataformas, los
cuales son creados en Python.

Por el lado de las paqueterías que más contiene datos para creación de I.A tenemos:

Tensor Flow: libreria desarrollada por Google, la cual facilita al programador la

creacion de redes neuronales.

Keras: viene integrado en las nuevas versiones de Tensor Flow. La ventaja es que es
bastante más fácil de usar que Tensor Flow, pudiendo desarrolar redes neuronales en menos
líneas de códigos. Se destaca el uso de la fuerza de la paquetería de Tensor Flow, pero usando
lenguaje Keras es bastante más sencillo.

NumPy: nos posibilita manejar arreglos desde Python. Como I.A es estar realizando
procesamiento de grandes volúmenes de datos, poder tener arreglos en Python para poder
realizar el manejo de esa información es bastante útil. NumPy transforma Phyton en C, lo que
hace que el proceso de programacion sea bastante más rápido.

OpenCV: esta es una librería bastante utilizada para los que quieren dedicarse a la I.A.
de procesamiento de imágenes. Con ella es posible realizar manejo de imágenes desde
Python.

ScikitLearn: trata de una paquetería la cual viene con varios algoritmos matemáticos los
cuales son de inteligencia artificial como regresiones lineales, o arboles de decisión.

Conclusión
 Para dotar a las máquinas de la posibilidad de realizar razonamientos, se crean redes
neuronales artificiales conectadas entre sí, valiéndose de tecnología de software, para
producir una respuesta ante un estímulo, que imitan al sistema nervioso central.

Faltan todavía trabajos importantes en el desarrollo dentro de la I.A como su facilidad de

uso, la flexibilidad de la infraestructura computacional y la disponibilidad de herramientas de
desarrollo cada vez más poderosas.

Existe una enorme probabilidad de que el empleo de una interfaz inteligente ayudará a
las personas a encontrar lo que ellas deseen, hará lo que éstas deseen cuando lo deseen, en
forma natural y sin requerir el conocimiento de detalles irrelevantes, y estamos construyendo
un camino a esa realidad.

Aún existen varios desafíos técnicos que deben ser superados antes de crear una
inteligencia artificial capaz de simular nuestra humanidad. Pasar en la prueba de Turing
apenas demuestra que nos pueden imitar, lo que también nos puede colocar en riesgo
considerando el histórico de nuestra especie. Futuras normas y procedimientos de seguridad
ciertamente deberán ser empleados, una vez que es incierto el resultado final de la creación
de una conciencia artificial.

En fin, todo parece indicar que las computadoras o sistemas programados con I.A. son el
campo de la solución de problemas del futuro; sin embargo, el intelecto humano parece ser
irreemplazable en relación con la solución de problemas de sentido común. Se sugiere
entonces, dado lo complicado de la mente humana, que hombre y máquina interactúen juntos
ya que necesitan uno del otro para solucionar eficazmente los problemas.
 Referencia bibliográfica

Blog Ingenieria. “¿Cómo surgió el desarrollo de la inteligencia artificial?”. https://

blogingenieria.com/libros-ingenieria/desarrollo-inteligencia-artificial/

Wikipedia. “Análisis de la marcha” Última modificacion Marzo 11, 2019. https://

es.wikipedia.org/wiki/An%C3%A1lisis_de_la_marcha

Wikipedia. “Ars Magna Generalis” Última modificacion Marzo 25, 2017. https://
es.wikipedia.org/wiki/Ars_Magna_Generalis

Wikipedia. “Diagrama de Carroll” Última modificacion Febrero 05, 2019. https://

es.wikipedia.org/wiki/Diagrama_de_Carroll

Wikipedia. “Gottlob Frege” Última modificacion Febrero 21, 2019. https://es.wikipedia.org/

wiki/Gottlob_Frege

Wikipedia. “Isaac Asimov” Última modificacion Abril 11, 2019. https://es.wikipedia.org/

wiki/Isaac_Asimov

Wikipedia. “John McCarthy” Última modificacion Abril 19, 2019. https://es.wikipedia.org/

wiki/John_McCarthy

Wikipedia. “Máquina diferencial” Última modificacion Abril 16, 2019. https://

es.wikipedia.org/wiki/M%C3%A1quina_diferencial

Wikipedia. “Notación de Leibniz” Última modificacion Noviembre 01, 2017. https://

es.wikipedia.org/wiki/Notaci%C3%B3n_de_Leibniz

Wikipedia. “Peter Norvig” Última modificacion Julio 26, 2017. https://es.wikipedia.org/wiki/

Peter_Norvig

Wikipedia. “Stuart J. Russell” Última modificacion Noviembre 16, 2018. https://

es.wikipedia.org/wiki/Stuart_J._Russell

Youtube. “ALAN TURING | El Hombre que revoluciono la inteligencia artificial” Última

modificación Agosto 13, 2017. https://www.youtube.com/watch?v=dB06CqZqtM0
Youtube. “Qué necesitas para hacer Inteligencia Artificial” Última modificación Noviembre
12, 2018. https://www.youtube.com/watch?v=YfRy9j1E0Qk.
 Notas

1
El análisis de la marcha es básicamente el estudio del movimiento del cuerpo
humano. El proceso consiste en detectar y registrar los movimientos humanos para
una evaluación posterior de esta información. Una vez que los datos se recogen a
continuación, se analiza y, finalmente, en caso de que sea necesario, una
planificación de un tratamiento se lleva a cabo.

2
Ctesibio (trabajó 285 a. C.–222 a. C.) fue un inventor y matemático griego de
Alejandría (siglo III a. C.). Sus contribuciones a la investigación de los fenómenos
naturales, así como de la geometría. Escribió el primer tratado científico acerca del
aire comprimido, empleando para su elaboración bombas neumáticas e incluso
cañones. Estas investigaciones, junto con los ensayos de elasticidad del aire
(Pneumática), le han concedido la fama de ser "padre de la neumática".

3
El Ars Magna Generalis (can. 1274) es la versión más larga de la Ars lluliana.
Hay otras versiones más breves: Ars compendiosa inveniendi veritatem, Ars Brevis,
Arte demostrativo, etc. El Ars Magna inventó un lenguaje formal basado en la lógica
combinatoria para poder hablar de todo aquello relevante a la filosofía y la religión
sin la barrera de las lenguas. Formó parte importante de su deseo de convertir a los
musulmanes al cristianismo. Es el primer intento de crear una lengua universal e
influenció a Leibniz, quién expandió el sistema y denominarlo combinatoria.

4
Leonardo da Vinci (1452-1519) diseñó, aunque no construyó, una calculadora
mecánica; construcciones recientes han mostrado que su diseño era funcional.

5
Una máquina diferencial es una calculadora mecánica de propósito especial,
diseñada para calcular funciones polinómicas. Puesto que las funciones logarítmicas
y trigonométricas pueden ser aproximadas por polinomios, esta máquina es más
general de lo que parece al principio.
 Es un dispositivo de naturaleza mecánica para calcular e imprimir tablas de
funciones. Más concretamente, calcula el valor numérico de una función polinómica
sobre una progresión aritmética obteniendo una tabla de valores que se aproxima a
la función real (basado en que cualquier función puede ser aproximada por
polinomios).

6
Se le considera el padre de la lógica matemática y de la filosofía analítica,
concentrándose en la filosofía del lenguaje y de las matemáticas.

7
Un diagrama de Carroll es un diagrama usado para agrupar cosas de una
manera sí/no. Números y objetos son categorizados como x (teniendo una cualidad
x) o no x (no teniendo este atributo). Son llamados así en alusión a Lewis Carroll, el
seudónimo de Charles Lutwidge Dodgson, el famoso autor de Alicia en el País de las
Maravillas quien también era matemático. Estos diagramas usados muy
frecuentemente en la teoría de conjuntos aplicada a estructuras computacionales,
son de gran ayuda en el manejo de las estructuras booleanas donde se manejan los
estados de los circuitos electrónicos como 1 y 0 en el sistema binario (encendido y
apagado), además de que es una evolución del diagrama de Venn el cual tiene
problemas para representar todas las regiones existentes cuando el número de
conjuntos es mayor a tres;)

8
Es considerado uno de los padres de la ciencia de la computación y precursor
de la informática moderna. Proporcionó una influyente formalización de los
conceptos de algoritmo y computación: la máquina de Turing. Formuló su propia
versión que hoy es ampliamente aceptada como la tesis de Church-Turing (1936).

9
Shakey the Robot fue el primer robot móvil de propósito general capaz de
razonar sobre sus propias acciones. Mientras que otros robots tendrían que ser
instruidos en cada paso individual para completar una tarea más grande, Shakey
podría analizar los comandos y dividirlos en partes básicas por sí mismo.
 10
John McCarthy (Boston, Massachusetts, 4 de septiembre de 1927 - Stanford,
California, 24 de octubre de 2011),fue un prominente informático que recibió el
Premio Turing en 1971 por sus importantes contribuciones en el campo de la
Inteligencia Artificial. De hecho, fue el responsable de introducir el término
“inteligencia artificial”, concepto que acuñó en la Conferencia de Dartmouth en
1956. También se le atribuye el concepto de cloud computing.

11
Stuart Jonathan Russell (Portsmouth, Inglaterra, 1962) es un informático
conocido por sus contribuciones a la inteligencia artificial. Es profesor de ciencias de
la computación en la Universidad de California en Berkeley y profesor adjunto de
cirugía neurológica en la Universidad de California en San Francisco.

12
Peter Norvig es director de Search Quality de Google, Inc. y forma parte,
como «Fellow» y miembro del Executive Council en la American Association for
Artificial Intelligence.

13
Isaac Asimov fue un escritor y profesor de bioquímica en la facultad de
medicina de la Universidad de Boston de origen ruso, nacionalizado estadounidense,
conocido por ser un prolífico autor de obras de ciencia ficción, historia y divulgación
científica. La obra más famosa de Asimov es la Saga de la Fundación, también
conocida como Trilogía o Ciclo de Trántor, que forma parte de la serie del Imperio
Galáctico y que más tarde combinó con su otra gran serie sobre los robots.

14
Círculo vicioso (Runaround en inglés) es un cuento o relato corto de ciencia
ficción escrito por Isaac Asimov en 1941.

El cuento fue publicado por primera vez en el ejemplar del marzo de 1942 de la
revista Astounding Science Fiction. Aparece en las Colecciones Yo, Robot (1950),
The Complete Robot (1982), y Visiones de robot (1990). Si no has oído al respecto
te recomiendo que leas el libro de Yo robot o en su defecto veas la película del
mismo nombre, para que te des una idea sobre las implicaciones de dichas leyes

15
El teorema de Bayes, en la teoría de la probabilidad, es una proposición
 15
El teorema de Bayes, en la teoría de la probabilidad, es una proposición

planteada por el matemático inglés Thomas Bayes (1702-1761)1 y publicada

póstumamente en 1763, que expresa la probabilidad condicional de un evento
aleatorio A dado B en términos de la distribución de probabilidad condicional del
evento B dado A y la distribución de probabilidad marginal de sólo A.

16
En cálculo, la notación de Leibniz —llamada así en honor de Gottfried Wilhelm
Leibniz, filósofo y matemático alemán del siglo XVII—, es utilizado en publicaciones
como forma a describir las ecuaciones. Ver más sobre el tema en: https://
es.wikipedia.org/wiki/Notaci%C3%B3n_de_Leibniz