La inteligencia artificial ¿Hacia dónde nos lleva?
INTRODUCCIÓN
A
medida que ha ido avanzando la ciencia y la tecnología el hombre ha tenido
entre sus principales objetivos, lograr que las máquinas piensen igual que el
ser humano, en busca de nuevos métodos de aprendizaje surge una nueva rama de
la Ciencia de la Computación:
La Inteligencia Artificial (IA) puede
definirse como el medio por el cual las computadoras, los robots y otros
dispositivos realizan tareas que normalmente requieren de la inteligencia
humana. Por ejemplo, la resolución de cierto tipo de problemas, la capacidad de
discriminar entre distintos objetos o el responder a órdenes verbales. La IA
agrupa un conjunto de técnicas que, mediante circuitos electrónicos y programas
avanzados de computadora, busca imitar procedimientos similares a los procesos
inductivos y deductivos del cerebro humano.
La
Inteligencia Artificial está formada por una serie de técnicas y metodologías
encaminadas a resolver problemas no estructurados que necesitan del
conocimiento para su resolución ya que carecen de una respuesta inmediata e
incluso presentan más de una solución como consecuencia de la existencia de
incertidumbre o ambigüedad en los resultados finales o parciales. Para la
resolución de dichos problemas, la Inteligencia Artificial recurre a los
algoritmos o a las reglas heurísticas.
DESARROLLO
Es de fundamental importancia destacar los
acontecimientos y conocer la historia de la Inteligencia Artificial, ya que
esta ciencia data desde las principales aportaciones que conllevaron al
desarrollo de diversas técnicas de manipulación del conocimiento, se realizaron
avances en diversas tareas que se describirán en la siguiente relación de
acontecimientos, también es importante destacar que gracias a los avances que
llevaron al progreso a la Inteligencia Artificial, se resaltaron nuevas áreas
de investigación. Estas áreas incluyen las áreas de percepción (visión y habla)
y el lenguaje natural (comprensión, generación, traducción).
Breve Historia de la Inteligencia Artificial
Génesis de la
inteligencia artificial ( 1943 –
1956 )
El primer
trabajo de inteligencia artificial fue realizado por Mc Culloch y Pitts en 1943.
Para esto utilizaron las fuentes del conocimiento sobre la fisiología básica y
funcionamiento de las neuronas en el cerebro, el análisis formal de la lógica
proporcional y la teoría de la computación de Turing. Propusieron un modelo constituido por neuronas artificiales, cada una estaba encendida o apagada. Mostraron que cualquier función calculable podría
calcularse mediante cierta red de neuronas interconectadas y que
los conectores lógicos se podían lograr utilizando estructuras de red.
Minsky y Edmonds
, construyeron la primera computadora de red neural en 1951 , se llamaba Snarc.
Newell y Simon
contaban con un programa de razonamiento,
el teórico lógico, era un programa de computación capaz de pensar de manera no
numérica. El programa era capaz de demostrar gran parte de los teoremas.
El taller de
Dartmovnth , contribuyo a que todos los personajes importantes se conocieran .
Lo último del taller fue ponerle a este campo: inteligencia
artificial.
Entusiasmo inicial,
grandes esperanzas (1952-
1969)
Según el solucionador general de problemas (SGP),
este programa se diseñó para que imitara protocolos de resolución de problemas
de los humanos. Fue el primer programa que incorporo el enfoque del pensar humano.
Gelernter en
1959 construyo el demostrador de teoremas de geometría (DTG).
En 1952, Samuel
escribió un programa para el juego
de damas, el programa aprendió a jugar mejor que su creador.
Mc Carthy definió
el lenguaje de alto nivel LISP. Ya tenía la herramienta que necesitaba pero aún
existía el problema de los escasos y costosos recursos de cómputo. Para
resolverlo inventaron el tiempo compartido.
También en 1958 publicó un artículo titulado “programas con sentido común”, en
el que descubrió el escucha
consejos (EC), podrá considerarse como el primer sistema de inteligencia artificial completo, fue
designado para la solución de problemas. Estaba diseñado para usar el
conocimiento general del mundo. El programa permitía aceptar nuevas acciones
durante el curso normal de operación, permitiendo ampliar la capacidad en áreas
nuevas sin necesidad de reprogramacion. El escucha consejos incorporaba los
principios medulares de representación y razonamiento.
Estaban los micromundos,
eran problemas limitados cuya solución requería de la inteligencia.
Una dosis de
realidad (1966 –
1974 )
El obstáculo que
enfrenta la mayoría de los proyectos de investigación, consistió en que aquellos métodos que demostraban funcionar en
uno o dos ejemplos sencillos, fallaban en problemas más variados o de mayor
dificultad.
El primer tipo
de obstáculo, fue que los
programas contaban con poco o ningún conocimiento de la materia u objeto de estudio.
Cuando se intentaba la traducción automatizada para traducir, era necesario
contar con un conocimiento general del tema respectivo, lo que permite
discernir lo correcto en casos de ambigüedad y así precisar el contenido de una
oración.
El segundo obstáculo
fue el de la intratabilidad de
muchos de los problemas que se estaban intentando resolver mediante
inteligencia artificial. Que un programa sea capaz de encontrar una
solución no implica que tal programa encierre todos los mecanismos necesarios
para encontrar la solución en la práctica.
El tercer
obstáculo derivo de las limitaciones inherentes a las estructuras básicas que
se utilizaban en la generación de la conducta inteligente.
Sistema basado
en el conocimiento (¿clave
del poder?).
La naturaleza
de la resolución de problemas de la investigación en la inteligencia artificial
residía en un mecanismo de búsqueda de propósito general en el que se entrelazaban pasos del razonamiento
elementales para encontrar soluciones complejas. Estos métodos son
llamados débiles, debido a que la información
sobre el dominio con que cuentan es débil. Para resolver un problema
prácticamente es necesario saber de antemano la respuesta respectiva.
Dendral fue el
primer sistema de conocimiento intensivo que lograba funcionar: sus
conocimientos se basaban en importantes cantidades de reglas para propósitos
especiales. Se incorporó la separación del conocimiento (en forma de regla) y
la parte correspondiente al razonamiento.
La inteligencia
artificial se convierte en una industria (1980- 1988).
Casi todas las
compañías importantes de EEUU contaban con su propio grupo de inteligencia artificial, el cual investigaba la tecnología de los
sistemas expertos.
En 1981 los
Japoneses anunciaron el proyecto de la “quinta generación” un plan de 10 años
para construir computadoras inteligentes en la que se corriera Prolog, de igual
manera que las computadoras comunes corren código de máquina.
Para
contrarrestar el proyecto japonés se fundó la microelectronic and computer
tecnology corporation (MCC). Originaba el diseño de chips y la investigación en
el campo de las interfaces humanas.
Más de un
centenar de compañías constituyeron sistemas de visión robótica para uso industrial.
El regreso de
las redes neurales (1986 al presente)
Físicos
utilizaron técnicas de la mecánica
estadística para analizar las propiedades de almacenamiento y optimización de
las redes. Psicólogos estudiaron los modelos de la memoria basados en
redes neurales. Cuatro grupos reinventaron el algoritmo de aprendizaje de
retroprogramación. El algoritmo se aplica a problemas relacionados con el
aprendizaje en computación y en psicología
Había pesimismo
en la aplicación de la tecnología de los sistemas expertos. Para construir un
sistema experto satisfactorio, se necesitaba algo más que un sistema de
razonamiento que estuviera lleno de reglas.
Acontecimientos
recientes (1987 al
presente)
En años
recientes, hubo un cambio tanto en contenido como en metodología en las
investigaciones de inteligencia artificial. Actualmente es común construir sobre teorías ya
existentes que proponen teorías totalmente novedosas, toman como base rigurosos teoremas o sólidas
evidencias experimentales más que la intuición, y demostrar la utilidad
de las aplicaciones en el mundo real, más que crear ejemplos de juguetes.
En el campo de
la comprensión del lenguaje, prevalecen los enfoques basados en los modelos de
Markov ocultos (MMO). Estos modelos se basan en una teoría matemática, lo que les permitió basarse en resultados dedicados
décadas de resultados hechos en otros campos. Los modelos fueron
generados mediante un proceso de aprendizaje basados en datos del lenguaje
real. Esto garantizó un sólido desempeño.
El área
que se benefició con la formalización fue la planeación. Existe un número de
avances sobre los que se apoya el siguiente, en vez de empezar de cero cada
vez. En consecuencia en vez de
planificación de sistemas que sólo funcionaban para los micromundos,
actualmente sirven para la programación del trabajo fabril y de misiones
especiales.
La invención del formalismo de red de creencia,
obedece a la necesidad de poder razonar ante una combinación de evidencias
inciertas. Este enfoque supera los sistemas de razonamiento probabilístico
(década 60 y 70) y actualmente prevalece en la investigación que se hace en
inteligencia artificial sobre razonamientos inciertos y sistemas expertos. Este
sirvió para promover sistemas expertos normativos, los que actúan racionalmente
de acuerdo con las leyes de la teoría de las decisiones, sin que intenten
imitar a los expertos humanos.
Áreas de Aplicación de
la Inteligencia Artificial
En la actualidad las aplicaciones de la
Inteligencia Artificial son cada vez más
variadas, ya que se trata de una disciplina en
constante evolución, pero pueden
concretarse en las siguientes grandes áreas:
sistemas de procesamiento del lenguaje natural, sistemas de reconocimiento de
la visión, robótica, sistemas basados en el conocimiento y sistemas expertos,
redes neuronales, aprendizaje inductivo y razonamiento basado en casos,
algoritmos genéticos.
1) Los sistemas de procesamiento del lenguaje
natural son sistemas de sistemas cuyo objetivo es el
tratamiento automático de la información lingüística, es decir, se trata de
sistemas en los que el usuario introduce los datos en el ordenador utilizando
el mismo lenguaje que utiliza para comunicarse con otras personas, el ordenador
codifica esa información en lenguaje de máquina para poderla procesar y, una
vez procesada, generar la salida adecuada en lenguaje natural.
2) Los
sistemas de reconocimiento de la visión son
programas de ordenador que realizan tareas de tratamiento de imágenes, para
manipularlas, realizar trabajos de creatividad, publicidad, edición, controlar
procesos industriales, de seguridad, etc., mediante la incorporación de la
capacidad visual a un ordenador para que sea capaz de identificar lo que ve. Su
estudio se centra principalmente en el desarrollo de sensores capaces de
observar el entorno y de poder transmitir lo que observan a un robot, con el
fin de que éste se retroalimente continuamente, en tiempo real, y pueda cambiar
las operaciones que realiza en función de los cambios en el entorno.
3) La robótica es el campo de la
Inteligencia Artificial concerniente al diseño, fabricación e implementación de
robots, es decir, de máquinas que realizan de
forma
repetitiva y exactamente igual aquello que les ha enseñado un operario.
Las
aplicaciones más habituales se dan en la industria de grandes series sobre
todo
cuando la producción es flexible; en la fabricación y manipulación de explosivos;
en el espacio, etc.
4) Los sistemas basados en el conocimiento
son programas informáticos que contienen el conocimiento de un dominio
específico de una forma explícita y separado del resto del sistema, es decir,
existe una clara separación entre los conocimientos que posee el sistema sobre
el dominio y los mecanismos de explotación que utiliza el sistema para llegar a
establecer sus conclusiones
Cuando
el conocimiento que contiene el sistema basado en el conocimiento es
proporcionado por personas expertas en el dominio, nos encontramos ante los
sistemas expertos.
Los
sistemas expertos son programas que imitan el proceso de razonamiento de los
expertos humanos y proporcionan marcos de decisión con el tipo de consejo
similares a los que se recibirían de un experto humano.
5) La redes neuronales son
sistemas simulan el proceso de reconocimiento del
cerebro
humano y al igual que las neuronas biológicas, estos sistemas están diseñados
para aprender de la observación y la repetición. Las redes neuronales
tratan
de resolver de forma eficiente problemas en los cuales la información es
difusa,
incierta, contradictoria o errónea.
En
consecuencia como los problemas susceptibles de ser resueltos mediante la
metodología de las redes neuronales son: problemas de optimización, problemas
de reconocimiento y problemas de generalización.
6) Los sistemas inductivos generan
un árbol de decisión a partir de un conjunto de ejemplos que constituyen el
conjunto de entrenamiento. Es decir, se trata de sistemas que parten de un
conjunto de ejemplos según un atributo, y van seleccionando hasta que todos los
ejemplos del subconjunto elegido pertenezcan a una misma clase conduzcan a un
mismo resultado. Estos sistemas son útiles en aplicaciones simples donde el
conjunto de entrenamiento es relativamente completo y exacto, se conocen todos
los datos y sus soluciones.
Dentro
del conjunto de sistemas inductivos cabe destacar los sistemas de razonamiento
basado en casos (RBC) que recuperan la experiencia relevante (hechos y
soluciones históricos) anterior, de la que se dispone, para solucionar
nuevos
problemas que presentan características similares. El proceso que siguen es el
siguiente: en primer lugar se indican las características del problema a resolver;
a partir de ellas el sistema realiza una búsqueda en la base de casos que posee
hasta encontrar casos similares al presentado; posteriormente, la solución de
los casos encontrados se adaptan al problema planteado y en la medida en que dicha
solución sea aceptada por el usuario, se añadirá a la base de casos, para poder
ser examinado cuando se plantee un nuevo problema al sistema.
Los
sistemas RBC son adecuados para aquellos problemas que se caracterizan por:
existir mucha experiencia, la experiencia en el dominio es valiosa y difícil de
adquirir, el conocimiento puede ser capturado a través de casos, la creatividad
y sentido común son partes del proceso de resolución del problema y el
conocimiento es difícil de representar mediante reglas.
7) Los algoritmos genéticos son
una familia de métodos de búsqueda adaptativa de soluciones. Como señalan
Sierra, et al. (1995, a: 61), “estos algoritmos comienzan con una colección de
datos o patrones generados aleatoriamente y evolucionan posteriormente hacia
una solución mediante técnicas de adaptación de los patrones iniciales. La
solución no es necesariamente la óptima, pero puede estar muy cerca de ella.”
CONCLUSIÓN
La
inteligencia artificial ha logrado que una maquina sea capaz de desarrollar
áreas de conocimiento muy específicas y complicadas, haciendo que la maquina
pueda simular procesos que el hombre realiza. Pero cabe destacar que aún no se
ha logrado que una máquina piense como un humano, pienso que una limitación es
el hecho de que el hombre es irremplazable ya que el ser humano cuenta con una
característica propia el cual es el sentido común.
Pero
no podemos olvidar que el desarrollo de estas tecnologías no pretenden
reemplazar al ser humano sino que tratan de mejorar el estilo de vida del ser
humano, ya que recordemos que, por lo menos los robots hacen que el trabajo
pesado sea más fácil de realizar, y que una maquina no se enferma, ni
protestas, ni se cansa y esto puede elevar su utilidad. En fin esperemos que
estas tecnologías no se nos vayan de las manos, y que no nos perjudique, sino
que nos ayude.
La
Inteligencia Artificial ha evolucionado mucho, y en el futuro pueden hacer más
fácil la vida a los humanos, yo creo que
en ningún caso pude sustituir a las personas en las actividades en las que
intervienen las emociones. Las máquinas siempre tendrán que ser esclavas del
hombre y nunca al revés
REFLEXIÓN
¿Por qué elegí este tema?
La
Inteligencia Artificial era solo un sueño hace algunos años, eran acontecimientos
posibles desarrollados en un marco puramente imaginario que girar en torno a un
abanico grande de posibilidades, era lo más emocionante de las películas
de ciencia ficción, sin embargo se han vuelto impresionantes innovaciones
tecnológicas de la vida real, por lo que se vuelve un tema fascinante.
¿De dónde partí para empezar a escribir?
En
primer lugar realice una lectura preliminar de la lectura “La inteligencia artificial
¿Hacia dónde nos lleva?, de Renato
Gómez Herrera”, trate de identificar los Objetivos del Texto, identificar la
hipótesis que plante el autor y a que conclusiones llega
En segundo lugar consulte varias fuentes de
información que hablan del tema, lo que me permitió tener un panorama más
amplio de la Inteligencia Artificial,
tema que es amplísimo y fascinante.
Referencias Bibliográficas
Gómez Herrera, R. (2013). La
inteligencia artificial. ¿Hacia dónde nos
lleva? ¿Cómo ves?, N°. 2, (Pp.
8-11). México: UNAM, recuperado el
artificial-hacia-donde-nos-lleva.pdf
Inteligencia
Artificial un Enfoque Moderno. Segunda edición
RUSSELL, S. J.; NORVIG, P. PEARSON EDUCACION, S.A., Madrid, 2004
Inteligencia Artificial – UNAM
¿Qué es la Inteligencia Artificial? Ana Casali
Sistemas Expertos. Salvador Climent
Serrano
Historia de la inteligencia artificial
http://www.angelfire.com/falcon/miqueleiz/04HistoriadelaIA.htm
