La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
Actividad 5
3. HISTORIA DE INTELIGENCIA ARTIFICIAL
Las eras o etapas de la inteligencia artificial.
La i.a. tuvo su boom a partir de la conferencia efectuada en el darmouth college en 1956 (aquí
nace la i.a.)
Estando presentes científicos como:
1.-john mccarty: quien le dio el nombre a esta nueva área del conocimiento.
2.-marvin minisky: fundador del laboratorio de i.a. del mit.
3.-claude shannon: de los laboratorios bell de e.u.a.
4.-nathaniel rodhester: de i.b.m.
5.-allen newell: primer presidente de la a.a.a.i. (asociacion americana de inteligencia art.)
6.-herbert simmon: premio novel de carnige mellon university.
nota: en términos generales las eras por las que ha pasado la i.a. son las siguientes:
1.-el inicio (1956-1965) poniéndose principal énfasis en la implementación de juegos en el
computador (ajedrez, damas etc.), Así como en la demostración de teoremas.
2.-la etapa obscura (1965-1970) aquí se apoya el entusiasmo por la i.a.
3.-etapa del renacimiento de la i.a. (1970-1975), iniciado en la universidad de stanford con el
sistema experto medico misión (experto en enfermedades infecciosas de la sangre como la
meningitis).
4.-etapa de las sociedades. (1975-1980) aquí se identifica la necesidad de trabajar en sociedad con
profesionistas en otras aéreas del conocimiento (dendral=mycin)
5.-etapa de la comercialización de la i.a.
4. Diferentes metodologías
1.La lógica difusa: permite tomar
decisiones bajo condiciones de incerteza.
2.Redes neuronales: esta tecnología es
poderosa en ciertas tareas como la
clasificación y el reconocimiento de
patrones. Está basada en el concepto de
"aprender" por agregación de un gran
número de muy simples elementos.
Este modelo considera que una neurona
puede ser representada por una unidad
binaria: a cada instante su estado puede
ser activo o inactivo. La interacción entre
las neuronas se lleva a cabo a través de
sinapsis. Según el signo, la sinapsis es
excitadora o inhibidora.
El perceptrón está constituido por las
entradas provenientes de fuentes externas,
las conexiones y la salida. En realidad un
perceptrón es una Red Neuronal lo más
simple posible, es aquella donde no existen
capas ocultas.
5. Una característica fundamental que distingue a los métodos de
Inteligencia Artificial de los métodos numéricos es el uso de
símbolos no matemáticos, aunque no es suficiente para
distinguirlo completamente. Otros tipos de programas como
los compiladores y sistemas de bases de datos, también
procesan símbolos y no se considera que usen técnicas de
Inteligencia Artificial.
El comportamiento de los programas no es descrito
explícitamente por el algoritmo. La secuencia de pasos
seguidos por el programa es influenciado por el problema
particular presente. El programa especifica cómo encontrar la
secuencia de pasos necesarios para resolver un problema dado
(programa declarativo). En contraste con los programas que no
son de Inteligencia Artificial, que siguen un algoritmo definido,
que especifica, explícitamente, cómo encontrar las variables de
salida para cualquier variable dada de entrada (programa de
procedimiento).
Las conclusiones de un programa declarativo no son fijas y son
determinadas parcialmente por las conclusiones intermedias
alcanzadas durante las consideraciones al problema específico.
Los lenguajes orientados al objeto comparten esta propiedad y
se han caracterizado por su afinidad con la Inteligencia
Artificial.
El razonamiento basado en el conocimiento, implica que estos
programas incorporan factores y relaciones del mundo real y
del ámbito del conocimiento en que ellos operan. Al contrario
de los programas para propósito específico, como los de
contabilidad y cálculos científicos; los programas de
Inteligencia Artificial pueden distinguir entre el programa de
razonamiento o motor de inferencia y base de conocimientos
dándole la capacidad de explicar discrepancias entre ellas.
Aplicabilidad a datos y problemas mal estructurados, sin las
técnicas de Inteligencia Artificial los programas no pueden
trabajar con este tipo de problemas. Un ejemplo es la resolución
de conflictos en tareas orientadas a metas como en
planificación, o el diagnóstico de tareas en un sistema del
mundo real: con poca información, con una solución cercana y
no necesariamente exacta.
6. Categorías de la inteligencia Artificial
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,
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 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 en forma racional el
comportamiento humano; por ejemplo los agentes
inteligentes .Está relacionado con conductas
inteligentes en artefactos
7. Inteligencia artificial convencional
Se conoce también como IA simbólico-deductiva. 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: que tienen autonomía y
pueden 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 actividad.
8. Inteligencia artificial computacional
La Inteligencia Computacional (también conocida como IA subsimbólica-inductiva)
implica desarrollo o aprendizaje interactivo (por ejemplo, modificaciones
interactivas de los parámetros en sistemas conexionistas). El aprendizaje se
realiza basándose en datos empíricos
las principales críticas a la inteligencia artificial tienen que ver con su capacidad de
imitar por completo a un ser humano. Estas críticas ignoran que ningún humano
individual tiene capacidad para resolver todo tipo de problemas, y autores como
Howard Gardner han propuesto que existen inteligencias múltiples. Un sistema
de inteligencia artificial debería resolver problemas. Por lo tanto es fundamental
en su diseño la delimitación de los tipos de problemas que resolverá y las
estrategias y algoritmos que utilizará para encontrar la solución.
En los humanos la capacidad de resolver problemas tiene dos aspectos: los aspectos
innatos y los aspectos aprendidos. Los aspectos innatos permiten por ejemplo
almacenar y recuperar información en la memoria y los aspectos aprendidos el
saber resolver un problema matemático mediante el algoritmo adecuado. Del
mismo modo que un humano debe disponer de herramientas que le permitan
solucionar ciertos problemas, los sistemas artificiales deben ser programados de
modo tal que puedan resolver ciertos problemas.
9. Muchas personas consideran que el test de Turing ha sido superado, citando conversaciones en
que al dialogar con un programa de inteligencia artificial para chat no saben que hablan con
un programa. Sin embargo, esta situación no es equivalente a un test de Turing, que
requiere que el participante esté sobre aviso de la posibilidad de hablar con una máquina.
Otros experimentos mentales como la Habitación china de John Searle han mostrado cómo una
máquina podría simular pensamiento sin tener que tenerlo, pasando el test de Turing sin
siquiera entender lo que hace. Esto demostraría que la máquina en realidad no está
pensando, ya que actuar de acuerdo con un programa preestablecido sería suficiente. Si para
Turing el hecho de engañar a un ser humano que intenta evitar que le engañen es muestra
de una mente inteligente, Searle considera posible lograr dicho efecto mediante reglas
definidas a priori.
Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicación con el
usuario. Este obstáculo es debido a la ambigüedad del lenguaje, y apareció ya en los inicios
de los primeros sistemas operativos informáticos. La capacidad de los humanos para
comunicarse entre sí implica el conocimiento del lenguaje que utiliza el interlocutor. Para
que un humano pueda comunicarse con un sistema inteligente hay dos opciones: o bien el
humano aprende el lenguaje del sistema como si aprendiese a hablar cualquier otro idioma
distinto al nativo, o bien el sistema tiene la capacidad de interpretar el mensaje del usuario
en la lengua que el usuario utiliza.
Un humano durante toda su vida aprende el vocabulario de su lengua nativa. Un humano
interpreta los mensajes a pesar de la polisemia de las palabras utilizando el contexto para
resolver ambigüedades.