Presentación inteligencia artificial

Notas del editor

1. - En los años 80 se lograron algunos avances significativos en una de sus ramas llamada Sistemas Expertos, con la introducción de PROLOG LISP. Básicamente lo que pretende la inteligencia artificial es crear una maquina secuencial programada que repita indefinidamente un conjunto de instrucciones generadas por un ser humano. - En la actualidad se sigue investigando en los grandes laboratorios tecnológicos educativos y privados; sin dejar de lado los notables avances en sistemas de visión por computadora (aplicados por ejemplo, para la clasificación de artículos revueltos -tornillería o piezas marcadas por códigos de colores, por citar un caso-), control robótico autónomo (Sony, con sus robots capaces de moverse en forma casi humana y reaccionar a presiones tal como lo hace una persona al caminar), aplicaciones de lógica difusa (aplicación del tracking automático en nuestras video caseteras, por citar una aplicación), etc. Sin embargo, la Inteligencia Artificial sigue en su gran mayoría acotado por su dominio tecnológico, y poco ha podido salir al mercado del consumidor final o a la industria.
2. Se define la inteligencia artificial (IA) como aquella inteligencia exhibida por artefactos creados por humanos. A menudo se aplica hipotéticamente a los computadores. Es la capacidad de un artefacto de realizar los mismos tipos de funciones que caracterizan al pensamiento humano. Algunos piensan que es imposible la creación de un sistema tan complejo, pero otros luchan para modelar la inteligencia humana en sistemas computacionales, y al parecer está muy cerca de lograrse. Puede decirse que la inteligencia artificial es una de las áreas más fascinantes y con más retos de las ciencias de la computación. Nació formalmente en 1956 como mero estudio filosófico y razonístico de la inteligencia humana, mezclada con la inquietud del hombre de imitar la naturaleza circundante (como volar y nadar), hasta inclusive querer imitarse a sí mismo.
3. Basada en análisis formal y estadístico del comportamiento humano ante diferentes problemas: • Razonamiento basado en casos: Ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos. • Sistemas Expertos: Infieren una solución a través del conocimiento previo del contexto en que se aplica y de ciertas reglas o relaciones. • Redes Bayesianas: Propone soluciones mediante inferencia estadística. • Inteligencia Artificial basada en Comportamientos: Sistemas Complejos que tienen autonomía pueden auto-regularse y controlarse para mejorar.
4. La inteligencia computacional (también conocida como inteligencia artificial subsimbólica) implica desarrollo o aprendizaje interactivo (por ejemplo: modificaciones interactivas de los parámetros en sistemas conexionistas). 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 probabilísticos. • 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. Estos métodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos genéticos) e inteligencia colectiva (ej. algoritmos hormiga).
5. 1. Técnicas básicas , así llamadas por encontrarse a la base de diversas aplicaciones de IA. Entre otras se encuentran Búsqueda Heurística de Soluciones, Representación del Conocimiento, Deducción Automática, Programación Simbólica (LISP) y Redes Neuronales. Estas técnicas son las bases de las aplicaciones. En su mayoría, no necesita conocerla el usuario final, sino los profesionales que se dedican a su aplicación y la generación de aplicaciones comerciales.
6. 3. Clases o tipos de aplicaciones : Diagnóstico, Predicción (sistemas de autocontrol de reactores atómicos), Secuencia de operaciones ("Scheduling"), Diseño, Interpretación de datos. Todas ellas son familias de problemas tipo. Por ejemplo, el diagnóstico se refiere a encontrar las causas de fallas, ya sea que se trate de fallas en una línea de producción o de enfermedades en una persona.
7. Son sistemas diseñados para entender el lenguaje natural de las personas La idea se basa en combinar sistemas semiautomáticos y automáticos que se nutren de una base de datos conjunta, en la que se almacena todo el conocimiento necesario para dar solución a las necesidades de los clientes. Estos sistemas están diseñados para que entiendan el lenguaje natural de las personas, de manera que aunque la petición se haga de una manera muy coloquial, la máquina lo pueda comprender y asociar al contenido adecuado de la base de datos. Es decir, si entramos en Ikea y le preguntamos a Ana: ¿A qué hora abrís mañana?, ella nos mostrará los horarios del establecimiento.
8. Todo proceso industrial es evaluado por la calidad de su producto final, esto hace de la etapa de control de calidad una fase crucial del proceso. Los mecanismos utilizados para establecer la calidad de un producto varían dependiendo de los parámetros que tengan relevancia en el mismo. Cuando el parámetro relevante es la geometría o forma del objeto fabricado se suele dejar a la vista del operario que lleve a cabo tal función tanto de inspección como de verificación para el control de calidad, sin embargo pueden existir errores en la geometría de un objeto que escapen de la vista de un operario y que luego impidan el buen funcionamiento de dicho objeto. En un caso como éste, surge como una buena alternativa el utilizar un sistema de visión artificial capaz de detectar aquellos errores que un operario pudiera pasar por alto. El sistema de visión artificial Robot Visión PRO, es capaz de ejecutar de manera totalmente automática las labores de identificación de objetos y de control de calidad de los mismos.
9. Actualmente existen dos tendencias en cuanto al desarrollo de sistemas de IA: los sistemas expertos y las redes neuronales. Los sistemas expertos intentan reproducir el razonamiento humano de forma simbólica, por medio de formulas y logismos como el código binario. Las redes neuronales lo hacen desde una perspectiva más biológica (recrean la estructura de un cerebro humano mediante algoritmos genéticos). A pesar de la complejidad de ambos sistemas los resultados distan mucho de un auténtico pensamiento inteligente, pues solo llegan a ser reproducción de funciones específicas y no del razonamiento y el pensamiento complejo que caracteriza al hombre. La verdadera inteligencia artificial, se evidenciará cuando no seamos capaces de distinguir entre un ser humano y un programa de computadora en una conversación a ciegas. Muchos de los investigadores sobre IA, entre ellos Gary Reyes, sostienen que "la inteligencia Artificial es un programa capaz de ser ejecutado independientemente de la máquina que lo ejecute, computador o cerebro" (Reyes. 2001). Se debe pensar que cuando las máquinas alcancen nuestra capacidad mental, tendrán características humanas tales como el aprendizaje, la adaptación, el razonamiento, la autocorrección, el mejoramiento implícito, y la percepción modelar del mundo. Así, se puede hablar ya no sólo de un objetivo, sino de muchos dependiendo del punto de vista o utilidad que pueda encontrarse a la denominada inteligencia artificial. Pero ninguna película evidencia tanto las consecuencias que traería la convivencia humano-robot, como Yo, Robot de Alex Proyas, que muestra los roles que puede desempeñar un robot en la sociedad, puede ir de trabajos tan sencillos como entregar correspondencia o pasear un perro, hasta dirigir y proteger una empresa. Plantean que los robots tienen ciertas leyes instaladas en su sistema que incluyen no lastimar a los humanos, obedecer sus órdenes y proteger su propia existencia. Lo que se debe pensar entonces, es que si ellos imitan a los humanos, también pueden ser capaces de romper leyes, o bien, imitar la voluntad propia. Si una máquina es creada a imagen y semejanza del hombre, cabe la posibilidad que deje de obedecer, es como un niño que crece y ya no le gusta que lo manden, puede llegar a ser autosuficiente. Pero lo anterior es únicamente una hipótesis que lleva consigo otras problemáticas ocultas y varias dudas que no se resolverán sino hasta el momento en que dicha hipótesis se haga realidad. Detrás de todo lo planteado en los párrafos anteriores, siempre está la idea que el robot facilita la vida, cuando en realidad lo que hace es inutilizar al ser humano. Depositan toda la confianza en artefactos mecánicos y ponen el destino de la humanidad en sus manos. En el momento en que la hipotética dominación y colonización de la maquina sobre el hombre se haga realidad, los prejuicios ya no van a valer, por eso es necesario prever sus consecuencias y evitar el enceguecimiento que ha producido catástrofes tristemente evitables.
10. Los esfuerzos de la IA se clasifican según varias categorías. Mientras la investigación y el desarrollo como robótica y visión artificial, se relacionan con el hardware y software, la investigación y el desarrollo en otras áreas sólo se relacionan con el software. Robótica: Incluye el desarrollo de dispositivos mecánicos o de computación que tengan la capacidad de realizar funciones, tales como pintar automóviles, de hacer soldaduras de precisión y realizar otras tareas que requieran de un alto grado de precisión o que sean tediosas o impliquen peligro para los seres humanos. En la robótica contemporánea se combinan las capacidades de alta precisión de la máquina con un software controlador sofisticado. Sistema de visión: Incluyen equipos y software que les permite a las computadoras capturar, almacenar y manipular imágenes visuales y fotografías. El Departamento de Justicia de los Estados Unidos usa un sistema de visión para realizar análisis de huellas dactilares, con casi el mismo nivel de precisión que los expertos humanos. Los sistemas de visión se pueden usar junto con robots para darles "visión" a estas máquinas y que pueda tomar decisiones con base a lo que ve y reconocer la información visual de acuerdo con patrones generales. Procesamiento de lenguaje natural: Son programas diseñados para tomar lenguajes humanos como entrada y traducirlo en un conjunto estándar de instrucciones que una computadora ejecuta. Los programas analizan gramaticalmente oraciones, tratando de eliminar la ambigüedad de un contexto determinado. El propósito de estos complejos programas es permitir a los seres humanos usar su propio lenguaje natural cuando interactúan con programas como sistemas de administración de bases de datos (DBMS) o sistemas de apoyo para la toma de decisiones. El objetivo de los procesadores de lenguaje natural es eliminar paulatinamente la necesidad de aprender lenguajes de programación o comandos personalizados para que las computadoras entiendan. Su gran ventaja radica en que pueden usarse junto con dispositivos de reconocimiento de voz a fin de que el usuario de instrucciones a las computadoras para que realicen tareas, sin usar un teclado o cualquier otro dispositivo de entrada. Sistemas de aprendizaje: Una combinación de software y equipos que le permite a la computadora cambiar su modo de funcionar o reaccionar a situaciones, basado en la retroalimentación que recibe. Por ejemplo, algunos juegos computarizados tienen capacidades de aprendizaje, si la computadora no ganaun juego en particular, recuerda no hacer los mismos movimientos. Redes Neuronales: Es un sistema de computación que puede actuar en la misma forma que funciona el cerebro humano, o simularlo. Además, el software de red neuronal se puede usar para simular una red neuronal por medio de computadoras normales. La redesneuronales pueden procesar muchas piezas de información al mismo tiempo y aprender a reconocer patrones.
11. Lógica Difusa: Se basa en reglas que no tienen límites discretos, sino que se prolongan en un continuum, permitiendo a un sistema manejar mejor la ambigüedad. Esto es muy útil para reflejar cómo tienden a pensar las personas, en términos relativos, no absolutos. Cuando la lógica difusa se incorpora a un SE, el resultado es un sistema que limita mejor la manera natural en que un experto humano resolvería un problema. Un concepto fundamental en la aplicación de lógica difusa es el de la variable lingüística de una variable matemática; su valor se describe con una palabra en lugar de un número. Ejemplo, la edad se es joven, de los 15 a los 20, pero a los 35 todavía se considera joven. Algoritmos genéticos: Son funciones matemáticas que usan los principios de Darwin para mejorar una aplicación. La funciones se diseñan para simular en software, en cuestión de minutos o segundos, lo que sucede en ambientes naturales durante millones de años. Agentes inteligentes: La creación más reciente en IA son los agentes inteligentes, programas de computadora que automáticamente revisan enormes cantidades de datos y seleccionan y entregan la información más adecuada para el usuario, de acuerdo con requisitos contextuales o específicos. La aplicación más importante de los agentes inteligentes se encuentra en la WEB. El propósito principal de los agentes inteligentes es realizar sus tareas significativas más rápido, con más frecuencia y de manera más efectiva , que la gente. Los expertos dicen que pronto los agentes inteligentes vincularán automáticamente su computadora con sitios favoritos, le avisarán cuando éstos se hayan actualizado y adecuarán páginas específicas a sus preferencias.
12. Tipos de agentes Agentes de reflejo simple: Este tipo de agente no contiene internamente estados y sus procesos o acciones que realiza son respuestas a la entrada de percepciones, a esta conexión entre percepciones y acciones se las denomina reglas de condición- acción . Ejemplo: Si el carro de adelante está frenando entonces empiece a frenar.   Agentes bien informados de todo lo que pasa: Este tipo de agente guarda estados internos lo que nos sirve sin consideración para ejecutar una acción. Los sensores no nos pueden informar a la vez de todos los estados que maneja nuestro ambiente , es por este caso que el agente necesita actualizar algo de información en el estado interno. Esto le permite discernir que entre estados del ambiente que generan la misma entrada de percepciones pero, sin embargo; para cada uno de los estados se necesitan acciones distintas.   Agentes basados en metas: Además de los estados, los agentes necesitan cierto tipo de información sobre sus metas Estas metas van a detallar las situaciones a las que se desea llegar de este modo, el programa de agente puede combinar las metas con la información de los resultados (acciones) que emprenda y de esta manera poder elegir aquellas acciones que permitan alcanzar la meta. Agentes basados en utilidad : Las metas por sí solas me garantizan la obtención de una conducta de alta calidad. En mi programa de agente se podría tener un conjunto de metas pero la obtención de éstas no me garantizan distinciones entre estados felices e infelices, mediante una medida de desempeño se podría establecer una comparación entre los diversos estados del mundo (ambientes) para poder encontrar el estado de felicidad para el agente. Este estado ofrecerá una mayor utilidad al agente . Sistema Experto: Consiste de equipos y software que almacenan conocimientos y hacen inferencias, en forma similar a un experto humano. A finales de los cincuenta y principios de los sesenta, los ingenieros en computación trataron de construir computadoras capaces de realizar tareas inteligentes. Los esfuerzos se encaminaron a crear un solucionador de problemas generales, una máquina capaz de imitar el proceso de razonamiento humano para resolver cualquier problema que un ser humano pudiera solucionar. Los esfuerzos se orientaron al diseño de programas que resolvieran problemas en áreas precisas utilizando conocimiento y razonamiento de expertos. El propósito de los SE es duplicar el conocimiento no estructurado ni documentado de unos pocos (los expertos) y los pone a disposición de otros. Debido a la forma en que están planteados los SE (basados en la experiencia) no puede ayudar a los usuarios que tratan con sucesos que los expertos no consideraron durante el periodo de creación. Sin embargo muchos programas avanzados que incluyen "redes neuronales" aprenden de situaciones nuevas y formulan reglas ad hoc en sus bases de conocimiento para resolver eventualidades no consideradas originalmente en su diseño. Para construir un SE un ingeniero del conocimiento se entrevista con un experto, traduce la información en código . Por lo general con la regla SI-Entonces. Otros métodos son marcos semánticos integrados por cuadros con listas de entidades y atributos; y las redes semánticas, mapas de entidades y sus atributos relacionados.
13. Aprender de la experiencia y aplicar el conocimiento adquirido de ésta: Esto no es natural de los sistemas de computación, por ello se debe tener la capacidad de programar en forma cuidadosa. En la actualidad los investigadores desarrollan sistemas que tienen esta capacidad, por ejemplo los juegos de ajedrez de IA pueden aprender a mejorar su juego mientras se enfrenta a competidores humanos. Mejorar situaciones complejas: Desarrollo de sistemas computacionales que puedan manejar situaciones confusas requieren de una planeación cuidadosa y complicada... porque incluso los humanos cometen errores. Solucionar problemas cuando se carece de información importante: La esencia de la toma de decisiones es hacer frente a la incertidumbre. En la actualidad, los IA pueden hacer cálculos, comparaciones y tomar decisiones importantes incluso con poca información. Determinar qué es importante: El conocimiento de lo verdaderamente importante es lo que distingue a un buen tomador de decisiones. El desarrollo de programas y métodos, que permitan a los sistemas y máquinas de computación identificar la información importante, no es una tarea sencilla. Reaccionar en forma rápida y correcta a una nueva situación: Las computadoras no tienen esta capacidad sin una programación complicada. Comprender imágenes visuales: La interpretación de imágenes visuales puede implicar gran dificultad, incluso para las computadoras más sofisticadas. Moverse a través de una habitación con sillas, mesas y otros objetos puede ser un asunto sin importancia para las personas, pero es extremadamente complejo para las máquinas, los robots y las computadoras. Estas computadoras requieren una extensión de la comprensión de las imágenes visuales, conocida como sistema perceptivo. Contar con un sistema perceptivo le permite a una máquina aproximarse a la forma en que el ser humano ve, oye y siente los objetos. Procesar y manipular símbolos: Aunque las computadoras son excelentes para cálculos numéricos, no son tan eficientes cuando tienen que tratar con símbolos y objetos tridimensionales. Sin embargo, los desarrollos recientes en los equipos y el software para la visión de la máquina permiten que algunas computadoras procesen y manipulen símbolos sobre una base limitada. Ser creativos e imaginativos: Pocas computadoras tienen la capacidad de ser verdaderamente imaginativas o creativas en esta forma, aunque se ha desarrollado software que permite a una computadora escribir cuentos cortos. Usar la heurística (reglas prácticas producto de la experiencia): En la actualidad, algunos sistemas de computación tienen esta capacidad. Si se cuenta con los programas apropiados, se pueden obtener soluciones que usen aproximaciones, en lugar de intentar buscar una solución óptima que pueda ser difícil desde el punto de vista técnico o requiera demasiado tiempo.