El documento habla sobre la inteligencia artificial y los diferentes enfoques que se han tomado para lograrla, incluyendo el pensamiento lógico y lateral. También describe los diferentes tipos de inteligencia artificial como la convencional basada en reglas y la computacional basada en aprendizaje, así como la posibilidad de incorporar componentes emocionales para mejorar la efectividad de los sistemas inteligentes.

1. Inteligencia Artificial Por: Agustín Suárez

2. Introducción El largo camino para conseguir el pensamiento lateral humano dentro del pensamiento eminentemente lógico artificial, aun después de décadas de sutiles intentos, no se ha conseguido, ni copiando la fisiología y neurología de la mente humana, ni lograr sintetizar la nube estadística de los valores posibles e imposibles en la creación de estructuras creativas artificiales Es así que a finales de los ´90 se han tratado de unificar estos dos caminos, con un tercero que se definió en la labor mental humana.Unas dos décadas antes se comenzó a hablar del pensamiento lateral y no solo vertical o en línea en que hasta entonces se percibía el trabajo cerebral. Es así que debemos referirnos a un gran investigador: Eduardo De Bono, en 1970 acuñó el término “Pensamiento Lateral”para diferenciarlo del pensamiento lógico que él llamó vertical.De Bono encuentra en el pensamiento lógico (fundamentalmente hipotético deductivo) una gran limitación de posibilidades cuando se trata de buscar soluciones a problemas nuevos que necesitan ideas no pensadas antes.El pensamiento lateral actúa liberando la mente del efecto polarizador de las viejas ideas y estimulando las nuevas y lo hace a través de la perspicacia, la creatividad y el ingenio, procesos mentales con los que está íntimamente unido.

3. Clasificación de los problemas según De Bono De Bono clasifica los problemas en 3 partes: Problemas que requieren para su solución más información de la que se posee, sabiendo que tal información puede conseguirse por algún medio. Problemas que no requieren más información. Son los problemas que necesitan una reordenación o reestructuración de la información disponible. Problemas en los que lo característico es el no reconocimiento de la existencia del problema. En estos casos lo importante es darse cuenta de que tenemos un problema, reconocer que podemos solucionarlo y definir esta posibilidad como problema concreto.

4. Inteligencia Artificial Convencional Se conoce también como Inteligencia Artificial 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. Smartprocessmanagement: facilita la toma de decisiones complejas, proponiendo una solución a un determinado problema al igual que lo haría un especialista en la actividad.

5. Inteligencia Artificial Computacional La Inteligencia Computacional (también conocida como Inteligencia Artificial 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.

6. Inteligencia Artificial y los Sentimientos A veces, aplicando la definición de Inteligencia Artificial, se piensa en máquinas inteligentes sin sentimientos, que «obstaculizan» encontrar la mejor solución a un problema dado. Muchos pensamos en dispositivos artificiales capaces de concluir miles de premisas a partir de otras premisas dadas, sin que ningún tipo de emoción tenga la opción de obstaculizar dicha labor. En esta línea, hay que saber que ya existen sistemas inteligentes. Capaces de tomar decisiones«acertadas». Aunque, por el momento, la mayoría de los investigadores en el ámbito de la Inteligencia Artificial se centran sólo en el aspecto racional, muchos de ellos consideran seriamente la posibilidad de incorporar componentes «emotivos» como indicadores de estado, a fin de aumentar la eficacia de los sistemas inteligentes.

7. Inteligencia Artificial y los Sentimientos

8. Particularmente para los robots móviles, es necesario que cuenten con algo similar a las emociones con el objeto de saber –en cada instante y como mínimo– qué hacer a continuación Particularmente para los robots móviles, es necesario que cuenten con algo similar a las emociones con el objeto de saber –en cada instante y como mínimo– qué hacer a continuación Al tener «sentimientos» y, al menos potencialmente, «motivaciones», podrán actuar de acuerdo con sus «intenciones» Así, se podría equipar a un robot con dispositivos que controlen su medio interno; por ejemplo, que «sientan hambre» al detectar que su nivel de energía está descendiendo o que «sientan miedo» cuando aquel esté demasiado bajo. Inteligencia Artificial y los Sentimientos

9. Esta señal podría interrumpir los procesos de alto nivel y obligar al robot a conseguir el preciado elemento Incluso se podría introducir el «dolor» o el «sufrimiento físico», a fin de evitar las torpezas de funcionamiento como, por ejemplo, introducir la mano dentro de una cadena de engranajes o saltar desde una cierta altura, lo cual le provocaría daños irreparables. Esto significa que los sistemas inteligentes deben ser dotados con mecanismos de retroalimentación que les permitan tener conocimiento de estados internos, igual que sucede con los humanos que disponen de propiocepción, interocepción, nocicepción, etcétera. Esto es fundamental tanto para tomar decisiones como para conservar su propia integridad y seguridad. La retroalimentación en sistemas está particularmente desarrollada en cibernética, por ejemplo en el cambio de dirección y velocidad autónomo de un misil, utilizando como parámetro la posición en cada instante en relación al objetivo que debe alcanzar. Esto debe ser diferenciado del conocimiento que un sistema o programa computacional puede tener de sus estados internos, por ejemplo la cantidad de ciclos cumplidos en un loop o bucle en sentencias tipo do... for, o la cantidad de memoria disponible para una operación determinada.