Este documento resume los conceptos clave de la inteligencia artificial y la inteligencia computacional, incluyendo los tipos de inteligencia, aprendizaje y máquinas. Explica cómo las películas de ciencia ficción inspiraron esta área y cómo ahora los sistemas de aprendizaje automático pueden resolver problemas reales utilizando redes neuronales, máquinas de soporte vectorial y otros enfoques. Finalmente, discute los desafíos actuales y el futuro prometedor de la inteligencia artificial a medida que se vuelve más interdisciplinaria.

1. Inteligencia Computacional de la ficción a la realidad Erick López Ovando Licenciado en Informática 04 de Noviembre de 2008

2. La ciencia ficción (movies) El sueño de las maquinas pensantes La búsqueda de inteligencia Convivir con robots (inteligentes) Un mundo más “cómodo” Pensamientos futuristas (a favor o en contra) Dominación de las maquinas Peligros que una inteligencia “superior” nos domine (extraterrestres y/o maquinas) etc…

3. The Terminator (James Cameron - 1984) Short Circuit (John Badham - 1986) The Matrix (Larry y Andy Wachowski - 1999) I, Robot (Alex Proyas - 2004)

4. A.I. Artificial Intelligence (Steven Spielberg - 2001)

5. Contextualicémonos…

6. ¿Qué es inteligencia? Wikipedia: (del latín intellegentĭa) es la capacidad de entender, asimilar, elaborar información y utilizarla adecuadamente. genciencia.com: es la capacidad de relacionar conocimientos que poseemos para resolver una determinada situación.

7. Tipos de inteligencia Inteligencia Lógica-Matemática Inteligencia Lingüistica-Verbal Inteligencia Visual-Espacial Inteligencia Corporal-Cinética Inteligencia Musical Inteligencia Interpersonal Inteligencia Intrapersonal Inteligencia Naturalista

8. Inteligencia Significa poseer un vocabulario amplio, comprender lo que se lee, plantear los problemas de manera óptima y adoptar decisiones correctas; además reconocer los errores, mostrar un considerable grado de conciencia social, pensar las cosas antes de hacerlas, mostrar interés por lo que ocurre alrededor de uno y sensibilidad hacia, las necesidades de los otros y ser honesto tanto con uno mismo como con los demás.

9. ¿Qué es pensar? El término "pensar" abarca actividades mentales ordenadas y desordenadas, y describe las cogniciones que tienen lugar durante el juicio, la elección, la resolución de problemas, la originalidad, la creatividad, la fantasía y los sueños. Cogniciones (del latín cogito, que significa "pienso"; de donde proviene también "cogitar") son los pensamientos. Los procesos del pensamiento se les llama procesos cognoscitivos. El pensamiento se define como la derivación mental de elementos mentales a partir de las percepciones, y la manipulación y la combinación de estos pensamientos. Los procesos cognoscitivos son los que distinguen de manera más evidente al hombre de los animales.

10. ¿Qué es aprender? A grosso modo, es la adquisición de conocimiento a partir de determinada información percibida El Conocimiento es, por una parte, el estado de quien conoce o sabe algo, y por otro lado, los contenidos sabidos o conocidos. El conocimiento es el conjunto organizado de datos e información destinados a resolver un determinado problema. (ciencia de la información) Nociones, datos o ideas que se conocen de una determinada ciencia o materia. Facultad de comprender y de conocer.

11. ¿Qué es aprender? A grosso modo, es la adquisición de conocimiento a partir de determinada información percibida El Conocimiento es, por una parte, el estado de quien conoce o sabe algo, y otro lado, los contenidos sabidos o conocidos. El conocimiento es el conjunto organizado de datos e información destinados a resolver un determinado problema. (ciencia de la información) (Recordar que existen tipos de aprendizaje)

12. ¿Qué es una máquina? Es un conjunto de piezas o elementos móviles y fijos, cuyo funcionamiento posibilita aprovechar, dirigir, regular o transformar energía o realizar un trabajo . Aparato compuesto de varias partes interrelacionadas pero con funciones separadas , empleado en la ejecución de alguna tarea . ¿un virus puede ser una máquina?

13. Bacteriófago E6 Este virus es capaz de adherirse a la pared celular de una bacteria mediante las fibras de su cola, pinchar la pared e inyectar su ADN. Este ADN hace que la bacteria fabrique millares de copias de cada una de las piezas del virus. Después, las piezas se ensamblan automáticamente ellas mismas, formando nuevos virus que salen de la bacteria para repetir el proceso. El ensamblaje completo se parece mucho al de una máquina, entonces estamos frente a una máquina hecha de proteínas.

14. ¿Podemos hablar de máquinas biológicas? Si los humanos fuesen máquinas, entonces las máquinas pueden pensar !!! La materia de la que estamos hechos es fundamental para la inteligencia. John Searle (filósofo)

15. Inteligencia Artificial Es una definición amplia y un tanto circular, tiene por objetivo el estudio del comportamiento inteligente de las máquinas. A su vez, el comportamiento inteligente supone percibir, razonar, aprender, comunicarse y actuar en entornos complejos. Una de las metas de IA es el desarrollo de máquinas que puedan hacer todas estas cosas igual, o quizá incluso mejor que los humanos. Otra meta es llegar a comprender este tipo de comportamiento, sea en máquinas, en los humanos o en otros animales.

16. Inteligencia Artificial Inteligencia Computacional Psicología Informática Computación Biología Matemáticas Sociología Mecánica Electrónica

17. Inteligencia Computacional Básicamente, sistemas computables “inteligentes”. Algunas veces inspirados en el mundo biológico. Programas, software, sistemas que realizan una tarea, la cual un humano la haría usando algún grado de inteligencia pero…

18. Tareas tan básicas para un humano son de mucha complejidad en el computador. Por ejemplo: Ver (visión artificial) Hablar Escuchar Lo cual nos permite: Aprender Clasificar Reconocer

19. Además, la comunicación… Ambigua Cultura Tiempo Animo etc… Aun más, ni siquiera hemos podido comprendernos nosotros mismos…

20. Entonces… ¿Qué podemos hacer? ¿Por donde empezamos? ¿Tiene sentido investigar en un área donde nosotros mismos no nos comprendemos bien?

21. Simplifiquémonos…

22. La realidad Sistemas orientados a problemas puntuales. Eso no deja de ser, ya que hay participación multidisciplinaría.

23. Una visión Eso no significa programarlos específicamente a resolver ese problema. Aprender a resolver ese problema. Uno diseña y/o programa el sistema, la maquina, para que aprenda a resolver la problemática. (Recuerden la def. de genciencia.com)

24. Maquinas de Aprendizaje Aprender en el sentido del aprendizaje estadístico Machine Learning  Statistical Learning Theory (Vladimir Vapnik)

25. Otra visión Heurísticas  Meta-heurísticas Algoritmos (métodos) generales diseñados a resolver una clase (familia) de problemas. Por ejemplo: algoritmos genéticos, sistemas inmunes artificiales.

26. ¿y que tipos de problemas podemos resolver?

27. Tipos de problemas Reconocimiento de patrones Clasificación Segmentación Pronosticar Desde mucho tiempo se hace (modelos matemáticos). Analizar Ídem anterior (estadística) Representar (visualizar)

28. Como? Redes Neuronales Artificiales Maquinas de Soporte Vectorial Autómatas Celulares Sistemas Expertos Inducción de Reglas Árboles de decisión Sistemas Difusos Fuzzy Logic Colaboración entre maquinas (ensemble) Entre otros…

29. A grandes rasgos, maquinas En detalle, modelos matemáticos

30. Artificial Neural Network Basados en los modelos neuronales APRENDEN !!! Se usan en Reconocimiento de patrones Clasificación Clustering Pronostico Existen muchos tipos de ANN

32. Support Vector Machine Creadas para clasificar. Sin embargo, hay trabajos donde se usan en pronostico. Competencia con las ANN. Se dice que las SVM clasifican mejor, y las ANN pronostican mejor.

34. Cellular Automata Utilizados básicamente para simular sistemas dinámicos. Permite Visualizar Analizar Pronosticar comportamientos futuros Usados también en análisis de imágenes

36. Muchas otras maquinas creadas para un enfoque particular…

37. Y nosotros ? El ser humano aprende por partes. Primero aprendemos las letras, después palabras (leer - escribir). Primero aprendemos los números, después a sumar. Primero estamos en kinder, después básica, después e. media.

38. Integración Combinar las ideas y crear nuevas maquinas que integren partes de una y de otras. Cellular Neural Network : AC + ANN Trabajo de maquinas en colaboración: ensemble

39. Tipos de Aprendizaje Desde la maquina Aprendizaje Supervisado Aprendizaje Semi-Supervisado Aprendizaje No Supervisado Desde el contexto del problema Aprendizaje Incremental Aprendizaje Reforzado

40. Aprendizaje Incremental Aprender nuevo conocimiento sin olvidar lo que ya aprendió. De un enfoque simple (population drift) De un enfoque cambiante (concept drift)

41. Abordado desde los ensembles de maquinas Últimamente hay propuestas de maquinas particulares que aborden este enfoque.

42. Representación el mundo Datos Cualitativos y Cuantitativos Las matemáticas nos ayudan a manejar datos cuantitativos… ¿y los cualitativos? ¿y los datos mezclados? Existen maquinas que nos ayudan, pero no mucho.

43. Datos faltantes A veces los datos están incompletos Datos Clínicos Existen técnicas para abordar esta problemática, sin embargo, no existe la solución, ya que depende de la naturaleza de los datos.

44. Datos Malos Vienen con Ruido Simplemente son un error Pueden estar viciados Imágenes satelitales Exámenes clínicos Error humano Datos no reales etc…

45. Un gran problema Representación de los datos Datos faltantes Datos erróneos Hay algo peor…

46. La incertidumbre (vaguedad) Nuestro lenguaje es vago El mundo es incierto e impreciso No es posible ver la realidad ¿ Quién te asegura que el rojo que tú ves es el rojo que yo veo ? La incertidumbre de Heisenberg

47. Desde las matemáticas  Medidas de Incertidumbre y vaguedad Nace una nueva lógica: Fuzzy Logic Nacen los sistemas difusos Han tenido notables resultados

48. Aplicaciones…

49. Neural Network learning (recorded Java Applet).avi Freaky Robot Girl.avi Monty is Stable.avi Vision_ Face detection and tracking.avi Biometric facial recognition system by Invision.avi The robot that learns like a child.avi Aldebaran Robotics_.avi

50. Aplicaciones Financieras y Económicas Análisis de estados financieros, Segmentación de mercado Pronósticos Control de los metro-tren, ascensores, centrales nucleares Aplicaciones de Seguridad Aplicaciones Medicas (herramienta de ayuda) Herramienta de ayuda en segmentación de tumores en imágenes de resonancia magnética. Aplicaciones en biotecnología Analisis de microarray, estructuras proteicas, etc. Pronósticos de redes de regulación genética Video Juegos Filtros en la Web Noticias, documentos, pornografía, etc. En términos generales en Educación, Sociología, Ciencia y Tecnología (a favor o en contra), entre otros...

51. El futuro…

52. Recordemos a Einstein La unificación  la ecuación que lo explique todo La ciencia se esta unificando, cada vez hay más trabajos en conjunto de diferentes áreas del conocimiento

53. La inteligencia computacional es cada vez más interdisciplinaria. Desde el enfoque biológico: Biotecnología Bioinformática Desde la física: CERN Análisis de nuevos fenómenos desconocidos (experimentalmente) Análisis de fenómenos de más áreas

54. Cambios Macro Cambios de adaptación Desde la física: Computación Cuantica Desde la biología: Computación de ADN

55. Y los sentimientos ?? Aprendizaje bajo emociones ?? Test de Turing Hasta ahora ninguna maquina lo ha podido pasar.

56. Nuevos modelos inspirados en la unificación de áreas del conocimiento, líneas de un área, o de nuevos problemas derivados de la unificación de la ciencia y/o nuevos descubrimientos. Y por supuesto, los problemas aun abiertos.

57. Entonces… ¿Tiene sentido investigar en un área donde nosotros mismos no nos comprendemos bien?  Cada uno puede responderse…

58. … sin embargo… Las máquinas son una ayuda para el hombre, pero nunca lo dominarán. Más que pensar en un mundo poseído por los robots lo importante es que, en la búsqueda por lograr que las máquinas sean más humanas, los científicos están conociendo cada vez más aspectos acerca de las personas. Stephen Hawking

59. Gracias…

60. Inteligencia Computacional de la ficción a la realidad Erick López [email_address] www.inca.inf.utfsm.cl/~elopez