Archive for the ‘Uncategorized’ Category

iNteLiGeNciA aRtIfIcIaL

abril 21, 2009

inteligencia-artificial-21 

La Inteligencia Artificial comenzó como el resultado de la investigación en psicología cognitiva y lógica matemática. Se ha enfocado sobre la explicación del trabajo mental y construcción de algoritmos de solución a problemas de propósito general. Punto de vista que favorece la abstracción y la generalidad.

La Inteligencia Artificial es una combinación de la ciencia del computador, fisiología y filosofía, tan general y amplio como eso, es que reúne varios campos (robótica, sistemas expertos, por ejemplo), todos los cuales tienen en común la creación de máquinas que pueden “pensar”.

La idea de construir una máquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista incluyen juegos, traducción de idiomas, comprensión de idiomas, diagnóstico de fallas, robótica, suministro de asesoría experta en diversos temas.

Es así como los sistemas de administración de base de datos cada vez más sofisticados, la estructura de datos y el desarrollo de algoritmos de inserción, borrado y locación de datos, así como el intento de crear máquinas capaces de realizar tareas que son pensadas como típicas del ámbito de la inteligencia humana, acuñaron el término Inteligencia Artificial en 1956.

Trabajos teóricos fundamentales fueron el desarrollo de algoritmos matemáticos por Warren McCullock y Walter Pitts, en 1943, necesarios para posibilitar el trabajo de clasificación, o funcionamiento en sentido general, de una red neuronal. En 1949 Donald Hebb desarrolló un algoritmo de aprendizaje para dichas redes neuronales creando, en conjunto con los trabajos de McCullock y Pitts, la escuela creacionista. Esta escuela se considera hoy como el origen de la Inteligencia Artificial, sin embargo se trató poco por muchos años, dando paso al razonamiento simbólico basado en reglas de producción, lo que se conoce como sistemas expertos.

I. Nociones y Antecedentes Históricos de Inteligencia Artificial.
 
 
 
 

 

Definiciones sobre Inteligencia Artificial:

     

  • Disciplina científico-técnica que trata de crear sistemas artificiales capaces de comportamientos que, de ser realizados por seres humanos, se diría que requieren inteligencia.
  •  

     

  • Estudio de los mecanismos de la inteligencia y las tecnologías que lo sustentan. (Newell, 91)
  •  

     

  • Intento de reproducir (modelar) la manera en que las personas identifican, estructuran y resuelven problemas difíciles (Pople, 84)
  •  

     

  • Son ciertas herramientas de programación, entendiendo por herramientas:
    •  
      • Entornos de desarrollo: shells
      • Arquitecturas de alto nivel: nodo y arco, sistemas de produccione
    • Lenguajes: LISP, PROLOG
  •  

Desde sus comienzos hasta la actualidad, la Inteligencia Artificial ha tenido que hacer frente a una serie de problemas:

     

  • Los computadores no pueden manejar (no contienen) verdaderos significados.
  •  

     

  • Los computadores no tienen autoconciencia (emociones, sociabilidad, etc.).
  •  

     

  • Un computador sólo puede hacer aquello para lo que está programado.
  •  

     

  • Las máquinas no pueden pensar realmente.
  •  

En 1843, Lady Ada Augusta Byron, patrocinadora de Charles Babbage planteó el asunto de si la máquina de Babbage podía “pensar”.

Los primeros problemas que se trató de resolver fueron puzzles, juegos de ajedrez, traducción de textos a otro idioma.

Durante la II Guerra Mundial Norbert Wiener y John Von Neumann establecieron los principios de la cibernética en relación con la realización de decisiones complejas y control de funciones en máquinas.

La teoría de la retroalimentación en mecanismos, como por ejemplo un termostato que regula la temperatura en una casa, tuvo mucha influencia. Esto aún no era propiamente Inteligencia Artificial. Se hizo mucho en traducciones (Andrew Booth y Warren Weaver), lo que sembró la semilla hacia el entendimiento del lenguaje natural.

En el año 1955 Herbert Simon, el físico Allen Newell y J.C. Shaw, programador de la RAND Corp. y compañero de Newell, desarrolla el primer lenguaje de programación orientado a la resolución de problemas de la Inteligencia Artificial, el IPL-11. Un año más tarde estos tres científicos desarrollan el primer programa de Inteligencia Artificial al que llamaron Logic Theorist, el cual era capaz de demostrar teoremas matemáticos, representando cada problema como un modelode árbol, en el que se seguían ramas en busca de la solución correcta, que resultó crucial. Este programa demostró 38 de los 52 teoremas del segundo capítulo de Principia Mathematica de Russel y Whitehead.

En 1956, con la ahora famosa conferencia de Dartmouth, organizada por John McCarthy y en la cual se utilizó el nombre de inteligencia artificial para este nuevo campo, se separó la Inteligencia Artificial de la ciencia del computador, como tal. Se estableció como conclusión fundamental la posibilidad de simular inteligencia humana en una máquina.

En 1957 Newell y Simon continúan su trabajo con el desarrollo del General Problems Solver (GPS). GPS era un sistema orientado a la resolución de problemas; a diferencia del Logic Theorist, el cual se orientó a la demostración de teoremas matemáticos, GPS no estaba programado para resolver problemas de un determinado tipo, razón a la cual debe su nombre. Resuelve una gran cantidad de problemas de sentido común, como una extensión del principio de retroalimentación de Wiener.

Diversos centros de investigación se establecieron, entre los más relevantes están, la Universidad Carnegie Mellon, el Massachusetts Institute of Technologie (MIT), encabezado por Marvin Minsky, la Universidad de Standford e IBM. Los temas fundamentales eran el desarrollo de heurísticas y el aprendizaje de máquinas.

En 1957 McCarthy desarrolló el lenguaje LISP. La IBM contrató un equipo para la investigación en esa área y el gobierno de USA aportó dinero al MIT también para investigación en 1963.

A finales de los años 50 y comienzos de la década del 60 se desarrolla un programa orientado a la lectura de oraciones en inglés y la extracción de conclusiones a partir de su interpretación, al cual su autor, Robert K. Lindsay, denomina “Sad Sam”. Este podía leer oraciones del tipo “Jim es hermano de John” y “La madre de Jim es Mary”, a partir de ella el sistema concluía que Mary debía ser también la madre de John. Este sistema representó un enorme paso de avance en la simulación de inteligencia humana por una máquina, pues era capaz de tomar una pieza de información, interpretarla, relacionarla con información anteriormente almacenada, analizarla y sacar conclusiones lógicas.

En el mismo período de tiempo hay trabajos importantes de Herbert Gelernter, de IBM, quien desarrolla un “Demostrador Automático de Teoremas de la Geometría“, Alex Bernstein desarrolla un programa para el juego de ajedrez que se considera el antecedente para “Deep Blue”.

En 1961 se desarrolla SAINT (Simbolic Automatic INTegrator) por James Slagle el cual se orienta a la demostración simbólica en el área del álgebra.

En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el cual era capaz de comprender oraciones en inglés.

¿Alguna vez pensarán las máquinas?
Allá por el año 1950, Alan Turing,  un matemático británico,  propuso  un experimento:  En un cuarto (A) y en un cuarto (B) estarían una máquina y un hombre, afuera una persona estaría haciendo una serie de preguntas que responderían indistintamente los ocupantes de los cuartos A y B. Las preguntas serán por algún teletipo para que no se detecten declinaciones de voz.
Cuando la persona que pregunta, no sepa distinguir quien es la máquina y quién es el hombre, entonces se habrá conseguido una máquina inteligente.
       Alan Turing aventuraba a decir que dicha máquina se conseguiría realizar en unos 50 años.  Pues bien, han pasado ya poco más de 50 años desde que lo mencionó y no se ha logrado superar la prueba.
     La Inteligencia Artificial (IA), también conocida, aplicada o involucrada a términos como Robótica, Autómatas, Sistemas Expertos, etcétera,  es una disciplina que envuelve a varias ramas de estudio: la ingeniería, la computación, la psicología, la física, la medicina, la filosofía, la teología y lo que se acumule.
 
   ¿Cómo podríamos hacerle para que una máquina piense?. 
      Alguna vez un investigador  mencionó que el cerebro no es mas que una  máquina de carne. Tomando esta declaración, entonces porqué no lo podrá hacer el Silicio o el Germanio que son los materiales  con los que se fabrican  los chips.
      El cerebro, en funcionamiento, está procesando información que se transmite por medio de impulsos electroquímicos activados por las neuronas que son las células  de las cuales está constituido el cerebro y que almacenan la información y la difunden a otros sectores del cerebro donde sea requerido.
     Existen unas 100 mil millones de neuronas en el cerebro humano aunque no todas se ocupan, de hecho a diario desde que cumplimos 20 años, se pierden unas 50 mil. Pero las neuronas tienen acciones propias, ¿cómo es que se las arreglan para  diferenciar o dirigirse a algún lugar del cerebro y procesar un recuerdo,  hacer un cálculo, mantener el latido del corazón, subir unas escaleras, sentir dolor, etcétera, etcétera?.
     Dentro de cada chip o circuito integrado, existen los semiconductores en diferentes arreglos con los cuales nos dan una función específica. El fundamental, es el DIODO.
     Este dispositivo permite que fluya o no, un impulso eléctrico, puede ser dicho impulso, lo que conocemos como (Bit), prendido o apagado, cero o uno.
     La disposición de diodos en un circuito electrónico nos puede dar un TRANSISTOR, con el cual podemos tener por lo menos tres alternativas para que fluya un par de  impulsos eléctricos. El transistor encapsula a los diodos y por eso está constituido como un solo dispositivo. Con un par de  transistores ya se pueden hacer por lo menos efectos de luces secuenciales de Leds  como los que vemos en adornos para autos.
     Ahora bien, un conjunto de transistores conectados de determinadas formas y encapsulados nos dá una compuerta lógica. La compuerta lógica, es un dispositivo que constituye una serie de operaciones condicionadas para los impulsos eléctricos. Es decir, podemos tener muchos unos y ceros, prendidos y apagados, pasa o no pasa. Con una o dos compuertas lógicas ya se pueden hacer contadores de tiempo o sumadoras básicas, incluso chapas de seguridad electrónicas.
    Un conjunto de compuertas lógicas a gran escala y de pequeña integración de encapsulado digamos de 4 X 4 cm, ya nos dá un microprocesador que puede realizar millones de instrucciones por segundo (MIPS), es decir, millones de encendidos y apagados, de unos y ceros, millones de bits procesándose.
    Con un microprocesador ya podemos hacer computadoras, máquinas que realizan una tarea especifica en la superficie de un planeta como recoger  material de su suelo envolverlo y analizarlo, viajar al espacio sin perder la dirección, detectar dónde hay luz y seguirla o dónde hay una colina y darle la vuelta o graduar el combustible necesario para expulsarlo por los inyectores de un auto, un avión o una nave espacial.
   Pues bien, si el cerebro tuviera que hacerse con los microprocesadores, compuertas, transistores, diodos, etc, con los que actualmente contamos, tendría el  tamaño de una central eléctrica y tardaría varios miles de años en terminarse.
 
 ¿Se tendrá alguna vez una máquina que sea igual que el hombre?
    Esto es algo muy difícil de responder. Nunca podremos llegar con una máquina y preguntarle: ¿Qué sientes?, es probable que nos responda cualquier cosa pero esa respuesta fue programada por los diseñadores. Si es difícil saber qué piensa otra persona incluso uno mismo, entonces es mucho más difícil saber si una máquina sentirá algo o tendrá conciencia de saber que es lo que está pensando o sintiendo.
En los juegos de ajedrez por computadora se tiene un modelo de lo que puede ser un desarrollo de variantes de procesamiento de la información. La computadora está  “pensando” que jugada hará, pero nunca se comparará con un hombre porque el hombre está procesando la jugada que realizará pero en su entorno, tiene la presión del público, de sus preocupaciones personales, de su estado de ánimo. La máquina solo está pensando su próxima mejor  jugada. Pero atención: una computadora ya le ganó a Gary Kasparov campeón mundial de ajedrez, cosa que ya preocupa a los que no son entusiastas de la IA. 
Pero hay quienes salen en defensa de los robots como lo hizo Carl Sagan y menciona que si así como el ser humano hace gala de un chauvinismo, las personas  blancas  de racismo y los hombres de  sexismo, no habrá algo así como una actitud de especiismo, esto porque no se pueda asimilar que una máquina podrá ser como el hombre, sobre todo del complejo de inferioridad que se siente cuando vemos como una calculadora nos hace operaciones de cifras grandísimas con decimales en una fracción de segundos o de ver como una computadora nos selecciona y filtra información de una base de datos inmensa.
     Y ahora, supongamos que se deciden a hacer una máquina que piense como un hombre. ¿Pero como va a aprender?, ¿se le introducirán todos los datos de todo lo que conoce un ser humano promedio  y algo más?, o ¿se le programará para que aprenda como lo va haciendo el hombre desde que es niño?.
Increíblemente ya se están haciendo proyectos de las dos formas anteriores llamadas vertientes Simbólica y Conexionista entre ellos el proyecto Cyc, con el cual se le han introducido datos que analizará la propia computadora y tomará decisiones por sí misma, este proyecto está por terminarse y se supone que los resultados serán los de la inteligencia de un niño de 2 años.
Pero y  ¿qué pasará si la inteligencia de estas máquinas es tal que pretendan dominar al hombre y crear máquinas  hijas de sí mismas?, recordemos que están aprendiendo a pensar y reciben todo lo que está en su entorno, o ¿qué pasa si alguien con ideas destructivas le atiborra de información dañina a la computadora para  afectar al hombre o al planeta?. Con todo esto valdrá la pena entonces hacer máquinas que emulen al hombre.
Bueno como en todo, si está en malas manos será peligroso, pero si es por el bien entonces  imaginemos a esas máquinas entrando a lugares donde no puede acceder el hombre, o ser empleado en pruebas donde la vida de un individuo corre peligro, o la seguridad que proporcionaría ante algún ataque delictivo. En fin veremos que nos depara la tecnología en los próximos años.
Críticas [editar]Las principales críticas a la inteligencia artificial tienen que ver con su incapacidad 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.

Muchas personas consideran que el test de Turing ya ha sido superado. Hay quienes al dialogar con un programa de inteligencia artificial para chat no saben que hablan con un programa. Otros experimentos como la Habitación china de John Searle han mostrado cómo una máquina puede simular pensamiento sin tener que tenerlo y puede pasar muchos test, sin siquiera entender lo que hace. Algunos han criticado esto por el hecho obvio de que la máquina en realidad no está pensando, sino actuando en base a un programa preestablecido. Esta crítica se disuelve si se considera la educación de los humanos como programas preestablecidos, ya que la educación sería transmitir a un alumno reglas, procedimientos y algoritmos para resolver problemas y tomar decisiones.

Un sistema de inteligencia artificial tiene enormes ventajas respecto a los humanos. Por ejemplo, su capacidad de almacenamiento, su capacidad para tomar decisiones racionales sin prejuicios o emociones que perturben el resultado, y la no fijeza funcional. La fijeza funcional es el problema humano de acostumbrarse a utilizar conceptualmente un objeto sin poder utilizar dicho objeto para un fin distinto al habitual. Un ejemplo sería tener la capacidad de utilizar un martillo como percutor para clavar, o bien como pisapapeles en caso de ser necesario. Se ha logrado utilizar un objeto de un modo distinto al usual o para el cual ha sido creado.

Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicación con el usuario. Este obstáculo es debido al 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 y ningún humano puede conocer todas las palabras que existen en su idioma. Un humano interpreta los mensajes a pesar de la polisemia de las palabras utilizando el contexto para resolver ambigüedades. Sin embargo, debe conocer los distintos significados para poder interpretar, y es por esto que lenguajes especializados y técnicos son conocidos solamente por expertos en las respectivas disciplinas. Un sistema de inteligencia artificial se enfrenta con el mismo problema, la polisemia del lenguaje humano, su sintaxis poco estructurada y los dialectos entre grupos.

Los desarrollos en inteligencia artificial son mayores en los campos disciplinares en los que existe mayor consenso entre especialistas. Un sistema experto es más probable de ser programado en física o en medicina que en sociología o en psicología. Esto se debe al problema del consenso entre especialistas en la definición de los conceptos involucrados y en los procedimientos y técnicas a utilizar. Por ejemplo, en física hay acuerdo sobre el concepto de velocidad y cómo calcularla. Sin embargo, en psicología se discuten los conceptos, la etiología, la psicopatología y cómo proceder ante cierto diagnóstico. Esto dificulta la cración de sistemas inteligentes porque siempre habrá desacuerdo sobre lo que se esperaría que el sistema haga. A pesar de esto hay grandes avances en el diseño de sistemas expertos para el diagnóstico y toma de decisiones en el ámbito médico y psiquiátrico (Adaraga Morales, Zaccagnini Sancho, 1994).Críticas [editar]

Las principales críticas a la inteligencia artificial tienen que ver con su incapacidad 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.

Muchas personas consideran que el test de Turing ya ha sido superado. Hay quienes al dialogar con un programa de inteligencia artificial para chat no saben que hablan con un programa. Otros experimentos como la Habitación china de John Searle han mostrado cómo una máquina puede simular pensamiento sin tener que tenerlo y puede pasar muchos test, sin siquiera entender lo que hace. Algunos han criticado esto por el hecho obvio de que la máquina en realidad no está pensando, sino actuando en base a un programa preestablecido. Esta crítica se disuelve si se considera la educación de los humanos como programas preestablecidos, ya que la educación sería transmitir a un alumno reglas, procedimientos y algoritmos para resolver problemas y tomar decisiones.

Un sistema de inteligencia artificial tiene enormes ventajas respecto a los humanos. Por ejemplo, su capacidad de almacenamiento, su capacidad para tomar decisiones racionales sin prejuicios o emociones que perturben el resultado, y la no fijeza funcional. La fijeza funcional es el problema humano de acostumbrarse a utilizar conceptualmente un objeto sin poder utilizar dicho objeto para un fin distinto al habitual. Un ejemplo sería tener la capacidad de utilizar un martillo como percutor para clavar, o bien como pisapapeles en caso de ser necesario. Se ha logrado utilizar un objeto de un modo distinto al usual o para el cual ha sido creado.

Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicación con el usuario. Este obstáculo es debido al 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 y ningún humano puede conocer todas las palabras que existen en su idioma. Un humano interpreta los mensajes a pesar de la polisemia de las palabras utilizando el contexto para resolver ambigüedades. Sin embargo, debe conocer los distintos significados para poder interpretar, y es por esto que lenguajes especializados y técnicos son conocidos solamente por expertos en las respectivas disciplinas. Un sistema de inteligencia artificial se enfrenta con el mismo problema, la polisemia del lenguaje humano, su sintaxis poco estructurada y los dialectos entre grupos.

Los desarrollos en inteligencia artificial son mayores en los campos disciplinares en los que existe mayor consenso entre especialistas. Un sistema experto es más probable de ser programado en física o en medicina que en sociología o en psicología. Esto se debe al problema del consenso entre especialistas en la definición de los conceptos involucrados y en los procedimientos y técnicas a utilizar. Por ejemplo, en física hay acuerdo sobre el concepto de velocidad y cómo calcularla. Sin embargo, en psicología se discuten los conceptos, la etiología, la psicopatología y cómo proceder ante cierto diagnóstico. Esto dificulta la cración de sistemas inteligentes porque siempre habrá desacuerdo sobre lo que se esperaría que el sistema haga. A pesar de esto hay grandes avances en el diseño de sistemas expertos para el diagnóstico y toma de decisiones en el ámbito médico y psiquiátrico (Adaraga Morales, Zaccagnini Sancho, 1994).

inteligenciaartificial-thumb

http://www.youtube.com/watch?v=ieq42V9TRGQ

Anuncios