inteligencia artificial

Inteligencia Artificial, ¿Que es y como funciona?

¿ Que es la inteligencia artificial ?

La inteligencia artificial (IA) es una amplia rama de la informática que se ocupa de construir máquinas inteligentes capaces de realizar tareas que normalmente requieren inteligencia humana.

La IA es una ciencia interdisciplinaria con múltiples enfoques, pero los avances en el aprendizaje automático y el aprendizaje profundo (Deep Learning) están creando un cambio de paradigma en prácticamente todos los sectores de la industria tecnológica.

inteligencia artificial

¿Cómo funciona la inteligencia artificial?

Pueden las maquinas pensar? — Alan Turing, 1950

Menos de una década después de descifrar la encriptación nazi Enigma y ayudar a las Fuerzas Aliadas a ganar la Segunda Guerra Mundial, el matemático Alan Turing cambió la historia por segunda vez con una simple pregunta: «¿Pueden pensar las máquinas?»

El documento de Turing «Computing Machinery and Intelligence» (1950), y  posteriormente la Prueba de Turing, establecieron el objetivo fundamental y la visión de la inteligencia artificial.

En esencia, la IA es la rama de la informática que tiene como objetivo responder afirmativamente a la pregunta de Turing. Es el esfuerzo de replicar o simular la inteligencia humana en máquinas.

El objetivo expansivo de la inteligencia artificial ha dado lugar a muchas preguntas y debates. Tanto es así, que no se acepta universalmente ninguna definición singular del campo.

La principal limitación para definir la IA como simplemente «construir máquinas inteligentes» es que en realidad no explica qué es la inteligencia artificial. ¿Qué hace que una máquina sea inteligente?

En su innovador libro “Inteligencia artificial: un enfoque moderno”, los autores Stuart Russell y Peter Norvig abordan la cuestión al unificar su trabajo en torno al tema de los agentes inteligentes en las máquinas. Con esto en mente, la IA es «el estudio de agentes que reciben percepciones del entorno y realizan acciones«.

Norvig y Russell continúan explorando cuatro enfoques diferentes que históricamente han definido el campo de la IA:

1 Pensando humanamente

2 Pensando racionalmente

3 Actuando humanamente

4 Actuando racionalmente

 

Las dos primeras ideas se refieren a los procesos de pensamiento y al razonamiento, mientras que las otras se refieren al comportamiento. Norvig y Russell se centran particularmente en los agentes racionales que actúan para lograr el mejor resultado, señalando que «todas las habilidades necesarias para la Prueba de Turing, también permiten que un agente actúe racionalmente».

Patrick Winston, profesor de inteligencia artificial y ciencias de la computación en el MIT, define la IA como «algoritmos habilitados por restricciones, expuestos por representaciones que soportan modelos dirigidos a bucles que vinculan el pensamiento, la percepción y la acción«.

Si bien estas definiciones pueden parecer abstractas para la persona promedio, ayudan a enfocar el campo como un área de la informática y proporcionan un plan para infundir máquinas y programas con aprendizaje automático y otros subconjuntos de inteligencia artificial.

Mientras se dirigía a una multitud en la Experiencia de IA de Japón en 2017, el CEO de DataRobot, Jeremy Achin, comenzó su discurso ofreciendo la siguiente definición de cómo se usa hoy la IA:

«La IA es un sistema informático capaz de realizar tareas que normalmente requieren inteligencia humana … Muchos de estos sistemas de inteligencia artificial funcionan con aprendizaje automático, algunos de ellos con aprendizaje profundo y otros con cosas muy aburridas como reglas «.

inteligencia artficial

¿ Cómo es usada la inteligencia artificial ?

La inteligencia artificial generalmente se divide en dos grandes categorías:

IA estrecha: a veces denominada «IA débil», este tipo de inteligencia artificial opera dentro de un contexto limitado y es una simulación de la inteligencia humana. La IA estrecha a menudo se centra en realizar una sola tarea extremadamente bien y, aunque estas máquinas pueden parecer inteligentes, operan bajo muchas limitaciones, limitaciones que incluso la inteligencia humana más básica podría resolver.

 

Inteligencia general artificial (AGI): AGI, a veces denominada «IA fuerte», es el tipo de inteligencia artificial que vemos en las películas, como los robots de Westworld o Data de Star Trek: The Next Generation. AGI es una máquina con inteligencia general y, al igual que un ser humano, puede aplicar esa inteligencia para resolver cualquier problema.

 

Inteligencia Artificial Estrecha (Narrow Artificial Intelligence)

La inteligencia artificial estrecha nos rodea y es fácilmente la creación más exitosa de inteligencia artificial hasta la fecha. Con su enfoque en realizar tareas específicas, Narrow AI ha experimentado numerosos avances en la última década que han tenido «beneficios sociales significativos y han contribuido a la vitalidad económica de la nación», según «Preparándose para el futuro de la inteligencia artificial«, un Informe de 2016 publicado por la Administración de Obama en USA.

-Algunos ejemplos de Narrow AI incluyen:
-Búsquedas de Google
-Software de reconocimiento de imagen
Siri, Alexa y otros asistentes personales.
-Autos sin conductor
Watson de IBM

 

Aprendizaje automático (machine Learning) y aprendizaje profundo (deep learning)

Gran parte de la inteligencia artificial estrecha está impulsada por los avances en el aprendizaje automático y el aprendizaje profundo. Comprender la diferencia entre inteligencia artificial, aprendizaje automático y aprendizaje profundo puede ser confuso. El inversionista de riesgo Frank Chen ofrece una buena visión general de cómo distinguirlos, señalando:

«La inteligencia artificial es un conjunto de algoritmos e inteligencia para tratar de imitar la inteligencia humana. El aprendizaje automático es uno de ellos, y el aprendizaje profundo es una de esas técnicas de aprendizaje automático».

En pocas palabras, el aprendizaje automático alimenta los datos de una computadora y utiliza técnicas estadísticas para ayudarlo a «aprender» cómo mejorar progresivamente en una tarea, sin haber sido programado específicamente para esa tarea, eliminando la necesidad de millones de líneas de código escrito. El aprendizaje automático consiste tanto en aprendizaje supervisado (usando conjuntos de datos etiquetados) como en aprendizaje no supervisado (usando conjuntos de datos no etiquetados).

El aprendizaje profundo es un tipo de aprendizaje automático que ejecuta entradas a través de una arquitectura de red neuronal inspirada biológicamente. Las redes neuronales contienen una serie de capas ocultas a través de las cuales se procesan los datos, lo que permite que la máquina profundice en su aprendizaje, haciendo conexiones y entradas de ponderación para obtener los mejores resultados.

Inteligencia Artificial General (AGI)

La creación de una máquina con inteligencia a nivel humano que se puede aplicar a cualquier tarea es el Santo Grial para muchos investigadores de IA, pero la búsqueda de AGI ha estado llena de dificultades.

La búsqueda de un «algoritmo universal para aprender y actuar en cualquier entorno» (Russel y Norvig ) no es nueva, pero el tiempo no ha aliviado la dificultad de crear esencialmente una máquina con un conjunto completo de habilidades cognitivas.

AGI ha sido durante mucho tiempo la musa de la ciencia ficción, en la que los robots súper inteligentes invaden a la humanidad, pero los expertos coinciden en que no es algo de lo que debamos preocuparnos en el corto plazo.

 

Historia de la inteligencia artificial.

Robots inteligentes y seres artificiales aparecieron por primera vez en los antiguos mitos griegos. El desarrollo de Aristóteles del silogismo y su uso del razonamiento deductivo fue un momento clave en la búsqueda de la humanidad para comprender su propia inteligencia. Si bien las raíces son largas y profundas, la historia de la inteligencia artificial tal como la concebimos hoy abarca menos de un siglo. Lo siguiente es un vistazo rápido a algunos de los eventos más importantes en IA.

1943
Warren McCullough y Walter Pitts publican «Un cálculo lógico de ideas inmanentes en la actividad nerviosa». El documento propuso el primer modelo matemático para construir una red neuronal.

1949
En su libro The Organization of Behavior: A Neuropsychological Theory, Donald Hebb propone la teoría de que las vías neuronales se crean a partir de las experiencias y que las conexiones entre las neuronas se fortalecen cuanto más se usan. El aprendizaje hebbiano sigue siendo un modelo importante en la IA.

1950
Alan Turing publica «Maquinaria de computación e inteligencia, proponiendo lo que ahora se conoce como la Prueba de Turing, un método para determinar si una máquina es inteligente.

Los estudiantes universitarios de Harvard, Marvin Minsky y Dean Edmonds, construyen SNARC, la primera computadora de red neuronal.

Claude Shannon publica el artículo «Programando una computadora para jugar ajedrez».

Isaac Asimov publica las «Tres leyes de la robótica».

1952
Arthur Samuel desarrolla un programa de autoaprendizaje para jugar a las damas.

1954
El experimento de traducción automática Georgetown-IBM traduce automáticamente 60 oraciones rusas cuidadosamente seleccionadas al inglés.

1956
La frase inteligencia artificial se acuñó en el «Proyecto de investigación de verano de Dartmouth sobre inteligencia artificial». Dirigida por John McCarthy, la conferencia, que definió el alcance y los objetivos de la IA, se considera ampliamente como el nacimiento de la inteligencia artificial tal como la conocemos hoy.

Allen Newell y Herbert Simon demuestran Logic Theorist (LT), el primer programa de razonamiento.

1958
John McCarthy desarrolla el lenguaje de programación AI Lisp y publica el documento «Programas con sentido común». El documento propuso el hipotético Consejo de Asesores, un sistema de IA completo con la capacidad de aprender de la experiencia de manera tan efectiva como los humanos.

1959
Allen Newell, Herbert Simon y J.C. Shaw desarrollan el General Problem Solver (GPS), un programa diseñado para imitar la resolución de problemas humanos.

Herbert Gelernter desarrolla el programa Geometry Theorem Prover.

Arthur Samuel acuña el término aprendizaje automático mientras estaba en IBM.

1963
John McCarthy comienza el laboratorio de IA en Stanford.

1966
El informe del Comité Asesor de Procesamiento Automático del Idioma (ALPAC) del gobierno de EE. UU. Detalla la falta de progreso en la investigación de las traducciones automáticas, una importante iniciativa de la Guerra Fría con la promesa de una traducción automática e instantánea del ruso. El informe ALPAC lleva a la cancelación de todos los proyectos de MT financiados por el gobierno.

1969
Los primeros sistemas expertos exitosos se desarrollan en DENDRAL, un programa XX, y se crean MYCIN, diseñados para diagnosticar infecciones de la sangre, en Stanford.

1972
Se crea el lenguaje de programación lógica PROLOG.

1973

El «Informe Lighthill», que detalla las decepciones en la investigación de IA, es publicado por el gobierno británico y conduce a recortes severos en la financiación de proyectos de inteligencia artificial.

1974-1980
La frustración con el progreso del desarrollo de la IA conduce a importantes recortes de DARPA en las subvenciones académicas. En combinación con el informe anterior de ALPAC y el «Informe Lighthill» del año anterior, el financiamiento de inteligencia artificial se agota. Este período se conoce como el «Primer Invierno AI».

1980
Digital Equipment Corporations desarrolla R1 (también conocido como XCON), el primer sistema experto comercial exitoso. Diseñado para configurar pedidos de nuevos sistemas informáticos, R1 inicia un auge de la inversión en sistemas expertos que durará gran parte de la década, terminando efectivamente con el primer «Invierno de IA».

1982
El Ministerio de Comercio Internacional e Industria de Japón lanza el ambicioso proyecto de sistemas informáticos de quinta generación. El objetivo de FGCS es desarrollar un rendimiento similar a una supercomputadora y una plataforma para el desarrollo de IA.

1983
En respuesta al FGCS de Japón, el gobierno de EE. UU. Lanza la Iniciativa de Computación Estratégica para proporcionar investigación financiada por DARPA en informática avanzada e inteligencia artificial.

1985
Las empresas están gastando más de mil millones de dólares al año en sistemas expertos y toda una industria conocida como el mercado de máquinas Lisp surge para apoyarlos. Empresas como Symbolics y Lisp Machines Inc. construyen computadoras especializadas para ejecutarse en el lenguaje de programación AI Lisp.

1987-1993
A medida que la tecnología informática mejoró, surgieron alternativas más baratas y el mercado de máquinas Lisp colapsó en 1987, dando paso al «Segundo invierno de IA». Durante este período, los sistemas expertos resultaron demasiado caros de mantener y actualizar, y finalmente cayeron en desgracia.

Japón termina el proyecto FGCS en 1992, citando el fracaso en el cumplimiento de los ambiciosos objetivos descritos una década antes.


Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *