Qué es Inteligencia Artificial?
Se
denomina inteligencia artificial a la ciencia que intenta la creación
de programas para máquinas que imiten el comportamiento y la comprensión
humana. La investigación en el campo de la Inteligencia Artificial se
caracteriza por la producción de máquinas para la automatización de
tareas que requieran un comportamiento inteligente.
• Sin embargo, no es tan sencillo dar de partida una única definición
• Si se estudia la bibliografía se pueden encontrar numerosas interpretaciones.
Éstas se pueden clasificar en cuatro enfoques principales:
Sistemas que piensan como humanos.
“El nuevo y excitante esfuerzo de hacer que los computadores piensen... máquinas con mentes, en el más amplio sentido literal”. (Haugeland, 1985)
“[La automatización de] actividades que vinculamos con procesos de pensamiento humano, actividades como la toma de decisiones, resolución de problemas, aprendizaje...” (Bellman, 1978)
Sistemas que piensan racionalmente.
“El estudio de las facultades mentales mediante el uso de programas computacionales”.
(Charniak y Mc Dermott, 1985)
“El estudio de los cálculos que hacen posible percibir, razonar y actuar”. (Winston, 1992)
Sistemas que actúan como humanos.
“El arte de desarrollar máquinas con capacidad para realizar funciones que cuando son realizadas por personas requieren de inteligencia”. (Kurzweil, 1990)
“El estudio de cómo lograr que los computadores realicen tareas que, por el momento, los humanos hacen mejor” (Rich y Knight, 1991)
Sistemas que actúan racionalmente.
“La Inteligencia Computacional es el estudio del diseño de agentes inteligentes” (Poole et al., 1985)
“La Inteligencia Computacional es el estudio del diseño de agentes inteligentes” (Poole et al., 1985)
“La Inteligencia Computacional está relacionada con conductas inteligentes en artefactos”. (Nilsson, 1998)
Comportamiento humano: El enfoque de la máquina de Turing
Prueba de Turing
(Alan
Turing, 1950) Turing sugirió una prueba basada en la incapacidad de
diferenciar sobre entidades inteligentes indiscutibles y seres humanos.
El computador supera la prueba si responde a una serie de preguntas planteadas por el evaluador y este no es capaz de saber si estas respuestas son de una persona humana o no.
El computador supera la prueba si responde a una serie de preguntas planteadas por el evaluador y este no es capaz de saber si estas respuestas son de una persona humana o no.
Qué debería hacer la máquina para superar la prueba de Turing
Hoy por hoy, se le debería exigir estas capacidades:
• Procesamiento del lenguaje natural
• Representación del conocimiento
• Razonamiento automático
• Aprendizaje automático
Y además para la Prueba Global de Turing:
• Visión computacional
• Robótica
Pensar como un humano:el enfoque del
modelo
cognitivo
Teniendo una teoría de cómo trabaja la mente, ésta se podrá expresar en la forma
de un programa computacional
Si los datos de entrada/salida del programa y los tiempos de reacción son similares a los de un humano, existirá evidencia de que los mecanismos del programa se pueden comparar a los
que utiliza un humano
Newell y Simon(1961) siguieron este enfoque en su
Sistema de Resolución General de Problemas
En la ciencia cognitiva convergen modelos
computacionales de IA y técnicas de psicología intentando
elaborar teoías sobre el funcionamiento de la mente humana.
Pensamiento
racional:
el
enfoque de las leyes del
pensamiento
Enfoque basado en los trabajos sobre lógica del filósofo griego Aristóteles
Intenta codificar los procesos de razonamiento
mediante esquemas de argumentación con las que se llega a conclusiones correctas si se parte de premisas
Ejemplo: Socrates es hombre, todos los hombres son mortales ; por lo tanto Socrates es mortal.
Razonadores automaticos(1965)
Actuar de forma racional: el enfoque del agente racional
Un agente es algo que razona
Agente informatico vs programa convencional
- Dotados de controles autonomos
- Perciben su entorno
- Perciben durante un periodo de tiempoi prolongado
- Se adaptan a los cambios
- Capaces de alcanzar objetivos diferentes
Fundamentos de Inteligencia Artificial
Breve
historia de las disciplinas que han contribuido a la Inteligencia
Artificial con ideas, puntos de vista y técnicas al desarrollo:
• Filosofía
• Matemáticas
• Economía
• Neurociencia
• Psicología
• Ingeniería computacional
• Teoría de control y cibernética
• Lingüística
La historia de Inteligencia Artificial
• 1943 McCulloch & Pitts: circuito booleano para modelar el cerebro
• 1950 La “Inteligencia computacional” de Turing
• 1952–69 ¡Sin manos!
• 1950s Primeros programas de IA, incluido el testeador de programas de Samuel, la Teoría Logista de Newell & Simon, y el Motor Geométrico de Gelernter
• 1956 Conferencia de Dartmouth: se adopta el término “Inteligencia Artificial”
• 1965 Algoritmo completo de Robinson para razonamiento lógico
• 1966–74 La IA descubre la complejidad computacional La investigación en redes neuronales casi desaparece
• 1969–79 Primeros desarrollos de sistemas basados en conocimiento
• 1980–88 El boom de los sistemas expertos en industria
• 1988–93 La quiebra/crisis de los Sistemas expertos en industria: “El invierno de la IA”
• 1985–95 Las redes neuronales vuelven a popularizarse
• 1988– Resurje la probabilidad; un aumento general en cuanto a profundidad técnica. “Nouvelle AI”: ALife, GAs, soft computing
• 1995– Agentes, agentes, por todas partes . . .
• 2003– De nuevo la IA a Nivel humano sobre la mesa
• 1950 La “Inteligencia computacional” de Turing
• 1952–69 ¡Sin manos!
• 1950s Primeros programas de IA, incluido el testeador de programas de Samuel, la Teoría Logista de Newell & Simon, y el Motor Geométrico de Gelernter
• 1956 Conferencia de Dartmouth: se adopta el término “Inteligencia Artificial”
• 1965 Algoritmo completo de Robinson para razonamiento lógico
• 1966–74 La IA descubre la complejidad computacional La investigación en redes neuronales casi desaparece
• 1969–79 Primeros desarrollos de sistemas basados en conocimiento
• 1980–88 El boom de los sistemas expertos en industria
• 1988–93 La quiebra/crisis de los Sistemas expertos en industria: “El invierno de la IA”
• 1985–95 Las redes neuronales vuelven a popularizarse
• 1988– Resurje la probabilidad; un aumento general en cuanto a profundidad técnica. “Nouvelle AI”: ALife, GAs, soft computing
• 1995– Agentes, agentes, por todas partes . . .
• 2003– De nuevo la IA a Nivel humano sobre la mesa
Génesis de la IA (1943-1955)
Warren McCulloch y Walter Pitts: 1er trabajo de IA Tres fuentes
Warren McCulloch y Walter Pitts: 1er trabajo de IA Tres fuentes
- Conocimientos sobre fisiología básica y funcionamiento de las neuronas.
- Análisis formal de la lógica proposicional (Russel & Whitehead)
- Teoría de la computación de Turing.
• Modelo constituido por neuronas artificiales que estaban interconectadas en red.
• Minsky y Edmons: primer computador a partir de una red neuronal en 1951, el SNARC.
• Posteriormente Minsky probó las limitaciones de la investigación con redes neuronales.
• Alan Turing primero en articular una visión de la IA, Machinery and Intelligence (1950), prueba de Turing, el aprendizaje automático, los algoritmos genéricos y el aprendizaje por refuerzo.
• Minsky y Edmons: primer computador a partir de una red neuronal en 1951, el SNARC.
• Posteriormente Minsky probó las limitaciones de la investigación con redes neuronales.
• Alan Turing primero en articular una visión de la IA, Machinery and Intelligence (1950), prueba de Turing, el aprendizaje automático, los algoritmos genéricos y el aprendizaje por refuerzo.
Nacimiento de la inteligencia artificial (1956)
• Darthmouth College: taller de verano de dos meses, con solo 10 asistentes.
• No se produjo ningún avance notable, pero sirvió para poner en contacto a las figuras más importantes en el campo.
• Consenso de adoptar un nuevo nombre (McCarthy): Inteligencia Artificial.
• Se bautizó con un nombre diferente porque se consideró que no era una continuación de ninguna de las anteriores, ya que
- Se abarcó la idea de intentar duplicar facultades humanas.
- La IA era la única de los campos relacionados que se trataba claramente de una rama de la informática.
- Finalmente, la IA es el único campo que persigue la construcción de máquinas que funcionen automáticamente en medios complejos y cambiantes.
Evolución en sus primeros años Desde 1952-1969
Los primeros años estuvieron llenos de éxitos, aunque con ciertas limitaciones.
Entusiasmo general y grandes esperanzas.
Los primeros años estuvieron llenos de éxitos, aunque con ciertas limitaciones.
Entusiasmo general y grandes esperanzas.
Algunos «hitos»:
• Hipótesis del sistema de símbolos físicos.
• Lenguaje de alto nivel LISP.
• Generador de consejos.
• Micromundos, destacando el mundo de los bloques.
• RNs como adalines o perceptrones.
• Hipótesis del sistema de símbolos físicos.
• Lenguaje de alto nivel LISP.
• Generador de consejos.
• Micromundos, destacando el mundo de los bloques.
• RNs como adalines o perceptrones.
Pero aún así las predicciones muy optimistas se chocaron
con una realidad difícil de modelar y excesivamente compleja
en muchos casos: traducción, búsqueda de soluciones genérica, la explosión
combinatoria, capacidad de representación limitada.
con una realidad difícil de modelar y excesivamente compleja
en muchos casos: traducción, búsqueda de soluciones genérica, la explosión
combinatoria, capacidad de representación limitada.
Sistemas Basados en conocimiento
¿clave del poder?(1969-1979)
•
Hasta este momento la investigación en IA estaba centrada en el
desarrollo de mecanismos de búsqueda de propósito general: métodos
débiles.
• Alternativa: uso de conocimiento específico del dominio que facilita el desarrollo de etapas de razonamiento más largas, pudiendo así resolver casos recurrentes en dominios de conocimiento restringido: DENDRAL.
• Sistemas expertos.
• Surge esta nueva metodología que puede aplicarse a distintas áreas de la actividad humana. Muy empleado en diagnóstico médico: MYCIN.
• Se incorporan también los factores de certeza.
• Aparecen los marcos de Minsky.
• Alternativa: uso de conocimiento específico del dominio que facilita el desarrollo de etapas de razonamiento más largas, pudiendo así resolver casos recurrentes en dominios de conocimiento restringido: DENDRAL.
• Sistemas expertos.
• Surge esta nueva metodología que puede aplicarse a distintas áreas de la actividad humana. Muy empleado en diagnóstico médico: MYCIN.
• Se incorporan también los factores de certeza.
• Aparecen los marcos de Minsky.
La IA se convierte en una industria
(desde 1980 hasta el presente)
(desde 1980 hasta el presente)
• Primer sistema experto comercial con éxito: R1 por Digital Equipment Corporation.
• En 1981 los japoneses anunciaron su proyecto «Quinta Generación».
• Los EEUU constituyeron el MCC (Microelectronics and Computer Technology Corporation).
• Ninguno cumplió completamente sus objetivos, mientras que Reino Unido se restaura el patrocinio/subvención.
• La industria de la IA creció rápidamente, pasando de unos pocos millones de dólares en 1980 a billones de dólares en 1988.
• Poco después llegó la época llamada «El invierno de la IA».
No hay comentarios:
Publicar un comentario