Ordenadores
Inteligencia artificial



Tecnocerebro Inteligencia:
Podemos elegir las matemáticas como representación de una forma de pensar. Es un ejemplo particularmente adecuado para nuestros fines. Por un motivo, es claramente un atributo humano. Algunos organismos superiores son capaces de distinguir entre tres objetos y cuatro, digamos, pero ninguna especie, salvo el Homo sapiens, puede realizar la simple operación de dividir tres cuartos por siete octavos. En segunddo lugar, las matemáticas suponen un tipo de razonamiento que opera con reglas fijas e incluye (idealmente) términos o procedimientos no indefinidos. Puede ser analizado de una forma más concreta y más precisa que puede serlo el tipo de pensamiento que se aplica, digamos, a la composición literaria o a las altas finanzas o a la dirección industrial o a la estrategia militar. Ya en 1936, el matemático inglés Alan Mathison Touring demostró que todos los problemas podían resolverse mecánicamente si podían expresarse en forma de un número finito de manipulaciones que pudiesen ser admitidas por la máquina. [...] Ya pueden calcular, recordar, asociar, comparar y reconocer. ¿Llegarán algún día a razonar? A este respecto, el matemático americano Marvin L. Minsky contesta que sí. En 1938, un joven matemático e ingeniero norteamericano, Claude Elwood Shannon, expuso en su tesis doctoral que la lógica deductiva conocida como álgebra de Boole, podía ser tratada mediante el sistema binario. El álgebra de Boole se refiere a un sistema de lógica simbólica, sugerida en 1854 por el matemático inglés George Boole, en su libro titulado An Investigation of the Laws of Thought. Boole observó que los tipos de afirmación empleados en la lógica deductiva podían ser representados mediante símbolos matemáticos, y se dedicó a demostrar cómo podían ser manipulados tres símbolos según reglas fijas para dar lugar a conclusiones apropiadas. [...]

¿Qué es lo que queda del pensamiento que no pueda ser adquirido por la máquina? Nos enfrentamos finalmente con la creatividad y la capacidad de la mente humana para tratar con lo desconocido: su intuición, capacidad de juicio y para sorprenderse ante una situación y sus posibles consecuencias -llámase como se quiera- . Esto también ha sido expresado en forma matemática, hasta cierto punto, por el matemático John von Neumann, quien con el economista Oskar Morgenstern, escribieron The Theory of Games and Economic Behavior (La teoría de los juegos y el comportamiento económico), a principios de la década de 1940. Von Newmann tomó ciertos juegos sencillos, tales como tirar la moneda y el póquer, como modelos para el análisis de la situación típica en la que uno intenta hallar una estrategia para ganar a un oponente que está seleccionando asimismo la mejor forma posible de acción para sus propios fines. Las campañas militares, la competencia en los negocios, muchas cuestiones de gran importancia en la actualidad, implican decisiones de este tipo. Incluso la investigación científica puede ser considerada como un juego del hombre contra la Naturaleza, y la teoría de los juegos puede ser de utilidad para seleccionar la estrategia óptima de la investigación, suponiendo que la Naturaleza está barajando las cartas de un modo que enredará más al ser humano (lo que en realidad a menudo parece que hace). Y cuando las máquinas amenazan con hacerse perceptiblemente humanas, los seres humanos se hacen más mecánicos.

[...] La palabra ciborg (cibernetic organism) se acuñó en 1960 para hacer referencia a los hombres amplificados mecánicamente. Todos estos intentos de imitar la mente humana se hallan en su primera infancia. No podemos ver, en un futuro previsible, la posibilidad de que una máquina reproduzca la actividad del ser humano. Sin embargo, la senda se halla abierta y conjura pensamientos que son excitantes, pero también de alguna manera aterradores. Si el hombre llega eventualmente a producir una máquina, una criatura mecánica, igual o superior a sí mismo en todos los aspectos, inclusive en la inteligencia y creatividad, ¿qué es lo que ocurriría? ¿Reemplazaría al ser humano, como el organismo superior en la Tierra ha reemplazado o subordinado a los menos adaptados a lo largo de la historia de la evolución? Es un pensamiento desagradable: lo que nosotros representamos, por primera vez en la historia de la vida sobre la Tierra, es una especie capaz de elaborar su posible sustitución. Por supuesto, podemos evitar la contingencia al impedir la construcción de máquinas que sean demasiado inteligentes. Pero, no obstante, es tentador construirlas. ¿Qué mayor logro podría haberse alcanzado, que la creación de un objeto que sobrepasara a su creador? ¿Cómo podríamos consumar la victoria de la inteligencia sobre la Naturaleza de forma más gloriosa que transmitiendo nuestra herencia de forma triunfal a una inteligencia mayor, elaborada por nosotros mismos? (Asimov)

Laberinto complejo Elementos de la IA:
La IA consiste en la asimilación de los procesos inductivos y deductivos del cerebro humano. Este intento de imitación se enfrenta a duras restricciones del hardware. La complejidad del ordenador se encuentra a una gran distancia de la superioridad neurológica del ser humano. La IA acepta el reto de la imitación de los procesos del cerebro aplicando mucho ingenio para aprovechar los medios disponibles. Se sustenta sobre los elementos de los saberes y sobre estrategias de comportamiento inteligente. Cada sistema experto debe poseer en memoria todos los conocimientos distintivos que tendría un especialista en la materia, sea un médico, un abogado o un químico. Las estrategias de comportamiento se basan en reglas para formular buenas inferencias o conjeturas; y en su uso para la búsqueda de una solución a la cuestión o tarea planteada. Los sitemas expertos se vuelven de utilidad desde los primeros pasos de su desarrollo. En paralelo a su uso se pueden perfeccionar las estrategias para depurar y ofrecer el saber según requerimientos crecientemente sofisticados.

Lenguaje natural:
Un gran objetivo de la IA es el tratamiento del lenguaje natural. Consiste en que las máquinas puedan comunicarse con las personas sin ninguna dificultad de comprensión. Los logros son parciales e insuficientes. El programa FRUMP es capaz de leer historias cortas y resumirlas escuetamente con una gramática correcta y una expresión convincente. Sus progresos serán trasladables a la traducción automática del lenguaje. Un elemento importante para la comunicación y el guiado automático es la visión artificial, parcela pendiente de un enorme camino por recorrer.

Sistemas de control inteligente:
Intenta diseñar mecanismos capaces de responder adecuadamente a las variaciones temporales en las condiciones de funcionamiento de los sistemas. Las tareas básicas son la captura de datos a través de sensores, el cálculo de las acciones mediante reguladores en función de los datos y realizar acciones de control por medio de los actuadores. Para un número considerable de procesos complejos la dificultad de obtener modelos matemáticos ha llevado a tener pobres resultados en el uso de los modelos adaptativos y se requiere un control supervisor humano. Se intenta superar este inconveniente con el empleo de tecnologías propias de la ingeniería del conocimiento. Se emplea un sistema experto que recoge los conocimientos de un operador del proceso por controlar. La base de conocimientos consta de dos tipos de información: las reglas referentes a la determinación del estado del proceso y las reglas que determinan las actuaciones. De esta forma aparecen los primeros sistemas de control basados en reglas, especialmente aptos para ayudar a la toma de decisiones de un operador humano en aquellas funciones que no necesiten ser realizadas en un tiempo crítico. Entre estos sistemas basados en reglas ocupan un lugar destacado los sistemas de control difuso, en que las técnicas de la lógica borrosa son usadas para tratar la imprecisión. Los reguladores difusos permiten estrategias de control expresadas en términos ligüísticos por los operadores. Las actividades que deben realizar estos sistemas son:

  1. Determinación de la necesidad de actuación en función del estado del sistema.
  2. Identificación de las posibles acciones.
  3. Determinación del impacto sobre el sistema de cada una de las acciones.
  4. Interpretación de los impactos de cada acción en términos de los objetivos globales.
  5. Selección y ejecución de una alternativa de control en función de la interpretación anterior.
  6. Monitorización de los resultados.

Entre los aspectos fundamentales de estos sistemas están los derivados de la variabilidad temporal de los sistemas que hay que controlar y la presencia de incertidumbre y/o imprescisión en el conocimiento de los sistemas de control. La necesidad de operar en un tiempo crítico, que es específica del control, lleva a considerar nuevas formas de razonamiento, como el razonamiento en tiempo crítico, que es la capacidad para obtener una conclusión en un tiempo determinado. Otras categorías serían el razonamiento interruptible por otro de mayor prioridad y aquellas formas de razonamiento propias de los sistemas expertos: razonamiento temporal, mantenimiento de verdad, razonamiento no monótono, en presencia de incertidumbre, etc. La aplicación de las técnicas de control inteligente, en particular basadas en la lógica borrosa, tuvo gran auge en Japón en los años ochenta, donde se aplicaron a aparatos electrónicos domésticos como aire acondicionado, cámaras de vídeo y de fotografía, frigoríficos, lavadoras, secadoras; así como en los coches (sistemas de transmisión automática, de frenado,ABS, sistemas de navegación, etc). El control de trenes metropolitanos Sendai consigue resultados mucho mejores que las técnicas clásicas en tiempo de desplazamiento entre dos estaciones, comodidad para los pasajeros y seguridad.

Importancia de la capacidad sensorial:
Una de las mejores bromas sobre la inteligencia artificial es que, si funciona, no es inteligencia artificial; se trata de una reacción de las demás ciencias computacionales, que se dedicaban a asuntos más prácticos. La comprensión del lenguaje hablado, que solía ser una actividad muy importante de la AI -y en cierto sentido aún lo es-, ha alcanzado en un pasado reciente una eficacia bastante alta, pero se ha convertido en algo muy práctico. La idea de que toda la red y los ordenadores conectados a ella adquieran sensibilidad y conciencia es un tema popular en los relatos de ciencia ficción. De momento, no hay ningún indicio de que vaya a ocurrir por el estilo. Mi opinión actual es que no veremos un desarrollo profundo de la inteligencia artificial hasta que dotemos a los ordenadores de la misma capacidad sesnsorial que nos es propia en cuanto seres humanos. La capacidad de ver, oír, tocar y gustar es muy importante para nuestra manera de percibir el mundo y para el desarrollo de nuestro lenguaje. [...] Douglas Lenat ha estado trabajando durante años en un proyecto llamado CYC, sigla de enciclopedia. Lo que intentaba hacer, fundamentalmente, era extraer afirmaciones sencillas de una enciclopedia, explicarle a un ordenador qué significaban y luego introducir en su memoria todo lo necesario para que comprendiera aquellas afirmaciones concretas. (Vinton Cerf)

Geoffrey Hinton:
Tuvo un importante papel en el desarrollo de algoritmos claves para la IA. Eligió un camino secundario en sus investigaciones: No me gustaban las primeras teorías de la IA porque se basaban mucho en la lógica y eso es algo que los humanos tardamos mucho en desarrollar. Mi objetivo era comprender cómo trabaja la gente y simular ese sistema y creo que la mejor manera de hacerlo es construir modelos de redes neuronales artificiales. En los ochenta creó un algoritmo conocido como retropropagación (backpropagation), que revolucionó el campo de estudio de la IA. En 1999 desarrolló el algoritmo llamado "aprendizaje profundo", un sistema basado en errores y aciertos capaz de aprender por sí mismo. Esto nos llevó a un nuevo tipo de IA donde no programas el conocimiento en una máquina sino que el propio ordenador lo aprende. Ese algoritmo supuso la base de todos los sistemas actuales de IA. En 2017 ha avanzado mucho la traducción automática y eso va a mejorar mucho la comunicación entre las personas. Va a mejorar la asistencia sanitaria en cosas como interpretar radiografías, tomografías o resonancias magnéticas y los datos médicos van a poder organizarse en base a patrones mucho más eficientes.


[ Inicio | Tablón | Bluray | Youtube | Microsoft | Blogger | Facebook | Nanotecnología ]