Es en los años 50 cuando se logra realizar un sistema que tuvo cierto éxito, se llamó el Perceptrón de Rossenblatt. Éste era un sistema visual de reconocimiento de patrones en el cual se aunaron esfuerzos para que se pudieran resolver una gama amplia de problemas, pero estas energías se diluyeron enseguida.
Fué en los años 60 cuando Alan Newell y Herbert Simon, que trabajando lademostración de teoremas y el ajedrez por ordenador logran crear un programa llamado GPS (General Problem Solver: solucionador general de problemas). Éste era una sistema en el que el usuario definía un entorno en función de una serie de objetos y los operadores que se podían aplicar sobre ellos. Este programa era capaz de trabajar con las torres de Hanoi, así como con criptoaritmética y otros problemas similares, operando, claro está, con microcosmos formalizados que representaban los parámetros dentro de los cuales se podían resolver problemas. Lo que no podía hacer el GPS era resolver problemas ni del mundo real, ni médicos ni tomar decisiones importantes. El GPS manejaba reglas heurísticas (aprender a partir de sus propios descubrimientos) que la conducían hasta el destino deseado mediante el método del ensayo y el error.
Fué en los años 60 cuando Alan Newell y Herbert Simon, que trabajando la
En los años 70, un equipo de investigadores dirigido por Edward Feigenbaum comenzó a elaborar un proyecto para resolver problemas de la vida cotidiana o que se centrara, al menos, en problemas más concretos. Así es como nació el sistema experto.
El primer sistema experto fue el denominado Dendral, un intérprete de espectrograma demasa construido en 1967, pero el más influyente resultaría ser el Mycin de 1974. El Mycin era capaz de diagnosticar trastornos en la sangre y recetar la correspondiente medicación, todo un logro en aquella época que incluso fueron utilizados en hospitales (como el Puff, variante de Mycin de uso común en el Pacific Medical Center de San Francisco, EEUU).
Ya en los años 80, se desarrollaron lenguajes especiales para utilizar con la Inteligencia Artificial, tales como el LISP o el PROLOG. Es en esta época cuando se desarrollan sistemas expertos más refinados, como por el ejemplo el EURISKO. Este programa perfecciona su propio cuerpo de reglas heurísticas automáticamente, por inducción.
El primer sistema experto fue el denominado Dendral, un intérprete de espectrograma de
Ya en los años 80, se desarrollaron lenguajes especiales para utilizar con la Inteligencia Artificial, tales como el LISP o el PROLOG. Es en esta época cuando se desarrollan sistemas expertos más refinados, como por el ejemplo el EURISKO. Este programa perfecciona su propio cuerpo de reglas heurísticas automáticamente, por inducción.
La inteligencia artificial estudia como lograr que las máquinas realicen tareas que, por el momento, son realizadas mejor por los seres humanos. La definición es efímera porque hace referencia al estado actual de la informática. No incluye áreas que potencialmente tienen un gran impacto tales como aquellos problemas que no pueden ser resueltos adecuadamente ni por los seres humanos ni por las máquinas.
Al principio se hizo hincapié en las tareas formales como juegos y demostración de teoremas,juegos como las damas y el ajedrez demostraron interés. La geometría fue otro punto de interés y se hizo un demostrador llamado: El demostrador de Galenter. Sin embargo la IA pronto se centró en problemas que aparecen a diario denominados de sentido común (commonsense reasoning).
Se enfocaron los estudios hacia un problema muy importante denominado Comprensión del lenguaje natural. No obstante el éxito que ha tenido la IA se basa en la creación de los sistemas expertos, y de hecho áreas en donde se debe tener alto conocimiento de alguna disciplina se han dominado no así las de sentido común.
Al principio se hizo hincapié en las tareas formales como juegos y demostración de teoremas,
Se enfocaron los estudios hacia un problema muy importante denominado Comprensión del lenguaje natural. No obstante el éxito que ha tenido la IA se basa en la creación de los sistemas expertos, y de hecho áreas en donde se debe tener alto conocimiento de alguna disciplina se han dominado no así las de sentido común.
Aplicaciones de la IA:
Tareas de la vida diaria:
Tareas de la vida diaria:
Percepción - Visión
- Habla
- Lenguaje natural
- Comprensión
- Generación
- Traducción
- Sentido común
- Control de un robot
Tareas formales:
- Juegos
- Ajedrez
- Backgammon
- Damas
- Go
- Matemáticas
- Geometría
- Lógica
- Cálculo Integral
- Demostración de las
propiedades de los programas
Tareas de los expertos:
- Ingeniería
- Diseño
Detección de fallos- Planificación de manufacturación
Análisis científico - Diagnosis médica
- Análisis
financiero
La evolución de la I.A. se debe al desarrollo de programas para ordenadores capaces de traducir de un idioma a otro, juegos de ajedrez, resolución de teoremas matemáticos, etc. Alrededor de 1950, Alan Turing desarrolló un método para saber si una máquina era o no "inteligente" denominado "Test de Turing", "en el cual un operador tiene que mantener una conversación en dos sentidos con otra entidad , a través de un teclado , e intentar que la otra parte le diga si se trata de una máquina o de otro ser humano.
Sobre este test circulan muchashistorias ficticias, pero nuestra favorita es la que trata sobre una persona que buscaba trabajo y al que se le deja delante de un teclado para que se desenvuelva solo. Naturalmente, se da cuenta de la importancia de este test para sus perspectivas de carrera y por lo tanto lucha valientemente para encontrar el secreto, aparentemente sin éxito.
Sobre este test circulan muchas
Pero de que sirve crear algoritmos capaces de imitar la inteligencia y el razonamiento humano; es aquí donde la I. A. y la Robótica tienen un punto en común.
La I.A. tiene aplicación en la Robótica cuando se requiere que un robot "piense" y tome una decisión entre dos o mas opciones, es entonces cuando principalmente ambas ciencias comparten algo en común. La I.A. también se aplica a los ordenadores, ya sean PC’s , servidores de red o terminales dered , ya que su principal aplicación es desarrollar programas computacionales que resuelvan problemas que implican la interacción entre la máquina y el hombre, es decir, las máquinas "aprenderán" de los hombres, para realizar mejor su labor.
La I.A. tiene aplicación en la Robótica cuando se requiere que un robot "piense" y tome una decisión entre dos o mas opciones, es entonces cuando principalmente ambas ciencias comparten algo en común. La I.A. también se aplica a los ordenadores, ya sean PC’s , servidores de red o terminales de
Uno de los más rápidos y sólidos resultados que surgieron en las tres primeras décadas de las investigaciones de la IA fue que la Inteligencia necesita conocimiento.
Para compensar este logro imprescindiblemente el conocimiento poseé algunas propiedades poco deseables como:
Para compensar este logro imprescindiblemente el conocimiento poseé algunas propiedades poco deseables como:
- Es voluminoso
- Es difícil caracterizarlo con exactitud
- Cambia constantemente
- Se distingue de los datos en que se organiza de tal forma que se corresponde con la forma en que va a ser usado.
Con los puntos anteriores se concluye que una técnica de IA es un método que utiliza conocimiento representado de tal forma que:
- El conocimiento represente las generalizaciones En otras palabras no es necesario representar de forma separada cada situación individual. En lugar de esto se agrupan las situaciones que comparten propiedades importantes. Si el conocimiento no posee esta propiedad, puede necesitarse demasiada memoria.
Si no se cumple esta propiedad es mejor hablar de "datos" que de conocimiento.
- Debe ser comprendido por las personas que lo proporcionan. Aunque en muchos programas, los datos pueden adquirirse automáticamente (por ejemplo, mediante lectura de instrumentos), en muchos dominios de la IA, la mayor parte del conocimiento que se suministra a los programas lo proporcionan personas haciéndolo siempre en términos que ellos comprenden.
- Puede modificarse fácilmente para corregir errores y
reflejar los cambios en el mundo y en nuestra visión del mundo. - Puede usarse en gran cantidad de situaciones aún cuando no sea totalmente preciso o completo.
- Puede usarse para ayudar a superar su propio volumen, ayudando a acotar el rango de posibilidades que normalmente deben ser consideradas.
Es posible resolver problemas de IA sin utilizar Técnicas de IA (si bien estas soluciones no suelen ser muy adecuadas). También es posible aplicar técnicas de IA para resolver problemas ajenos a la IA. Esto parece ser adecuado para aquellos problemas que tengan muchas de las características de los problemas de IA.
Los problemas al irse resolviendo tienen entre las características de su solución:
Los problemas al irse resolviendo tienen entre las características de su solución:
- Complejidad
- El uso de generalizaciones
- La claridad de su conocimiento
- La facilidad de su extensión
Las aplicaciones tecnológicas en las que los métodos de IA usados han demostrado con éxito que pueden resolver complicados problemas de forma masiva, se han desarrollado en sistemas que:
- Permiten al usuario preguntar a una base de datos en cualquier lenguaje que sea, mejor que un lenguaje de programación.
- Reconocen objetos de una escena por medio de aparatos de visión.
- Generar palabras reconocibles como humanas desde textos computarizados.
- Reconocen e interpretan un pequeño vocabulario de palabras humanas.
- Resuelven problemas en una variedad de campos usando conocimientos expertos codificados.
Los países que han apadrinado investigaciones de IA han sido: EEUU. , Japón, Reino Unido y la CEE; y lo han llevado a cabo a través de grandes compañías y cooperativas de riesgo y ventura, así como con universidades , para resolver problemas ahorrando dinero. Las aplicaciones más primarias de la IA se clasifican en cuatro campos: sistemas expertos, lenguaje natural, robótica y visión, sistemas censores y programación automática.
La inteligencia artificial y los sentimientos.
El concepto de IA es aún demasiado difuso. Contextualizando, y teniendo en cuenta un punto de vista científico, podríamos englobar a esta ciencia como la encargada de imitar una persona, y no su cuerpo, sino imitar al cerebro, en todas sus funciones, existentes en el humano o inventadas sobre el desarrollo de una máquina inteligente.A veces, aplicando la definición de Inteligencia Artificial, se piensa en máquinas inteligentes sin sentimientos, que «obstaculizan» encontrar la mejor solución a un problema dado. Muchos pensamos en dispositivos artificiales capaces de concluir miles de premisas a partir de otras premisas dadas, sin que ningún tipo de emoción tenga la opción de obstaculizar dicha labor.
En esta línea, hay que saber que ya existen sistemas inteligentes. Capaces de tomar decisiones «acertadas».
Aunque, por el momento, la mayoría de los investigadores en el ámbito de la Inteligencia Artificial se centran sólo en el aspecto racional, muchos de ellos consideran seriamente la posibilidad de incorporar componentes «emotivos» como indicadores de estado, a fin de aumentar la eficacia de los sistemas inteligentes.
Particularmente para los robots móviles, es necesario que cuenten con algo similar a las emociones con el objeto de saber –en cada instante y como mínimo– qué hacer a continuación [Pinker, 2001, p. 481].
Al tener «sentimientos» y, al menos potencialmente, «motivaciones», podrán actuar de acuerdo con sus «intenciones» [Mazlish, 1995, p. 318]. Así, se podría equipar a un robot con dispositivos que controlen su medio interno; por ejemplo, que «sientan hambre» al detectar que su nivel de energía está descendiendo o que «sientan miedo» cuando aquel esté demasiado bajo.
Esta señal podría interrumpir los procesos de alto nivel y obligar al robot a conseguir el preciado elemento [Johnson-Laird, 1993, p. 359]. Incluso se podría introducir el «dolor» o el «sufrimiento físico», a fin de evitar las torpezas de funcionamiento como, por ejemplo, introducir la mano dentro de una cadena de engranajes o saltar desde una cierta altura, lo cual le provocaría daños irreparables.
Esto significa que los sistemas inteligentes deben ser dotados con mecanismos de retroalimentación que les permitan tener conocimiento de estados internos, igual que sucede con los humanos que disponen de propiocepción, interocepción, nocicepción, etcétera. Esto es fundamental tanto para tomar decisiones como para conservar su propia integridad y seguridad. La retroalimentación en sistemas está particularmente desarrollada en cibernética, por ejemplo en el cambio de dirección y velocidad autónomo de un misil, utilizando como parámetro la posición en cada instante en relación al objetivo que debe alcanzar. Esto debe ser diferenciado del conocimiento que un sistema o programa computacional puede tener de sus estados internos, por ejemplo la cantidad de ciclos cumplidos en un loop o bucle en sentencias tipo do... for, o la cantidad de memoria disponible para una operación determinada.
A los sistemas inteligentes el no tener en cuenta elementos emocionales les permite no olvidar la meta que deben alcanzar. En los humanos el olvido de la meta o el abandonar las metas por perturbaciones emocionales es un problema que en algunos casos llega a ser incapacitante. Los sistemas inteligentes, al combinar una memoria durable, una asignación de metas o motivación, junto a la toma de decisiones y asignación de prioridades con base en estados actuales y estados meta, logran un comportamiento en extremo eficiente, especialmente ante problemas complejos y peligrosos.
Lo racional y lo emocional están de tal manera interrelacionados entre sí, que se podría decir que no sólo no son aspectos contradictorios sino que son complementarios.