Historia
Artículo
principal: Historia de la inteligencia
artificial
- El
término “inteligencia artificial” fue acuñado formalmente en 1956 durante
la conferencia de Darthmounth, más para entonces ya se había estado
trabajando en ello durante cinco años en los cuales se había propuesto
muchas definiciones distintas que en ningún caso habían logrado ser
aceptadas totalmente por la comunidad investigadora. La IA es una de las
disciplinas más nuevas junto con la genética moderna.
- Las
ideas más básicas se remontan a los griegos, antes de Cristo. Aristóteles
(384-322 a. C.) fue el primero en describir un conjunto de
reglas que describen una parte del funcionamiento de la mente para obtener
conclusiones racionales, y Ctesibio de Alejandría
(250 a. C.) construyó la primera máquina autocontrolada, un
regulador del flujo de agua (racional pero sin razonamiento).
- En
1315 Ramon
Llull en su libro Ars magna tuvo la idea de que el
razonamiento podía ser efectuado de manera artificial.
- En
1936 Alan
Turing diseña formalmente una Máquina universal que demuestra
la viabilidad de un dispositivo físico para implementar cualquier cómputo
formalmente definido.
- En
1943 Warren McCulloch y Walter Pitts
presentaron su modelo de neuronas artificiales, el
cual se considera el primer trabajo del campo, aun cuando todavía no
existía el término. Los primeros avances importantes comenzaron a
principios del año 1950 con el trabajo de Alan
Turing, a partir de lo cual la ciencia ha pasado por diversas
situaciones.
- En
1955 Herbert Simon, Allen
Newell y J.C. Shaw, desarrollan el primer lenguaje de
programación orientado a la resolución de problemas, el IPL-11. Un año más
tarde desarrollan el LogicTheorist, el
cual era capaz de demostrar teoremas matemáticos.
- En
1956 fue inventado el término inteligencia artificial por John
McCarthy, Marvin Minsky y Claude Shannon en la Conferencia de Dartmouth, un congreso
en el que se hicieron previsiones triunfalistas a diez años que jamás se
cumplieron, lo que provocó el abandono casi total de las investigaciones
durante quince años.
- En
1957 Newell y Simon continúan su trabajo con el desarrollo del General Problem Solver (GPS). GPS era
un sistema orientado a la resolución de problemas.
- En
1958 John McCarthy desarrolla en el Instituto de Tecnología de
Massachusetts (MIT) el LISP. Su nombre se deriva de LISt Processor. LISP fue el
primer lenguaje para procesamiento simbólico.
- En
1959 Rosenblatt introduce el Perceptrón.
- A
finales de los 50 y comienzos de la década del 60 Robert K. Lindsay
desarrolla «Sad Sam», un programa para la lectura de oraciones en inglés y
la inferencia de conclusiones a partir de su interpretación.
- En
1963 Quillian desarrolla las redes semánticas como modelo de
representación del conocimiento.
- En
1964 Bertrand Raphael
construye el sistema SIR (Semantic Information Retrieval) el cual era
capaz de inferir conocimiento basado en información que se le suministra.
Bobrow desarrolla STUDENT.
- A
mediados de los años 60, aparecen los sistemas
expertos, que predicen la probabilidad de una solución bajo un
set de condiciones. Por ejemplo DENDRAL,
iniciado en 1965 por Buchanan, Feigenbaum y Lederberg, el primer Sistema
Experto, que asistía a químicos en estructuras químicas complejas
euclidianas, MACSYMA, que asistía a ingenieros y científicos en la
solución de ecuaciones matemáticas complejas.
- Posteriormente
entre los años 1968-1970 Terry
Winograd desarrolló el sistema SHRDLU,
que permitía interrogar y dar órdenes a un robot que se movía dentro de un
mundo de bloques.
- En
1968 Minsky publica Semantic Information Processing.
- En
1968 Seymour Papert, Danny Bobrow y Wally
Feurzeig desarrollan el lenguaje de programación LOGO.
- En
1969 Alan Kay
desarrolla el lenguaje Smalltalk en Xerox
PARC y se publica en 1980.
- En
1973 Alain Colmenauer y su
equipo de investigación en la Universidad de Aix-Marseille crean PROLOG
(del francés PROgrammation en LOGique) un lenguaje de programación
ampliamente utilizado en IA.
- En
1973 Shank y Abelson desarrollan los guiones, o scripts,
pilares de muchas técnicas actuales en Inteligencia Artificial y la informática
en general.
- En
1974 Edward Shortliffe escribe su tesis con MYCIN,
uno de los Sistemas Expertos más conocidos, que asistió a médicos en el
diagnóstico y tratamiento de infecciones en la sangre.
- En
las décadas de 1970 y 1980, creció el uso de sistemas expertos, como
MYCIN: R1/XCON, ABRL, PIP, PUFF, CASNET, INTERNIST/CADUCEUS, etc. Algunos
permanecen hasta hoy (Shells) como EMYCIN, EXPERT, OPSS.
- En
1981 Kazuhiro Fuchi anuncia el proyecto japonés de la quinta generación de computadoras.
- En 1986 McClelland y Rumelhart publican Parallel
Distributed Processing (Redes
Neuronales).
- En
1988 se establecen los lenguajes Orientados a Objetos.
- En
1997 Gari Kaspárov, campeón mundial de ajedrez,
pierde ante la computadora autónoma Deep Blue.
- En
2006 se celebró el aniversario con el Congreso en español 50 años
de Inteligencia Artificial - Campus Multidisciplinar en Percepción e
Inteligencia 2006.
- En
el año 2009 ya hay en desarrollo sistemas inteligentes terapéuticos que
permiten detectar emociones para poder interactuar con niños autistas.
- En
el año 2011 IBM
desarrolló una supercomputadora llamada Watson , la cual ganó
una ronda de tres juegos seguidos de Jeopardy!,
venciendo a sus dos máximos campeones, y ganando un premio de 1 millón de
dólares que IBM luego donó a obras de caridad.10
- Existen
personas que al dialogar sin saberlo con un chatbot no se percatan de hablar con
un programa, de modo tal que se cumple la prueba
de Turing como cuando se formuló: «Existirá Inteligencia
Artificial cuando no seamos capaces de distinguir entre un ser humano y un
programa de computadora en una conversación a ciegas».
- Como
anécdota, muchos de los investigadores sobre IA sostienen que «la
inteligencia es un programa capaz de ser ejecutado independientemente de
la máquina que lo ejecute, computador o cerebro».
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.
En síntesis, 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 –hasta cierto punto– complementarios.
Véase
también: La era de las máquinas espirituales
Críticas
Las principales críticas a la inteligencia
artificial tienen que ver con su capacidad 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 ha sido superado, citando conversaciones en que al dialogar
con un programa de inteligencia artificial para chat no saben que hablan
con un programa. Sin embargo, esta situación no es equivalente a un test de
Turing, que requiere que el participante esté sobre aviso de la posibilidad de
hablar con una máquina.
Otros experimentos mentales como la Habitación china de John Searle
han mostrado cómo una máquina podría simular pensamiento sin tener que tenerlo,
pasando el test de Turing sin siquiera entender lo que hace. Esto demostraría
que la máquina en realidad no está pensando,
ya que actuar de acuerdo con un programa preestablecido sería suficiente. Si
para Turing el hecho de engañar a un ser humano que intenta evitar que le
engañen es muestra de una mente inteligente, Searle considera posible lograr
dicho efecto mediante reglas definidas a priori.
Uno de los mayores problemas en sistemas de inteligencia
artificial es la comunicación con el usuario. Este obstáculo es debido a la
ambigüedad del 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. 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 creación 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).
Tecnologías
de apoyo
Aplicaciones
de la inteligencia artificial
- Lingüística computacional
- Minería de datos (Data Mining)
- Industriales.
- Medicina
- Mundos
virtuales
- Procesamiento de lenguaje
natural (Natural Language Processing)
- Robótica
- Mecatrónica
- Sistemas
de apoyo a la decisión
- Videojuegos
- Prototipos
informáticos
- Análisis
de sistemas dinámicos.
- Smart
Process Management
- Simulación de multitudes
Investigadores
en el campo de la inteligencia artificial
- Jeff
Hawkins
- John
McCarthy
- Marvin
Minsky
- Judea
Pearl
- Alan
Turing, discípulo de John von Neumann, diseñó el Test de
Turing que debería utilizarse para comprender si una máquina
lógica es inteligente o no.
- Joseph Weizenbaum
- Raúl
Rojas
- Ray Kurzweil
Inteligencia
artificial en la ficción
- En Portal y Portal 2,
GLaDOS es una IA que conduce al jugador a través de las cámaras de prueba.
- Inteligencia artificial, la película de Steven Spielberg.
- ¿Sueñan
los androides con ovejas eléctricas?, y su adaptación al cine Blade
Runner. Comienza con la aplicación del Test de
Turing.
- Ghost in
the Shell, anime, películas y
serie
- J.A.R.V.I.S.,
la inteligencia artificial que, en la serie Iron Man, de Marvel Comics,
permite maniobrar el traje-armadura pilotado por Pepper
Potts: el Mark 1616 o Rescate. También aparece en la trilogía de películas
basadas en el comic book, ayudando a Tony Stark a pilotar las diversas
versiones de su armadura IronMan, además de servir como mayordomo.
- The
Matrix, la trilogía
- Resident
Evil, la
saga
- 2001:
Una odisea espacial, novela y película
- Cortana
- Código
Lyoko
- Vida y Obra de
Multivac, Isaac
Asimov
- Yo,
robot, Isaac
Asimov
- El hombre bicentenario, Isaac
Asimov
- En Metal Gear Solid 2, Los
Patriots los controla una IA
- Mass
Effect
- The
Terminator, Director: James
Cameron
- Neuromante, William
Gibson
- Her, Actor Principal: Joaquin
Phoenix
- Transcendence, Actor Principal: Johnny Depp,
Director: Wally Pfister
- Lucy,
Actor Principal: Scarlett
Johansson, Director: Luc Besson
- Automata, Actor Principal: Antonio Banderas, Director: Gabe Ibáñez
No hay comentarios.:
Publicar un comentario