INTELIGENCIA ARTIFICIAL Concepto Ciencia “nueva”, rama de la Tecnología, que estudia la imitación artificial de la inteligencia humana. ¿Por qué se llama ciencia? Los estudios humanos se consolidan en hipótesis, luego en teorías que se convalidan con la EXPERIMENTACIÓN. Historia - Personajes destacados - Etapas Nació como mero estudio filosófico de la inteligencia humana, mezclada con la inquietud del hombre de imitar su propia naturaleza. Algunos científicos coinciden en pensar que la IA ya tiene sus orígenes desde Platón y Aristóteles quienes en sus escritos esbozaron la intensión y la curiosidad de imitar su propia naturaleza. Por los años 30 ya surge el genio matemático ALAN TURING quien publicó un artículo de bastante repercusión sobre los "Números Calculables", que puede considerarse el origen oficial de la Informática Teórica. En este artículo, introdujo la Máquina de Turing, una entidad matemática abstracta que formalizó el concepto de algoritmo y resultó ser la precursora de las computadoras digitales. Con ayuda de su máquina, Turing pudo demostrar que existen problemas irresolubles, de los que ningún ordenador será capaz de obtener su solución, por lo que a Alan Turing se le considera el padre de la teoría computarizada. También se le considera el padre de la Inteligencia Artificial, por su famosa Prueba de Turing, que permitiría comprobar si un programa de ordenador puede ser tan inteligente como un ser humano. Por los años 50 William Shockley inventa el transistor que hizo posible una nueva generación de computadoras mucho más rápidas y pequeñas. De la mano de esta invención cobra vital importancia la participación de John McCarthy quien convoca a una convención internacional en Dartmouth College (Estados Unidos) a científicos destacados de las distintas ciencias y allí es donde logran centralizar y formalizar a la IA como ciencia. A partir de esta convocatoria universal se resume que la IA incluye características humanas tales como el aprendizaje, la adaptación, el razonamiento, la autocorrección, el mejoramiento implícito, y la percepción modelar del mundo. Esta instancia fue vital para la IA ya que estableció, determinó y formalizó la participación de distintas ciencias de estudio y también herramientas de análisis que desarrollaremos a posteriori. Para la década de los 70 se destaca un desarrollo marcado en la ROBÓTICA. La primera instalación de un robot fue realizada en 1961 en Ford Motor Company (para fundiciones). Ya para los años 80 la historia surge de la mano de los japoneses el comienzo de las investigaciones mas destacadas sobre los sistemas expertos. También en este tiempo se desarrollaron los primeros lenguajes de programación para la IA, LISP (MacCarthy 1957) y PROLOG. M.García Página 1 de 6 INTELIGENCIA ARTIFICIAL ETAPAS DE LA IA Década Nombre Temas principales Detalle 30-50 Inicios Primeras investigaciones 50-60 La edad oscura Redes Neuronales La primera tendencia de la IA fue investigar el comportamiento humano mediante el estudio de las Redes Neuronales, pero se abandonó porque la tecnología del momento no era suficiente y además el conocimiento biológico del cerebro humano era incompleto para poder progresar. 60-70 La edad de la Lógica automática Ante el fracaso anterior se intenta razón retomar tratando a hombre y máquinas como procesadores de resolución de problemas, en términos de almacenar, comparar y manipular símbolos, utilizando la lógica como razonamiento. 70-80 El movimiento Ingeniería del La lógica automática no fue suficiente romántico conocimiento entonces se comenzó a estudiar el desarrollo de sistemas que presenten comportamientos inteligentes en dominios limitados pero con gran experiencia y dotados de gran cantidad de información. Proliferan los Sistemas expertos y surgen los primeros lenguajes de programación específicos. 80-90 La ilustración Aprendizaje La profundización de los sistemas automático expertos, sumado al avance tecnológico Redes Neuronales y al conocimiento detallado del funcionamiento humano llevó a conducir los estudios sobre la capacidad de aprender resurgiendo con fuerzas las Redes Neuronales. ¿A qué llamamos Sistemas Expertos? Son aquellos que poseen un conocimiento muy amplio sobre algún tema específico. Ej: GPS. También llamados Sistemas basados en el conocimiento. Administran y cotejan gran cantidad de información, son extremadamente veloces. ¿A qué llamamos Robótica? Es una nueva disciplina de la IA (y de la Tecnología) que involucra tanto el estudio de la inteligencia artificial como la incorporación de procesos mecánicos en ella. Se dispone de funciones similares a la vista y/o tacto que mejoran la precisión de los movimientos. ¿Ciencias que participan en el estudio y análisis? M.García Página 2 de 6 INTELIGENCIA ARTIFICIAL Principales y originarias: Psicología cognitiva, Lógica matemática, Teología, Informática, Fisiología, Filosofía. Otras: Tecnología, Biología, Física, Mecánica, Ingenierías, etc. TECNICAS PRINCIPALES de la IA A lo largo del desarrollo de esta ciencia se han utilizado y aún se utilizan distintas herramientas mediante las cuales se producen nuevas descubrimientos e investigaciones. Citaremos en este escrito las más destacadas: Aprendizaje Automático (Machine Learning) Lógica difusa (Fuzzy Logic) Redes neuronales artificiales (Artificial Neural Networks) Sistemas expertos (Expert Systems) Técnicas de Representación de Conocimiento Ingeniería del conocimiento (Knowledge Engineering) Búsqueda Heurística Robótica Notas al pie…… ROBOTICA: Posee 2 acepciones, es utilizada para continuar los estudios de la IA y además también se constituye como ciencia propiamente dicha. LÓGICA DIFUSA: Si bien pueden resultar términos encontrados (¿cómo algo lógico puede ser difuso?), justamente dentro de la IA en donde se considera el procesamiento de información incompleto o incierto y se incorpora el término “tolerancia”. La tolerancia es aquella pequeña franja de error permitida y tolerada con el fin de lograr una solución de compromiso ante una toma de decisión. Ejemplo: ¿cuál es la edad media de los seres humanos? 35, 40, 45?? REDES NEURONALES: Comparación de la conectividad y transmisión entre neuronas humanas (sinapsis) con la conectividad entre nodos de trabajo. Aquí hacemos referencia al tema Redes estudiado en forma previa, fundamentalmente al Red Malla que es la que comunica todos los nodos contra todos y cada uno de ellos posee procesamiento (procesamiento distribuido). Todo este sistema es comparable en cierta medida con el funcionamiento de las redes neuronales biológicas (del hombre). APRENDIZAJE AUTOMÁTICO: Dentro de la IA es donde es factible la nueva concepción de la existencia de programas que logren al “auto-perfeccionamiento”. Esto quiere decir que los programas desarrollados para la IA producen durante la ejecución la generación de nuevos programas dentro de él que lo perfeccionan y reducen en cierta medida “la tolerancia de origen” definida previamente. TÉCNICAS DE REPRESENTACIÓN DEL CONOCIMIENTO: Aquí estamos abordando la manera en que es posible diagramar el conocimiento, entonces surgen los conceptos como “Redes Conceptuales”, Diagramas de Flujo (vistos al comienzo de este año) y todo tipo de M.García Página 3 de 6 INTELIGENCIA ARTIFICIAL representación que implique simplificar la resolución de problemas. Aquí también cabe señalar la relación con la lógica difusa en lo que respecta a la tolerancia. También cabe aclarar la relación de esta herramienta con los lenguajes de programación de la IA, de características simbólicas y de inferencia. BÚSQUEDA HEURÍSTICA: El término heurístico proviene del griego “hallar” y está relacionado con el reconocimiento de patrones. Esta búsqueda intenta resolver problemas mediante la experimentación y los métodos de ensayo y error. En conjunto con las otras herramientas estudiadas intenta de algún modo minimizar la problemática (tolerancia) y llegar a la resolución, sin que esta minimización produzca errores significativos. Esta herramienta es la típica utilizada en los algoritmos de búsquedas de spam y virus varios. Muchos algoritmos en la inteligencia artificial son heurísticos por naturaleza, o usan reglas heurísticas. Un ejemplo reciente es SpamAssassin que usa una amplia variedad de reglas heurísticas para determinar cuando un correo electrónico es spam. Cualquiera de las reglas usadas de forma independiente pueden llevar a errores de clasificación, pero cuando se unen múltiples reglas heurísticas, la solución es más robusta y creíble. Esto se llama alta credibilidad en el reconocimiento de patrones (extraído de las estadísticas en las que se basa). Cuando se usa la palabra heurística en el procesamiento del lenguaje basado en reglas, el reconocimiento de patrones o el procesamiento de imágenes, es usada para referirse a las reglas. ¿Lenguajes? LISP – PROLOG Simbólicos y coloquiales – de inferencia – de auto-perfeccionamiento Diferentes a los lenguajes tradicionales de programación (bancarios) o bien los de hipertextos (HTML) estudiado durante el año. Se definen variables y funciones PADREDE(A,B) PADREDE(B,C) ENTONCES (A,C) -> ABUELODE(A,C) EJEMPLOS: le_gusta_a(juan,maria). valioso(oro). tiene(juan,libro). da(juan,libro,maria). PREGUNTAS: ?-le_gusta_a(maria,X). ?-progenitor(Y,damian). APLICACIONES de la IA M.García Página 4 de 6 INTELIGENCIA ARTIFICIAL PROCEDIMENTALES (destacados) DISEÑOS, PREDICCIONES, PREVENSIONES, DIAGNÓSTICOS, CONSTRUCCIONES, SELECCIONES, INVESTIGACINES, DESARROLLOS, ETC. INTERPRETACIONES, AREAS O CAMPOS (principales) Militar, Informática, Telecomunicaciones, Química, Derecho, Aeronáutica, Geología, Arqueología, Agricultura, Electrónica, Transporte, Educación, Medicina, Industria, Finanzas y Gestión. Casos más destacados: Sistemas de producción y de manufactura/ensamblaje autónomos e inteligentes donde la competitividad mundial obliga (Ford). Sistemas de visión y de audio. Algunas empresas poseen sistemas de visión específicos que detectan defectos geométricos en empaques particulares mediante la medición de objetos. Sistemas de despacho de mercadería programada de manera inteligente de acuerdo a las rutas de acceso más convenientes. Vida artificial: modelos genéticos, comportamiento celular. Estudios preventivos y de diagnóstico en la medicina Consideraciones generales Procesamiento “en serie” y “en paralelo” Debemos tener en cuenta que la forma de pensamiento humana permite atacar un problema a la vez en el mismo instante de tiempo (procesamiento en serie). En cambio los procesadores tecnológicos pueden producir procesamientos paralelos, es decir que una misma computadora puede estar procesando más de un problema en el mismo instante de tiempo. Sistematización y optimización de procesos El procesamiento tecnológico brinda y permite lograr una sistematización y una mejora en los tiempos de producción que la mano de obra no podría alcanzar nunca. FORD -> EFICACIA Y EFICIENCIA La efectividad es la capacidad de lograr un efecto deseado, esperado o anhelado. En cambio, eficiencia es la capacidad de lograr el efecto en cuestión con el mínimo de recursos posibles viable Es decir, se refiere a los medios y el desarrollo de un proceso o actividad, y está asociado al rendimiento.Cuanta más eficiencia, más capacidad de valerse de alguien o algo. Los opuestos son ineficaz (‘que no consigue lo que se espera’) e ineficiente (‘que no usa bien los medios’, incluso si consigue su objetivo). No siempre lo eficaz es lo eficiente: El sistema de iluminación es eficaz [cumple su cometido de iluminar bien] M.García Página 5 de 6 INTELIGENCIA ARTIFICIAL El sistema de iluminación es eficiente [se vale muy bien de la electricidad y consume poco] Tareas “con peligro” para la raza humana Una gran ventaja es utilizar la tecnología para proteger la integridad de la raza humana reemplazando la mano de obra riesgosa e insalubre, ya sea por exceso de fuerza, por bajas o altas temperaturas, por trabajos repetitivos y otros. Algunas consecuencias sociales del reemplazo de la mano de obra por “tecnología robotizada” Desocupación Exigencias académicas superiores para la mano de obra NO desocupada (mercado laboral exigente y acotado) Mayor preparación académica y personal M.García Página 6 de 6