Artificial
¿Hacia dónde nos lleva?
Introducción.
En la actualidad existen muchos mitos y especulaciones en cuanto al tan mencionado tema de la Inteligencia Artificial, pero ¿cuáles o cuántos de estos son reales? o por lo menos tiene un fundamento científico, podemos encontrar mucha información al respecto de diferentes fuentes pero no toda la información difundida hasta el día hoy es del todo cierta por lo que un servidor se dio a la tarea de realizar una investigación acerca del tema y de crear una visión más integral de lo que real mente es la Inteligencia Artificial.
Objetivo.
El lector al final del texto tendrá una idea más completa y fundamentada de lo que es la Inteligencia Artificial, así como sus aplicaciones y aportaciones a la vida diaria, todo desde el trabajo de investigación de expertos en el tema dejando de lado las hipótesis falsas y sin fundamento alguno.
Mitos y especulaciones.
Desde la nueva película de Terminator hasta nuestras conversaciones diarias con Siri, la inteligencia artificial definitivamente es un tema de moda y algo que puede re-definir muchos aspectos de la sociedad actual. Esta tecnología es el centro de un debate sobre las potenciales aplicaciones y los riesgos que presenta para la sociedad. En este debate se dan muchas concepciones erróneas o mal fundadas, hechas populares por piezas de cultura popular como series de televisión o películas. Este artículo tiene el objetivo de desmentir algunos de los mitos más comunes sobre la inteligencia artificial.
1. La inteligencia artificial está a la vuelta de la esquina.
Si bien es cierto que estamos más cerca que nunca en lograr esta tecnología que romperá paradigmas, un estudio reciente del Future of Humanity Institute y la Universidad de Oxford consultó con los científicos más influyentes del mundo en el área de IA, la pregunta era “En que año espera un desarrollo del 10%, 50% y 90% de Inteligencia Artificial a nivel Humano (IAH). El promedio de las respuestas fue, en orden respectivo; 2024, 2050 y 2070. En resumen, si bien los principales expertos reconocen la posibilidad de que la inteligencia artificial alcance niveles humanos en los próximos años, la gran mayoría está de acuerdo en que esto no se dará hasta bien entrada la segunda mitad del siglo.
2. Imitar el comportamiento humano es inteligencia artificial.
La llamada “Prueba de Turing” establece que si una máquina puede realizar una tarea de la misma forma que una persona, y sin que se pueda percibir la diferencia, esta está pensando (como puede observarse en la película Código Enigma). El problema con esta premisa es que produce máquinas imitadoras del comportamiento y proceso humano, pero sin la capacidad creativa, resiliencia o flexibilidad que tiene la mente humana y que, hipotéticamente, tendría la inteligencia artificial real. El ejemplo fácil es la computadora Greenblatt, diseñada para jugar al ajedrez siguiendo las reglas y usando estrategias propias, al enfrentarse al grandmaster Bobby Fischer, la computadora perdió tres partidas seguidas.
3. La inteligencia artificial dominará al mundo.
La idea de robots asesinos y computadoras megalómanas que dominen la sociedad se remonta a clásicos de la literatura como la obra de Isaac Asimov y clásicos del cine como Odisea al Espacio, de Stanley Kubrick, con un sinfín de títulos en el medio como Terminator y Matrix. Recientemente, algunas de las mentes más brillantes del mundo, entre ellas Elon Musk y Stephen Hawking, se manifestaron a favor de la necesidad de desarrollar mecanismos de control para la inteligencia artificial antes de que la misma sea implementada. El error común es creer que esto se debe a que el desarrollo de la inteligencia artificial derivará en la llamada “Killer AI” (Los robots asesinos que vemos en las películas). La realidad detrás de esto está en la definición de “inteligencia”. En este caso, inteligencia significa “encontrar nuevas soluciones para problemas ya existentes”. Si un científico desarrolla una inteligencia artificial para, por ejemplo, calcular todos los dígitos de pi, no es coherente que el proceso de la misma derive en esclavizar a la humanidad. Sí lo es que el proceso derive en aprovechar al máximo todos los recursos y que vea a los humanos como amenazas o impedimentos a su objetivo de computar cuantos dígitos de pi sea posible.
Aquí es donde los mecanismos de control se hacen fundamentales; es necesario reconocer que la cualidad exponencial de la inteligencia artificial excede a los seres humanos y es necesario establecer sus objetivos en la misma línea que los objetivos de la humanidad. Como dijo Elon Musk, CEO de Tesla Motors y SpaceX, es necesario asegurar que la inteligencia artificial sea implementada con controles robustos (alineados al interés humano) y efectivos (que el humano tenga el control en instancias definitivas).
Estos son sólo algunos de los muchos mitos populares sobre la inteligencia artificial, por citar algunos de los más comunes pero ahora bien contestemos las siguientes preguntas.
¿Cuándo y cómo surge la inteligencia artificial?
Se puede decir que la Inteligencia Artificial empezó a surgir en 1943 cuando Warren McCulloch y Walter Pitts propusieron un modelo de neurona del cerebro humano y animal, una abstracción que proporcionó una representación simbólica de la actividad cerebral, podríamos situar el origen de los modelos conexionistas con la definición de la neurona formal dada por McCulloch y Pitts en 1943 como un dispositivo binario con varias entradas y salidas. Más adelante, Norbert Wiener elaboró con estas ideas junto con otras, dentro del mismo campo, lo que se llamó “cibernética”. De aquí nacería, sobre los años 50, la Inteligencia Artificial.
¿Cómo es el modelo neuronal?
El modelo neuronal propuesto por Warren S. McCulloch y Walter Pitts en 1943 [1] fue el primer modelo neuronal moderno, y ha sido tomado como punto de partida para el desarrollo de muchos de los modelos neuronales actuales, La importancia de este artículo y la influencia que ha ejercido en el campo de las redes neuronales en inconmensurable. Es un intento por explicar que es lo que hace el sistema nervioso, a partir de un conjunto de primitivos elementos de cómputo que son abstracciones de las propiedades de las neuronas y de sus conexiones, con base en el conocimiento fisiológico y psicológico que se tenía de ellas.
A pesar de su clara intención y orientación biológica, la inmensa influencia teórica de este articulo no se dio entre los neurocientíficos, sino dentro de las ciencias de la computación. Los resultados de este trabajo son motivantes desde el punto de vista del desarrollo teórico.
A pesar de no ser correcto en detalle en el dominio original de aplicación, el resultado es un valioso trabajo de gran importancia. La influencia de este modelo neuronal es clara en todos los primeros modelos neuronales, que en su conjunto formal lo que se le llama la primera generación de modelos neuronales, comúnmente referidos como perceptrones o compuertas de umbral, y que se caracterizan por su salida digital. Ejemplos de este tipo de modelos son los perceptrones multicapa, las redes de Hopfield y las máquinas de Boltzmann.
El potencial de este modelo aún ahora sigue siendo grande. A la fecha se siguen buscando nuevas formas de interpretar y aprovechar las características de este modelo (por ejemplo [3]), por lo que es perfectamente factible partir nuevamente de las ideas que propone para desarrollar nuevos modelos, donde de aproveche su capacidad de representación lógica y digital, que sean fácilmente implantables en los dispositivos digitales modernos.
Sus defecciones más comunes son:
Facultad de la mente que permite aprender, entender, razonar, tomar decisiones y formarse una idea determinada de la realidad.
Programa de computación diseñado para realizar determinadas operaciones que se consideran propias de la inteligencia humana, como el autoaprendizaje.
Áreas de aplicación
Gestión y control: análisis inteligente, fijación de objetivos.
Fabricación: diseño, planificación, programación, monitorización, control, gestión de proyectos, robótica simplificada y visión computarizada.
Educación: adiestramiento práctico, exámenes y diagnóstico.
Ingeniería: diseño, control y análisis.
Equipamiento: diseño, diagnóstico, adiestramiento, mantenimiento, configuración, monitorización y ventas.
Cartografía: interpretación de fotograf ías, diseño, resolución de problemas cartográficos.
Profesiones: abogacía, medicina, contabilidad, geología, química.
Software: enseñanza, especificación, diseño, verificación, mantenimiento.
Sistemas de armamento: guerra electrónica, identificación de objetivos, control adaptativo, proceso de imágenes, proceso de señales.
Proceso de datos: educación, interfase en lenguaje natural, acceso inteligente a datos y gestores de bases de datos, análisis inteligente de datos.
Finanzas: planificación, análisis, consultoría.
Aplicaciones comerciales de la inteligencia artificial.
Configuración: selección de distribución de los componentes de un sistema de computación.
Diagnosis: hardware informático, redes de ordenadores, equipos mecánicos, problemas médicos, averías telefónicas, instrumentación electrónica, circuitos electrónicos, averías automovilísticas.
Interpretación y análisis: datos geológicos para prospección petrolífera, compuestos químicos, análisis de señales, problemas matemáticos complejos, evaluación de amenazas militares, análisis de circuitos electrónicos, datos biológicos (coronarios, cerebrales y respiratorios), información de radar, sonar e infrarrojos.
Monitorización: equipos, monitorización de procesos, fabricación y gestión de procesos científicos, amenazas militares, funciones vitales de pacientes hospitalizados, datos financieros en tiras de papel perforado por teleimpresora, informes industriales y gubernamentales.
Planificación: gestión de activo y pasivo, gestión de cartera, análisis de créditos y préstamos, contratos, programación de trabajos de taller, gestión de proyectos, planificación de experimentos, producción de tarjetas de circuito impreso.
Interfaces inteligentes: hardware (fiscal) de instrumentación, programas de computadora, bases de datos múltiples, paneles de control.
Sistemas de lenguaje natural: interfaces con bases de datos en lenguaje natural, gestión de impuestos (ayudas para contabilidad), consultoría en temas legales, planificación de fincas, consultoría de sistemas bancarios.
Sistemas de diseño: integración de microcircuitos en muy alta escala, síntesis de circuitos electrónicos, plantas químicas, edificios, puentes y presas, sistemas de transporte.
Sistemas de visión computarizada: selección de piezas y componentes, ensamblado, control de calidad.
Desarrollo de software: programación automática.
Áreas de investigación.
La representación del conocimiento, que busca en el descubrimiento de métodos expresivos y eficientes describir información sobre aspectos del mundo real.
Los métodos de aprendizaje automático, que extienden las técnicas estadísticas con el fin de posibilitar la identificación de un amplio rango de tendencias generales a partir de un conjunto de datos de entrenamiento.
El campo de la planificación, que enfrenta el desarrollo de algoritmos que construyen y ejecutan automáticamente secuencias de comandos primitivos con el fin de alcanzar ciertas metas de alto nivel.
Los trabajos en el área de razonamiento posible, que hacen uso de principios estadísticos para desarrollar codificaciones de información incierta.
El estudio de las arquitecturas de agentes, que busca la integración de otras áreas de la I A con el objeto de crear agentes inteligentes, entidades robustas capaces de comportamiento autónomo y en tiempo real.
La coordinación y colaboración multiagentes, que ha permitido el desarrollo de técnicas para la representación de las capacidades de otros agentes y la especificación del conocimiento necesario para la colaboración entre ellos.
El desarrollo de ontologías, que persigue la creación de catálogos de conocimiento explícito, formal y multipropósito, que puedan ser utilizados por sistemas inteligentes.
Los campos de procesamiento de voz y lenguaje, que buscan la creación de sistemas que se comunican con la gente en su lenguaje.
La síntesis y comprensión de imágenes, que conduce a la producción de algoritmos para el análisis de fotografías, diagramas y videos, así como también de técnicas para el despliegue visual de información cuantitativa y estructurada.
Conclusión Reflexión y Desafíos
Podemos decir que la inteligencia artificial aporta soluciones para casi todas las cuestiones que nos caracterizan como humanos e inteligentes, sin embargo, aún dista bastante para que realice dichas tareas de la misma manera y con la misma eficacia que lo hacen las personas. Sin embargo, las soluciones aportadas para resolverlos tienen aplicaciones interesantes en múltiples áreas de nuestra vida cotidiana que nos hacen la vida más fácil.
Los tres desafíos más importantes en el desarrollo dentro de la A I son su facilidad de uso, la flexibilidad de la infraestructura computacional y la disponibilidad de herramientas de desarrollo El empleo de una interfaz inteligente ayudará a las personas a encontrar lo que ellas deseen, hará lo que éstas deseen cuando lo deseen, en forma natural y sin requerir el conocimiento de detalles irrelevantes.
En fin, todo parece indicar que las computadoras programadas con la A I son el campo de la solución de problemas del futuro; sin embargo, el intelecto humano parece ser irremplazable en relación con la solución de problemas de sentido común. Se sugiere entonces, dado lo complicado de la mente humana, que hombre y máquina interactúen juntos ya que necesitan uno del
otro para solucionar eficazmente los problemas.
Preguntas
¿Por qué has elegido este tema?
En lo particular se me hace un tema súper interesante ya que vivimos en una sociedad y un tiempo en que la tecnología juaga un papel muy importante en todo tipo de ámbito así como el desarrollo de nuevas tecnologías.
¿Dónde partiste para empezar a escribir?
Despues de leer el texto • Gómez Herrera, R. (2013). La inteligencia artificial. ¿Hacia dónde nos lleva? ¿Cómo ves?, N°. 2, (Pp. 8-11). México: UNAM, recuperado el 13/04/15 de: http://www.comoves.unam.mx/assets/revista/2/la-inteligencia-artificial-haciadonde-nos-lleva.pdf consulte diferentes fuentes de información seleccionando los textos libros y diferentes artículos hasta tener una visión más global del tema y de lo que quería expresar cuidando que mi texto cumpliera con los objetivos con el cual fue conformado.
Fuentes de Consulta:
http://www.redinnova.com/
medicinaycomplejidad.org/pdf/reciente/r31459.pdf
www.repositoriodigital.ipn.mx
W. S. McCulloch y W. Pitts, "A logical calculus of the ideas immanent in neurons activity", Bull. Math. Biophys., 5, 115-133, (1943). 2. M. L. Minsky, Computation: Finite and Infinite Machines, (Prentice Hall, N. J.), 286, (1967). 3. L. Zhang y B. Zhang, "A Geometrical Representation of McCulloch-Pitts Neural Model and Its Applications", IEEE Transactions on Neural Networks, 10, (4), 925-929, (1999).
