Historia de la Inteligencia Artificial
1921
Karel Čapek, en su obra R.U.R. (Robots Universales Rossum), utiliza por primera vez el término ‘robot’.
1943-1955: Primeros Avances y Fundamentos
- McCulloch y Pitts: Interés en el estudio neurofisiológico del cerebro, buscando entender su funcionamiento. Publican el artículo «A Logical Calculus of the Ideas Immanent in Nervous Activity».
- Shannon: Crea el primer juego de ajedrez.
- Turing: Propone el «Juego de la Imitación» en su artículo «Computing Machinery and Intelligence».
- Isaac Asimov: Publica las tres leyes de la robótica.
1956: Nacimiento del Término «Inteligencia Artificial»
En la Conferencia de Dartmouth, McCarthy propone el nombre de Inteligencia Artificial.
1957-1962: Grandes Expectativas en la Inteligencia Artificial
- Newell: Desarrolla el programa Lógica Teórica.
- Newell y Simon: Crean el Solucionador de Problemas Generales (GPS).
- McCarthy: Desarrolla el lenguaje de programación LISP.
- Widrow: Desarrolla ADALINES. Rosenblatt: Desarrolla el Perceptrón.
- Minsky: Realiza trabajos sobre representaciones del conocimiento.
- Feigenbaum: Crea el sistema experto DENDRAL, el primero en demostrar razonamiento científico para química orgánica.
- Participan instituciones clave como el MIT, Carnegie Mellon y Stanford.
- Ernst: Crea el primer brazo robot controlado por computadora.
- Minsky y Papert: Realizan trabajos sobre visión por computadora.
- ELIZA: Programa que simula un psicoterapeuta.
1966-1973: El Encuentro con la Realidad y Limitaciones
- Limitación en la representación del conocimiento.
- Imposibilidad de dar solución a múltiples problemas reales.
- Colmerauer: Desarrolla el lenguaje de programación PROLOG.
- Winograd: Crea SHRDLU, un robot manipulador de cubos de colores con comprensión del inglés.
- SRI: Desarrolla robots con capacidades de locomoción, percepción y solución de problemas.
- Minsky y Papert: Publican una crítica a las redes neuronales, demostrando las limitaciones del Perceptrón.
- Desarrollo de múltiples sistemas basados en el conocimiento.
- Avances en trabajos de lenguaje natural y dependencia conceptual.
1974-1979: Consolidación de Sistemas Expertos
- Shortliffe: Presenta MYCIN, un sistema experto en el dominio médico para diagnóstico y terapia.
- Earl: Desarrolla ABSTRIPS, uno de los primeros programas de planificación.
1980: La IA como Industria y el Proyecto de la Quinta Generación
La Inteligencia Artificial comienza a ser vista como una industria.
Surge el Proyecto de la Quinta Generación en Japón, con los siguientes objetivos:
- Alto nivel de inteligencia para cooperar con las personas.
- Bases de conocimiento.
- Procesamiento simbólico.
- Toma de decisiones.
- Solución de problemas sociales.
- Percepción.
1986: Resurgimiento de Redes Neuronales y Algoritmos Genéticos
- Resurgimiento de las redes neuronales.
- Desarrollos con algoritmos genéticos.
1995: Agentes Inteligentes y Competiciones de Robots
- Surgen los agentes inteligentes, con énfasis en el comportamiento inteligente.
- Extracción de conocimiento.
- RoboCup: Competencia de robots.
1997-1999: Hitos en Juegos y Robótica Doméstica
- Ajedrez: Deep Blue vence a Kasparov.
- Popularización de juguetes y mascotas robots.
2000 en adelante: Expansión y Aplicaciones Cotidianas
- Aplicaciones espaciales: Exploración a Marte.
- Aplicaciones para el hogar y colaboración con humanos.
- Robots de servicio.
2011 en adelante: IA en la Vida Diaria y Grandes Logros
- Watson: Ganador del concurso Jeopardy!.
- Desarrollo de coches con piloto automático.
¿Qué es la Inteligencia Artificial?
Feigenbaum: «Parte de las ciencias de la computación interesada en el diseño de sistemas de computación inteligentes, es decir, sistemas que muestren las características asociadas con la inteligencia humana como comprensión del lenguaje, aprendizaje, razonamiento y resolución de problemas.»
Objetivos de la IA
La Inteligencia Artificial busca comprender lo necesario para que exista un comportamiento inteligente y reproducir sistemas de computación que exhiban dicha inteligencia.
Es importante destacar que la inteligencia no implica una comprensión perfecta; cada ser inteligente tiene limitada percepción, memoria y capacidad de cálculo. Existe un amplio espectro de la inteligencia, desde los insectos hasta los humanos.
IA Débil vs. IA Fuerte
- IA Débil: Sostiene que las máquinas pueden actuar como si fuesen inteligentes, sin implicar una conciencia real.
- IA Fuerte: Postula que las máquinas, al actuar inteligentemente, podrían llegar a tener mentes realmente conscientes.
Problemas Abordados por la Inteligencia Artificial
La IA se enfoca en un conjunto de técnicas para la resolución de problemas complejos. Algunos de los problemas abordados con técnicas de IA incluyen:
- Obtención de programas capaces de manejar el razonamiento.
- Desarrollo de programas para aprender y descubrir conocimiento.
- Creación de programas para comunicarse de forma natural.
- Diseño de programas que exhiban señales de vida o comportamiento autónomo.
- Desarrollo de robots capaces de moverse e interactuar en el mundo real.
La Inteligencia Artificial como Campo Multidisciplinar
- Filosofía: Estudia las relaciones entre el pensamiento y el comportamiento, los métodos de razonamiento, la mente como sistema físico, las bases del aprendizaje, el lenguaje y la racionalidad.
- Matemáticas: Aportan la representación formal y prueba de algoritmos, la teoría de la computación (problemas decidibles e intratables), la probabilidad y la teoría de decisión.
- Lógica: Proporciona las formas de razonamiento, manipulación y representación simbólica.
- Lingüística: Contribuye al manejo del lenguaje natural, la comunicación, la semántica, la pragmática, la sintaxis y la ambigüedad.
- Psicología: Permite la comprensión del pensamiento, la resolución de problemas, los modelos de memoria, la adaptación, el fenómeno de la percepción y el control motor.
- Biología: Ofrece el modelo neuronal y la fisiología del cerebro, abordando la pregunta de nuestra composición.
- Neurociencia: Estudia la capa física subyacente a las actividades mentales.
- Ingeniería: Se encarga de la construcción de máquinas y mecanismos artificiales, incluyendo la actuación mecánica y eléctrica.
- Física: Aporta conocimientos sobre óptica y sensores.
La Prueba de Turing
La Prueba de Turing sugiere que la Inteligencia Artificial debe abarcar las siguientes capacidades: conocimiento, razonamiento, empleo de lenguaje natural y aprendizaje.
IA vs. Computación Convencional: Diferencias Clave
- La IA no se refiere a datos numéricos, sino a datos simbólicos, buscando un razonamiento lógico más allá de los cálculos cuantitativos.
- Como resultado de la manipulación simbólica, la IA no utiliza las representaciones, manejo y obtención comunes de datos, sino que crea otras que le permiten manipular conocimientos y resultados.
- No siempre utiliza algoritmos definidos para la solución de problemas, apoyándose en métodos heurísticos, de inferencia y deducción.
- Los sistemas de IA deben adaptarse a situaciones en las que la información disponible no es exacta ni completa.
Diferencias Principales con la Computación Clásica
Las diferencias principales con la computación clásica radican en la manipulación simbólica, el empleo de heurísticas, el desarrollo de inferencias y el manejo de conocimiento.
Manipulación Simbólica
Los símbolos son entidades que representan personas, objetos, conceptos, operaciones, relaciones o atributos del mundo real.
Esto contrasta con el manejo de números de la computación convencional.
El pensamiento humano se basa en símbolos, y la IA busca reproducir este enfoque.
Empleo de Heurísticas
La IA se enfrenta a menudo a información inexacta o incompleta.
Las heurísticas son métodos empíricos para el procesamiento simbólico.
Los problemas en la IA no siempre se resuelven de manera algorítmica.
No siempre se obtiene la respuesta esperada o la solución óptima.
Desarrollo de Inferencias
Las inferencias permiten encontrar conclusiones basándose en hechos y conocimientos previos.
Se deriva conocimiento nuevo a partir de conocimiento anterior.
El mecanismo de inferencia de la IA realiza la interpretación del conocimiento almacenado en el sistema.
Manejo de Conocimiento
El conocimiento incluye el conjunto de hechos, métodos de inferencia, procedimientos, conceptos, teorías y relaciones que permiten dar solución a un problema.
Se almacena en una base de conocimientos.
Durante el ciclo de vida de un sistema inteligente, se produce la adquisición de conocimiento.
Esto implica un proceso de aprendizaje.
Características de la IA
La Inteligencia Artificial se interesa por problemas complejos para los que no se conocen soluciones algorítmicas exactas y computables, debido a sus grandes dimensiones, su complejidad estructural o los niveles de incertidumbre de los datos.
Representación Simbólica
- Para la construcción de sistemas inteligentes, es necesario emplear representaciones internas de tipo simbólico, donde la actividad cognitiva corresponde a la manipulación computacional de estas representaciones que se refieren al mundo exterior.
- El conocimiento es representado por frases en un lenguaje formal.
- Es posible leer la representación y comprender el significado del conocimiento.
- Representación numérica.
- Se puede tratar con una combinación de atributos, como en el caso de una imagen.
- Tolerancia al ruido.
Frames (Marcos)
- Describen objetos o conceptos en términos de atributos (slots) y sus valores.
- Los atributos pueden tener procedimientos asociados (demonios) que se ejecutan cuando se altera o se accede a la información del slot (valor del atributo).
- Los marcos se organizan en una jerarquía de clases, incorporando mecanismos de herencia.
- Las ranuras (slots) describen un atributo que puede ser:
- Declarativo (hecho o relación).
- Procedimental (llamada a un procedimiento).
Procesamiento del Lenguaje Natural (PLN)
El Procesamiento del Lenguaje Natural (PLN) es una subdisciplina de la Inteligencia Artificial que estudia y desarrolla sistemas que permiten interpretar y generar lenguaje natural. Su objetivo es lograr una relación hombre-máquina análoga a la relación hombre-hombre.
Aplicaciones del PLN
- Traducción automática.
- Recuperación de la información.
- Extracción de información.
- Reconocimiento de voz.
- Interfaces inteligentes.
Niveles de Comprensión del Lenguaje Natural
Nivel Morfológico
Trata de cómo las palabras se construyen a partir de unidades de significado más pequeñas llamadas morfemas.
Nivel Sintáctico
Trata de cómo las palabras pueden unirse para formar oraciones, fijando el papel estructural que cada palabra juega en la oración mediante una gramática.
Nivel Semántico
Trata del significado de las palabras y de cómo los significados se unen para dar significado a una oración. También se refiere al significado independiente del contexto, es decir, de la oración aislada.
Nivel Pragmático
Trata de cómo las oraciones se usan en distintas situaciones y de cómo el uso afecta al significado de las oraciones.
Representación del Conocimiento (Formalización)
- Se han propuesto numerosos formalismos de representación (lenguajes formales).
- Gramáticas de estructura de frase.
- Gramáticas basadas en restricciones.
- Lógica de primer orden.
- Sistemas de marcos (frames).
- Dependencias conceptuales.
- Scripts, planes y objetivos (pragmática).
Sistemas Expertos
Un Sistema Experto (SE) es un sistema de cómputo capaz de simular la conducta inteligente de un experto humano en un dominio específico y especializado, con el objetivo de resolver problemas.
Antecedentes de los Sistemas Expertos
- El primer intento de un Sistema Experto fue desarrollado por Alan Newell y Herbert Simon, quienes crearon el programa denominado GPS (General Problem Solver).
- Los Sistemas Expertos se derivan de la IA a mediados de los años 60.
- Aparece DENDRAL, considerado el primer Sistema Experto, cuyo objetivo fue estudiar un compuesto químico.
- En la Universidad de Stanford se desarrolla MYCIN, un Sistema Experto en el campo de la medicina para el diagnóstico de enfermedades infecciosas en la sangre.
- Se desarrolla el Sistema Experto llamado TIERESIAS, cuyo cometido era servir de intérprete entre MYCIN y los especialistas para introducir nuevos conocimientos en su base de datos.
Componentes de un Sistema Experto
Base de Conocimiento
- Es la sección del software donde se almacena el conocimiento del especialista humano. Contiene la experiencia y la información específica del dominio al que pertenece el SE, representadas por un conjunto de hechos y reglas.
- Características:
- El conocimiento incluido es estático; su calidad y cantidad determinan la eficacia del SE.
- Debe ser exhaustiva, conteniendo todos los hechos y reglas necesarios.
- Debe ser consistente, sin reglas contradictorias, redundantes o innecesarias.
Motor de Inferencia
- Es el componente donde el SE controla la información almacenada en la base de conocimiento. Utiliza los datos suministrados y recorre la base de conocimiento para encontrar una solución.
- Desempeña las siguientes actividades:
- Utilización del encadenamiento de reglas.
- Utilización de información estática (de la base de conocimientos) y dinámica (datos del usuario).
- Selección de reglas a ejecutar, hasta que se complete la revisión de todas las que se satisfacen.
Módulo de Explicación
Se encarga de explicar y justificar las conclusiones o acciones del SE, detallando el proceso seguido por el mecanismo de inferencia.
Memoria de Trabajo
Almacena hipótesis, resultados y decisiones intermedias, es decir, el estado en el que se encuentra el problema en un momento dado. Es de carácter transitorio o almacén temporal, donde se guarda la información del usuario y las conclusiones de las reglas disparadas.
Interfaz de Usuario
Representa el vínculo entre el sistema experto y el usuario.
Ingeniería del Conocimiento
Al proceso de construir un sistema experto se le denomina Ingeniería del Conocimiento, y está basada en la intervención del Experto Humano en un área determinada. El ingeniero trabaja para codificar y hacer explícitas las reglas (o los procedimientos) que los Expertos Humanos emplean para solucionar problemas reales.
- El propósito de la Ingeniería del Conocimiento es construir sistemas basados en el conocimiento de Expertos Humanos, con la ayuda del proceso de Adquisición del Conocimiento, mediante el cual se obtiene el conocimiento requerido para construir el sistema. Este proceso se lleva a cabo durante todo el desarrollo del sistema.
Participantes en la Ingeniería del Conocimiento
- El Experto: Su función es poner sus conocimientos especializados a disposición del Sistema Experto.
- El Ingeniero del Conocimiento: Es quien plantea las preguntas al experto, estructura sus conocimientos y los implementa en la base de conocimientos.
- El Usuario: Aporta sus necesidades e ideas, determinando el escenario en el que debe aplicarse el Sistema Experto.
Definiciones Clave
- Un especialista humano es una persona con experiencia desarrollada en un área específica, capaz de resolver problemas que la mayoría no podría, o con mucha mayor eficiencia.
- El conocimiento de un especialista se centra específicamente en el dominio del problema, que es el área específica (como medicina, finanzas, ciencias, ingeniería, etc.) en la que un especialista puede resolver problemas con facilidad.
Ventajas de los Sistemas Expertos
- Los sistemas expertos pueden responder a preguntas mucho más rápido que un experto humano.
- Una vez programados, pueden replicarse infinidad de veces.
- Un sistema experto no envejece.
Visión Artificial
La Visión Artificial trata de inferir información a partir de imágenes, buscando duplicar las habilidades de la visión humana para percibir y comprender una imagen. Sus objetivos principales son la detección, localización y reconocimiento de objetos. Entre sus aplicaciones se encuentran el reconocimiento de placas de vehículos, el procesamiento de documentos y la percepción remota.