«IA» redirige aquí. Para otras acepciones, véase IA (desambiguación).

La inteligencia artificial (IA), es la inteligencia llevada a cabo por máquinas. En ciencias de la

computación, una máquina «inteligente» ideal es un agente flexible que percibe su entorno y
lleva a cabo acciones que maximicen sus posibilidades de éxito en algún objetivo o tarea.1
Coloquialmente, el término inteligencia artificial se aplica cuando una máquina imita las
funciones «cognitivas» que los humanos asocian con otras mentes humanas, como por
ejemplo: «percibir», «razonar», «aprender» y «resolver problemas».2 Andreas Kaplan y
Michael Haenlein definen la inteligencia artificial como "la capacidad de un sistema para
interpretar correctamente datos externos, para aprender de dichos datos y emplear esos
conocimientos para lograr tareas y metas concretas a través de la adaptación flexible".3 A
medida que las máquinas se vuelven cada vez más capaces, tecnología que alguna vez se
pensó que requería de inteligencia se elimina de la definición. Por ejemplo, el reconocimiento
óptico de caracteres ya no se percibe como un ejemplo de la «inteligencia artificial»
habiéndose convertido en una tecnología común.4 Avances tecnológicos todavía clasificados
como inteligencia artificial son los sistemas de conducción autónomos o los capaces de jugar
al ajedrez o al Go.5
Según Takeyas (2007) la IA es una rama de las ciencias computacionales encargada de
estudiar modelos de cómputo capaces de realizar actividades propias de los seres humanos
con base a dos de sus características primordiales: el razonamiento y la conducta.6
En 1956, John McCarthy acuñó la expresión «inteligencia artificial», y la definió como «la
ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cómputo
inteligentes».7
También existen distintos tipos de percepciones y acciones, que pueden ser obtenidas y
producidas, respectivamente, por sensores físicos y sensores mecánicos en máquinas, pulsos
eléctricos u ópticos en computadoras, tanto como por entradas y salidas de bits de un
software y su entorno software.
Varios ejemplos se encuentran en el área de control de sistemas, planificación automática, la
habilidad de responder a diagnósticos y a consultas de los consumidores, reconocimiento de
escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IA
actualmente son parte de la rutina en campos como economía, medicina, ingeniería y
la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia,
como ajedrez de computador, y otros videojuegos.

Índice

 1Categorías de la inteligencia artificial

 2Escuelas de pensamiento
o 2.1Inteligencia artificial convencional
o 2.2Inteligencia artificial computacional
o 2.3Inteligencia artificial en América Latina
 3Historia
 4La inteligencia artificial, la conciencia y los sentimientos
 5Críticas
 6Animatrónica e inteligencia artificial
 7Tecnologías de apoyo
 8Aplicaciones de la inteligencia artificial
o 8.1Aplicaciones prácticas
 8.1.1Las tres en raya
 9Investigadores en el campo de la inteligencia artificial
 10Véase también
 11Referencias
 12Bibliografía
 13Enlaces externos
o 13.1Publicaciones
o 13.2Asociaciones
o 13.3Robótica
o 13.4Videos
o 13.5Otros

Categorías de la inteligencia artificial[editar]

Búsqueda heurística. Podemos definir una heurística como un truco o estrategia que limita
grandiosamente la búsqueda de soluciones ante grandes espacios de problemas. Por lo tanto,
ante un problema, nos ayuda a seleccionar las bifurcaciones dentro de un árbol con más
posibilidades; con ello se restringe la búsqueda, aunque no siempre se garantiza una solución
adecuada. Todo lo que se debe tener en cuenta para que una heurística sea adecuada es que
nos proporcione soluciones que sean lo suficientemente buenas. Además, con la utilización de
la búsqueda heurística, no será necesario replantear un problema cada vez que se afronte, ya
que si fue planteado anteriormente, esta sugerirá la forma en que se ha de proceder para
resolverlo.
Representación del conocimiento. La representación es una cuestión clave a la hora de
encontrar soluciones adecuadas a los problemas planteados. Si analizamos más
detenidamente el término encontramos varias definiciones: según Barr y Feigenbaum, la
representación del conocimiento es una combinación de estructuras de datos y
procedimientos de interpretación que, si son utilizados correctamente por un programa, este
podrá exhibir una conducta inteligente; según Fariñas y Verdejo, la Inteligencia Artificial tiene
como objetivo construir modelos computacionales que al ejecutarse resuelvan tareas con
resultados similares a los obtenidos por una persona, por lo que el tema central de esta
disciplina es el estudio del conocimiento y su manejo; y según Buchanan y Shortliffe, la
Representación del Conocimiento en un programa de Inteligencia Artificial significa elegir una
serie de convenciones para describir objetos, relaciones, y procesos en el mundo. Gran parte
del esfuerzo realizado en la consecución de ordenadores inteligentes, según Rahael, ha sido
caracterizado por el intento continuo de conseguir más y mejores estructuras de
representación del conocimiento, junto con técnicas adecuadas para su manipulación, que
permitiesen la resolución inteligente de algunos de los problemas ya planteados. Otra
característica importante es la inclusión en los programas de Inteligencia artificial, aunque por
separado, de los conocimientos y la unidad que controla y dirige la búsqueda de soluciones.
Dada esta disposición, en estos programas la modificación, ampliación y actualización de los
mismos es sencilla.
El razonamiento que puede tener cualquier persona, ha demostrado ser una de los aspectos
más difíciles de modelar «dentro» de un ordenador. El sentido común a menudo nos ayuda a
prever multitud de hechos y fenómenos corrientes, pero, como ya hemos dicho, es muy
complicado representarlos en un ordenador, dado que los razonamientos son casi siempre
inexactos y sus conclusiones y las reglas en que se basan solamente son aproximadamente
verdaderas.
Lenguajes, entornos y herramientas de Inteligencia Artificial. En la Inteligencia Artificial,
se han desarrollado diferentes lenguajes específicos para los diferentes campos de aplicación.
Estos lenguajes en su mayoría cuentan con una serie de características comunes que
podemos resumir de la siguiente forma: Este tipo de software ofrece una gran modularidad.
Poseen gran capacidad de tomar decisiones de programación hasta el último momento, es
decir cuando el programa ya está ejecutándose. Ofrecen grandes facilidades en el manejo de
listas, y esto es importante, ya que las listas son la estructura más habitual para la
representación del conocimiento en la Inteligencia Artificial. Facilitan la realización de ciertos
tipos de deducción automática permitiendo también la creación de una base de hechos (lugar
donde se recogen los datos iniciales del problema a resolver y los resultados intermedios una
vez obtenidos). Permiten el uso simultáneo de estructuras que incorporan conocimiento
declarativo o conocimiento procedimental. Tienen una marcada orientación gráfica. Además,
las herramientas de Inteligencia Artificial permiten hacer un seguimiento de los cambios
realizados a lo largo de la sesión. Disponen de herramientas para desarrollar programas que
son capaces de comprender otros programas y realizar modificaciones sobre ellos.
Stuart Russell y Peter Norvig diferencian estos tipos de la inteligencia artificial:8

 Sistemas que piensan como humanos.- Estos sistemas tratan de emular el

pensamiento humano; por ejemplo las redes neuronales artificiales. La automatización de
actividades que vinculamos con procesos de pensamiento humano, actividades como
la toma de decisiones, resolución de problemas y aprendizaje.9
 Sistemas que actúan como humanos.- Estos sistemas tratan de actuar como humanos;
es decir, imitan el comportamiento humano; por ejemplo la robótica. El estudio de cómo
lograr que los computadores realicen tareas que, por el momento, los humanos hacen
mejor.10
 Sistemas que piensan racionalmente.- Es decir, con lógica (idealmente), tratan de imitar
el pensamiento racional del ser humano; por ejemplo los sistemas expertos. El estudio de
los cálculos que hacen posible percibir, razonar y actuar.11
 Sistemas que actúan racionalmente.– Tratan de emular de forma racional el
comportamiento humano; por ejemplo los agentes inteligentes. Está relacionado con
conductas inteligentes en artefactos.12

Escuelas de pensamiento[editar]
La IA se divide en dos escuelas de pensamiento:

 La inteligencia artificial convencional.

 La inteligencia computacional.
Inteligencia artificial convencional[editar]
Se conoce también como IA simbólico-deductiva. Está basada en el análisis formal y
estadístico del comportamiento humano ante diferentes problemas:

 Razonamiento basado en casos: Ayuda a tomar decisiones mientras se resuelven ciertos

problemas concretos y, aparte de que son muy importantes, requieren de un buen
funcionamiento.
 Sistemas expertos: Infieren una solución a través del conocimiento previo del contexto en
que se aplica y ocupa de ciertas reglas o relaciones.
 Redes bayesianas: Propone soluciones mediante inferencia probabilística.
 Inteligencia artificial basada en comportamientos: Esta inteligencia contiene autonomía y
puede auto-regularse y controlarse para mejorar.
 Smart process management: Facilita la toma de decisiones complejas, proponiendo una
solución a un determinado problema al igual que lo haría un especialista en dicha
actividad.
Inteligencia artificial computacional[editar]
Artículo principal: Inteligencia computacional

La Inteligencia Computacional (también conocida como IA subsimbólica-inductiva) implica

desarrollo o aprendizaje interactivo (por ejemplo, modificaciones interactivas de los
parámetros en sistemas de conexiones). El aprendizaje se realiza basándose en datos
empíricos.

Inteligencia artificial en América Latina[editar]

Los países latinoamericanos tienen la capacidad para aprovechar todo el potencial de la IA,
sin embargo, debido a las limitaciones sociales y económicas, se ha realizado poca inversión
en el gobierno, la industria y la investigación para avanzar en IA. Esto es una desventaja, ya
que la IA es una tecnología importante y fundamental en la cuarta revolución industrial, y dada
su naturaleza multipropósito, poder exponencial y capacidad predictiva podría ser una
herramienta importante para abordar diversos desafíos que afectan el desarrollo de la
región.13

Historia[editar]
Artículo principal: Historia de la inteligencia artificial

 El término «inteligencia artificial» fue acuñado formalmente en 1956 durante la conferencia

de Dartmouth, pero 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 la década de 1950 y comienzos de la de 1960 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, 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 Marvin 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