Inteligencia artificial un enfoque moderno
La Inteligencia Artificial (IA) busca crear sistemas capaces de pensar y actuar de
forma inteligente. Existen cuatro enfoques principales:
1. Pensar como humanos (modelo cognitivo): intenta imitar cómo funciona
la mente humana, usando introspección y experimentos psicológicos para
luego trasladar esos procesos a programas de computadora.
2. Pensar racionalmente (leyes del pensamiento): se basa en la lógica,
siguiendo reglas formales que permiten llegar siempre a conclusiones
correctas si las premisas lo son. Su problema es que muchos
conocimientos no se pueden expresar con tanta precisión y la complejidad
puede saturar a las computadoras.
3. Actuar como humanos (Prueba de Turing): mide la inteligencia viendo si
una máquina puede comportarse de manera indistinguible a un humano
en una conversación. Para ello necesita lenguaje natural, representación
del conocimiento, razonamiento, aprendizaje, visión y robótica.
4. Actuar racionalmente (agente racional): se centra en que los sistemas
tomen la mejor decisión posible según su conocimiento y entorno, incluso
bajo incertidumbre. Es el enfoque más usado hoy porque se basa en
principios generales aplicables a muchos problemas.
Fundamentos de la Inteligencia Artificial
1. Filosofía (428 a.C. – presente)
Puntos claves
• Aristóteles: leyes de razonamiento y silogismos.
• Descartes: dualismo (mente vs. cuerpo) y materialismo (la mente como
proceso físico).
• Empirismo: Locke y Hume (el conocimiento viene de los sentidos,
inducción).
• Carnap y Hempel: positivismo lógico, ver la mente como un proceso
computacional.
• Aristóteles y Mill: relación entre conocimiento y acción → base de agentes
racionales.
2. Matemáticas (año 800 – presente)
Puntos claves
• Boole y Frege: lógica formal y de primer orden.
• Hilbert y Gödel: límites del razonamiento matemático (teorema de
incompletitud).
• Turing: máquina de Turing y computabilidad.
• Problemas intratables y NP-completos (Cook y Karp).
• Probabilidad: Pascal, Bayes razonamiento bajo incertidumbre.
3. Economía (1776 – presente)
Puntos claves
• Adam Smith: agentes que buscan maximizar beneficios.
• Walras, Ramsey, von Neumann & Morgenstern: utilidad y teoría de juegos.
• Bellman: procesos de decisión de Markov (decisiones secuenciales).
• Herbert Simon: decisiones “suficientemente buenas” (satisfacción).
4. Neurociencia (1861 – presente)
Puntos claves
• Broca: áreas del cerebro ligadas a funciones específicas.
• Ramón y Cajal: neuronas como base del pensamiento.
• EEG y resonancia magnética funcional: mapeo de la actividad cerebral.
• Hallazgo: millones de neuronas trabajando en paralelo → base del
aprendizaje.
5. Psicología (1879 – presente)
Puntos claves
• 1879: Wilhelm Wundt funda el primer laboratorio de psicología
experimental, marcando el inicio de la ciencia.
• Conductismo: John Watson rechaza la introspección y se centra en el
estudio de estímulos y respuestas observables.
• Psicología Cognitiva: Conceptualiza la mente como un procesador de
información, reintroduciendo conceptos como las creencias y los
objetivos.
6. Ingeniería Computacional (1940 – presente)
Puntos claves
• Invención: Alan Turing, Konrad Zuse y John Atanasoff construyen los
primeros computadores.
• Ley de Moore: La potencia de los procesadores se duplica cada 18 meses.
• Precursores: Charles Babbage diseña la Máquina Analítica y Ada
Lovelace la programa, sentando las bases de la computación.
• Intercambio: La IA aporta a la informática, con inventos como las
interfaces gráficas y la programación orientada a objetos.
7. Teoría de Control y Cibernética (1948 - presente)
Puntos claves
• Objetivo: Crear artefactos que operen de forma autónoma.
• Pionero: Norbert Wiener, figura central de la cibernética, ve el
comportamiento como un proceso para minimizar el error y alcanzar un
objetivo.
• Diferencia: La teoría de control se enfoca en sistemas matemáticos
continuos, mientras la IA se ocupa de problemas complejos como el
lenguaje y la planificación.
8. Lingüística (1957 - presente)
Puntos claves
• Debate: Noam Chomsky critica al conductismo de B. F. Skinner por no
poder explicar la creatividad del lenguaje.
• Fusión: La lingüística y la IA se unen en la lingüística computacional, un
campo que estudia cómo las máquinas pueden procesar el lenguaje
humano.
• Complejidad: El entendimiento del lenguaje requiere no solo la sintaxis,
sino también el contexto y el conocimiento del mundo.
Génesis y Nacimiento de la IA (1943-1956)
La historia de la IA comienza formalmente en 1943, con el trabajo de Warren
McCulloch y Walter Pitts. Ellos propusieron un modelo de neuronas artificiales
que, activadas por estímulos, podían realizar funciones lógicas. Donald Hebb
(1949) complementó esto con su regla de aprendizaje Hebbiano, que aún se usa
hoy en día para modificar la fuerza de las conexiones neuronales.
En 1951, Marvin Minsky y Dean Edmonds construyeron el SNARC, el primer
computador con una red neuronal simulada.
Sin embargo, fue Alan Turing quien sentó las bases conceptuales con su artículo
de 1950, "Computing Machinery and Intelligence", donde introdujo la prueba de
Turing, el aprendizaje automático y otros conceptos fundamentales.
El nacimiento oficial del campo de la IA se da en 1956 en un taller de dos meses
en el Dartmouth College, organizado por John McCarthy, Minsky, Claude
Shannon y Nathaniel Rochester. Durante este evento, se acuñó el término
"Inteligencia Artificial". Aunque el taller no produjo avances notables, sí reunió a
las figuras clave del campo. En este taller, Allen Newell y Herbert Simon
destacaron con su programa, el Teórico Lógico (TL), capaz de demostrar
teoremas matem
El estado del Arte
La inteligencia artificial se ha integrado en una amplia gama de campos, logrando
avances notables en áreas que antes eran exclusivas de la inteligencia humana.
Planificación Autónoma: Los sistemas de IA pueden generar planes y monitorizar
operaciones de forma autónoma. Un ejemplo es el Agente Remoto de la NASA,
que controló la planificación de una nave espacial a millones de millas de la
Tierra, ajustándose a objetivos y resolviendo problemas en tiempo real.
Juegos: La IA ha demostrado su superioridad en juegos de estrategia complejos.
Deep Blue de IBM fue el primer sistema en derrotar a un campeón mundial de
ajedrez, Garry Kasparov, en 1997.
Control Autónomo: Los vehículos pueden ser dirigidos por IA. El sistema de
visión por computador ALVINN fue entrenado para conducir un vehículo,
logrando manejar el 98% de un trayecto de 2,850 millas por Estados Unidos.
Diagnóstico: Los programas de diagnóstico médico basados en IA alcanzan
niveles de precisión comparables a los de médicos expertos.
Planificación Logística: La IA optimiza operaciones logísticas complejas. La
herramienta DART fue utilizada durante la crisis del Golfo Pérsico de 1991 para
automatizar la planificación del transporte de vehículos y personal, reduciendo
semanas de trabajo a solo horas.
Robótica: En el campo de la cirugía, los robots asistidos por IA se utilizan para
procedimientos precisos como la microcirugía.
Procesamiento de Lenguaje y Resolución de Problemas: El programa
PROVERB resuelve crucigramas mejor que la mayoría de los humanos, usando
restricciones, bases de datos y reconociendo patrones para encontrar soluciones
