Asistencia sobre la Utilización de
Aplicaciones Especificas
Inteligencia
Artificial
- ¿Qué es la inteligencia
artificial?
Si se pide a varias personas que definan la inteligencia,
lo más probable es que nos den definiciones no coincidentes, como
por ejemplo:
Capacidad de aprender a partir de la experiencia
El
poder de pensar
La
capacidad de razonar
La
capacidad de percibir relaciones
El
poder de comprender
Intuición
El famoso matemático británico Alan
Turing (de quien recientemente se habló mucho en el Reino Unido,
dada la campaña promovida para lograr el reconocimiento, de sus
méritos, dado lo trágico de su suicidio al ser perseguido por
homosexual), en un documento escrito en 1950, sugirió que la
pregunta ¿puede pensar una máquina? era demasiado general y
filosófica para ser respondida de forma unívoca.
Para concretar, propuso un juego denominado "prueba
de Turing". Esta implica a dos personas y un ordenador. Una
persona, el interrogador se sienta a solas con la máquina y realiza
preguntas en un terminal, conforme van apareciendo las respuestas el
interrogador ha de averiguar si las respuetas proceden de la máquina
o de la otra persona. Si el ordenador tiene un comportamiento
inteligente engañará con facilidad al interrogador. Hasta el momento
ninguna máquina se ha aproximado a superar este prueba, a pesar de
los más de 40 años de investigaciones en inteligencia artificial,
incluso se ha pensado en definiciones menos rigurosas. Historia de la Inteligencia
Artificial
* 1950-1965. Período
"clásico"
Gestación [McColluck y Pitts, Shannon, Turing]
1956, la I.A. tuvo su boom a partir de la conferencia efectuada
en Darmouth
College. Estaban presentes importantes científicos como
McCarty (le dio el nombre a esta nueva área de conocimiento),
Minsky (fundador del laboratorio de IA del MIT), Shannon (laboratorios Bell),
Rodhester (IBM), Newell (presidente de la A.A.A.I. Asociación
Americana de IA), Simmon (premio nobel de Carnegie Mellon
University).
Redes neuronales, robótica (Shakey)
Búsqueda en un espacio de estados, Heurísticas, LISP
Resolutor general de problemas (GPS) [Newell, Simon]. Resolución
de problemas de sentido común, los cuales incluyen razonamiento
de objetos físicos y sus relaciones, como también razonamiento
de acciones y sus consecuencias. Sólo se resolvieron tareas muy
simples, pues no se pudo crear un programa con la cantidad
suficiente de conocimiento de un dominio específico
Se
pone principal énfasis en la implementación de juegos
(ajedrez, damas, etc.) así como en la demostración de teoremas
matemáticos.
Limitaciones de pura búsqueda, explosión combinatoria.
* 1965-1975. Período "romántico".
Representación "general" del conocimiento.
Redes semánticas [Quillian].
Prototipos (frames) [Minsky].
Perceptrón [Minsky y Papert].
Lógica [Kowalski].
Mundo de bloques (SHDRLU) [Winograd].
Percepción (visión y habla), compresión de lenguaje natural,
robótica.
Dificultades de representación "general", problemas de
"juguete".
* 1975-actualidad. Período "moderno", Inteligencia
"especifica" frente "general".
Se
identifica la necesidad de trabajar en sociedad con
profesionales de otras áreas de conocimiento
Representación explícita del conocimiento específico del
dominio.
Sistema experto médico MYCIN (experto
en enfermedades infecciosas de la sangre) iniciado en
la Universidad de Stanford.
La inteligencia artificial (IA) trata de conseguir que los
ordenadores simulen en cierta manera la inteligencia humana. Se
acude a sus técnicas cuando es necesario incorporar en un sistema
informático, conocimiento o características propias del ser humano.
La
definición es una frontera móvil, en la década de 1950 muchos
investigadores se esforzaron en ordenadores que pudieran jugar al
ajedrez, actualmente baten a jugadores profesionales.
En
estos momentos hay dos tendencias en la IA, una intenta utilizar los
ordenadores para simular los procesos mentales humanos, mientras que
la segunda, que es más popular, implica el diseño de máquinas
inteligentes, independientemente de cómo piensan las personas.
La primera metodología, simulación, presenta tres problemas:
La
mayoría de las personas tiene problemas para entender y
describir cómo hacen las cosas. La inteligencia humana incluye
procesos mentales muy difíciles o imposibles de describir y
comprender.
Hay grandes diferencias entre la estructura de un ordenador y un
cerebro humano. Por muy potente que sea la computadora no puede
tener la capacidad de procesamiento en paralelo de un cerebro.
La
mejor forma de hacer algo con una máquina es muy distinto a como
lo haría una persona. Muchos fracasos en IA se deben a intentar
copiar a los humanos, en lugar de potenciar las características
únicas de los ordenadores.
Con
cualquiera de estas dos aproximaciones los científicos se enfrentan
a problemas muy difíciles de resolver y de los que ni tan siquiera
se sabe si tienen solución.
Juegos de apertura
Uno de los problemas que antes se intentó resolver fue el
del juego del ajedrez, pues tiene unas reglas claramente definidas y
unos objetivos inequívocos. Actualmente se conocen varias técnicas
de IA para enfrentrarse al juego del ajedrez.
En
general los juegos proporcionan una tarea estructurada en la que es
muy fácil medir el éxito o el fracaso. En comparación con otras
aplicaciones de inteligencia artificial, por ejemplo comprensión del
lenguaje, los juegos no necesitan grandes cantidades de
conocimiento. En un primer momento se pensó que se podrían resolver
por búsqueda exhaustiva en el árbol del juego, es decir, un árbol
que contenga todos los movimientos posibles de ambos jugadores.
Considerando por ejemplo el juego de ajedrez, en una partida cada
jugador realiza una media de 50 movimientos, con un factor de
ramificación medio de 35 posibilidades, por lo tanto para examinar
el árbol de juego completamente se tendrían que examinar 35100
posibilidades. Resulta evidente que una simple búsqueda directa
precisa mucha potencia de cálculo en la práctica, y por lo tanto es
necesario algún tipo de procedimiento de búsqueda heurística.
Búsqueda. Una forma de ganar en un juego es mediante la
búsqueda, mirando más allá de las posibilidades generadas por
cada movimiento potencial. Los ordenadores son mejores que las
personas para este tipo de cálculos y los ordenadores más
potentes si pueden rastrear todas las posibilidades, en base a
la denominada fuerza bruta.
Heurísticos. Se dice así de los métodos prácticos, se
basan en juicios que la experiencia nos dice que son válidos. Es
como actuamos en la vida diaria. un programa de ajedrez, por
ejemplo podría actuar de la forma: mantenga los peones en la
fila del rey tanto tiempo como sea posible.
Reconocimientos de modelos. Los mejores jugadores humanos
de ajedrez recuerdan cientos de modelos críticos en el
desarrollo del juego y saben las mejores estrategias aplicables
en cada caso. Los programas de juegos también reconocen modelos
recurrentes, pero no lo hacen como las personas.
Aprendizaje de máquinas. Los mejores programas de juegos
de mesa aprenden de la experiencia. Si un movimiento es rentable
es probable que el programa que aprende lo utilice en futuras
jugadas. Si da como resultado una pérdida, el programa lo
recordará y evitará su uso en el futuro.
Algunas aplicaciones de la inteligencia artificial
* Tareas de la vida diaria (más dificil para una máquina que las
tareas de un experto)
Matemáticas (geometría, lógica, cálculo, demostración de
propiedades)
*
Tareas de los expertos (necesitan un conocimiento menor que el
conocimiento necesario en las tareas más comunes)
Ingeniería (diseño, detección de fallos, planificación de
manufacturación)
Análisis científico
Diagnosis médica
Análisis financiero
Avances en inteligencia artificial en el año 2011
1 Superordenador Watson La construyó IBM luego de años de investigación en los que
confluyeron muchas áreas de la ciencias de la computación. Ganó un Jeopardy!
y va por más.
2 Futuros comentaristas deportivos El sistema creado por investigadores de la Ecole Polytechnique
Federale de Lausanne (Suiza) ya sabe identificar y rastrear
jugadores de baloncesto. Por ahora es estupendo para telemetría,
pero lo que sigue es comentar las peripecias del juego, y otros como
la Formula 1.
3 SmartBird Creado por Festo, este robot vuela como un ave y nada más.
4 Chatbot El laboratorio Creative Machines de Cornell en los EE. UU.
diseñó este experimento en el que dos IA conversaron de forma fluida
(recordemos que también lo hicieron Siri y ELIZA). Alan Turing se
hubiera impresionado.
5 Adept Quattro Adept construye los robots industriales más veloces. Para demostrar
su hegemonía, este año usó su Adept Quattro para batir un récord al
terminar el juego 1to50 para iPhone en tan solo 6.67 segundos.
6 Vehículo autónomo de Google Google es un imperio en diversos campos de la informática. Por eso
no es sorprendente que un gurú en el tema, Sebastian Thrun lidere el
proyecto de vehículos autónomos de Google, que han viajado miles de
kilómetro apenas con intervención humana.
7 ASIMO
El robot de Honda no ha dejado de dejarnos con la boca abierta cada
vez que son presentados sus avances. Este año presenciamos cómo el
robot ya es capaz de reconocer voces en una conversación:
8 AISight Combina vigilancia extrema, masiva con inteligencia artificial.
¿Escalofríos? Se llama AISight, de la empresa BRS Labs. No hay
vídeo, pero te invito a estar al tanto de esa empresa repleta de
doctores en ciencias y este tipo de tecnologías.
9 Robot flexible Científicos de Harvard mostraron el prototipo de un robot flexible,
hecho de materiales blandos. El vídeo es francamente inquietante.
10 Swarmanoid
Cuando un robot no es suficiente, ¿qué tal un grupo de ellos
actuando de forma colectiva? En este caso, llamen al A-Team de los
robots, ¡los Swarmanoid!
Bases de conocimiento y sistemas expertos
Una característica decisiva de los sistemas expertos es la
separación entre conocimiento (reglas, hechos) por un lado y su
procesamiento por el otro. A ello se añade una interface de usuario
y un componente explicativo.
A continuación se muestra una breve descripción de cada uno de los
componentes:
La Base de Conocimientos de un sistema experto contiene el
conocimiento de los hechos y de las experiencias de los expertos
en un dominio determinado.
El Mecanismo de Inferencia de un sistema experto puede
simular la estrategia de solución de un experto.
El Componente Explicativo explica al usuario la estrategia
de solución encontrada y el porqué de las decisiones tomadas.
La Interface de Usuario sirve para que éste pueda realizar
una consulta en un lenguaje lo más natural posible.
El Componente de Adquisición ofrece ayuda a la
estructuración e implementación del conocimiento en la base de
conocimientos.
Redes neuronales
Una neurona es una célula nerviosa, elemento fundamental de la
arquitectura nerviosa. Es la unidad funcional que transporta el
flujo nervioso.
Estructura básica de una neurona.
Está formada por el cuerpo celular y diferentes prolongaciones:
El axón. Por aquí transitan los impulsos nerviosos o
potenciales de acción desde el cuerpo celular hacia la siguiente
célula. Los axones pueden agruparse y formar lo que comúnmente
llamamos fibra nerviosa. La terminación axonal tiene forma
abultada y se llama botón presináptico, el cuál contiene las
vesículas sinápticas incluyendo en su interior a los
neurotransmisores, que son sustancias químicas responsables de
transmitir los mensajes a la neurona que le sucede.
Las dendritas, con número y estructura variable según el
tipo de neurona, y que transmiten los potenciales de acción
desde las neuronas adyacentes hacia el cuerpo celular o soma.
Se unen entre ellas por contacto físico en una sinapsis electro, y
con una hendidura en una sinapsis químico. Esta unión discontinua se
llama sinapsis. Son células excitables
especializadas para la recepción de estímulos y la conducción del
impulso nervioso. Las neuronas se hallan en el encéfalo,
la médula
espinal y los ganglios nerviosos y están en contacto con todo el
cuerpo. A diferencia de la mayoría de las otras células del
organismo, las neuronas normales en el individuo maduro no se
dividen ni se reproducen (como una excepción las células olfatorias
sí se regeneran; los nervios mielinados del sistema nervioso
periférico también tienen la posibilidad de regenerar a través de la
utilización del neurolema, una capa formado de los núcleos de las
células de schwann).
¿Cómo se decide si tras recibir entradas se produce o no una salida,
y qué salida se produce?
Pero en la práctica las redes neuronales artificiales no han creado
en las máquinas comportamientos similares a los de las personas. Sin
embargo, lo cierto es que los problemas que tradicionalmente son más
complejos para las máquinas (visión artificial, reconocimiento del
habla, etc.), se resuelven mejor utilizando redes neuronales que
mediante otras perspectivas simbólicas.
Las redes neuronales tienen un modelo inherentemente distribuido,
puesto que un procesador puede simular una neurona. Así mismo, son
autoprogramables. La programación pasa por elegir un número de
neuronas, las conexiones entre las mismas, un número de salidas, un
número de entradas y una configuración inicial de pesos. Después
bastaría con alimentarla correctamente y, si el aprendizaje es
supervisado, darle la adecuada realimentación humana.
Las redes neuronales se asemejan a los sistemas expertos en cuanto
al objetivo de representar el conocimiento pero son radicalmente
opuestos en cómo aspiran a conseguirlo. Como vemos, los sistemas
expertos se acercarían más al razonamiento deductivo -obtener
reglas- y las redes neuronales al inductivo -aprendizaje mediante
ejemplos-. En algunos sectores como la gestión empresarial, se
utilizan frecuentemente ambos esquemas de razonamiento, por lo que
ambas técnicas tienen cabida. Además, ambos modelos son
perfectamente compatibles, de forma que se pueden integrar en un
único sistema.
Algoritmos Genéticos
Robots educativos
Pioneer. Es un robot de tamaño mediano para entornos de
interiores. Sensorialmente está dotado de una corona de 16
ultrasonidos, un cinturón se sensores tactiles y un encoder en cada
rueda. Tiene tres ruedas: dos motrices, con sendos motores, y una
rueda loca. Es una plataforma genérica muy difundida en la comunidad
robótica, permite aplicaciones como construcción de mapas,
navegación, etc. El cómputo necesario viene en un microcontrolador
interno y un ordenador portatil que se coloca encima de la
plataforma móvil. Ambos se comunican a través de puerto serie.
Adicionalmente le hemos añadido una cámara en color conectada al
portátil por el puerto USB.
Perrito Aibo. Es un robot de tamaño pequeño. Sensorialmente
está dotado de una cámara de color y un sensor de infrarrojos. Tiene
cuatro patas, cada una con tres grados de libertad. Es una
plataforma que ha alcanzado gran éxito de ventas como
juguete-mascota. En el verano del 2002, Sony publicó
la interfaz de acceso a sensores y actuadores (OPEN-R), lo que
permite su programación. En marzo de 2006 ha cesado la fabricación
de este robot.
LEGO Mindstorms. Es un kit de construcción de robots que se
vende en tiendas de juguetes como Toys'R'Us.
EyeBot. Es un robot pequeño que tiene un microcontrolador Motorola a
25 MHz y puede conectarse a través de un puerto serie con el PC. En
el lado sensorial tiene "encoders" en sus dos motores de continua,
sensores de infrarrojos y una cámara que proporciona imágenes en
color de 82x62 pixeles. También incluye un par de servos. El puerto
serie puede ir a través de un cable o a través de un radioenlace.
on sendos motores, y una
rueda loca. Es una plataforma genérica muy difundida en la comunidad
robótica, permite aplicaciones como construcción de mapas,
navegación, etc. El cómputo necesario viene en un microcontrolador
interno y un ordenador portatil que se coloca encima de la
plataforma móvil. Ambos se comunican a través de puerto serie.
Adicionalmente le hemos añadido una cámara en color conectada al
portátil por el puerto USB.