Yolagny Díaz Bermúdez / yolagny.diaz@mtz.jovenclub.cu
La historia de la humanidad se ha escrito a través del desarrollo de la inteligencia humana. Desde sus inicios el hombre ha tratado de entender la naturaleza y transformarla para su propio bienestar. El hombre ha conquistado el cielo, la profundidad de los mares y océanos, ha logrado escalar las montañas más altas del planeta, ha logrado imponerse y dominar enfermedades, fieras o animales mucho más poderoso que él, así como sobrevivir a ambientes hostiles utilizando la mejor y más desarrollada de las herramientas, la inteligencia humana.
Con el desarrollo científico técnico alcanzado en las diferentes esferas de la vida humana los problemas que se presentan se han ido complejizando por lo que el hombre se ha visto en la necesidad de resolver problemas cada vez más complejos y de un nivel de indeterminación significativo, para lo cual de un tiempo a la fecha ha desarrollado y se apoya en la Inteligencia Artificial para continuar logrando sus objetivos.
Antes de adentrarnos en temas tan complejos como la Inteligencia Artificial revisemos algunas definiciones generales de inteligencia. La definición de inteligencia posee diversas aserciones por lo que se lo mostraré de forma cualitativa mediante la figura 1:
De esta imagen podemos concluir que inteligencia es la aptitud de crear relaciones. Esta creación puede darse de manera puramente sensorial, como en la inteligencia animal; también puede darse de manera intelectual, como en el ser humano, que pone en juego el lenguaje y los conceptos. También se la puede conceptuar como la habilidad para adquirir, comprender y aplicar conocimiento; o como la aptitud para recordar, pensar y razonar.
Necesidad de la inteligencia artificial.
El desarrollo de la inteligencia artificial (I.A.) es, realmente, una etapa cualitativamente superior dentro del progreso de la informática. Es importante, por tanto, analizar la relación existente entre la I.A. y los modelos computacionales convencionales. Existen diferentes modelos computacionales, entre los que podemos mencionar:
– Programación procedural: Un programa es una secuencia de instrucciones que transforman los datos para alcanzar la solución de un problema.
– Programación funcional: Un programa es considerado una función matemática que describe una relación entre una entrada y una salida.
– Programación lógica: Un programa es un conjunto de cláusulas de Horn que declaran lógicamente el conocimiento sobre el dominio de un determinado problema.
– Programación orientada a objetos: Un programa es un modelo físico que simula el comportamiento de una parte real o imaginaria del mundo.
Estos paradigmas difieren entre sí, pero tienen en común que los programas están dirigidos a alcanzar la solución del problema dado. Es por ello que en todo modelo computacional se identifican dos elementos básicos: la forma utilizada para describir el conocimiento sobre el dominio de la aplicación que se modela y el método utilizado para manipular este conocimiento en busca de un objetivo concreto. En forma general un modelo computacional se puede expresar como:
modelo computacional = formalismo + método de solución
Con el formalismo se describe el conocimiento que se tiene sobre el dominio del problema. Abarca tanto la descripción como la forma en que se almacena la información a procesar. Con el método de solución se brindan los operadores y las estructuras de control que permiten resolver el problema.
En los paradigmas de programación convencionales, las dos componentes del modelo no se pueden separar. Para modificar el conocimiento o el método de solución hay que cambiar el programa completo. En la actualidad el conocimiento ha desplazado del papel principal al método de solución, siendo el factor determinante. Es por esto que las fronteras entre ambas componentes se delimitan cada vez más.
El desarrollo de estas componentes se realiza mediante las técnicas de I.A., generándose de esa forma nuevos modelos computacionales para la solución de problemas. La I.A. se dedica al estudio de nuevas formas de representación del conocimiento, métodos de solución de problemas, razonamiento con incertidumbre y otras.
Definición de Inteligencia Artificial por varios autores.
En el año 1956, durante un Congreso en Dartmouth (E.U) se propuso este término para agrupar a todos los métodos, técnicas e intentos de simular el intelecto humano en la computadora. Se atribuye a John McCarthy el origen del término. No existe aún ninguna definición única y rigurosa que cubra adecuadamente todos los aspectos que el término quiere representar.
– Según Schildlt, un “programa inteligente” es uno que muestra un comportamiento similar al humano cuando se enfrenta a un problema. No es necesario que el programa resuelva realmente el problema de la misma forma que el hombre.
– Alan Turing se expresa análogamente al expresar que “si durante el intercambio entre una computadora y el usuario este ultimo cree que está intercambiado con otro humano, entonces se dice que el programa es inteligente”
– Para Forsyth la I.A. se relaciona con problemas los cuales han escapado de una caracterización matemática.
– Para Cueva los sistemas con I.A. utilizan procedimientos estándares que permiten modificar los procesos sin más que modificar el conocimiento, es decir, hay una separación entre conocimiento y el procedimiento que usa ese conocimiento.
– Elaine Rich la define de la forma siguiente “la I.A. es el estudio de cómo lograr que las computadoras hagan cosas que por el momento, las personas hacen mejor. Una computadora encuentra las raíces de una ecuación mucho más rápido y con mayor exactitud que un hombre; sin embargo, el hombre reconoce mucho mejor un conjunto de caracteres”.
Independientemente de la diversidad de definiciones, las investigaciones en I.A. se realizan con dos propósitos pragmáticos y concretos:
1- Lograr que las computadoras ejecuten tareas que usualmente sería resuelto por el pensamiento inteligente.
2- Comprender los principios que hacen la inteligencia posible.
La I.A. aborda problemas poco estructurados, donde no se conoce de antemano cual es el mejor método para resolverlo. Hay que descubrir alguna solución. Esta es la razón de la palabra heurística cuyo significado se asocia a búsqueda. Por eso, en la I.A. no se “calcula una solución” sino que “se busca una solución”. La esencia de heurística es contraria a la del algoritmo en el sentido de que ella es un camino para buscar lo nuevo, mientras el algoritmo es un camino para realizar lo ya conocido. Así se comprende que el paradigma primario para la solución de problemas en I.A. sea la búsqueda de la solución orientada por heurística para tratar de reducir la explosión combinatoria de todos los caminos de solución posibles que se presentan en la mayoría de los problemas reales. La búsqueda se basa en el conocimiento. Uno de los pocos resultados definitivos producidos en todas las áreas de investigación en I.A. es que la inteligencia requiere conocimiento.
Una técnica de I.A. es un método que explota conocimiento. Este debe ser representado de forma que:
– Capte generalizaciones
– Pueda ser comprendido.
– Pueda ser fácilmente modificado
– Pueda ser usado en muchas situaciones
– Pueda ser usado para ayudar a superar su propia extensión
Esta última cualidad se relaciona con otra característica deseable de los sistemas de IA: la posibilidad de autoaprendizaje.
Etapas del desarrollo de la I.A.
Mirzai resume el desarrollo de la I.A. identificando 5 etapas de esta disciplina.
La primera se desarrolla en la década de los años 50 la llamó la ETAPA OSCURA y la identificó con las Redes Neuronales. En este periodo la idea central fue hacer a las máquinas inteligentes imitando el cerebro. Dos de los sistemas desarrollados en esta dirección fue el Pandemónium y el Perceptron.
La 2da se desarrolla en la década de los años 60, la llamó la ETAPA DE LA RAZÓN y la identificó con la lógica automatizada. Dos de los sistemas desarrollados en esta etapa fueron el General Problem Solver (GPS) que sirvió de base para el desarrollo posterior de un planificador conocido como STRIPS, ambos sistemas se analizaron posteriormente y el SHRDLU el cual estaba orientado, ha facilitado la comunicación hombre–máquina.
La 3ra se desarrolla en la primera década de los años 70, la llamó el PERIODO ROMÁNTICO y la identificó como la ingeniería del conocimiento. A esta etapa la distingue el hecho de que se abandonó el objetivo de crear una inteligencia general y se dirigen los trabajos a partir de la observación del hecho de que los agentes humanos son competentes en su campo debido a la gran cantidad de conocimiento especializado que poseen, El resultado principal de esta reorientación fue el surgimiento de los Sistemas Expertos.
La 4ta etapa se desarrolla en los años 80, la llamó PERIODO DE LA ILUSTRACIÓN y lo identificó con el aprendizaje automatizado (Machine Learning). La idea de representar el conocimiento explícitamente como reglas frases u otras formas estimuló los trabajos pero también hizo que se reconociera que la extracción y la codificación del conocimiento es una labor difícil e intensa, por lo que se hace natural pensar en términos de automatizar el proceso de adquisición del conocimiento lo cual llevó al Machine Learning. Algún sistema desarrollado en esta dirección son el EURISICO y el WISARD.
La 5ta etapa se desarrolla en la década de los 90 la llamó etapa del RENACIMIENTO GÓTICO y la identificó con el surgimiento de las REDES NEURONALES APLICADAS.
Campos que utilizan la Inteligencia Artificial.
Juegos: Fueron precisamente, las primeras aplicaciones de la I.A., pues constituían una excelente demostración de que las computadoras podían realizar actividades inteligentes. Actualmente se han desarrollado múltiples programas para jugar al ajedrez, las damas, resolver el cubo de Rubik, entre otros.
Solución general de problemas: Para la solución de problemas no algorítmicos o intratables computacionalmente la I.A. ofrece una alternativa eficiente. Se han desarrollado, de esta forma, demostradores de teoremas, simplificadores de fórmulas matemáticas, planificadores, entre otros.
Sistemas Expertos: Constituye hoy en día el área de aplicación de la I.A. de mayor éxito. Los sistemas expertos permiten almacenar y utilizar el conocimiento de uno o varios expertos humanos en un dominio de aplicación concreto. Su uso incrementa la productividad, mejora la eficiencia en la toma de decisiones o simplemente permite resolver problemas cuando los expertos no están presentes. Muchos son los ejemplos de sistemas expertos desarrollados. Entre ellos: MYCIN (para el diagnóstico médico), PROSPECTOR (para la detección de yacimientos minerales), DENDRAL (para el análisis de la estructura de sustancias químicas), etc.
Procesamiento de lenguaje natural: Los programas de procesamiento de lenguaje natural utilizan las técnicas de I.A. para permitir que las computadoras comprendan y generen interfaces en lenguaje natural, lo cual haría más fácil el uso de estos programas por el usuario. La comprensión del lenguaje natural incluye el análisis de la sintaxis o gramática, la semántica o significado y el contexto del lenguaje. Un ejemplo de programas de procesamiento de lenguaje natural son los traductores de idiomas.
Visión: La visión por computadora comprende el análisis y evaluación de la información visual. El uso de las técnicas de I.A. permite a las computadoras examinar imágenes reales e identificar sus objetos y rasgos. Un sistema típico está compuesto por una cámara de video que capta las imágenes, un convertidor analógico-digital que envía las señales a la computadora y un software de I.A. que, mediante técnicas de búsqueda y reconocimiento de patrones, analiza la imagen. Un ejemplo de aplicación es el análisis de fotografías aéreas.
Robótica: La robótica es el campo de la ingeniería dedicada a simular ciertas capacidades físicas del hombre. Los robots no pueden actuar ante situaciones cambiantes y tomar decisiones si no se dotan de software de I.A. Un robot dotado de inteligencia puede decidir cambiar el orden de la secuencia de sus operaciones, eliminar algunos pasos o modificar alguno de ellos. Para eso se dotan a los robots de sensores de presión, temperatura, de luz, de cámaras de video, etc., además de software para la toma de decisiones. Al incorporar la I.A. a los robots aumenta su flexibilidad y utilidad.
Educación: La I.A puede ser usada en la educación y el entrenamiento, mediante la creación de programas que actúan como tutores inteligentes. Los tutoriales convencionales son rígidos en el sentido de que sus textos son fijos para todos los estudiantes. Al dotarlos de técnicas de I.A., ellos son capaces de variar su contenido en dependencia del conocimiento, habilidad e inteligencia del estudiante. Por otro lado, pueden proveerse de interfaces en lenguaje natural e incluso pueden adquirir nuevo conocimiento automáticamente en interacción con el tutor humano.
Programación automática: El desarrollo de un software tiene varias etapas. La primera consiste en la definición del problema y el objetivo a resolver. Luego se diseña funcionalmente el software, identificando los datos, los procesos y sus interrelaciones. Por último, se implementa en un lenguaje de programación concreto y se compila, llevándolo a código de máquina. La programación automática, o sea, la automatización del proceso de desarrollo de software significa permitirle al programador especificar qué es lo que quiere, en lugar de cómo se debe realizar. Con la programación automática se han obtenido muchos beneficios: reducción de errores, incremento de la complejidad de los sistemas que se implementan y liberación del programador de los detalles de implementación, dirigiendo su atención al estudio profundo del problema, lo que le permite llegar a soluciones más rápidas y correctas.
La Inteligencia Artificial ha seguido diferentes tendencias desde su surgimiento hasta nuestros días, dentro de éstas se encuentran los sistemas expertos, las redes semánticas, las redes neuronales, las redes bayesianas, los algoritmos genéticos, los razonamientos basados en casos, la minería de datos y más recientemente se han desarrollados los llamados agentes inteligentes y se está trabajando en el reconocimiento de patrones.
Las aplicaciones de estos sistemas han llegado a la medicina, las neurociencias, la cosmonáutica, la educación, las ciencias militares, el deporte, la economía y hasta se han desarrollados sistemas inteligentes con la única finalidad del entretenimiento.
Referencias
1- Artificial Intelligence, A.M Andrew ,001.535, And, A Pag 1-15
2- Artificial Intelligence and Turbo C, Chistipher Chabris Cap 1
3- IA, E. Rich, Cap 1
4- AI a modern approach, Stuart Russell, Peter Norving, Cap 1