Inteligencia artificial

En 1956, John McCarthy acuñó la expresión “inteligencia artificial” en una conferencia causando un gran impacto en el ámbito de la tecnología. La inteligencia artificial es la rama de las ciencias de la computación que estudia el software y hardware necesarios para simular el comportamiento y comprensión humanos. La inteligencia artificial hace referencia al desarrollo de métodos y algoritmos que permitan comportarse a las computadoras de modo inteligente.

El objetivo último de la inteligencia artificial es simular la inteligencia humana en una máquina creando robots que sean conscientes y con sentimientos reales, similares a los humanos. Uno de los problemas más difíciles es la simulación de la conciencia, cualidad humana que hace que nos demos cuenta de nuestra propia existencia. El propósito de la inteligencia artificial es hacer computacional el conocimiento humano por procedimientos simbólicos o conexionistas.

Los dispositivos que cuentan con inteligencia artificial pueden ejecutar distintos procesos análogos al comportamiento humano, como la devolución de una respuesta por cada entrada (similar a los actos reflejos de los seres vivos), la búsqueda de un estado entre todos los posibles según una acción o la resolución de problema mediante una lógica formal.

Para Nils John Nilsson son cuatro los pilares básicos en los que se apoya la inteligencia artificial:

- Búsqueda del estado requerido en el conjunto de los estados producidos por las acciones posibles.

- Algoritmos genéticos.

- Redes neuronales artificiales.

- Razonamiento mediante una lógica formal análogo al pensamiento abstracto humano.

Paradigmas de la inteligencia artificial

Los paradigmas de la inteligencia artificial (IA) son:

IA clásica o simbólica: programable y basado en el supuesto del conocimiento explicable por procedimientos de manipulación de símbolos.

IA conexionista: autoprogramable por aprendizaje y donde el conocimiento viene representado la propia estructura de la red neuronal.

Escuelas de pensamiento

La IA se divide en dos escuelas de pensamiento:

La inteligencia artificial convencional: Se conoce también como IA simbólico-deductiva. Está basada en el análisis formal y estadístico del comportamiento humano ante diferentes problemas tales como: Razonamiento basado en casos, Sistemas expertos, Redes bayesianas, Inteligencia artificial basada en comportamientos.

La 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 fuerte y débil

La IA débil, también conocida como IA estrecha, es un sistema de AI que está diseñado y entrenado para una tarea en particular.

La AI fuerte, también conocida como inteligencia general artificial, es un sistema de IA con habilidades cognitivas humanas generalizadas, de modo que cuando se le presenta una tarea desconocida, tiene suficiente inteligencia para encontrar una solución.

Tipos de tareas que aborda la inteligencia artificial

La IA aborda tres tipos de tareas

Dominios formales: Donde se pretende solucionar problemas mediante modelos de búsquedas en un espacio de estados.

Dominios técnicos: Donde utilizaremos conocimiento científico-técnico, posiblemente educido de un experto e intentaremos solucionar problemas del tipo de diagnósticos médicos.

Dominios cognitivos: Donde se intenta comprender el funcionamiento de nuestro cerebro y sus funciones cognitivas  emulando dichos procesos con modelos computacionales.

Aplicaciones de la inteligencia artificial

La inteligencia artificial posee muchas aplicaciones en muchas áreas del conocimiento. La IA se aplica en los siguientes entornos:

Lingüística computacional, Minería de datos, Industria, Medicina, Mundos virtuales, Procesamiento de lenguaje natural, Robótica, Mecatrónica, Sistemas de apoyo a la decisión, Videojuegos, Prototipos informáticos, Análisis de sistemas dinámicos, Simulación de multitudes.

Test de Turing

En 1950 Alan Turing publicó su famoso artículo “Computing Machinery and Intelligence”, donde describe un método para que los humanos podamos testear programas de IA.

Conclusión

La informática ha avanzado enormemente desde sus inicios hace 70 años. La potencia de cálculo se ha estado multiplicando por dos cada 18 meses, siguiendo la ley de Moore. Se cree que, si la ley de Moore se sigue cumpliendo, para el año 2030 la capacidad de cálculo de un procesador corresponderá a la de una persona. 

Un aumento de la velocidad de computación y una mayor capacidad de almacenaje implicará que los sistemas dispongan de más recursos para tomar decisiones y que estas decisiones se realicen de manera más informada y, a su vez, de manera más personalizada.