Inteligencia artificial - información

Inteligenci Artificial (I.A)

1956: el comienzo de la era dorada de la inteligencia artificial

Fue ya en 1956 cuando John McCarthy, Marvin Minsky y Claude Shannon acuñaron este término durante la conferencia de Darthmounth para referirse a “la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cálculo inteligentes”.  Eso sí, estos tres científicos erraron por completo a la hora de prever cuando llegarían las primeras inteligencias artificiales, ya que confiaban en que en 10 años (para la década de los 70) estaríamos rodeados por IAs en nuestro mundo.

De hecho, la consagración definitiva de la inteligencia artificial llegó en 1997, cuando IBM demostró que un sistema informático era capaz de vencer al ajedrez a un humano… y no un humano cualquiera, sino el campeón del mundo Gari Kaspárov. Se llamaba Deep Blue y sirvió de base para que la industria tecnológica y la sociedad en general cobrara conciencia de la relevancia y las posibilidades de las IA.

Características de la Inteligencia Artificial.

1. Una característica fundamental que distingue a los métodos de Inteligencia Artificial de los métodos numéricos es el uso de símbolos no matemáticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos,también procesan símbolos y no se considera que usen técnicas de Inteligencia Artificial.
   
   
2. El comportamiento de los programas no es descrito explícitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cómo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explícitamente, cómo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento).
   
   
3. Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente por las conclusiones intermedias alcanzadas durante las consideraciones al problema específico. Los lenguajes orientados al objeto comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia Artificial.
   
   
4. El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del ámbito del conocimiento en que ellos operan. Al contrario de los programas para propósito específico, como los de contabilidad y cálculos científicos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dándole la capacidad de explicar discrepancias entre ellas.
   
   
5. Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolución de conflictos en tareas orientadas a metas como en planificación, o el diagnóstico de tareas en un sistema del mundo real: con poca información, con una solución cercana y no necesariamente exacta.

ESCUELAS DE PENSAMIENTO

La IA se divide en dos escuelas de pensamiento, la inteligencia artificial convencional y la inteligencia computacional.

Inteligencia artificial convencional 

Basada en análisis formal y estadístico del comportamiento 

humano ante diferentes problemas:

• Razonamiento basado en casos: ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos.

• Sistemas expertos: infieren una solución a través del conocimiento previo del contexto en que se aplica y de ciertas reglas o relaciones.

• Redes bayesianas: propone soluciones mediante inferencia estadística.

• Inteligencia artificial basada en comportamientos: sistemas complejos que tienen autonomía y pueden auto-regularse y controlarse para mejorar.

Inteligencia artificial computacional 

La inteligencia computacional (también conocida como inteligencia artificial subsimbólica) implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de los parámetros en sistemas conexionistas). El aprendizaje se realiza basándose en datos empíricos. Algunos métodos de esta rama incluyen:

• Máquina de vectores soporte: sistemas que permiten reconocimiento de patrones genéricos de gran potencia.
• Redes neuronales: sistemas con grandes capacidades de reconocimiento de patrones.
• Modelos ocultos de Markov: aprendizaje basado en dependencia temporal de eventos probabilísticos.
• Sistemas difusos: técnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras.
• Computación evolutiva: aplica conceptos inspirados en la biología, tales como población, mutación y supervivencia del más apto para generar soluciones sucesivamente mejores para un problema. Estos métodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos genéticos) e inteligencia colectiva (ej. algoritmos hormiga.

Referencia:

Mercedes Ivette Palacios,Inteligencia Artificial,publicado en:

http://inteligenciaartificialudb.blogspot.mx/2008/01/concepto-caractersticas-y-metodologas.html, el 28 de enero del 2008.