Informática Aplicada al Trabajo Social. Facultad Trabajo Social UMU

Capítulo 8. Inteligencia artificial




¿Qué es la inteligencia artificial?
Lenguaje natural
Bases de conocimiento y sistemas expertos
Redes neuronales
Robots

Descargar apuntes en Comercio Electrónico

Después de leer este capítulo debes ser capaz de:

- Explicar los dos métodos básicos de la investigación en inteligencia artificial
- Describir los distintos problemas sin solucionar
- Describir varias aplicaciones prácticas de la inteligencia artificial
- Explicar qué son los robots y mostrar ejemplos de su utilidad


  


8.1.- ¿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.

  • Sistemas expertos o basados en conocimiento.

  • Regreso de redes neuronales [Hopfield, Rumelhart, Hinton], algoritmos genéticos [Holland, Goldberg].

  • Reconocimiento de voz (HMM), incertidumbre (RB, Lógica difusa), planeación, aprendizaje.

  • Aplicaciones "reales" (medicina, finanzas, ingeniería, exploración, etc.).

  • Comercialización de la IA.

Tendencias

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.

Ejemplo juego tres en raya

A continuación se plantean tres soluciones diferentes del problema de tres en raya analizando la conveniencia de cada una. Para mejor detalle de las mismas consultar: Rich E., Knight K, Inteligencia Artificial. McGraw Hill, ISBN 84-481-1858-8, 1998

    * Solución 1:

    Una primera solución directa a este juego podría ser la de almacenar en un vector las 19693 posibilidades de un tablero de 3 x 3 con tres valores posibles en cada casilla (vacío-X-O), así como las correspondientes jugadas sucesoras. Para realizar una jugada, bastaría con acceder a la posición del tablero actual y la jugada sucesora correspondiente. Las desventajas de este eficiente programa son bastante obvias: necesita gran cantidad de memoria, alguien debe realizar el pesado trabajo de introducir todas las jugadas y sus sucesoras, y el juego no se puede ampliar, por ejemplo a tres dimensiones.

    * Solución 2:

    El programa posee una estrategia para cada turno de jugador. Analiza el posible triunfo a partir de un estado del tablero dado. Aunque es menos eficiente que la solución anterior en términos de tiempo, tiene la ventaja que es más eficiente en términos de espacio. Su estrategia es más facil de comprender y realizar cambios, aunque el programador debe comprender la totalidad de la estrategia de antemano. Además, no es posible generalizar parte del conocimiento del programa hacia un dominio distinto, como tres en raya 3D.

    * Solución 3:

    Una estructura contiene el tablero actual, así como una lista de posiciones del tablero que podrían ser el próximo movimiento, y una estimación de la probabilidad de que esa jugada lleve a la victoria. Para decidir la siguiente jugada se tienen en cuenta las posiciones de tablero que resultan de cada movimiento posible. Se decide la posición que corresponde a la mejor jugada, considerando si la jugada produce la victoria, y en caso contrario considerando todos los movimientos que el oponente puede realizar asumiendo que éste elegirá el peor para nosotros. El algoritmo inspecciona varias secuencias de movimientos intentando maximizar la probabilidad de victoria. Necesita mucho más tiempo que los demás, ya que debe realizar una búsqueda en un árbol de posibilidades antes de realizar cada movimiento. Sin embargo, es superior a las demás soluciones pues podría ser ampliado para manipular juegos más complicados. Además, puede aumentarse su potencia usando conocimiento sobre el juego, por ejemplo, en lugar de considerar todos los posibles movimientos considerar sólo un subconjunto siguiendo algún criterio razonable. Este programa es un ejemplo del uso de una técnica de IA.

Ejemplo respuestas a preguntas

Se quiere realizar un programa que a partir de un texto escrito en español pueda responder a preguntas en español sobre este texto. En este caso, es más difícil que en el ejemplo anterior determinar formalmente y con precisión en qué consiste el problema y en qué consiste una solución correcta para él. Un ejemplo de programa de preguntas y respuestas en inglés es el programa POLITICS. A continuación se plantean tres soluciones diferentes analizando la conveniencia de cada una.

    * Solución 1:

    Se tienen conjunto de plantillas ("templates") preguntas, por ejemplo "Que x y" asociada con patrones ("patterns") respuesta, por ejemplo "y x z". Responde a las preguntas usando el texto de entrada de forma literal. Se hace coincidir fragmentos de texto de entrada con el patrón respuesta, y se obtiene la respuesta, por ejemplo "z". Este algoritmo no puede contestar el tipo de preguntas que la gente puede responder después de una simple lectura del texto. La habilidad para responder depende de la forma exacta de la pregunta, y de las variaciones contempladas en el diseño de plantillas y patrones. El proceso de sustitución de patrones usado es llamado "pattern matching". Pese a que lo que se entiende por IA no incluye programas como éste, ésta técnica es la usada en uno de los programas más célebres de IA, ELIZA, creado por Joseph Weizenbaum (1923-2008).

    * Solución 2:

    Transforma el texto de entrada dándole una estructura interna que intenta capturar el significado de las frases, y también transforma las preguntas de igual manera. Las respuestas se encuentran emparejando unas con otras formas estructuradas. Este enfoque está más basado en conocimiento que el primero, y también es más efectivo. Puede responder a la mayoría de las preguntas cuyas respuestas se encuentran en el texto, y es menos quebradizo con respecto a las formulaciones exactas de preguntas y respuestas. Algunas preguntas necesitan conocimiento adicional sobre el mundo con el que trate el texto, que esta solución no posee.

    * Solución 3:

    Al igual que la solución anterior se transforma el texto en forma estructurada, pero a diferencia del anterior, se combina esta forma con otras formas estructuradas que describen conocimiento previo sobre los objetos y situaciones que aparecen en el texto. Este programa es más potente que los otros dos, debido a que responde a preguntas usando esta estructura de conocimiento aumentada. Se utiliza lo que se denomina técnica de IA, pues está basado en el conocimiento y en uso computacional eficaz de ese conocimiento.

Algunas aplicaciones de la inteligencia artificial

* Tareas de la vida diaria (más dificil para una máquina que las tareas de un experto)

  • Percepción (visión y habla)

  • Lenguaje natural (comprensión, generación, traducción)

  • Sentido común

  • Control de un robot

* Tareas formales

  • Juegos (ajedrez, backgammon, damas)

  • 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!

Fuente: ALT1040 Bajo licencia Creative Commons Reconocimiento 2.5

8.2.- Lenguaje natural


El Lenguaje Natural (LN) es el medio que utilizamos de manera cotidiana para establecer nuestra comunicación con las demás personas. Este tipo de lenguaje es el que nos permite el designar las cosas actuales y razonar acerca de ellas, fue desarrollado y organizado a partir de la experiencia humana y puede ser utilizado para analizar situaciones altamente complejas y razonar muy sutilmente. La riqueza de sus componentes semánticos da a los lenguajes naturales su gran poder expresivo y su valor como una herramienta para razonamiento sutil. Por otro lado la sintaxis de un LN puede ser modelada fácilmente por un lenguaje formal, similar a los utilizados en las matemáticas y la lógica. Otra propiedad de los lenguajes naturales es la polisemántica, es decir la posibilidad de que una palabra en una oración tenga diversos significados.

En resumen, los lenguajes naturales se caracterizan por las siguientes propiedades:

  • Desarrollados por enriquecimiento progresivo antes de cualquier intento de formación de una teoría.

  • La importancia de su carácter expresivo debido grandemente a la riqueza del componente semántico (polisemántica).

  • Dificultad o imposibilidad de una formalización completa.

Un objetivo fundamental de la Inteligencia Artificial, es la manipulación de lenguajes naturales usando herramientas de computación, en ésta, los lenguajes de programación juegan un papel importante, ya que forman el enlace necesario entre los lenguajes naturales y su manipulación por una máquina.

Una de las ramas más importantes de la inteligencia artificial es aquella orientada a facilitar la comunicación hombre-computadora por medio del lenguaje humano, o lenguaje natural. El Procesamiento del Lenguaje Natural (PLN) es la disciplina encargada de producir sistemas informáticos que posibiliten dicha comunicación, por medio de la voz o del texto. Se trata de una disciplina tan antigua como el uso de los ordenadores (años 1950), de gran profundidad, y con aplicaciones tan importantes como la traducción automática o la búsqueda de información en Internet.

Aplicaciones PLN

Las aplicaciones del Procesamiento de Lenguajes Naturales son muy variadas, ya que su alcance es muy grande, algunas de las aplicaciones del PLN son:

  • Traducción automática: se refiere más que nada a la traducción de un lenguaje a otro, tomando en cuenta lo que se quiere expresar en cada oración, y no solo palabra por palabra. Una aproximación a este tipo de traductores es Babylon, o los encontrados en buscadores como Google Translate.

  • Recuperación de la información: en esta aplicación, un ejemplo seria: Una persona llega al ordenador y le dice (en LN) que es lo que busca, y le muestra que es lo que tiene referente al tema.

  • Extracción de Información y Resúmenes: Los nuevos programas, deben tener la capacidad de crear un resumen de un documento basándose en los datos proporcionados, realizando un análisis detallado del contenido y no solo la truncando las primeras Lineas de los párrafos.

  • Resolución cooperativa de problemas: La computadora debe tener la capacidad de cooperar con los humanos para la solución de problemas complejos, proporcionando datos e información, incluyendo también, la demanda de información por parte del ordenador al usuario, debiendo existir una excelente interactividad entre el usuario y el ordenador.

  • Tutores inteligentes: La aplicación del PLN en este aspecto, viene siendo más académico, ya que se refiere a la enseñanza asistida por computadora, debiendo esta ser aproximada en un 99%, al tener esta la capacidad de evaluar al educando y tener la capacidad de adaptándose a cada tipo de alumno.

  • Reconocimiento de Voz: Esta es una aplicación del PLN que más éxito ha obtenido en la actualidad, ya que los ordenadores de hoy ya tienen esta característica, el reconocimiento de voz puede tener dos posibles usos: para identificar al usuario o para procesar lo que el usuario dicte, existiendo ya programas comerciales, que son accesibles por la mayoría de los usuarios, ejemplo: ViaVoice.

Niveles del lenguaje

Para continuar el estudio de los lenguajes naturales, es necesario conocer los niveles del lenguaje, que son los siguientes:

  1. Nivel Fonológico: trata de cómo las palabras se relacionan con los sonidos que representan.

  2. Nivel Morfológico: trata de cómo las palabras se construyen a partir de unas unidades de significado mas pequeñas llamadas morfemas, por ejemplo: Rápida + Mente == Rápidamente

  3. Nivel Sintáctico: trata de cómo las palabras pueden unirse para formar oraciones, fijando el papel estructural que cada palabra juega en la oración y que sintagmas son parte de otros sintagmas.

  4. Nivel Semántico: trata del significado de las palabras y de cómo los significados se unen para dar significado a una oración, también se refiere al significado independiente del contexto, es decir de la oración aislada.

  5. Nivel Pragmático: trata de cómo las oraciones se usan en distintas situaciones y de cómo el uso afecta al significado de las oraciones. Se suele reconocer un subnivel recursivo: discursivo, que trata de cómo el significado de una oración se ve afectado por las oraciones inmediatamente anteriores.


8.3.- 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:

  1. 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.

  2. El Mecanismo de Inferencia de un sistema experto puede simular la estrategia de solución de un experto.

  3. El Componente Explicativo explica al usuario la estrategia de solución encontrada y el porqué de las decisiones tomadas.

  4. La Interface de Usuario sirve para que éste pueda realizar una consulta en un lenguaje lo más natural posible.

  5. El Componente de Adquisición ofrece ayuda a la estructuración e implementación del conocimiento en la base de conocimientos.


8.4.- 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? La salida es la suma ponderada de las entradas seguida de una función umbral. Esto puede parecer un diodo: si el potencial de las entradas alcanza un cierto valor, entonces se produce la salida, y sino no. Sin embargo, difiere en ser ponderado. Se refiere a que no todos los valores de las entradas van a tener la misma importancia de cara a decidir si se produce o no la salida. Si nuestra neurona no es más que un diodo con entradas ponderadas, entonces juntando unos diodos con otros en forma de red ¿hará el tipo de procesos que realizamos los humanos como, por ejemplo, aprender? Es curioso que para aprender solo es necesaria una neurona, y el aprendizaje consiste en modificar el valor de los pesos (la importancia de cada entrada) aplicando un algoritmo a nuestro valor de salida. ¿Y cual será ese algoritmo? El psicólogo Donald O. Hebb enunció una regla que dice que "las conexiones que unen diferentes neuronas que se encuentran activas en un instante dado se fortalecen". Se refiere a que si la neurona está transmitiendo, las entradas que están activas tendrán más importancia de la que ya tenían. Y esto es más ó menos es la esencia de la computación neuronal, especialmente la no supervisada (que no requiere de un tutor), y esta es la que nos encontramos en la naturaleza.

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.


8.5.- Robots


La imagen del robot como una máquina a semejanza con el ser humano, subyace en el hombre desde hace muchos siglos, existiendo diversas realizaciones con este fin. La palabra robot proviene del checo y la usó por primera vez el escritor Karel Capek en 1917 para referirse, en sus obras, a máquinas con forma de humanoide. En 1940, Isaac Asimov volvió a referirse a los robots en sus libros.

Los robots son agentes físicos que realizan tareas mediante la manipulación física del mundo. Para ello se dotan de efectores, como pinzas, ruedas, brazos mecánicos, etc. y también se equipan de sensores que les permiten percibir el entorno, como visores, sistemas de ultrasonidos, giroscopios, etc.

El interés de la IA en la robótica se centra en los agentes inteligentes que manipulan el mundo físico. No obstante, también es un campo de gran interés para aplicar otras ideas de IA como planificación o visión artificial (aplicar algoritmos de aprendizaje para el reconocimiento de formas).

Las áreas de aplicación de la robótica son múltiples: industria, agricultura, transporte, entornos peligrosos (donde no debería haber humanos), exploración (ej: viajes al espacio), salud (ej: cirugía gracias a la precisión milimétrica), entretenimiento, ...

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.

Robot Sony Aibo

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.

La Paradoja de Moravec establece que, contrariamente a lo que pueda parecer, muchas de las funciones mentales que consideramos difíciles son realmente fáciles computacionalmente, pero algunas cosas que nos parecen fáciles son muy difíciles de replicar para los ordenadores

Resolver un sistema de ecuaciones diferenciales es complicado para el cerebro pero sencillo para un ordenador. Esto es debido a que nuestros cerebros no han evolucionado para hacer ecuaciones diferenciales. No es adaptativo (hasta ahora).
¿Y qué ocurre con los problemas fáciles? Un ordenador tiene enormes dificultades para realizar tareas que para nosotros son simples. La paradoja de Moravec dice que funciones como el procesamiento visual o moverse en una habitación (y que compartimos con los animales) están precableadas en nuestro cerebro por millones de años de evolución y su realización es sumamente eficiente.
Dice Hans Moravec (especialista en robótica e Inteligencia Artificial y futurista transhumanista): "El proceso deliberativo que llamamos razonamiento es, creo, el barniz más delgado del pensamiento humano, efectivo solo porque se basa en el conocimiento sensoriomotor, mucho más antiguo y poderoso aunque habitualmente inconsciente"
O como dicen algunos cognitivistas, el razonamiento está encarnado, deriva de nuestro sistema sensoriomotor.
Marvin Minsky, uno de los creadores de la Inteligencia Artificial dice "En general, no somos conscientes de nuestras mejores habilidades () somos más conscientes de los pequeños procesos que nos cuestan que en los complejos que se realizan de forma fluida" Y dice también que las habilidades humanas más difíciles para realizar ingeniería inversa (simular por ordenador) son las inconscientes.
El psicólogo cognitivo Steven Pinker escribe: 
"La principal lección de treinta y cinco años de investigación en Inteligencia Artificial IA es que los problemas difíciles son fáciles y los problemas fáciles son difíciles. Las habilidades mentales de un niño de cuatro años de edad, que damos por sentado: reconocer un rostro, levantar un lápiz, caminar por una habitación, responder a una pregunta, de hecho resuelven algunos de los problemas más difíciles de ingeniería jamás concebidos () A medida que aparece una nueva generación de dispositivos inteligentes, serán los analistas de valores, los ingenieros petroquímicos y los miembros de una junta de libertad condicional los que están en peligro de ser reemplazados por máquinas. Los jardineros, recepcionistas y cocineros tendrán asegurados sus puestos de trabajo en las próximas décadas"
Lo cual engarza con el problema del empleo y la tecnología. Puedes votar en la encuesta de la barra lateral: La tecnología crea y destruye empleo. En tu opinión, actualmente ¿qué predomina?

Fuente: Sinapsis Bajo licencia Creative Commons

Enlaces de ampliación:

Aplicaciones Prácticas de Inteligencia Artificial. David Arroyo Menéndez
http://www.davidam.com/docu/aplic-ia/index.html

Artifical Intelligence Topics. American Association for Artificial Intelligence
http://www.aaai.org/AITopics/html/history.html

Desarrollo de una maestría ajedrecística computacional.
http://www.dcc.uchile.cl/~jegger/memoria/Memoria.html

El juego de las Damas ya está matemáticamente resuelto
http://www.microsiervos.com/archivo/ordenadores/damas-resuelto.html

Herramientas para Procesamiento de Lenguaje Natural en Español. Universidad Politécnica de Madrid
http://www.datsi.fi.upm.es/~coes/

Inteligencia Artificial. Ilustrados.com. Faustino Peraza Rodriguez
http://www.ilustrados.com/publicaciones/EpZVVZkuVlzIqITikQ.php

Inteligencia Artificial. Monografías.com. Pablo david Santiago
http://www.monografias.com/trabajos16/inteligencia-artificial-historia/inteligencia-artificial-historia.shtml

Introducción a la Inteligencia Artificial. María José Abásolo. Univ. Islas Baleares
http://dmi.uib.es/~abasolo/intart/1-introduccion.html

Procesamiento Computacional del Lenguaje Natural. Cutberto Uriel Paredes Hernández
http://www.ilustrados.com/publicaciones/EpZVVylVypOERwVqcJ.php

Procesamiento del lenguaje natural para recuperación y organización de la información. Sergio Martín
http://plenguajenatural.webcindario.com/procesamiento-del-lenguaje-natural.html

Robótica industrial. Universidad de Granada. Ángel M. Gómez
http://ceres.ugr.es/~angel/docencia/robin/Apuntes.htm

Robótica. Universidad de Guadalajara (México)
http://proton.ucting.udg.mx/materias/robotica/

Sistemas inteligentes. Univ. Politécnica de Madrid
http://www.gsi.dit.upm.es/~gfer/ssii/

Un robot serpentiforme. Ciencia15. Blogalia
http://ciencia15.blogalia.com/historias/42482

Organizaciones:

Sociedad Española para el procesamiento del lenguaje.
http://www.sepln.org/



Capitulo previoInicioCapitulo siguiente

Apuntes Informatica




Aquí puedes cambiar el tamaño y color del texto

Agrégame en tus círculos
Rafael Barzanallana
Rafael Barzanallana en Google Plus
Escepticismo, ciencia, informática, ...


Escepticismo en España


Escepticismo en América