SEMINARIO DE INTELIGENCIA ARTIFICIAL

Seminario de

 INTELIGENCIA ARTIFICIAL

La inteligencia artificial (Artificial Intelligence, o AI) es la simulación de procesos de inteligencia humana por parte de máquinas, especialmente sistemas informáticos. Estos procesos incluyen el aprendizaje (la adquisición de información y reglas para el uso de la información), el razonamiento (usando las reglas para llegar a conclusiones aproximadas o definitivas) y la autocorrección.

El término AI fue acuñado por John McCarthy, un informático estadounidense, en 1956 durante la Conferencia de Dartmouth, donde nació la disciplina. Hoy en día, es un término general que abarca todo, desde la automatización de procesos robóticos hasta la robótica actual. Ha ganado prominencia recientemente debido, en parte, a los grandes volúmenes de datos, o al aumento de velocidad, tamaño y variedad de datos que las empresas están recopilando. AI puede realizar tareas tales como identificar patrones en los datos de manera más eficiente que los seres humanos, lo que permite a las empresas obtener más información sobre sus datos.

Tipos de inteligencia artificial

AI puede ser categorizado en cualquier número de maneras, pero aquí hay dos ejemplos.

El primero clasifica los sistemas de AI como AI débil o AI fuerte. La AI débil, también conocida como AI estrecha, es un sistema de AI que está diseñado y entrenado para una tarea en particular. Los asistentes personales virtuales, como Siri de Apple, son una forma de débil de AI.

La AI fuerte, también conocida como inteligencia general artificial, es un sistema de AI con habilidades cognitivas humanas generalizadas, de modo que cuando se le presenta una tarea desconocida, tiene suficiente inteligencia para encontrar una solución. La prueba de Turing, desarrollada por el matemático Alan Turing en 1950, es un método utilizado para determinar si una computadora puede realmente pensar como un humano, aunque el método es polémico.

El segundo ejemplo es de Arend Hintze, profesor asistente de biología integradora e ingeniería y ciencias de computación en la Universidad Estatal de Michigan. Categoriza la AI en cuatro tipos, desde el tipo de sistemas de AI que existen hoy en día hasta los sistemas sensitivos, que aún no existen. Sus categorías son las siguientes:

• Tipo 1: Máquinas reactivas. Un ejemplo es Deep Blue, el programa de ajedrez de IBM que venció a Garry Kasparov en los años noventa. Deep Blue puede identificar piezas en el tablero de ajedrez y hacer predicciones, pero no tiene memoria y no puede usar experiencias pasadas para informar a las futuras. Analiza movimientos posibles –los propio y los de su oponente– y elige el movimiento más estratégico. Deep Blue y AlphaGO de Google fueron diseñados para propósitos estrechos y no pueden aplicarse fácilmente a otra situación.

• Tipo 2: Memoria limitada. Estos sistemas de AI pueden usar experiencias pasadas para informar decisiones futuras. Algunas de las funciones de toma de decisiones en vehículos autónomos han sido diseñadas de esta manera. Las observaciones son utilizadas para informar las acciones que ocurren en un futuro no tan lejano, como un coche que ha cambiado de carril. Estas observaciones no se almacenan permanentemente.

 • Tipo 3: Teoría de la mente. Este es un término psicológico. Se refiere a la comprensión de que los demás tienen sus propias creencias, deseos e intenciones que afectan las decisiones que toman. Este tipo de AI aún no existe.

 • Tipo 4: Autoconocimiento. En esta categoría, los sistemas de AI tienen un sentido de sí mismos, tienen conciencia. Las máquinas con conciencia de sí comprenden su estado actual y pueden usar la información para inferir lo que otros están sintiendo. Este tipo de AI aún no existe.

Ejemplos de tecnología AI

• La automatización es el proceso de crear automáticamente un sistema o una función de proceso. La automatización robótica de procesos (RPA), por ejemplo, puede programarse para realizar tareas repetibles de alto volumen normalmente realizadas por seres humanos. La RPA es diferente de la automatización de TI en que se puede adaptar a las circunstancias cambiantes. 

• El aprendizaje automático es la ciencia de conseguir que una computadora actúe sin programación. El aprendizaje profundo es un subconjunto del aprendizaje automático que, en términos muy simples, puede considerarse como la automatización de la analítica predictiva. Existen tres tipos de algoritmos de aprendizaje automático: el aprendizaje supervisado, en el que los conjuntos de datos están etiquetados para que los patrones puedan ser detectados y utilizados para etiquetar nuevos conjuntos de datos; el aprendizaje no supervisado, en el que los conjuntos de datos no están etiquetados y se clasifican de acuerdo a similitudes o diferencias; y el aprendizaje de refuerzo, en el que los conjuntos de datos no están etiquetados, pero después de realizar una acción o varias acciones, el sistema de AI recibe retroalimentación.

 • La visión de la máquina es la ciencia de hacer que las computadoras vean. La visión de la máquina captura y analiza la información visual usando una cámara, la conversión de analógico a digital y el procesamiento de la señal digital. A menudo se compara con la vista humana, pero la visión artificial no está vinculada a la biología y puede programarse para ver a través de las paredes, por ejemplo. Se utiliza en una amplia gama de aplicaciones, desde la identificación de la firma hasta el análisis de imágenes médicas. La visión por computador, que se centra en el procesamiento de imágenes a máquina, suele combinarse con la visión artificial.

 • El procesamiento del lenguaje natural (PNL, o NLP por sus siglas en inglés) es el procesamiento del lenguaje humano y no informático por un programa informático. Uno de los ejemplos más antiguos y conocidos de PNL es la detección de spam, que mira la línea de asunto y el texto de un correo electrónico y decide si es basura. Los enfoques actuales de la PNL se basan en el aprendizaje automático. Las tareas de PNL incluyen traducción de texto, el análisis de sentimientos y el reconocimiento de voz.

• El reconocimiento de patrones es una rama del aprendizaje automático que se centra en la identificación de patrones en los datos. El término, hoy, es anticuado.

• La robótica es un campo de la ingeniería centrado en el diseño y fabricación de robots. Los robots se utilizan a menudo para realizar tareas que son difíciles de realizar para los seres humanos o es complicado que se desempeñen de manera consistente. Se utilizan en líneas de montaje para la producción de coches o por la NASA para mover objetos grandes en el espacio. Más recientemente, los investigadores están utilizando el aprendizaje automático para construir robots que puedan interactuar en entornos sociales.

Fuente:   Inteligencia Artificial