Inteligencia Artificial

Por  Mauricio G. Ordóñez Servín

http://www.MauricioOnline.es.fm
mordonez@aspel.com.mx,mauryos@hotmail.com

¿Alguna vez pensarán las máquinas? 

    Allá por el año 1950, Alan Turing,  un matemático británico,  propuso  un experimento:  En
un cuarto (A) y en un cuarto (B) estarían una máquina y un hombre, afuera una persona estaría
haciendo una serie de preguntas que responderían indistintamente los ocupantes de los cuartos
A y B. Las preguntas serán por algún teletipo para que no se detecten declinaciones de voz. 
    Cuando la persona que pregunta, no sepa distinguir quien es la máquina y quién es el
hombre, entonces se habrá conseguido una máquina inteligente. 
       Alan Turing aventuraba a decir que dicha máquina se conseguiría realizar en unos 50 años. 
Pues bien, han pasado ya poco más de 50 años desde que lo mencionó y no se ha logrado
superar la prueba. 
     La Inteligencia Artificial (IA), también conocida, aplicada o involucrada a términos como
Robótica, Autómatas, Sistemas Expertos, etcétera,  es una disciplina que envuelve a varias
ramas de estudio: la ingeniería, la computación, la psicología, la física, la medicina, la filosofía,
la teología y lo que se acumule.

  
   ¿Cómo podríamos hacerle para que una máquina piense?.  
      Alguna vez un investigador  mencionó que el cerebro no es mas que una  máquina de carne.
Tomando esta declaración, entonces porqué no lo podrá hacer el Silicio o el Germanio que son
los materiales  con los que se fabrican  los chips. 
      El cerebro, en funcionamiento, está procesando información que se transmite por medio de
impulsos electroquímicos activados por las neuronas que son las células  de las cuales está
constituido el cerebro y que almacenan la información y la difunden a otros sectores del
cerebro donde sea requerido. 
     Existen unas 100 mil millones de neuronas en el cerebro humano aunque no todas se
ocupan, de hecho a diario desde que cumplimos 20 años, se pierden unas 50 mil. Pero las
neuronas tienen acciones propias, ¿cómo es que se las arreglan para  diferenciar o dirigirse a
algún lugar del cerebro y procesar un recuerdo,  hacer un cálculo, mantener el latido del
corazón, subir unas escaleras, sentir dolor, etcétera, etcétera?. 
     Dentro de cada chip o circuito integrado, existen los semiconductores en diferentes arreglos
con los cuales nos dan una función específica. El fundamental, es el DIODO.

     Este dispositivo permite que fluya o no, un impulso eléctrico, puede ser dicho impulso, lo
que conocemos como (Bit), prendido o apagado, cero o uno. 
     La disposición de diodos en un circuito electrónico nos puede dar un TRANSISTOR, con el
cual podemos tener por lo menos tres alternativas para que fluya un par de  impulsos eléctricos.
El transistor encapsula a los diodos y por eso está constituido como un solo dispositivo. Con un
par de  transistores ya se pueden hacer por lo menos efectos de luces secuenciales de Leds 
como los que vemos en adornos para autos. 
     Ahora bien, un conjunto de transistores conectados de determinadas formas y encapsulados
nos dá una compuerta lógica. La compuerta lógica, es un dispositivo que constituye una serie
de operaciones condicionadas para los impulsos eléctricos. Es decir, podemos tener muchos
unos y ceros, prendidos y apagados, pasa o no pasa. Con una o dos compuertas lógicas ya se
pueden hacer contadores de tiempo o sumadoras básicas, incluso chapas de seguridad
electrónicas.
    Un conjunto de compuertas lógicas a gran escala y de pequeña integración de encapsulado
digamos de 4 X 4 cm, ya nos dá un microprocesador que puede realizar millones de
instrucciones por segundo (MIPS), es decir, millones de encendidos y apagados, de unos y
ceros, millones de bits procesándose.
    Con un microprocesador ya podemos hacer computadoras, máquinas que realizan una tarea
especifica en la superficie de un planeta como recoger  material de su suelo envolverlo y
analizarlo, viajar al espacio sin perder la dirección, detectar dónde hay luz y seguirla o dónde
hay una colina y darle la vuelta o graduar el combustible necesario para expulsarlo por los
inyectores de un auto, un avión o una nave espacial. 

   Pues bien, si el cerebro tuviera que hacerse con los microprocesadores, compuertas,
transistores, diodos, etc, con los que actualmente contamos, tendría el  tamaño de una central
eléctrica y tardaría varios miles de años en terminarse.

 
 ¿Se tendrá alguna vez una máquina que sea igual que el hombre? 
    Esto es algo muy difícil de responder. Nunca podremos llegar con una máquina y
preguntarle: ¿Qué sientes?, es probable que nos responda cualquier cosa pero esa respuesta fue
programada por los diseñadores. Si es difícil saber qué piensa otra persona incluso uno mismo,
entonces es mucho más difícil saber si una máquina sentirá algo o tendrá conciencia de saber
que es lo que está pensando o sintiendo. 
En los juegos de ajedrez por computadora se tiene un modelo de lo que puede ser un desarrollo
de variantes de procesamiento de la información. La computadora está  “pensando” que jugada
hará, pero nunca se comparará con un hombre porque el hombre está procesando la jugada que
realizará pero en su entorno, tiene la presión del público, de sus preocupaciones personales, de
su estado de ánimo. La máquina solo está pensando su próxima mejor  jugada. Pero atención:
una computadora ya le ganó a Gary Kasparov campeón mundial de ajedrez, cosa que ya
preocupa a los que no son entusiastas de la IA. 

Pero hay quienes salen en defensa de los robots como lo hizo Carl Sagan y menciona que si así
como el ser humano hace gala de un chauvinismo, las personas  blancas  de racismo y los
hombres de  sexismo, no habrá algo así como una actitud de especiismo, esto porque no se
pueda asimilar que una máquina podrá ser como el hombre, sobre todo del complejo de
inferioridad que se siente cuando vemos como una calculadora nos hace operaciones de cifras
grandísimas con decimales en una fracción de segundos o de ver como una computadora nos
selecciona y filtra información de una base de datos inmensa. 
     Y ahora, supongamos que se deciden a hacer una máquina que piense como un hombre.
¿Pero como va a aprender?, ¿se le introducirán todos los datos de todo lo que conoce un ser
humano promedio  y algo más?, o ¿se le programará para que aprenda como lo va haciendo el
hombre desde que es niño?.

      Increíblemente ya se están haciendo proyectos de las dos formas anteriores llamadas
vertientes Simbólica y Conexionista entre ellos el proyecto Cyc, con el cual se le han
introducido datos que analizará la propia computadora y tomará decisiones por sí misma, este
proyecto está por terminarse y se supone que los resultados serán los de la inteligencia de un
niño de 2 años. 
        Pero y  ¿qué pasará si la inteligencia de estas máquinas es tal que pretendan dominar al
hombre y crear máquinas  hijas de sí mismas?, recordemos que están aprendiendo a pensar y
reciben todo lo que está en su entorno, o ¿qué pasa si alguien con ideas destructivas le atiborra
de información dañina a la computadora para  afectar al hombre o al planeta?. Con todo esto
valdrá la pena entonces hacer máquinas que emulen al hombre. 
Bueno como en todo, si está en malas manos será peligroso, pero si es por el bien entonces 
imaginemos a esas máquinas entrando a lugares donde no puede acceder el hombre, o ser
empleado en pruebas donde la vida de un individuo corre peligro, o la seguridad que
proporcionaría ante algún ataque delictivo. En fin veremos que nos depara la tecnología en los
próximos años.

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 dedatos, también procesan símbolos y no se considera
que usen técnicas de Inteligencia Artificial.

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 afinidadcon la 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. 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.
4. 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 sistemadel mundo real: con poca información, con una
solución cercana y no necesariamente exacta.

La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robótica, usada

principalmente en el campo industrial; comprensión de lenguajes y traducción; visión en
máquinas que distinguen formas y que se usan en líneas de ensamblaje; reconocimiento de
palabras y aprendizaje de máquinas; sistemas computacionales expertos.

Los sistemas expertos, que reproducen el comportamiento humano en un estrecho ámbito del

conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e
indican un tratamiento, los que interpretan datos sismológicos en exploración geológica y los
que configuran complejos equipos de alta tecnología.

Tales tareas reducen costos, reducen riesgos en la manipulación humana en áreas peligrosas,
mejoran el desempeño del personal inexperto, y mejoran el control de calidad sobre todo en el
ámbito comercial.

Diferentes teorías:
1. Construir réplicas de la compleja red neuronal del cerebro humano (bottom-up).
2. Intentar imitar el comportamiento del cerebro humano con un computador (top-down).

Diferentes metodologías:
1. La lógica difusa: permite tomar decisiones bajo condiciones de incerteza.
2. Redes neuronales: esta tecnología es poderosa en ciertas tareas como la clasificación y el
reconocimiento de patrones. Está basada en el conceptode "aprender" por agregación de
un gran número de muy simples elementos.

Este modelo considera que una neurona puede ser representada por una unidad binaria: a cada
instante su estado puede ser activo o inactivo. La interacción entre las neuronas se lleva
a cabo a través de sinapsis. Según el signo, la sinapsis es excitadora o inhibidora.

El perceptrón está constituido por las entradas provenientes de fuentes externas, las conexiones

y la salida. En realidad un perceptrón es una Red Neuronal lo más simple posible, es
aquella donde no existen capas ocultas.

Para cada configuración de los estados de las neuronas de entrada (estímulo) la respuesta del

perceptrón obedece a la siguiente dinámica: se suman los potenciales sinápticos y se comparan
con un umbral de activación. Esta suma ponderada es también llamada campo. Si el campo
es mayor que un umbral, la respuesta de la neurona es activa, si no, es inactiva.

Con una arquitectura tan simple como la del perceptrón no se puede realizar más que
una clase de funciones "booleanas" muy simples, llamadaslinealmente separables. Son las
funciones en las cuales los estados de entrada con salida positiva pueden ser separados de
aquellos a salida negativa por un hiperplano. Un hiperplano es el conjunto de puntos en
el espacio de estados de entrada, que satisfacen una ecuación lineal. En dos dimensiones, es
una recta, en tres dimensiones un plano, etc.

Si se quieren realizar funciones más complejas con Redes Neuronales, es necesario intercalar
neuronas entre las capas de entradas y de salida, llamadas neuronas ocultas. Una red multicapas
puede ser definida como un conjunto de perceptrones, ligados entre si por sinapsis y dispuestos
en capas siguiendo diversas arquitecturas. Una de las arquitecturas más comúnmente usada es
llamada feedforward: con conexiones de la entrada a las capas ocultas y de éstas hacia la
salida.

El funcionamiento de una Red Neuronal es gobernado por reglas de propagación de actividades

y de actualización de los estados.