Concepto La Inteligencia Artificial es una combinacin de la ciencia del computador, fisiologa y filosofa, tan general y amplio como eso,

es que reune varios campos (robtica, sistemas expertos, por ejemplo), todos los cuales tienen en comn la creacin de mquinas que pueden pensar. La de idea construir una mquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista incluyen juegos, traduccin de idiomas, comprensin de idiomas, diagnstico de fallas, robtica, suministro de asesora experta en diversos temas. Es as como los sistemas de administracin de base de datos cada vez ms sofisticados, la estructura de datos y el desarrollo de algoritmos de insercin, borrado y locacin de datos, as como el intento de crear mquinas capaces de realizar tareas que son pensadas como tpicas del mbito de la inteligencia humana, acuaron el trmino Inteligencia Artificial en 1956. La Inteligencia Artificial trata de conseguir que los ordenadores simulen en cierta manera la inteligencia humana. Se acude a sus tcnicas cuando es necesario incorporar en un sistema informtico, conocimiento o caractersticas propias del ser humano. Podemos interrogar a algunas bases de datos de Internet en lenguaje natural, o incluso charlar con ellas nuestro idioma, porque por detrs se est ejecutando un

programa de Inteligencia Artificial. Otras herramientas inteligentes pueden utilizarse para escrutar entre los millones de datos que se generan en un banco en busca de patrones de comportamiento de sus clientes o para detectar tendencias en los mercados de valores. Caractersticas de la Inteligencia Artificial. Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de los mtodos numricos es el uso de smbolos no matemticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos,tambin procesan smbolos y no se considera que usen tcnicas de Inteligencia Artificial. El comportamiento de los programas no es descrito explcitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cmo 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, explcitamente, cmo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento). Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente por las conclusiones intermedias alcanzadas durante las consideraciones al problema especfico. Los lenguajes orientados al objeto comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia Artificial. El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de explicar discrepancias entre ellas. Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a metas como en planificacin, o el diagnstico de tareas en un sistema del mundo real: con poca informacin, con una solucin cercana y no necesariamente exacta.

Diferentes metodologas: 1.La lgica difusa: permite tomar decisiones bajo condiciones de incerteza. 2.Redes neuronales: esta tecnologa es poderosa en ciertas tareas como la clasificacin y el reconocimiento de patrones. Est basada en el concepto de "aprender" por agregacin de un gran nmero 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 interaccin entre las neuronas se lleva a cabo a travs de sinapsis. Segn el signo, la sinapsis es excitadora o inhibidora. El perceptrn est constituido por las entradas provenientes de fuentes externas, las conexiones y la salida. En realidad un perceptrn es una Red Neuronal lo ms simple posible, es aquella donde no existen capas ocultas. Para cada configuracin de los estados de las neuronas de entrada (estmulo) la respuesta del perceptrn obedece a la siguiente dinmica: se suman los potenciales sinpticos y se comparan con un umbral de activacin. Esta suma ponderada es tambin 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 perceptrn no se puede realizar ms que una clase de funciones "booleanas" muy simples, llamadas linealmente 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 ecuacin lineal. En dos dimensiones, es una recta, en tres dimensiones un plano, etc. Si se quieren realizar funciones ms 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 ms comnmente usada es llamada feedforward: con conexiones de la entrada a las capas ocultas y de stas hacia la salida.

Categoras de la inteligencia artificial stos sistemas consisten en imitar el comportamiento de los humanos, tanto en su razonamiento como el conocimiento, aprendizaje, y lenguaje natural, es el realizar tareas. Sistemas que Piensan como Humanos El objetivo de estos sistemas consiste en simular el modelo humano, es decir el hombre, los procesos de tomas de decisiones, soluciones de problemas y aprendizaje, en otras palabras es el funcionamiento de la mente humana. Sistemas que Actan Racionalmente Por otra parte estos sistemas frecuentan simular racionalmente el comportamiento del hombre, estos van muy de la mano con las conductas inteligentes en mquinas. Sistemas que Piensan Racionalmente La base de este tipo de sistemas es la lgica, ya que los prototipos tratarn de emular el pensamiento del hombre

Escuelas de pensamiento
La IA se divide en dos escuelas de pensamiento:

La inteligencia artificial convencional La inteligencia computacional

Inteligencia artificial convencional

Se conoce tambin como IA simblico-deductiva. Est basada en el anlisis formal y estadstico del comportamiento humano ante diferentes problemas:

Razonamiento basado en casos: Ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos y, aparte de que son muy importantes, requieren de un buen funcionamiento. Sistemas expertos: Infieren una solucin a travs del conocimiento previo del contexto en que se aplica y ocupa de ciertas reglas o relaciones. Redes bayesianas: Propone soluciones mediante inferencia probabilstica.

Inteligencia artificial basada en comportamientos: esta inteligencia tiene autonoma y pueden auto-regularse y controlarse para mejorar. Smart process management: facilita la toma de decisiones complejas, proponiendo una solucin a un determinado problema al igual que lo hara un especialista en la actividad.

Inteligencia artificial computacional

La Inteligencia Computacional (tambin conocida como IA subsimblica-inductiva) implica desarrollo o aprendizaje interactivo (por ejemplo, modificaciones interactivas de los parmetros en sistemas conexionistas). El aprendizaje se realiza basndose en datos empricos.

Historia
l trmino "inteligencia artificial" fue acuado formalmente en 1956 durante la conferencia de Darthmounth, ms para entonces ya se haba estado trabajando en ello durante cinco aos en los cuales se haba propuesto muchas definiciones distintas que en ningn caso haban logrado ser aceptadas totalmente por la comunidad investigadora. La IA es una de las disciplinas ms nuevas junto con la gentica moderna.

Las ideas ms bsicas se remontan a los griegos, antes de Cristo. Aristteles (384322 a. C.) fue el primero en describir un conjunto de reglas que describen una parte del funcionamiento de la mente para obtener conclusiones racionales, y Ctesibio de Alejandra (250 a. C.) construy la primera mquina autocontrolada, un regulador del flujo de agua (racional pero sin razonamiento). En 1315 Ramon Llull en su libro Ars magna tuvo la idea de que el razonamiento poda ser efectuado de manera artificial. En 1936 Alan Turing disea formalmente una Mquina universal que demuestra la viabilidad de un dispositivo fsico para implementar cualquier cmputo formalmente definido. En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales, el cual se considera el primer trabajo del campo, aun cuando todava no exista el trmino. Los primeros avances importantes comenzaron a principios del ao 1950 con el trabajo de Alan Turing, a partir de lo cual la ciencia ha pasado por diversas situaciones. En 1955 Herbert Simon, Allen Newell y J.C. Shaw, desarrollan el primer lenguaje de programacin orientado a la resolucin de problemas, el IPL-11. Un ao ms tarde desarrollan el LogicTheorist, el cual era capaz de demostrar teoremas matemticos. En 1956 fue inventado el trmino inteligencia artificial por John McCarthy, Marvin Minsky y Claude Shannon en la Conferencia de Dartmouth, un congreso en el que se hicieron previsiones triunfalistas a diez aos que jams se cumplieron, lo que provoc el abandono casi total de las investigaciones durante quince aos. En 1957 Newell y Simon continan su trabajo con el desarrollo del General Problem Solver (GPS). GPS era un sistema orientado a la resolucin de problemas.

En 1958 John McCarthy desarrolla en el Instituto de Tecnologa de Massachusetts (MIT) el LISP. Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para procesamiento simblico. En 1959 Rosenblatt introduce el Perceptrn. A finales de los 50 y comienzos de la dcada del 60 Robert K. Lindsay desarrolla Sad Sam, un programa para la lectura de oraciones en ingls y la inferencia de conclusiones a partir de su interpretacin. En 1963 Quillian desarrolla las redes semnticas como modelo de representacin del conocimiento. En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el cual era capaz de inferir conocimiento basado en informacin que se le suministra. Bobrow desarrolla STUDENT. A mediados de los aos 60, aparecen los sistemas expertos, que predicen la probabilidad de una solucin bajo un set de condiciones. Por ejemplo DENDRAL, iniciado en 1965 por Buchanan, Feigenbaum y Lederberg, el primer Sistema Experto, que asista a qumicos en estructuras qumicas complejas euclidianas, MACSYMA, que asista a ingenieros y cientficos en la solucin de ecuaciones matemticas complejas. Posteriormente entre los aos 1968-1970 Terry Winograd desarroll el sistema SHRDLU, que permita interrogar y dar rdenes a un robot que se mova dentro de un mundo de bloques. En 1968 Minsky publica Semantic Information Processing. En 1968 Seymour Papert, Danny Bobrow y Wally Feurzeig desarrollan el lenguaje de programacin LOGO. En 1969 Alan Kay desarrolla el lenguaje Smalltalk en Xerox PARC y se publica en 1980. En 1973 Alain Colmenauer y su equipo de investigacin en la Universidad de AixMarseille crean PROLOG (del francs PROgrammation en LOGique) un lenguaje de programacin ampliamente utilizado en IA. En 1973 Shank y Abelson desarrollan los guiones, o scripts, pilares de muchas tcnicas actuales en Inteligencia Artificial y la informtica en general. En 1974 Edward Shortliffe escribe su tesis con MYCIN, uno de los Sistemas Expertos ms conocidos, que asisti a mdicos en el diagnstico y tratamiento de infecciones en la sangre. En las dcadas de 1970 y 1980, creci el uso de sistemas expertos, como MYCIN: R1/XCON, ABRL, PIP, PUFF, CASNET, INTERNIST/CADUCEUS, etc. Algunos permanecen hasta hoy (Shells) como EMYCIN, EXPERT, OPSS. En 1981 Kazuhiro Fuchi anuncia el proyecto japons de la quinta generacin de computadoras. En 1986 McClelland y Rumelhart publican Parallel Distributed Processing (Redes Neuronales). En 1988 se establecen los lenguajes Orientados a Objetos. En 1997 Garry Kasparov, campen mundial de ajedrez, pierde ante la computadora autnoma Deep Blue. En 2006 se celebr el aniversario con el Congreso en espaol 50 aos de Inteligencia Artificial - Campus Multidisciplinar en Percepcin e Inteligencia 2006.

En el ao 2009 ya hay en desarrollo sistemas inteligentes teraputicos que permiten detectar emociones para poder interactuar con nios autistas. En el ao 2011 IBM desarroll una supercomputadora llamada Watson , la cual gan una ronda de tres juegos seguidos de Jeopardy, venciendo a sus dos mximos campeones, y ganando un premio de 1 milln de dlares que IBM luego don a obras de caridad.10 Existen personas que al dialogar sin saberlo con un chatbot no se percatan de hablar con un programa, de modo tal que se cumple la prueba de Turing como cuando se formul: Existir Inteligencia Artificial cuando no seamos capaces de distinguir entre un ser humano y un programa de computadora en una conversacin a ciegas. Como ancdota, muchos de los investigadores sobre IA sostienen que la inteligencia es un programa capaz de ser ejecutado independientemente de la mquina que lo ejecute, computador o cerebro.