TEST DE TURING

Elabore 2 ejemplos del Test de Turing e indique sus beneficios

a la inteligencia artificial. Enva tu archivo a travs de este
medio.
La inteligencia artificial se basa en dos reas de estudio: el cuerpo humano y el ordenador
electrnico. Puesto que la meta es copiar la inteligencia humana, es necesario entenderla. Sin
embargo, a pesar de todos los progresos en Neurologa y Psicologa, la inteligencia del hombre
se conoce poco, exceptuando sus manifestaciones externas. Muchos estudiosos de la
inteligencia artificial se han vuelto para obtener su modelo de inteligencia hacia el estudio de
la Psicologa cognoscitiva, que aborda la forma de percibir y pensar de los seres humanos..
Despus comprueban sus teoras programando los ordenadores para simular los procesos
cognoscitivos en el modelo. Otros investigadores intentan obtener teoras generales de la
inteligencia que sean aplicables a cualquier sistema de inteligencia y no solo al del ser humano
En 1950 el matemtico ingls Alan M. Turing public un ensayo que comenzaba as: "Quiero
proponer una pregunta: Pueden pensar las mquinas?." Como la pregunta era demasiado vaga
(Qu entendemos por "pensar"?), Turing desarroll un experimento basado en un juego de
saln en el que una persona formula a dos jugadores escondidos (un hombre y una mujer)
preguntas que le servirn para descubrir cul de los dos es la mujer. Turing propuso sustituir uno
de los dos jugadores escondidos por una mquina inteligente capaz de conversar. Si el
examinador, que se serva de un teletipo para comunicarse, no podan distinguir cul de los dos
jugadores era la mquina, ello evidenciara segn Turing que la mquina poda pensar. En la
actualidad, este experimento de Turing podra ser superado, en situaciones limitadas, por
muchos programas de ordenador estudiados para dialogar con el usuario.
Investigaciones acerca de la inteligencia artificial realizadas en la Universidad de Yale (EE.UU.)
han llevado al desarrollo de programas de ordenador mediante los cuales stos pueden aprender
y razonar. Otros estudiosos de la inteligencia artificial estn poniendo a punto sistemas para
dotar a los ordenadores de capacidad visual y auditiva. Una importante rea de investigacin es
la del lenguaje normal, que permite a los ordenadores comunicarse mediante lenguaje humano
en lugar de hacerlo en lenguaje de mquina. Es decir, la mayora de los ordenadores estn
programados para recibir e interpretar instrucciones de este tipo: S#DYR=48-56, LOC=AS NOT
SW, EN=RALSTON". nicamente personas preparadas son capaces de comunicarse
eficazmente de esta forma. Pero si un ordenador programado para gestionar la documentacin
de una compaa petrolfera pudiese entender la orden dactilografiada (traduccin de la anterior)
"Encuntrame toda la documentacin relativa a las perforaciones de los pozos de Arabia Saudita
entre 1948 y 1956, pero nicamente la de los pozos en que trabaj Ralston, no los de la zona
surocciodental del pas", muchas personas podran utilizarlo.
1.3 Los fines de la IA

Las primeras investigaciones acerca de la inteligencia artificial estaban principalmente dirigidas

al hallazgo de una tcnica universal para la solucin de problemas. Este intento a gran escala ha
sido abandonado y las investigaciones actuales estn dirigidas al diseo de numerosos
programas para ordenadores capaces de imitar los procesos de toma de decisiones de expertos,
como mdicos, qumicos, basados en los conocimientos de especialistas en cada materia, son
ahora utilizados para diagnosticar enfermedades, identificar molculas qumicas, localizar
yacimientos de minerales e incluso disear sistemas de fabricacin. Investigaciones acerca de la
percepcin han sido aplicadas a los robots y se han diseado algunos capaces de "ver". La meta
final consiste en crear un sistema capaz de reproducir todas las facetas de la inteligencia
humana.
2. HISTORIA Y EVOLUCIN DE LA INTELIGENCIA ARTIFICIAL
La Inteligencia Artificial "naci" en 1943 cuando Warren McCulloch y Walter Pitts propusieron un
modelo de neurona del cerebro humano y animal. Estas neuronas nerviosas abstractas
proporcionaron una representacin simblica de la actividad cerebral.
Ms adelante, Norbert Wiener elabor estas ideas junto con otras, dentro del mismo campo, que
se llam "ciberntica"; de aqu nacera, sobre los aos 50, la Inteligencia Artificial.
Los primeros investigadores de esta innovadora ciencia, tomaron como base la neurona
formalizada de McCulloch y postulaban que:
"El cerebro es un solucionador inteligente de problemas, de modo que imitemos al cerebro".
Pero si consideramos la enorme complejidad del mismo esto es ya prcticamente imposible, ni
que mencionar que el hardware de la poca ni el software estaban a la altura para realizar
semejantes proyectos.
Se comenz a considerar el pensamiento humano como una coordinacin de tareas simples
relacionadas entre s mediante smbolos. Se llegara a la realizacin de lo que ellos
consideraban como los fundamentos de la solucin inteligente de problemas, pero lo difcil
estaba todava sin empezar, unir entre s estas actividades simples.
Es en los aos 50 cuando se logra realizar un sistema que tuvo cierto xito, se llam el
Perceptrn de Rossenblatt. ste era un sistema visual de reconocimiento de patrones en el cual
se asociaron esfuerzos para que se pudieran resolver una gama amplia de problemas, pero
estas energas se diluyeron enseguida.
Fue en los aos 60 cuando Alan Newell y Herbert Simon, que trabajando la demostracin de
teoremas y el ajedrez por ordenador logran crear un programa llamado GPS (General Problem
Solver: solucionador general de problemas). ste era un sistema en el que el usuario defina un
entorno en funcin de una serie de objetos y los operadores que se podan aplicar sobre ellos.
Este programa era capaz de trabajar con las torres de Hanoi, as como con criptoaritmtica y
otros problemas similares, operando, claro est, con microcosmos formalizados que
representaban los parmetros dentro de los cuales se podan resolver problemas. Lo que no
poda hacer el GPS era resolver problemas ni del mundo real, ni mdicos ni tomar decisiones
importantes. El GPS manejaba reglas heursticas (aprender a partir de sus propios
descubrimientos) que la conducan hasta el destino deseado mediante el mtodo del ensayo y el
error.
En los aos 70, un equipo de investigadores dirigido por Edward Feigenbaum comenz a
elaborar un proyecto para resolver problemas de la vida cotidiana o que se centrara, al menos,
en problemas ms concretos. As es como naci el sistema experto.

El primer sistema experto fue el denominado Dendral, un intrprete de espectrograma de masa

construido en 1967, pero el ms influyente resultara ser el Mycin de 1974. El Mycin era capaz de
diagnosticar trastornos en la sangre y recetar la correspondiente medicacin, todo un logro en
aquella poca que incluso fueron utilizados en hospitales (como el Puff, variante de Mycin de uso
comn en el Pacific Medical Center de San Francisco, EEUU).
Ya en los aos 80, se desarrollaron lenguajes especiales para utilizar con la Inteligencia Artificial,
tales como el LISP o el PROLOG. Es en esta poca cuando se desarrollan sistemas expertos
ms refinados, como por el ejemplo el EURISKO. Este programa perfecciona su propio cuerpo
de reglas heursticas automticamente, por induccin.
Desarrollo Histrico (segn Jackson, 1986)
1950-1965 Periodo "clsico"
Gestacin (McColluck y Pitts, Shannon, Turing)

Inicio - reunin de Darmouth College en 1956 (Minsky, McCarthy)

Redes neuronales, robtica (Shakey)

Bsqueda en un espacio de estados, Heursticas, LISP

Solucionador general de problemas (GPS) (Newell, Simon)

Juegos, prueba de teoremas

Limitaciones de pura bsqueda, explosin combinatoria.

1965-1975 Periodo "romntico"

Representacin "general" del conocimiento.

Redes semnticas (Quillian)

Prototipos (frames) (Minsky)

Perceptrn (Minsky y Papert)

Lgica (Kowalski)

Mundo de bloques (SHDRLU) (Winograd)

Compresin de lenguaje, visin, robtica.

Dificultades de representacin "general", problemas de "juguete".

1975-Hoy Periodo "moderno". Inteligencia "especifica" vs. "general"

Representacin explcita del conocimiento especfico del dominio.

Sistemas expertos o basados en conocimiento.

Regreso de redes neuronales (Hopfield, Rumelhart, Hinton), algoritmos genticos

(Holland, Goldberg) Reconocimiento de voz (HMM), incertidumbre (RB, Lgica difusa),
planeacin, aprendizaje. Aplicaciones "reales" (medicina, finanzas, ingeniera, exploracin, etc.).
Limitaciones: conocimiento "superficial"
Desarrollo Histrico (segn Russell y Norvig, 1995):
Gestacin (1943-1956):
McCullock y Pitts (1943)

Hebb (1949)

Shannon (1950)

Turing (1953)

Minsky y Edmonds (1951)

Darmouth College (1956)

McCarthy, Newell y Simon, The Logic Theorist

Entusiasmo y grandes expectativas (1952-1969):

Samuel - checkers (1952)

McCarthy (1958): LISP: time sharing, Programs with common sense.

Minsky y McCarthy en MIT moldearon mucho del rea.

Minsky, Evans, Student, Waltz, Winston, Winograd, etc.

Trabajo
en
Dosis de realidad (1966-1974):

RN:

Hebb,

Widrow,

Simon predeca que en 10 aos se tendra una mquina inteligente.

Predicciones similares en traduccin automtica y ajedrez.

Teora de NP- completness.

Rosenblatt

Experimentos en machine evolution (ahora algoritmos genticos; estaban bien fundados

pero no produjeron nada.) (Friedberg, 1958)

Minsky y Papert Perceptrons (1969) (aunque irnicamente el mismo ao se descubri

backpropagation (Bryson y Ho))

Sistemas basados en conocimiento (1969-1979):

Dendral, Mycin, HPP, Prospector, Winograd, SHDRLU, Shank (no hay sintxis), frames,
Prolog, Planner

IA como industria (1980-1988):

R1/XCON, proyecto de la quinta generacin, shells y mquinas de LISP.

Regreso de redes neuronales (1986-presente):

Hopfield, Rumelhart y Hinton y descenso de los SE

Eventos recientes (1987-presente):

Cambio gradual hacia los tcnicos y lejos de los rudos (implica cierto grado de madurez
y estabilidad) ej., reconocimiento de voz (HMM), incertidumbre (Bayes), planeacin (Tweak),
robtica, aprendizaje (PAC), etc.
3. CARACTERSTICAS DE LA INTELIGENCIA ARTIFICIAL
1.
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.
2.
3.

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).

4.

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.

5.

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.

La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada
principalmente en el campo industrial; comprensin de lenguajes y traduccin; visin en
mquinas que distinguen formas y que se usan en lneas de ensamblaje; reconocimiento de
palabras y aprendizaje de mquinas; sistemas computacionales expertos.
Los sistemas expertos, que reproducen el comportamiento humano en un estrecho mbito del
conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e
indican un tratamiento, los que interpretan datos sismolgicos en exploracin geolgica y los que
configuran complejos equipos de alta tecnologa.
Tales tareas reducen costos, reducen riesgos en la manipulacin humana en reas peligrosas,
mejoran el desempeo del personal inexperto, y mejoran el control de calidad sobre todo en el
mbito comercial