Aporte Colaborativo

3. Nombre los cuatros enfoques de la “Inteligencia Artificial”, y explique cada uno de ellos brevemente

Una manera de entender la inteligencia es como una aptitud para crear relaciones. Una conducta o comportamiento inteligente se puede entender de diversos modos, pero probablemente siempre exista algun componente de razonamiento. Como entendamos el razonamiento puede variar, pero con probabilidad englobara alguna de estas acepciones: analizar problemas, comprender, interpretar, etc.

En general, podemos decir que en un Sistema Inteligente (SI) siempre habraun conocimiento (cientifico-tecnico y/o expertisia) y un proceso (por ejemplo, razonamiento logico, aprendizaje, evolucion, etc.

La IA, asi pues, tendra siempre que ver, en alguna medida, con razonar y aprender.

Generalmente, se suele distinguir cuatro enfoques de la IA:

-Sistemas que actuen como humanos (enfoque del test de Turing

Las criticas suelen subrayar el hecho de que habria que caracterizar lo que es actuar como humanos. Para ello, desde luego, el sistema debe contar con una base de conocimiento (simbolico) y un proceso que debe utilizar lenguaje natural, algo que todavia no hace. Otro grupo de criticas contra este enfoque viene dado por el hecho de que olvida aspectos tan esenciales en el actuar humano como las emociones, los sentimientos, la moral, etc.

sistemas que actúan como unser humano“El arte de crear máquinas concapacidad de realizar funciones querealizadas por personas requieren deinteligencia” (Kurzweil, 1990)“El estudio de como lograr que lascomputadoras realicen tareas que, porel momento, los humanos hacenmejor.” (Rich y Knight, 1991)

-Sistemas que piensen como humanos (enfoque cognitivo)

Para lograr construir esta clase de sistemas, habria que partir de una determinada definicion del pensar. La principal tarea, para este enfoque, seria formalizar un modelo del pensamiento. “la interesante tarea de lograr que las computadoras

piensen... maquinas con mente, en su amplio sentidoliteral.” (Haugeland, 1985)

“La automatización de actividades que vinculamos conprocesos de pensamiento humano, actividades tales comotoma de decisiones, resolución de problemas,aprendizaje...” (Bellman, 1978)

-Sistemas que piensen racionalmente (enfoque liogico)

Los antepasados de este enfoque son Aristoteles y la LogicaClasica. Segun este paradigma, lo racional es razonar logicamente.

-Sistemas que actuen racionalmente (enfoque del agente racional)

Este es un enfoque integrador de aprendizaje y razonamiento.

Pasando a las tecnicas utilizadas por la IA, el Dr. Kemper destaca:

• Sistemas Expertos

• Redes neuronales artificiales

• Logica difusa.

Los Sistemas Expertos tratan de emular el proceso de razonamiento. Para ver de que consta un SE podemos preguntarnos quecaracteristicas posee un experto humano. Un experto humano tiene unos conocimientos cientifico-tecnicos, una serie de estrategias de analisis, y tambien una experiencia o expertisia (reglas de dedo, colmillo)

Para convertir al experto humano en un SE necesitamos, por un lado, una base de conocimiento. esta incluir todo lo que podamos extraer al experto en materia de reglas, hechos, objetos, etc. Idealmente, incluso el ya citado colmillo debera estar en la base de conocimiento [ii]. Por otra parte, se necesitara un motor de inferencia, capaz de buscar cual de las reglas de la base de conocimiento se debe usar en una determinada situacion.

Los SE son utiles para resolver problemas cuyos parametros permanecen relativamente constantes. Dar diagnosticosmedicos, por ejemplo, es uno de estos problemas en los que los SE resultaran utiles. En cambio, hay otra serie de problemas para los cuales un SE resultara inutil, como por ejemplo, el estudio del clima o del impacto ambiental.

Las Redes Neuronales Articiales, otra de las tecnicas o metodologias usadas por la IA, parten de unos datos y ellas mismas construyen las reglas, generando asi conocimiento. Basicamente, podemos decir que lo caracterastico de estas redes es que aprenden, aunque tambien las podemos dotar de cierto grado de razonamiento.

FIGURA: Modelo de neurona

En el dibujo podemos ver el modelo de neurona con sus diferentes entradas, su nucleo y su salida. Salida que puede, a su vez, retroalimentar las entradas, en funcion de que se cumpla algunparametro (aprendizaje supervisado) o de modo aleatorio, sin que exista este criterio (aprendizaje no-supervisado)

No todas las entradas tienen la misma importancia. Por eso tenemos que asignarles diferentes pesos. Esta ponderacion se da a nivel de neurona, y tambien a nivel de la red en su totalidad. Es precisamente esta matriz de pesos la que constituye la experiencia que una red gana a medida que va aprendiendo. Esta expertise puede entenderse como una funcion de transferencia o funcion de adaptacion, existiendo una cierta polemica al respecto.

En cualquier caso, esta expertise esta ligada a las capas ocultas: capas fundamentales en la construccion de una red neuronal, ya que son las que podemos manipular para ir consiguiendo los mejores outputs.

La Logica difusa, presentada por LoftiZadeh, tiene que ver con el razonamiento aproximado. Esta logica trata con variables linguisticas ambiguas, y permite tomar decisiones con algun grado de certeza en condiciones de incertidumbre, por lo que tiene una gran utilidad en diversos aspectos de la vida cotidiana.

4. ¿En qué consiste el Test de Turing?

El Test de Turing (o Prueba de Turing) es una prueba propuesta por Alan Turing para demostrar la existencia de inteligencia en una máquina. Fue expuesto en 1950 en un artículo (Computing machinery and intelligence)

...