Ia - AREAS DE PaLICACION

1

ARTIFICIAL INTELLIGENCE. AN ILLUSTRATIVE OVERVIEW

Aaron Sloman

School of Computer Science

The University of Birmingham

http://www.cs.bham.ac.uk/~axs/courses.ai.html

Las áreas de aplicación de la Inteligencia Artificial se pueden dividir en dos, de

acuerdo al contenido del estudio o de acuerdo a las herramientas y técnicas utilizadas.

Se desarrollan a continuación.

(A) Contenido

Ya que los seres humanos y otros animales, y también los robots inteligentes y otros

artefactos, tienen una amplia variedad de capacidades, todas ellas muy complejas y

difíciles de explicar o modelar, tanto en el plano científico como ingenieril, la IA ha

generado varios subcampos, tratando aspectos particulares de la inteligencia.

(B) Técnicas

Debido a que las aplicaciones de la IA son muchas y muy diversas, algunos de los

subcampos se agrupan en torno a las técnicas relevantes a cada clase de problemas.

A. Subcampos basados en el contenido.

· Percepción, especialmente la visión, sino también la percepción auditiva y táctil,

y, más recientemente, el gusto y el olfato. Esto se desglosa en el estudio de los

diferentes tipos de procesos incluyendo la transducción física, el análisis y

reconocimiento de patrones, la segmentación y "parsing" complejo de los datos

sensoriales, la interpretación y el control de la atención. Este es un enorme

subcampo y puede dividirse en más campos especializados de acuerdo a la

modalidad sensorial, el tipo de cosas que se perciben, las formas de

representación utilizadas, si la percepción está puramente dirigida por los datos

o incluye procesos top-down, los mecanismos utilizados (por ejemplo

neuronales o simbólicos), la arquitectura más grande que contiene el sistema

sensorial, y el dominio de aplicación.

· Procesamiento de lenguaje natural, incluida la producción y la interpretación de

la lengua hablada y escrita, ya sea manuscrita, impresa o electrónica en todo (por

ejemplo el correo electrónico).

· Aprendizaje y desarrollo, incluidos los procesos de aprendizaje simbólico (por

ejemplo la regla de inducción), la utilización de las redes neuronales (a veces

descrita como sub-simbólica), el uso de algoritmos evolutivos, sistemas de autodepuración,

y diversos tipos auto-organización.

· Planificación, solución de problemas, diseño automático: dado un problema

complejo y una colección de recursos, restricciones y criterios de evaluación

crear una solución que cumpla con las restricciones y lo haga bien o sea óptima

de acuerdo con los criterios establecidos, o si ello no es posible proponer

algunas buenas alternativas.

· Variedad de razonamiento: Esto incluye estudio tanto del razonamiento informal

de sentido común como de razonamiento experto especializado. El primero

2

incluye el estudio del razonamiento analógico, la inferencia con revocación,

razonamiento basado en casos. El último incluye la lógica y razonamiento

matemático, incluyendo el diseño de demostradores de teoremas y de sistemas

de inferencia, ya sea con la intención de modelar diversas clases de capacidades

inferenciales y matemáticas humanas, o para fines prácticos, por ejemplo, en

“toolkits” de álgebra simbólica, o razonamiento en robots o sistemas de control

autónomos.

· Estudio de las representaciones: la investigación de las propiedades formales de

los diferentes tipos de representaciones, los mecanismos necesarios para su

funcionamiento, y el tipo de tareas para las que son buenas o malas. Esto puede

incluir el estudio de ontologías de diversos tipos. Sobre algunos mecanismos se

afirma a veces que no utilizan ninguna representación (por ejemplo las redes

neuronales), mientras que realmente son un tipo especial de representación, por

ejemplo, numérica y continua, en contraposición a la estructural y discreta.

· Técnicas y mecanismos de memoria: análisis de las necesidades de los diversos

tipos de memoria, incluyendo grandes almacenes de conocimiento conteniendo

diversos tipos, ya sea para modelar el conocimiento humanos o para su

utilización en diversos tipos de aplicaciones.

· istemas multiagente: el estudio de los diversos tipos de comunicación

(lingüística y no lingüísta, explícita e implícita, intencional y no intencional), los

tipos de cooperación y conflicto, reconocimiento de los planes e intenciones de

otros, etc. Algunos estudios de sistemas multiagente tienen que ver con la

comprensión de interacciones sociales humana, mientras que otros están

preocupados con el diseño de aplicaciones que implican múltiples robots o

múltiples sistemas software concurrentes. Algunos sistemas multiagente se

proponen como una arquitectura para un único agente inteligente complejo.

· Mecanismos afectivos: durante los años 90 ha habido un creciente interés en el

papel de la motivación y las emociones en la inteligencia. Esto se estudia a veces

como un tema propio, y, a veces, como parte del estudio de arquitecturas

completas para sistemas autónomos inteligentes. Una teoría general tendría que

representar a una amplia variedad de estados afectivos y procesos, incluidos

deseos, preferencias, antipatías, placeres, dolores, objetivos de largo plazo,

intenciones, ideales, valores, actitudes, estados de ánimo, y mucho más. Uno de

los debates actuales se refiere a si las emociones son necesarias para la

inteligencia, o si son simplemente efectos secundarios o nuevas características

de los mecanismos que se requieren para otras funciones.

· Robótica: uno de los más subcampos más antiguos de la IA. A veces estudiado

con el propósito de producir nuevos tipos de máquinas útiles, y, a veces, porque

diseñar completamente robots de trabajo proporciona un banco de pruebas para

la integración de las teorías y técnicas de distintos subcampos de la IA, por

ejemplo, percepción, aprendizaje, memoria, control motor, planificación, etc. Es

decir, se trata de un contexto para explorar ideas acerca de sistemas completos.

A veces, los diseñadores de robots intentan mostrar que ciertos tipos de

mecanismos no son necesarios en los sistemas con un cierto tipo de inteligencia,

por ejemplo, mostrando lo que pueden hacer los robots que no usan las

capacidades de planificación o deliberación.

3

· Desarrollo de lenguajes y herramientas.

· Arquitecturas de sistemas completos. Hasta mediados de los 80 la mayor parte

del trabajo en la IA se refiere a formas específicas de representación y

algoritmos específicos para realizar alguna tarea. Desde entonces, se ha dado

una importancia creciente a la arquitectura en la que muchos y diferentes

mecanismos se combinan para proporcionar un sistema con muchos tipos

distintos de funcionalidades, a menudo mecanismos activos simultáneamente.

· La búsqueda es otro tema que debería haber sido mencionado anteriormente, ya

la búsqueda de una solución a algún problema en un espacio de posibilidades es

un tema recurrente en la IA. Se han estudiado muchas formas diferentes de

búsqueda, en relación a las diferentes formas de representación, diferentes

dominios del problema y diferentes

...