Inteligencia Artificial (IA): notas

Publicado: 08/06/2009 en IA
Etiquetas:, ,

A partir de la lectura del libro “El robot enamorado. Una historia de la Inteligencia Artificial“, de Felix Ares, me decido a pasar a limpio algunas notas sobre la Inteligencia Artificial (IA).

Intro: IA e inteligencia en el ser humano.

Si nuestro cerebro tiene un sistema para una tarea (hablar, andar, …) esa tarea nos parece fácil. Si tiene ese sistema (por ejemplo para resolver ecuaciones diferenciales) esa tarea nos parece dificil y un signo de inteligencia.

Tecnología e inteligencia han coevolucionado. “La tecnología nos hace humanos” (Eduald Carbonell, codirector Atapuerca)

Lo que nos diferencia de otras inteligencias no es la capacidad de crear herramientas (los monos y otros seres vivos tb lo hacen), sino la capacidad de crear herramientas para crear herramientas, lo que implica un alto nivel de abstracción, visualización espacial, modelización, y proceso.

La cultura modifica los genes, pero por mecanismos de selección natural, no por mecanismos lamarckianos.

La IA imita la inteligencia del ser humano.

Inteligencia: Es la capacidad de relacionar conocimientos que poseemos para resolver una determinada situación. Varios tipos:

  • Lógico-matemática.
  • Lingüístico-verbal.
  • Viso-Espacial.
  • Corporal-cinética
  • Musical.
  • Interpersonal.
  • Naturalista.

Los padres de la IA:

Dos grandes escuelas:

  • Redes Neuronales Artificiales (RNA): conexionistas -> Newell, Simon,
  • IA simbólica: enfoque más general basado en el manejo de ‘símbolos’: McCarthy, Minsky

En paralelo a esas dos corrientes, se desarrolla la ‘cibernética

IAG: Inteligencia Artificial General: General: que tenga cierta capacidad de generalizar. El problema del desarrollo de la IA es que se ha conseguido desarrollar programas que resuelven muy bien problemas (tareas) concretos pero son incapaces de generalizar (carecen de ‘sentido común’)

Críticas a la IAG:

Sin emociones no hay inteligencia; sin cuerpo no hay emociones. Las emociones son ‘atajos’ para tomar decisiones rápidas que produzcan resultados correctos la mayor parte de las veces. (La IA puede incoporar varios nives: por ej. si se calienta una parte del sistema, se puede paralizar esa parte para después evaluar con calma y corregir la acción/decisión tomada, -volver a conectar y poner en práctica otras acciones que reduzcan o eliminen el calentamiento)

El cuerpo incorpora millones de sensores que retroalimentan constantemente (en tiempo real) las decisiones del cerebro. Una IA no necesita tantos sensores y además se pueden reparar.

La inteligencia ‘emerge’ de las interacciones cuánticas (Penrose). No hay indicios de que eso sea así. Para algunos autores no deja de ser una ‘ocurrencia’ de Penrose.

Inteligencia computacional (IC) o Soft Computing: Rama de la IA que consiste en el estudio de mecanismos adaptativos para permitir o facilitar el comportamiento inteligente de sistemas complejos y cambiantes.

La IC se basa en la utilización de heurísticas y computación para resolver problemas. Mientras que la IA ‘convencional’ (cuyas áreas clave son el razonamiento basado en casos, las redes bayesianas y los sistemas expertos) adopta un enfoque ‘de arriba abajo’ en el que la estructura de las soluciones está impuesta desde arriba, en la IC el enfoque es de ‘abajo arriba’, donde las soluciones ‘emergen’ desde un estado inicial sin estructurar.

Líneas de investigación y desarrollo:

Programación evolutiva (genética):

  • Normalmente se consigue una buena solución (que funciona bien) pero no la mejor solución.
  • Los fundamentos básicos de la programación evolutiva los puso John Holland en un libro escrito en 1962: “Algoritmos adaptativos”[*]

Redes neuronales:

  • Aprenden de la experiencia.
  • Son tolerantes a la pérdida de neuronas.
  • El conocimiento no se encuentra en un sitio concreto de la red, sino que se encuentra ‘difuso’ en la red neuronal. (Newell y Simon)

Redes neuronales artificiales (RNAs):

  • Redes superpuestas en varios niveles jerarquizados.
  • Es necesario ‘educar’ (entrenar) a las redes para que ‘aprendan’ (reconocimiento voz, etc.)
  • Auto organización: Una RNA crea su propia representación de la información en su interior, descargando al usuario de esto.
  • Tolerancia a fallos: Debido a que una RNA almacena la información de forma redundante, ésta puede seguir respondiendo de manera aceptable aun si se daña parcialmente.
  • Redes superpuestas en varios niveles jerarquizados.
  • Flexibilidad: Una RNA puede manejar cambios no importantes en la información de entrada, como señales con ruido u otros cambios en la entrada (ej. si la información de entrada es la imagen de un objeto, la respuesta correspondiente no sufre cambios si la imagen cambia un poco su brillo o el objeto cambia ligeramente)
  • Tiempo real: La estructura de una RNA es paralela, por lo cuál si esto es implementado con computadoras o en dispositivos electrónicos especiales, se pueden obtener respuestas en tiempo real.

Sistemas expertos: Un sistema experto es un programa que tiene almacenadas las reglas de lo que hace el experto humano. Se compone de dos ‘módulos’ separados:

  • Un motor de inferencia (análisis)
  • Una o más Base de Conocimientos.

Se utilizan ampliamente como ‘sistemas de apoyo’ en medicina.

Los sistemas expertos se encuadran en la IA simbólica.

Sistemas distribuidos: Sistemas en los que los componentes de hardware y/o software localizados en computadoras en red se comunican y coordinan sus acciones intercambiando mensajes (George Coulouris). Internet y la WWW son sistemas distribuidos.

IA distribuida: Estudia métodos y técnicas para la resolución de problemas mediante la cooperación de diversas entidades distribuidas, autónomas e inteligentes. La colaboración de unas entidades con otras produce comportamientos colectivos que resuleven problemas que si se abordan individualmente resultan irresolubles, o que proporcionan soluciones eficaces en cuanto a tiempo, velocidad o calidad. (las hormigas son un referente biológico -natural- de la inteligencia distribuida)

Agentes de Software: Un agente de software es una entidad autónoma (de software) que puede interactuar con su entorno. (Su antecedente son los ‘actores concurrentes’ propuestos por Carl Hewitt). Ver también: “Los agentes inteligentes entenderán el contenido de la web“, de Karma Peiró.

Sistemas multiagente: Sistemas en los que un conjunto de agentes cooperan, se coordinan y se comunican para conseguir un objetivo común. No es imprescindible que los agentes distribuidos sean ‘inteligentes’, la propia inteligencia puede obtenerse del conjunto, de la cooperación de ‘agentes tontos’.

Referentes: ‘inteligencia social’ o distribuida. Según algunos neurólogos, ‘la inteligencia es un subproducto de la relación social’. (E. Punset). Sociobiología.

Posible evolución de la IA.

Desde la perspectiva pesimista se argumenta que en tanto que la IA imita la inteligencia humana (biológica) será necesario avanzar en las neurociencias para que podamos conocer más y mejor el funcionamiento del cerebro (que se pretende imitar). Esa perspectiva puede actuar como la profecía que se cumple a sí misma: como no se cree posible no se investiga.

Sin embargo el argumento es debil: los humanos empezamos a volar mucho antes de entender siquiera como lo hacían las aves. Por el contrario, no se entendió correctamente la dinámica del vuelo en las aves hasta que no se avanzó en la aviación.

Perspectiva optimista: La IA es un proceso acumulativo que crece muy lentamente hasta llegar a un punto de inflexión a partir del cual el desarrollo es exponencial. La IA se alcanzará antes de 50 años.
¿Cómo será la IA?

  • En informática, ‘la descripción funcional’ en un lenguaje de altísimo nivel, ‘puede ser la función’.
  • Lógica difusa. (Bloques, sub-bloques, funciones, …)
  • Sistemas distribuidos (IA distribuida: Agentes de Software, Sistemas multiagente, solución dsitribuida de problemas, computación paralela, …)
  • Inteligencia de enjambres (swarm intelligence)

Algunas referencias:

Algunos blogs:

Y una cita:
“La palabra máquina nos invita a pensar en algo puramente mecánico, determinista. Pero la evolución artificial de las máquinas podría repetir en incluso superar lo que la evolución natural he hecho con la vida orgánica”. (Carlo Frabetti. http://blogs.publico.es/ciencias/296/maquinas-y-almas/)

ActualizaciónTimelines acerca del futuro de las Inteligencias Sintéticas
Published by Piscitelli on mayo 6, 2016:

 

 

 

Anuncios
comentarios
  1. Timelines acerca del futuro de las Inteligencias Sintéticas. (Alejandro Gustavo Piscitelli, mayo 6, 2016)

    Hay innumerables predicciones de lo que se viene (o vendría), los futuristas abundan, las promesas son infinitas, enormes instituciones desde la Rand Corporation hasta el Stanford Research International, o la propia compañia Shell creadora de la metodogía de los escenarios, se dedican a estos menesteres desde hace ya mas de medio siglo. Y en sus menúes incluyen el día en que los robots inteligentes pueblen la tierra. Sin embargo el momento del advenimiento de las Inteligencias Sintéticas siempre se corre hacia la derecha, a 30 o 50 años vista. Y cada vez que llegamos allí empezamos a contar de nuevo.

    ¿Se mantendrá indefinidamente esta carrera del gato contra el ratón?, ¿de la expectativa contra la amenaza>; ¿del deseo contra la realidad?

    Quizás si, quizás no. De advenir las inteligencias sintéticas serán como un ET intraterrestre. Todo podría pasar si el contacto se produjera. Desde lo sublime a lo trágico, desde una simbiosis que llevaría a sapiens hasta un nuevo plateau evolutivo, o directamente al preludio de la exterminación de la raza humana tal como la hemos conocido en los últimos 200.000 años.

    Mientras, oteando estos gráficos (y su fundamentación en las notas de las que han sido tomados, quizás podamos avanzar un milímetro mas en entender que la problemática de las IA es -como vimos en la sesión de trabajo de ayer en Dipolos Maguen – un Dipolo (temas, problemas o situaciones donde quienes piensan las antinomias en un extremo, tienen tanta razón como sus oponentes en el otro- de los mas complejos e inasibles que existen.

    Donde lo que abundan y no hacen falta son las opiniones “pop” sesgadas; donde las predicciones estallan y se convierten en pompas de jabón, donde lo que verdaderamente importa emerge donde allí nadie lo espera y con las consecuencias mas imprevisibles.

    Management & Technology Trends for IT Executives

    Desde hace mucho tiempo Gartner Group nos regala sus gráficos de las hiperexpectativas (Hype cycles) acerca de las tecnologías exponenciales y los aterrizajes forzosos que la realidad corporativa política y sobretodo humana les opone. Pero ver donde estábamos parados en hace apenas 1 año atrás nos dice mucho acerca de las promesas incumplidas pero también de las sorpresas no menos llamativas que ocurren en tiempos cada vez mas cortos.

    Science fact and science fiction: a timeline of AI

    Hace rato que el Test de Turing le saca chispas a las ovejas eléctricas de Philip Dick, cotejar lo que los robots pueden hacer hoy con lo que la ciencia-ficcion nos promete desde hace décadas, revela mucho acerca de la potencia de la fantasía humana, y de los anhelos de la ingeniería por complacerla.

    Artificial Intelligence Timeline

    Sin historia no hay futuro. Antes de engolosinarnos con las promesas de la s tecnologías emergentes tenemos que conocer mucho mas en detalle la historia de la IA, sus inviernos cíclicos y sus primaveras esplendorosas como las que estamos viviendo hoy con el machine learning. Que avanzó un montón pero esta aun muy lejos de lo que cultores como Pedro Domingos suponen al postula un master algorithm.

    Future human evolution

    El camino que lleva a las superinteligencias se dice de miles de modos distintos. la biología, la hipótesis Gaia, la conectómica; la Gran Singularidad tienen mucho que opinar, pero sobretodo hacer e intervenir para que esto se logre antes que después, si es que finalmente s elogia y si ello no termina con la raza humana.

    The AI Revolution: The Road to Superintelligence

    null

    Timelinefinal

    Como en el famosos acertijo del ajedrez las innovaciones epocales se producen a través de pequeños incrementos hasta que de pronto el mundo es otro, antes y después. No lo olvidemos cuando creemos que todo ocurrirá en su emdia y armoniosamente.
    AI timeline predictions: are we getting better?

    Los expertos concuerdan y masivamente coinciden en que en menos de 50 años vista ocurrirá el momento que Kurzweill, tanto y para el cual se procura denodadamente en forma personal ingiriendo píldoras y antioxidantes, anhela y que muchos otro temen para acelerara la creación de una mente superhumana. Tanta coincidencia sorprende y preocupa. ¿O no?

    The future of emerging technologies

    Por ultimo siempre situemos al futuro de la IA dentro de una ecología mas amplia. Casi seguro las hipótesis de David Gelertner y Gary Marcus son las mas convincentes dentro de una dirección tercerista. Las redes neuronales de 3 capas están a años luz de simular nuestra inteligencia. Sin cuerpo no habra superinteligencias (porque las que a nosotros nos interesan siempre vienen envaradas) y lo que hace falta en IA mas que en ningún otro lado es la psicología cognitiva. Es mas que probable que a partir de la IA podamos diseñar modelos de como funciona nuestro cerebro, que desde lo poco que sabemos de las neurociencias humanas podamos diseñar superinteligencias sintéticas como muchas veces se alega un tanto irresponsablemente por allí.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s