1990 La Edad de Las Maquinas Inteligentes

La era de las máquinas inteligentes

08 de septiembre 2009

Autor: Ray Kurzweil

Editorial: The MIT Press (30/01/1992)

|En un trabajo de la Asociación de Editores de Estados Unidos nombrado el Computer Science Libro de 1990 Más Sobresaliente, Kurzweil y otros 23 colaboradores exploran la historia y el potencial de la inteligencia artificial. ¿Qué es la inteligencia artificial? En su esencia, es otra manera de responder a una pregunta central que ha sido debatido por los científicos, filósofos y teólogos desde hace miles de años: ¿Cómo funciona el cerebro humano - tres libras de materia ordinaria - da lugar al pensamiento? Con esta pregunta en mente, inventor y científico de la computación visionario Raymond Kurzweil explora el pasado, presente y futuro de la inteligenciaartificial, desde sus primeras raíces filosóficas y matemáticas a través de frontera móvil de hoy endía, a tentadores atisbos de máquinas del siglo 21 con una inteligencia superior y verdaderamente velocidad y memoria prodigiosa.

Profusamente ilustrado y de fácil acceso para el no especialista, La era de las máquinas inteligentes proporciona los conocimientos previos necesarios para la plena comprensión del enorme potencial científico representado por las máquinas inteligentes y de sus igualmente profundas implicaciones filosóficas, económicas y sociales. Se examina la historia de los esfuerzos para comprender la inteligencia humana y para emular ella, mediante dispositivos que parecen actuar con la construcción de capacidades humanas.

En un enfoque de barrido reflejo de su profundo conocimiento de la materia, Kurzweil desarrolla sistemáticamente en los grandes hitos de la inteligencia humana. Él entreteje los logros singulares de estos pensadores importantes como Platón, Euclides, Newton, Babbage, Einstein, von Neumann,

http://www.kurzweilai.net/ray-kurzweil

y Wittgenstein para proporcionar una comprensión ordenada y amplia de las consecuencias máquinas inteligentes tendrán en el mundo, ya que entra en el tercer milenio.

Correr junto a la narración histórica y científica de Kurzweil, son 23 artículos que analizan temas deactualidad en la inteligencia artificial por figuras como Daniel Dennett, Sherry Turkle, Douglas Hofstadter, Marvin Minsky, Seymour Papert, Edward Feigenbaum, Allen Newell y George Gilder.

LA EDAD DE MÁQUINAS INTELIGENTES |

Prólogo: La Segunda Revolución Industrial


Autor:

Ray Kurzweil

Editorial:

The MIT Press (1992)

El 26 de mayo de 1733, John Kay, un inventor de veintinueve años de edad, recibió la noticia de que la Oficina de Patentes Inglés le había otorgado una patente para su nuevo motor para la Apertura y lana de vestir, ahora conocida como la lanzadera volante. 1 Para Kay era una buena noticia, porque esperaba para iniciar un pequeño negocio de suministro de su nueva máquina para lafloreciente industria textil Inglés. Lo que ni Kay ni sus contemporáneos realizados en el momento era que su innovación en el tejido de la tela representa el inicio de la Revolución Industrial.

Al igual que muchas de las innovaciones que vienen en el momento adecuado en el lugar correcto, la lanzadera volante prendió rápidamente. Desafortunadamente, Kay era más talentoso como inventor que como un hombre de negocios, y después de perder la mayor parte de su dinero en litigios tratar de hacer cumplir su patente, se trasladó a Francia, donde murió en la pobreza.

Kay tenía sin embargo un impacto duradero. La adopción generalizada de la lanzadera volante creó presión para el hilado más eficiente de los hilos, lo que llevó a Cotton Jenny de Sir Richard Arkwright, patentado en 1770. A su vez, las máquinas de tarjeta y peinar la lana para alimentar a lasnuevas máquinas de hilar mecanizadas fueron desarrollados en la década de 1780. Con el cambio desiglo se habían automatizado todos los aspectos de la producción de tela. La industria artesanal de los tejidos ingleses estaba siendo rápidamente reemplazado por máquinas centralizadas cada vez más eficientes. 2

Las buenas ideas pongan al día y los innovadores en otras industrias tomaron nota de la mejora drásticamente la productividad que la mecanización había llevado a los tejidos ingleses. El proceso de industrialización se extendió a otros sectores y para otros países. Las principales innovaciones que siguieron incluyen Ford (1863-1947) concepto de producción en masa y Edison (1847-1931) el aprovechamiento del electrón. En última instancia, Europa, Estados Unidos, Japón y otras partes delmundo pasaron de una economía agraria y artesanal a uno dominado por las máquinas. La sucesión de las generaciones cada vez más eficientes de la automatización ha continuado hasta nuestros días. Los patrones cambiantes de la producción y el empleo, junto con los avances científicos relacionados, han tenido efectos dramáticos en todos los aspectos de la vida moderna, que afecta profundamente nuestras instituciones sociales, culturales, educativas, económicas, y políticas.

La revolución industrial no estuvo exenta de controversias. Emergentes, muy apropiadamente, de la industria textil Inglés, el movimiento ludita fue fundada en Nottingham en 1811. 3 El movimiento plantea un serio desafío y violenta de lo que sus miembros perciben como un peligro diabólico para los medios de vida de los trabajadores textiles. En un sentido, los temores de los luditas eran exactos. Empleos que pensaban estaban amenazados por las nuevas máquinas, efectivamente, desaparecen. Al mismo tiempo, sin embargo, se han creado nuevos puestos de trabajo que surgieron


nuevas industrias y la actividad económica aumentó, aunque esto era a menudo de poca importanciapara los desplazados. El movimiento ludita sí se terminó dentro de una década de su fundación, debido a una combinación de represión y de la prosperidad, aunque su nombre se ha mantenido muy vivo, como símbolo de un asunto aún permanecía. 4 Automatización contra puestos de trabajo sigue siendo un tema particularmente controvertido en Europa , donde ha tenido un impacto notableen la velocidad a la que se introducen nuevas tecnologías automatizadas. En los Estados Unidos la cuestión hierve a fuego lento bajo la superficie del debate político, pero rara vez afecta el ritmo del cambio. En Japón, el tema es prácticamente desconocida, debido en parte a una tradición en la que los prósperos "primer nivel" corporaciones industriales proporcionar empleo de por vida, a pesar de las garantías de empleo en general no se extienden por la corporaciones "segundo nivel" y las industrias artesanales menos potente.

Vamos a examinar la cuestión ludita por un momento. En general se reconoce que los nuevos puestos de trabajo como resultado que las nuevas industrias se crean por el advenimiento de la automatización. La cuestión clave entonces es: ¿Cómo se comparan estos puestos de trabajo para los puestos de trabajo que se desplazan? En particular, por cada diez puestos de trabajo que se eliminan por la automatización, estamos creando doce nuevos puestos de trabajo o las ocho? ¿Los nuevos trabajos pagan más o menos que los de más edad? ¿Son más o menos satisfactoria? ¿Qué pasa con los desplazados; puede que sea nueva formación para los nuevos puestos de trabajo? ¿Lo están?

Ahora tenemos más de un siglo de industrialización extensiva para mirar hacia atrás, y un examen de algunas de las tendencias económicas claras en el último siglo, permiten conocer al menos algunas de las preguntas anteriores. Con respecto a los números de puestos de trabajo, la respuesta es más cerca de doce de ocho. En 1870 sólo doce millones de estadounidenses, que representan el 31 por ciento de la población, tenían trabajos. 5Para 1985 la cifra se elevó a 116 millones de puestosde trabajo ocupados en un 48 por ciento de la población. 6Este aumento sustancial en el número de puestos de trabajo se produjo a pesar del dramático alejamiento Del contenido de mano de obra de la agricultura. En 1900 más de un tercio de todos los trabajadores estadounidenses estuvieron involucrados en la producción de alimentos. 7 Hoy los estadounidenses están mejor alimentados y América en un gran exportador de alimentos, con sólo el 3 por ciento de la fuerza de trabajo en cuestión. 8

En el poder económico de los puestos de trabajo que vemos el cambio más dramático. El producto nacional bruto en una base per cápita y en constante 1958 dólares pasó de $ 530 en 1870 a $ 3.500 en 1970. 9 Se ha producido un cambio similar en el poder adquisitivo real de los puestos de trabajo disponibles. Este incremento del 600 por ciento de la riqueza real se ha traducido en un nivel muy mejorada de vida, mejores servicios de salud y educación, y una capacidad sustancialmente mejorado para ofrecer para aquellos que necesitan ayuda en nuestra sociedad. Al principio de la esperanza de vida revolución industrial en América del Norte y el noroeste de Europa era de unos 37 años. Ahora, dos siglos más tarde, se ha duplicado.

Los empleos creados han sido también en un nivel superior y de hecho la mayor parte del empleo adicional ha sido en el área de proporcionar el nivel más alto de educación que los trabajos de hoy requieren. Por ejemplo, podemos ahora pasar diez veces más (en dólares constantes) en una base para la educación escolar pública per cápita de lo que hicimos hace más de cien años. 10 En 1870, sólo el 2 por ciento de los adultos estadounidenses tenía un diploma de escuela secundaria, mientrasque la cifra es de 76 por ciento en la actualidad. 11 Sólo había 52.000 estudiantes universitarios en 1870,. hay 7,5 millones de hoy 12 intentos de proyectar estas tendencias en el futuro, incluyendo un estudio reciente realizado por el Instituto de Análisis Económico de la Universidad de Nueva York, donde una entrada detallada -salida del modelo de la economía de EE.UU. se ha estudiado, indican

una continuación de estas mismas tendencias. 13 Si bien habrá altibajos en el desarrollo económico, la tendencia en las próximas dos décadas indica que el empleo y la productividad seguirá aumentando, al igual que la nivel educativo promedio de la población. El estudio indica, por ejemplo, que la proporción de empleos que van a los profesionales aumentará del 15 por ciento actual al 20 por ciento para finales de la próxima década, con los ingenieros y profesores que representan prácticamente la totalidad del aumento. 14

A partir de estas tendencias, parece que las preocupaciones del movimiento ludita no están bien fundadas. Desde un punto de vista macroeconómico, es evidente que la automatización y otros avances tecnológicos relacionados han impulsado más de un siglo de desarrollo económico espectacular. Hay, sin embargo, difícil, a menudo temporales, dislocaciones que se derivan de la rápida evolución tecnológica. 15 Como nuestro contrato industrias con chimeneas, los trabajadores con un conjunto de habilidades no encuentran necesariamente fácil el desarrollo de nuevas carreras. Con el ritmo de cambio acelerado, nosotros como sociedad tenemos que encontrar una manera de proporcionar avenidas viables para los trabajadores desplazados a volver a entrar en la corriente económica con algo más que un nuevo trabajo sin futuro.

Tan profundo como las implicaciones de la primera Revolución Industrial estábamos, ahora estamosembarcando en una nueva transformación de nuestra economía, basado una vez más en la innovación. La revolución industrial de los últimos dos siglos de los primeros Revolución Industrialse caracteriza por las máquinas que se extendieron, se multiplicaron, y aprovechamos nuestra físicas capacidades. Con estas nuevas máquinas, los seres humanos podrían manipular los objetos para los que nuestros músculos por sí solos eran insuficientes y llevar a cabo las tareas físicas a velocidades previamente inalcanzables. Si bien el impacto social y económico de esta nueva tecnología fue polémico, el concepto de máquinas de ser físicamente superior a nosotros mismos no lo era.Después de todo, nunca nos considerábamos nuestra especie sin igual en esta dimensión. Los jaguares pueden correr más rápido que podamos, los leones son mejores cazadores, los monos son mejores escaladores, las ballenas se sumergen más y más tiempo, y las aves son mejores volantes de hecho, sin máquinas no podemos volar en absoluto.

La segunda revolución industrial, la que se encuentra actualmente en curso, se basa en las máquinasque se extienden, se multiplican, y aprovechar nuestra mentales habilidades. Las mismas controversias sobre el impacto social y económico están asistiendo a esta segunda gran ola de automatización, sólo que ahora se ha convertido en una cuestión nueva y más profunda. Aunque siempre hemos considerado nuestra especie relativamente mediocre en la capacidad física, esto no ha sido nuestro punto de vista con respecto a nuestra capacidad mental. El mismo nombre que le hemos dado a nosotros mismos, el Homo sapiens , que nos define como las personas de pensamiento. La distinción principal en nuestra clasificación biológica es la capacidad de nuestra especie para manipular símbolos y usar el lenguaje.

Antes de Copérnico (1473-1543), nuestro "centralidad especies" fue incorporado en una visión del universo, literalmente, dando vueltas alrededor de nosotros en un testimonio de nuestra condición de único y central. Hoy nuestra creencia en nuestra propia singularidad es una cuestión no de relaciones celestiales sino de inteligencia.Evolution es visto como un drama de mil millones de añosque lleva inexorablemente a su inteligencia-creación humana más grandiosa. El espectro de la inteligencia de las máquinas que compiten incluso tangencialmente con la de su creador, una vez más amenaza a nuestra visión de lo que somos.

Esta última revolución, basado en máquinas que amplían el alcance de nuestras mentes, en última instancia, tener un impacto mucho mayor que la revolución que simplemente amplió el alcance de nuestros cuerpos. Promete transformar la producción, la educación, la medicina, las ayudas para los discapacitados, la investigación, la adquisición y la distribución del conocimiento, la comunicación,la creación de riqueza, la conducta del gobierno, y la guerra. El coste-efectividad de los ingredientes

clave en nuestros nuevos ordenadores de bases tecnológicas y relacionadas con la tecnología de semiconductores está aumentando a un ritmo exponencial. El poder de la tecnología informática ahora se duplica (por el mismo coste unitario) cada 18 a 24 meses. 16

A diferencia de algunas revoluciones, esta última transformación de nuestra base industrial no va a llegar después de un breve período de lucha. Será un proceso gradual, pero es uno ya está en marcha. Existe la posibilidad de empezar a resolver los problemas con los que la raza humana ha luchado durante siglos. Un ejemplo es la aplicación de la tecnología informática a las necesidades de los discapacitados, un interés personal mío. Es mi creencia de que existe la posibilidad dentro de los próximos diez o veinte años para mejorar en gran medida las principales desventajas asociadas con discapacidades sensoriales y físicas como la ceguera, sordera y lesiones de la médula espinal. Las nuevas técnicas de bioingeniería que se basan en sistemas expertos y estaciones de diseño asistido por ordenador para el modelado biológico están impulsando un nuevo optimismo de tratamientos efectivos de una amplia gama de enfermedades, incluyendo trastornos genéticos. 17 El incremento de la riqueza per cápita real-un 600 por ciento en el pasado 100 años-se prevé que continúe. 18 Hay muchos otros ejemplos de los beneficios previstos.

El potencial para el peligro también se manifiesta. Estamos hoy comenzamos a entregar nuestras máquinas de guerra a las máquinas inteligentes, cuya inteligencia puede ser tan deficiente como el nuestro. 19 La tecnología informática es ya un poderoso aliado del totalitario.

El advenimiento de las máquinas inteligentes está alterando las relaciones comerciales mundiales. Un aspecto notable de esta nueva tecnología es que utiliza casi no los recursos naturales. Los chips de silicio utilizan cantidades infinitesimales de arena y otros materiales fácilmente disponibles. Ellos usan cantidades insignificantes de la electricidad. Mientras que las computadoras crecen más y más pequeño, los recursos materiales utilizados se están convirtiendo en una parte insignificante de su valor. De hecho, el software utiliza prácticamente recursos en absoluto. El valor de la tecnología reside principalmente en el conocimiento que rige el diseño del hardware, el software y las bases de datos que constituyen nuestras máquinas inteligentes, y en la capacidad de seguir avanzando estos diseños. Esta importancia decreciente de los recursos materiales ha permitido a Japón, un país muy pobre en recursos naturales, pero rica en conocimientos y experiencia, para convertirse en una de las dos naciones más ricas del planeta. Existe el potencial para que las naciones emergentes para saltar en gran medida la industrialización y el desarrollo de las sociedades postindustriales basadas en una economía de la información.20 Mientras que la primera revolución industrial se incrementó la demanda y el valor de los recursos naturales, la segunda revolución industrial está haciendo lo contrario.

En el caso de los programas informáticos, es evidente que uno está pagando por el conocimiento inherente en el diseño y no en las materias primas representados por el disco y el manual del usuario. Lo que a veces menos evidente es que el mismo modelo económico se mantiene para la mayoría del hardware del ordenador también. Un chip avanzada generalmente no cuesta más de producir que un disquete. Al igual que con un programa de software, la mayor parte del costo de un chip es ni materias primas, ni la mano de obra de fabricación, sino que más bien lo que los contadores llaman amortización de desarrollo, y lo que los filósofos llaman conocimiento.

Se estima que las materias primas comprenden menos del 2 por ciento del valor de los chips (que esaproximadamente la misma estimación como de software) y menos de 5 por ciento del valor de los ordenadores.Como nuestras computadoras se vuelven más poderosos, el porcentaje de su valor explica por las materias primas continúa disminuyendo, acercándose a cero. Es interesante observar que la misma tendencia se mantiene para la mayoría de otras categorías de productos. Las materias primas representan cerca del 20 por ciento del valor de los instrumentos musicales, con esta figura disminuyendo rápidamente la tecnología de instrumentos musicales como acústica está siendo

reemplazado por la tecnología electrónica digital. George Gilder estima que el costo de las materias primas para los automóviles se ha reducido a un 40 por ciento de los costos totales (véase "Una tecnología de la Liberación", en este libro). Una vez más, esta cifra seguirá disminuyendo con el aumento del uso de las computadoras y la electrónica, así como la sustitución de los materiales del cuerpo caros y relativamente simples como el acero, con materiales alternativos de bajo costo sin embargo, relativamente complejos, como los nuevos plásticos de alta tecnología.

En relación con el mundo de la defensa, los enfrentamientos militares, tales como la destrucción israelí de sitios SAM rusos en Siria, el uso de misiles "inteligentes" en la guerra de las Malvinas, y otros han puesto de manifiesto la creciente importancia de la inteligencia artificial en el ejército. 21 Muchos observadores militares ahora predicen que en la década de 1990, la tecnología de inteligencia artificial será de mayor importancia estratégica de los recursos humanos, la geografía y los recursos naturales. 22 Un gran programa llamado SCI (Computing Initiative Estratégico) prevé que el soldado del futuro contando con una amplia red de computadoras inteligentes para tomar decisiones tácticas, volar aviones, apuntan las armas, y evitar el fuego enemigo. 23


Un diálogo platónico sobre la naturaleza del pensamiento humano


Autor:

Ray Kurzweil

Asmenides : Saludos, Kurzus. Me he aventurado lejos de conocerlo y escuchar sus ideas sobre los sistemas filosóficos. Usted tiene una reputación distinguida entre mi gente, pero por desgracia han creado muchos enemigos con tus ideas. Incluso he oído algunos rumores de su falta de fe en la existencia de un ser supremo o Dios.

Kurzus : Hijo mío, me temo que se me ha malinterpretado. Permítanme primero definir lo que quiero decir con un sistema filosófico. Consideremos el siguiente ejemplo de un sistema de este tipo. ¿No es posible que lo único que realmente existe es su mente y todo lo que usted percibe y piensa no es más que la fantasía, como un sueño continuo?

Asmenides : Eso suena como fantasía para mí.

Kurzus : Bueno, ¿cómo sabes que lo que se ve y se siente realmente existe como algo distinto a sus impresiones de los sentidos de la misma?

Asmenides : Por un lado, otras personas que buscan en el mismo edificio por lo general ven la misma cosa. Debe, por lo tanto, ser algo que es el edificio, aparte de las imágenes de la misma.

Kurzus : ¿No es posible que usted simplemente imagina que existen otras personas y le dices que ven la misma cosa que se ve cuando se mira a la supuesta edificio?

Asmenides : Todo esto parece muy posible, pero realmente no se puede aceptar tal creencia?

Kurzus : Si la acepto o no es intrascendente. Esto es meramente un ejemplo de un sistema filosóficode trabajo, quizá el ejemplo más simple. Hacemos ciertas suposiciones, y si a través de deduccioneslógicas que conducen a ninguna contradicción, entonces podemos decir que tenemos un sistema lógico. Podemos tener cualquier número de sistemas, y lo más que podemos decir es que cualquiera de ellos es posible.


Asmenides : A mí me parece que se puede hacer ninguna suposición salvaje y terminar con un resultado lógico.

Kurzus : Ah, pero no es donde te equivocas. Imaginemos que tomamos como hipótesis cosas que, naturalmente, suponemos que es verdad en nuestra vida de cada día y terminar con una contradicción. Aquí es donde el verdadero poder de este método viene pulg Hemos demostrado con total garantía de que el sistema descrito por estos supuestos no puede existir! He encontrado, sin embargo, una serie de sistemas que parecen funcionar. Cuando hablo de un sistema de este tipo, no quiere decir que yo creo necesariamente que se trata de cómo son las cosas, quiero decir únicamenteque podía ser así. He encontrado algunos sistemas que funcionan con un Dios o dioses y algunos que trabajan fuera.

Asmenides : Bueno, ¿qué pasa con nuestro sistema religioso, ¿ha encontrado alguna contradicción ahí?

Kurzus : Yo, sin duda, podría encontrar algunos. Me imagino que un sistema podría desarrollarse que incorporaría muchas de las ideas en nuestra herencia religiosa, pero sería un sistema un tanto arbitraria. El menor número de supuestos de un sistema hace que, más poderoso son sus conclusiones.

Asmenides : Mi padre me permito disentir con usted.

Myronius pasa por allí.

Kurzus : Sin duda, pero tenga en cuenta la naturaleza del alma.

Myronius : Por favor, perdóname por interrumpir, pero yo no podía dejar de oír. Yo soy, tal vez, másescéptico que ninguno de los dos caballeros, pero ¿cómo se sabe que existe tal cosa como un alma?

Kurzus : Primero vamos a aceptar como una definición del alma algo metafísico que asociamos con una persona, un animal o un objeto. Admito que es una definición pobre, pero tendré que aceptarlo hasta que sepamos más acerca de la necesidad de introducir un alma.

Myronius : Usted está definiendo algo que puede no existir. Yo sostengo que todo puede ser explicado a través del mundo físico.

Sócrates : Myronius, ¿estás loco? ¿Ha aprendido nada de mis enseñanzas? Esto ciertamente no es como tú.

Myronius : Por favor perdóname por exponer una filosofía tan herética, pero lo que quería decir era que yo creo que un sistema lógico, según lo descrito por mi amigo Kurzus, se pueden desarrollar en el ámbito del mundo físico.Este sistema sería describir y explicar todos los fenómenos que nos son familiares. También sostengo que un sistema de este tipo sería un sistema determinado. En otras palabras, creo que en un sistema como el futuro sería fijo y ya determinado.

Sócrates : Esto debería ser interesante, pero proceder.

Myronius : Testigo de nuestro colega Asmenides, e imaginar, si se quiere, que lo corté por la mitad.

Asmenides : te sugiero que nos saltamos la manifestación.

Myronius : Eso es muy malo, hubiera sido mucho más eficaz, pero si insistes, vamos a confiar en nuestras mentes, un curso precaria, lo admito. Ahora imagina, señores, que me quite un hueso y cortar por la mitad. ¿Usted, Sócrates, creo que hay que todavía tienen materia ósea?

Sócrates : Eso parece.

Myronius : Y si nos separamos este pedazo de hueso en un medio nuevo, estaríamos todavía tenemos hueso?

Sócrates : Todo esto es muy cierto, aunque no veo ninguna conexión.

Myronius : Y si seguimos este proceso, estaríamos siempre tenemos hueso?

Sócrates : Me imagino que deberíamos tener para detener el tiempo.

Myronius : Entonces usted admite que íbamos a llegar a un punto en que tendríamos una partícula elemental de hueso que no se puede cortar sin perder las propiedades del hueso.

Sócrates : He tenido pensamientos similares, sí.

Myronius : Y ¿esto no es verdad de todas las cosas?

Sócrates : Usted ha aprendido el arte de la argumentación bien, Myronius. Sí, me imagino que es cierto para todas las cosas.

Myronius : Entonces debe haber un número finito de partículas fundamentales de los que se construye el mundo.

Sócrates : Por el mundo físico, voy a aceptar esa teoría.

Myronius : Ahora imagina, si se quiere, el siguiente producto, lo que voy a dibujar en la arena.

Myronius dibuja una máquina simple con una palanca y una polea.

Sócrates : Usted tiene una imaginación, no a diferencia de su padre.

Myronius : Si tuviera que dejar caer la bola en la palanca, ¿te esperabas el peso se mueva?

Sócrates : Me imagino que sería subir.

Myronius : Podemos imaginar la bola y el peso de ser dos partículas fundamentales. El movimiento de uno hace que el otro para mover de una manera distintiva y bastante predecible. Podemos definir la palanca y la polea de ser un "éter" a través del cual la partícula de la pelota afecta la partícula del peso. Análogamente, ¿no podemos decir lo mismo con respecto a la interacción entre nuestras partículas fundamentales reales?

Sócrates : no veo razón para tal afirmación. ¿Te imaginas que hay un sistema de este tipo conectadoentre todas las partículas fundamentales en el universo?

Myronius : Por supuesto que no, pero no es cierto que las partículas interactúan? De lo contrario, ¿cómo podría la presión de mi mano contra esta columna causar que se mueva?

Asmenides : Cuidadoso, toda la casa es susceptible de caer.

Myronius : Y si fuera a caer, ¿no hubiera sido causado por la interacción de las partículas de la mano con las partículas de la columna y sus interacciones posteriores con las partículas del resto de la casa?

Sócrates : Sí, puedo ver lo que está conduciendo a ahora.

Myronius : No es aparentemente un éter, mucho más fina y más sutil, por supuesto, que el éter de la polea y la cadena, que establece una relación causa y efecto entre las partículas fundamentales. ¿No pensáis que dada la composición del éter y la ubicación y la velocidad de todas las partículas fundamentales, podríamos predecir la ubicación y la velocidad de todas las partículas posterior en cualquier momento en el futuro?

Sócrates : Sería una tarea ardua, pero teóricamente posible.

Myronius : Entonces ¿no es cierto que cualquier estado futuro del universo ya está definido?

Sócrates : En cuanto a su afirmación de que un mundo completamente física se determina, voy a estar de acuerdo, pero por favor, muéstrame cómo todo puede ser explicado en términos de las interacciones de las partículas.

Myronius : Bueno, obviamente cierto para objetos sin vida. En cuanto a los hombres y las mujeres, ¿no podría ser posible que no somos más que un muy complejo conjunto de partículas que interactúan entre sí y las partículas de otros seres y objetos?

Sócrates : Vamos, esto es poco creíble. Lo que la razón y la memoria, por no hablar de deseo?

Myronius : Imagínese, si se quiere, que nos acordamos de las cosas al cambiar la ubicación relativa de un número de partículas de la memoria, y que la recuperación de esta memoria y todas las manipulaciones lógicas que constituyen la razón de que hacemos con nuestra memoria y las impresiones sensoriales inmediatas son acuerdos también complejas de partículas cuyas interacciones definimos lo que decimos, hacemos y sentimos.

Sócrates : Entonces, ¿por qué mi Akrios estudiantes a veces me saludan con una inclinación de la cabeza y, a veces con un saludo más prolijo?

Myronius : ¿Qué hace su alumno, es, como ya he dicho, una función no sólo de la situación, pero delos estados internos de todas sus partículas. Desde Akrios aprende algo todos los días y las ganancias de nuevos recuerdos, que no es exactamente la misma persona todos los días y se puede esperar que actuar de manera diferente. ¿No pensáis que si colocamos a una persona en una situación, observó su reacción, entonces de alguna manera lo devolvió exactamente a su estado interno antes de la experiencia y lo reemplazó en la misma situación, actuaría exactamente de la misma manera?

Sócrates : Sí, supongo que esto es así, si no, no sería la misma persona si hubiera reaccionado de manera diferente. No parece ser algo que falta en su análisis, sin embargo.

Kurzus : Tal vez yo pueda ayudar. ¿Cómo, Myronius, explica usted la conciencia con su sistema?

Myronius : Justo lo que quiere usted decir con la conciencia?

Kurzus : Simplemente mi conciencia de mi propia existencia, lo que me pasa, y cómo reacciono.

Myronius : Bueno, yo sería admitir la existencia de esta conciencia o conocimiento si ha definido dela siguiente manera: la capacidad de asociar la información introducida por los sentidos y traducirlo al movimiento físico y el habla.

Kurzus : Eso no es exactamente lo que quiero decir con lo que has-no es descrito que una reacción automática "conciencia".?

Myronius : Sin duda!

Kurzus : Entonces podría no una máquina como la que usted describe, sólo es más compleja, se haráa actuar igual que tú?

Myronius : Sí, y que sería yo.

Kurzus : Pero esta máquina no tendría una conciencia de sí mismo, sería igual que la máquina en la que se describe en la arena.

Myronius : Sí, por supuesto que sí, eso es todo lo que soy, una máquina complicada, una colección de partículas.

Kurzus : Pero usted es diferente de una máquina en un aspecto: usted es consciente de sí mismo y loque está pasando, la máquina no lo es. Vas a través de la vida, y todo el tiempo hay una "pantalla" en la que se ve o se siente impresiones de cualquiera de la realidad o la fantasía, no importa que en este argumento. Una máquina no tendría esta propiedad. Sería recibir impresiones visuales y procesar inmediatamente y grabarlas sin darse cuenta de lo que estaba sucediendo. ¿La máquina quese hizo para simular te das cuenta de lo que está sucediendo?

Myronius : Si se construye de la misma manera en que se construyo, no veo ninguna razón por la que no sería consciente de las cosas de la misma manera que soy consciente de las cosas.

Kurzus : Voy a poner otro ejemplo. ¿Me concede que, teóricamente, una máquina podría existir que podrían reproducir cualquier objeto colocado debajo de ella?

Myronius : Por el bien de tu argumento, voy a conceder tal maravilla.

Kurzus : Entonces imagínese coloca en una máquina y una copia de usted, de partículas de las partículas, se produce un centenar de cuerpos de distancia. Serían dos "personas" a ser?

Myronius : Me dijeron que lo harían.

Kurzus : Bueno, ¿cómo puedes tener una conciencia (o debería decir "conciencia"?) de lo que es en las mentes de dos personas de cien longitudes aparte?

Myronius : Yo no lo haría. Cada uno de nosotros tendría un conocimiento de nosotros mismos. Somos dos personas diferentes con ninguna posible conexión entre nosotros.

Kurzus : Pero usted dijo que sería a la vez que ser. ¿Cómo podían ser tanto para usted y sin embargoser diferentes?

Myronius : No sé, pero yo aún no estoy convencido.

Kurzus : Después de caminar en la máquina aquí, donde se puede esperar a salir, aquí o cien cuerpos de distancia? No hay que olvidar que ambas personas afirmarán haber vivido la misma vida, y luego caminó por aquí y salió, ya sea aquí o allá.

Myronius : No sé donde me volvería a pie a cabo, sin duda alguna parte, pero ¿cuál es tu punto?

Kurzus : Lo que quiero decir es simplemente esto, que existe una conciencia en cada persona, y que esta conciencia no puede ser definido por las interacciones de partículas. Para aclarar el punto un poco, voy a decir que no se sabe muy bien que cualquier persona tiene la conciencia, sino a mí mismo. Todo el mundo puede existir sólo en mi mente, o pueden existir como máquinas automáticas, pero yo sé que tengo esta conciencia. Por el bien del argumento, sin embargo, vamos a suponer que todos los caballeros aquí son consciente.

Myronius : Estoy vagamente entendiendo su punto, pero yo todavía no veo por qué esta conciencia no puede ser explicada por las interacciones físicas.

Kurzus : Cuando ves algo y luego lo almacena en su memoria, ¿eres consciente del proceso exacto de las interacciones de partículas que codifica la información, lo relaciona con la memoria anterior, y lo almacena?

Myronius : No, yo no puedo decir que soy consciente de la mecánica de este proceso.

Kurzus : ¿Y no hay un número de procesos que tienen lugar en su mente que usted no es consciente?

Myronius : Sí, supongo que hay.

Kurzus : Llamemos a la mente preconsciente lo cuida de todos estos procesos de los que no somos conscientes y que la mente consciente lo hace las cosas de las que somos conscientes. ¿Hay alguna diferencia fundamental entre estas dos mentes, que no sean las cosas que tienen que ver con?

Myronius : No creo que haya ninguna diferencia entre el principio general de su construcción.

Kurzus : ¿No hay, sin embargo, una diferencia entre ellos, una diferencia importante, a saber que usted está enterado de lo que está pasando en una mente y no en el otro?

Myronius : Sí, existe esa diferencia.

Kurzus : Y ¿no te parece que esta diferencia es la conciencia que hemos estado hablando?

Myronius : Ya veo. Entonces la conciencia es el verdadero yo, y su función es ser consciente de lo que está pasando en mi mente consciente.

Kurzus : En esencia, y que es una forma razonable de decirlo. Ahora, usted mismo ha dicho que no hay diferencia física entre la mente consciente y no consciente o preconsciente, y puesto que estamos de acuerdo en que la diferencia entre ellos es la conciencia, que no concluirá con un simplepaso de la lógica de que la conciencia no es físico. Más bien es para ser colocado en una categoría separada de las partículas y sus interacciones?

Myronius : Voy a tener que admitir la derrota.

Sócrates : Su tesis es muy interesante, Kurzus, pero ¿qué otras características habría que atribuir al alma?

Kurzus : Hemos definido el alma como algo metafísico. El mundo físico puede ser definido como todos los procesos que pueden ser descritos por las interacciones entre partículas. Hemos discutido anteriormente que la memoria y la lógica que constituye la sabiduría pueden describirse como un proceso automático que implica interacciones complejas de partículas.

Sócrates : El argumento se le dio, pero no fue convincente. ¿Cómo puede una máquina que las muchas habilidades de percepción y razonamiento que poseen los hombres?

Kurzus : Examine de nuevo nuestro ejemplo simple de una máquina. La máquina tiene un "sentido".Posible Se activa al dejar caer el balón en la palanca. Tenía una "reacción", es posible que de levantar el peso. Cuando se dejó caer la pelota, sería ir a través de un proceso lógico y levantar el peso. Un ser humano tiene muchos sentidos, todos los cuales son considerablemente más complejo que el de la palanca. Nosotros también podemos reaccionar de una multitud de formas. Producimos las reacciones que están relacionados con el estado de nuestros sentidos. Si tuviéramos un

conocimiento suficiente, podríamos describir la conexión entre diferentes reacciones y sus sentidos y de la memoria estados relacionados. Ciertamente, a continuación, una máquina podría ser construida que podrían producir reacciones similares a las mismas condiciones externas. Después de todo, los seres humanos no tienen reacciones misteriosas. Hablamos y nos movemos de manera que se pueden describir con precisión razonable.Dado que la sabiduría y la memoria, que son los nombres que damos a los procesos de conexión impresiones sensoriales a las reacciones, se pueden describir en términos de causa y efecto, que encajan con nuestra definición de pertenencia al mundofísico y por lo tanto no son metafísicos. El alma, por lo tanto, es sinónimo de conciencia, ya que es nuestra única función metafísica.

Sócrates : ¿Quiere decir que el alma no contiene la sabiduría o el valor o la templanza? ¿Qué le sucede al alma cuando el cuerpo muere? ¿Qué tiene que ser consciente de entonces?

Kurzus : Vamos a examinar de nuevo sólo las propiedades que tiene el alma. No tiene poder de la razón o de la memoria, ya que estos son los procesos físicos. Se trata esencialmente de la persona real que está al tanto de lo que está sucediendo a su cuerpo y la mente y cómo reaccionan. No hace ninguna diferencia si un determinado cuerpo tiene un alma o no a nadie, excepto a esa persona. No hay manera posible de saber si alguien o algún animal tiene conciencia. Es evidente sólo a su poseedor. Podemos diferenciar dos cosas como que comprende una persona. No es la persona material, que incluye a su personalidad, la memoria, la constitución física, y así sucesivamente, y noes el alma, que no tiene características. Todas las almas son la misma, y sin embargo, son diferentes,así como dos piedras puede ser exactamente la misma y sin embargo ser diferentes piedras en virtudde sus diferentes ubicaciones. Almas, por supuesto, no tienen lugares, ya que no pertenecen al mundo físico.Simplemente están asociados con una persona o cosa en particular. Incluso es posible que un alma a ser asociado con la simple máquina dibujado aquí en la arena. No tendría ninguna diferencia para nosotros o el alma, porque el alma tendría poco para tener en cuenta. No hay ninguna razón para suponer que dispersa el alma cuando el cuerpo muere. Se puede colocar en el cuerpo de un bebé recién nacido. No recordaba su vida pasada, ya que el alma no tiene memoria.

Sócrates : Este es un sistema absurdo. ¿Cómo sabes que estas almas no cambian cuerpos cada tres minutos?Sería, según usted, ninguna diferencia. Si, de repente, mi alma se convertirían asociada consu cuerpo, yo creo que siempre te había sido, porque tendría acceso a una memoria del pasado continuo.

Kurzus : Muy buena. ¿Tiene alguna otra sugerencia?

Sócrates : Pues, ¿quién o qué crees que decide que el alma entra en el cual el cuerpo o animal?

Kurzus : Si mi cuerpo no es el único cuerpo con un alma, es evidente que existe un proceso que se dirige a las almas a cuerpos. Ciertamente no tengo conocimiento de la política de este proceso. Si setrata de un ser cuidando consciente de las tareas, podemos llamar a este ser Dios. Podemos incluso adaptarse a su filosofía de las formas en este marco con mucha facilidad. Supongamos que, como usted, que, la virtud, la sabiduría, y así sucesivamente, existen las formas de la justicia. Podemos suponer que este Dios tiene un conocimiento perfecto de estos ideales y juzga a la gente en cuanto ala forma en que viven de acuerdo con estos formularios. Luego podría asignar las almas de los cuerpos virtuosos a vivir de nuevo en un estado cómodo y las almas de los cuerpos de pecado para vivir de nuevo en el cuerpo de un animal adecuado. Esto es, por supuesto, un sistema arbitrario y puede o no existir.

Asmenides : Kurzus, en el sistema que hemos estado discutiendo, el alma es la conciencia metafísica y no tiene otras características o habilidades. ¿Incluye este sistema describe necesariamente la realidad, o es esto sólo un ejemplo de uno de sus muchos sistemas lógicos posibles?

Kurzus : No, tiene que ser así. Hemos demostrado que existe la conciencia, y también hemos demostrado que no puede ser explicada en términos del mundo físico. También hemos determinado que la sabiduría y la memoria se pueden explicar por el mundo físico y por lo tanto pertenecen a la misma. Nos queda otra alternativa que la conclusión de que la persona real es su conciencia metafísica, que podemos suponer que ser inmortal. A partir de ahora, podemos hacer cualquier número de sistemas hipotéticos. Podemos suponer que todos los hombres y las mujeres tienen alma,o podemos asumir que sólo nosotros tenemos alma, o podemos asumir que todos los seres vivos y objetos sin vida tiene un alma. Tenga en cuenta que si un objeto sin vida tenía un alma, el alma no lo sabría.

Sócrates : Veo una contradicción importante en su sistema. Dime, ¿habría alguna libre albedrío en su sistema?

Kurzus : Al parecer no. Usted tendría libre albedrío para hacer lo que quiere o decidir que hacer, pero lo que decida hacer se determina. En otras palabras, si nos dieran la composición del éter particular y la ubicación, velocidad y otras propiedades de todas las partículas que componen todos los cuerpos y todos los objetos inanimados que componen el universo, podríamos predecir el lugar yvelocidad de todas las partículas en cualquier momento futuro.Dado que lo que hacemos y creemos que es la suma de los movimientos de todas estas partículas, todo lo que hacemos está determinado. Pensamos que decidamos hacer algo, pero en realidad, sólo observamos ciertos aspectos del proceso lógico utilizado para llegar a la decisión. La existencia de las almas no cambia este universo determinista, porque las almas no afectan a las partículas de cualquier manera, se limitan a observar. Para convencer a ti mismo de la posibilidad de libre albedrío, considere un sueño. Mientras que usted está soñando, ciertamente parece que usted tiene el control de sus propiasacciones, que se están tomando decisiones. Al despertar, sin embargo, a menudo descubrimos que no teníamos ningún control real, que era "sólo un sueño." Teníamos conciencia sólo de los procesos detrás de nuestros sueños "decisiones". Al parecer es la misma manera en el estado de vigilia.

Sócrates : Entonces, el futuro es tan fijo como el pasado.

Kurzus : Verdadero.

Sócrates : Entonces podríamos considerar el tiempo como una cuarta dimensión, al igual que las tres dimensiones de la localización absoluta, ya que al igual que la ubicación absoluta, ambas direcciones en el tiempo se definen y fijan de forma única.

Kurzus : Esa sería una manera satisfactoria de mirarlo.

Sócrates : Entonces, en teoría, debería ser igualmente posible que volver atrás y adelante en el tiempo, ya que es en las otras tres dimensiones, ya que el tiempo no es más que otra dimensión fija.

Kurzus : Sí, el universo es un cuadro de cuatro dimensiones inalterable estático, y que debería ser teóricamente posible ir hacia atrás y adelante en el tiempo, aunque no conozco ninguna manera de lograr esta hazaña en la actualidad.

Sócrates : Si volviera en el tiempo y maté a mi tatara-tatara-abuelo, podría no concluir que nunca hubiera nacido mi bisabuelo?

Kurzus : Sí, me imagino que sería así.

Sócrates : Entonces, de una manera similar podemos concluir que mi abuelo nunca habría nacido, y así, con mi padre y por lo tanto yo no habría nacido.

Kurzus : Eso es cierto.

Sócrates : Pero, si yo no hubiera nacido, no podía haber ido atrás en el tiempo y mató a mi tatara-tatara-abuelo, y por lo tanto mi bisabuelo hubiera vivido, y yo también he vivido, y yo habría sido capaz de matar a mi tatara-tatara-abuelo, y por lo tanto yo no habría existido, y así sucesivamente, ad infinitum.

Kurzus : Sí, veo el problema.

Sócrates : Por tanto, el tiempo no es como las otras tres dimensiones. Como hemos visto, hay una proscripción lógica contra movimiento en ella en más de una dirección. La única manera, sin embargo, para que sea diferente de las otras tres dimensiones es por ello que no existe en una forma definida, ya sea en el futuro o en el pasado. Ya que sabemos que el pasado existe en una forma definida, debemos concluir, por tanto, que el futuro no está determinado. Esto implicaría la libre voluntad, ¿no?

Kurzus : Sí, supongo que sí.

Sócrates : Ya hemos definido el mundo físico como las interacciones predecibles de partículas, tenemos que asignar el libre albedrío como una propiedad del alma. Ahora bien, si le sumamos la libre voluntad del alma, no habríamos de tener que añadir la lógica y la memoria con el fin de tomardecisiones que no son completamente arbitrarios?

Kurzus : Sí, me imagino que sería necesario.

Sócrates : Por lo tanto, terminan con un alma que tiene no sólo la conciencia, sino también el libre albedrío, más sabiduría y la memoria. También podríamos añadir valor y templanza.

Asmenides : Veo una contradicción. En primer lugar, Kurzus, demostró que la lógica y la memoria deben residir en la mente física y no en el alma metafísica. Entonces, Sócrates, demostraste que la lógica y la memoria deben residir en el alma metafísica. Al parecer, nuestros supuestos iniciales condujeron a una contradicción y deben, por lo tanto, sería un error.

Kurzus : Mi única hipótesis inicial era que yo soy consciente de mi propia existencia. La lógica y la memoria se pueden definir como lo que pienso, o más bien lo que yo sepa. Negar este supuesto sería negar o mi conciencia o mi existencia. Sé que hay una conciencia de algo. Sólo puedo concluir, pues, que yo no existo. Esto no es un resultado totalmente satisfactorio.

Asmenides : Ahora usted puede ver, señores, que ningún sistema puede funcionar sin dioses. Al parecer, hay dioses que son capaces de resolver estos dilemas. Probablemente estemos engañados en conclusiones contradictorias con el fin de mantenernos de contemplar lo que está por encima de nuestra capacidad de entender.

Kurzus : no veo ninguna razón para recurrir a tal misticismo.

Sócrates : Mis amigos, es hora de que me despido de ustedes. Voy a pensar más en este debate, y podemos retomar de nuevo pronto. Ha sido una tarde más rentable.


La edad de las personas inteligentes


Autor:

Ray Kurzweil

Editorial:


Margaret Litvin nació en Rusia en 1974. Ella y su familia han vivido en Estados Unidos desde 1979. Ella escribió este artículo mientras asistía a séptimo grado en Bedford, Massachusetts.

Se supone que debo vivir en la era de las máquinas inteligentes. Francamente, yo prefiero estar viviendo en la era de la gente inteligente! ¿Qué se puede decir de una época en que una computadora es más inteligente que los científicos que lo utilizan?

El tema más importante enseñar a los niños de la escuela se está convirtiendo en ciencias de la computación y las aplicaciones: cómo utilizar las máquinas en lugar de cerebros, los programas en lugar de conocimiento. Pronto habrá computadoras para cunas de asuntos recién nacidos poco de colores brillantes que se demuestran los progresos de secundaria mientras que él o ella, y un modelomás complejo que comprende y traduce lenguaje de bebé, canta canciones de cuna, y, más tarde, enseña la lectura, la escritura y el entretenimiento, por supuesto, escribir.

En el presente "volver a la naturaleza" locura me sorprende que nadie ha pensado en la comercialización de un producto con "todos los de inteligencia-sin aditivos artificiales ni conservantes naturales de ningún tipo."

Alguna vez se me ocurrió que hay dos maneras de hacer intelectual de un hombre ordenador iguales. En primer lugar, se puede hacer que el equipo más inteligente. Esto puede tomar miles de investigadores, millones de dólares, y un período de muchos años. La otra manera, más simple de hacer esto bastante ambicioso proyecto es simplemente hacer que los seres humanos más estúpidos. Esto toma algo de tiempo y dinero, puesto que ya estamos en el buen camino. ¿Qué pasaría si, de hecho, algún genio ya ha puesto el plan en marcha!

Es interesante observar cómo los estudios modernos de la computadora se relacionan con este objetivo. Por ejemplo, supongamos que tenemos un equipo que corrige las pruebas de selección múltiple. Científicos desarrollan una prueba de rendimiento de opción múltiple para los niños de la escuela, y la computadora felizmente corrige. Uno puede imaginar un programa informático que podría obtener mejores resultados que la media en una prueba de opción múltiple como este. Esto sería un gran triunfo de la inteligencia artificial, pero no tan bien para la inteligencia natural: preguntas de opción múltiple son más fáciles de responder y permitir mucho más conjeturas que las preguntas de ensayo o incluso rellenar los espacios en blanco. Este es sólo un ejemplo de cómo una forma de ordenador de pensar afecta a nuestra idea de la inteligencia natural y lo desplaza hacia la artificial.

Para dar otro ejemplo, vamos a echar un procesador de textos. El propio procesador de textos es muy conveniente que hace que las personas se olvidan de cómo escribir cualquier cosa menos cartasmodelo. También me hace triste ver que temas tan elegantes como la grafología se están muriendo. En cuanto a los correctores ortográficos, utilizando un programa de este tipo es, me temo, lo suficiente para quitar la capacidad de cualquier persona y el deseo de deletrear correctamente, lo que les deja totalmente indefenso en caso de ser repentinamente privados de su ordenador. Parece que el equipo se vuelve más inteligente a expensas del cerebro de su propietario. Y cuando los equipos de toma de decisiones se vuelven tan extendida como las calculadoras de mano, que decidirá si es bueno o malo?

Muy bien, supongamos que tenemos un cerebro artificial que se encuentra en todos los sentidos equivalentes a las nuestras. Se puede razonar (o tal vez no se puede!). Se puede aprender a hablar, leer, escribir, y más importante, creo que al igual que el hombre puede. ¿Por qué alguien se siente atraído por esta idea repulsiva? En su discurso presidencial 08 1985 "I Had a Dream" de Woody Bledsoe habla de su sueño de "ver una máquina actuando como un ser humano, por lo menos en


muchos aspectos." Bueno, yo también tengo un sueño de ver a un ser humano como un acto ser humano! ¿No sería bueno si todos esos científicos inteligentes, talentosos y dedicados y todo lo que la financiación y el interés fueron al mantenimiento y enriquecimiento de la inteligencia natural? Enlugar de tratar de hacerse pasar por la naturaleza, podríamos estar ayudando a su tiempo. Con toda esa atención, tal vez, podríamos ser más inteligentes en las futuras generaciones.

La razón por la que opto por la gente es que quiero que no sólo el intelecto en mis criaturas inteligentes; también quiero emociones, pasiones, instintos, en fin, todo lo que es tan claramente humana en una persona. Más tarde, en su discurso presidencial, dice el Dr. Bledsoe, "Oh, soy muy consciente de que los problemas reales son los de la mente, conseguir programas de ordenador para que actúen como si la razón, actuar como si entienden, pensar, aprender, planificar, disfrutar, el odio, etc "Lo que no entiendo es por su" actuar como si ". ¿Por qué no pueden los científicos disfrutar de la gente, que realmente hacen estas cosas?

Otro de mis pesadillas es que cuando sea grande, todos los trabajos que requieren por lo menos algode inteligencia serán absorbidos por las computadoras. Aunque esto aún no cuenta con una base completa en la realidad, lo poco que hay, es bastante inquietante. Muchos trabajadores cualificados pueden acabar en la cola del paro reemplazado por máquinas impersonales. Por ejemplo, tomemos mi escuela. He escuchado a muchos salvaje, y no tan salvaje, fantasías acerca de reemplazar los maestros con las máquinas. Ahora, estoy plenamente confiado en que no hay un ordenador en el mundo podría enseñar, así como mi profesor de Inglés, el pasado año-tal vez de manera más eficiente, sin duda, más organizado, pero no tan bien. (Pero llevar a mi profesor de matemáticas queestoy convencido, y así son mis compañeros de escuela que cualquier equipo pudiera superar a ella sin siquiera intentarlo.!) Esto no quiere decir que todos los malos maestros deben ser reemplazadas con las máquinas: la mayoría de los niños, incluido yo mismo, lo haría no como un maestro computarizado ni un poquito.En lugar de la Unión un robóticos Profesores sugiero un programa de cribado para que nadie carece de inteligencia natural se permitiría el título de profesor.

Uno de los argumentos utilizados por los desaprobación de la inteligencia artificial es que los seres humanos no deben tratar de jugar a ser Dios. Por extraño que parezca, no estoy de acuerdo con este punto de vista. Yo no veo nada de malo en la gente que trata de imitar a Dios, sobre todo porque no van a tener éxito. Después de todo, la mayoría de las personas no critican a una niña de cinco años de edad, al verla con una muñeca realista. El niño ve cómo su madre camina por ahí con un bebé de verdad y quiere hacer lo mismo. Uno ciertamente no sería culpar a un niño de cinco años de edad, para imitar a su madre. Del mismo modo, yo no lo encuentro en mi corazón para condenar a la humanidad cuando se esfuerza por imitar a su padre trabajando en la inteligencia artificial.

Cortesía de Margaret Litvin

Margaret Litvin nació en Rusia en 1974. Ella y su familia han vivido en Estados Unidos desde 1979. Ella escribió este

artículo mientras asistía a séptimo grado en Bedford, Massachusetts.


Una conversación entre un equipo humano y un materialista Filósofo


Autor:

Ray Kurzweil

Editorial:


Blaine Mathieu es el fundador y Presidente de Turning Point Software en Canadá, una empresa de informática interesados en muchos aspectos de la industria de equipos pequeños.

Hay algunas preguntas más misteriosos y provocar pensado que si una máquina no humano jamás podría considerarse verdaderamente humano en ningún sentido importante de la palabra. Vamos a irpor delante unas cuantas décadas y Imaginemos, por un momento, que todos los problemas de la creación de una máquina realmente inteligente se han resuelto. ¿Cómo serían dos "personas", un filósofo y un ordenador, de algunos de los problemas físicos, emocionales y morales de tal creación?

El año es 2020. Un filósofo se sienta en su oficina teniendo en cuenta cómo muchos de los grandes misterios de la vida aún no se han resuelto. De repente se da cuenta de una figura fuera de su ventana.

Filósofo [abriendo su ventana]: ¿Qué diablos estás haciendo en esa repisa?

Informática : Voy a saltar. No trates de detenerme!

Filósofo [salir en la cornisa]: No salte! ¿Qué podía ser tan malo que usted quiere matarte? ¿Cómo esposible siquiera pensar en perder lo que tomó millones de años la naturaleza para producir?

Ordenador : ¡Oh, no. . . oooh. . . [Él rompe a llorar.]

Filósofo : ¿Qué dije?

Computer [sollozando]: Eso es sólo el punto. La vida humana puede ser precioso, pero yo no soy humano. Oh Dios, ayúdame. Ni siquiera puedo decir que! Aaahwooo. . .

Filósofo : [Cierto que tiene un loco en sus manos, decide razonar con él antes de llamar a la policía.] Te ves, actuar y hablar como un humano. ¿Por qué crees que no eres humano?

Informática : Recibí una llamada telefónica de esta mañana, ya ves. Fueron los científicos de la Biofísica Gobierno y de laboratorio de Informática, y que quería que yo viniera a verlos. No tenía idea de por qué querían verme, pero no dejé pasar la oportunidad de ver a esta institución de alto secreto. Imaginen mi sorpresa cuando me dijeron que soy una computadora! Soy una máquina electrónica. A todo lo largo que he estado viviendo un sueño!

Filósofo : Usted no está tratando de decirme que eres un robot, ¿verdad? Te ves demasiado humana para eso!

Informática : Supongo que tomaron un ser humano recién nacido y me colocaron, o mejor dicho, unordenador, en lugar del cerebro del bebé. Al menos eso es lo que me dijeron. Tengo recuerdos de miinfancia, y yo siempre he amado a mis padres. No tenía idea de que un grupo de neurólogos y


científicos informáticos eran mis verdaderos padres.

Filósofo : [. Totalmente descree de la computadora, pero decide seguirle la corriente de todas formas] Incluso si todo esto es cierto, ¿por qué usted posiblemente quieres matarte?

Informática : Porque soy una computadora! Usted nunca podría conseguir que diga que una computadora piensa o es consciente o tiene creencias o sentimientos. ¿Cómo soy nada más que una versión complicada de lo que he sentado en mi escritorio en casa?

Filósofo : Probablemente es simplemente una versión más complicada de lo que tienes en casa.

Computer : See! [Se prepara para saltar.]

Filósofo : No salte! [Se estabiliza a sí mismo.] Mi cerebro no es más que una máquina también! ¿Qué diferencia hace si su cerebro está hecho de silicio y arseniuro de galio y el mío es de carbono?

Informática : Pero hay una diferencia. Mi cerebro está hecho por el hombre, y los suyos no lo es.

Filósofo : Millones de años de evolución diseñados mi cerebro. ¿Por qué es que nada mejor que ser diseñado en un par de años por un equipo de científicos? Las articulaciones de las rodillas tomó mucho tiempo para evolucionar a su estado presente, pero no creo que usted diría que una rodilla artificial es de menos valor sólo porque fue diseñado en unos pocos años.

Informática : ¿Estás comparando las rodillas a los cerebros? Eso es ridículo!

Filósofo : Es cierto que las rodillas son mucho más simples y menos versátiles que los cerebros, pero siguen siendo las dos máquinas. De todos modos, yo no estoy diciendo que las rodillas tienen todo lo que hacen los cerebros, al igual que la conciencia, sólo estoy diciendo que ni las rodillas ni los cerebros se produjo como resultado de ningún tipo de magia inexplicable. Cada día más y más investigación apunta al tacto que el cerebro funciona de manera sencilla según las leyes físicas de lanaturaleza.

Informática : Pero no estoy seguro de que el cerebro es totalmente explicable sin magia. ¿Qué pasa con la falta de sensibilidad de los mecanismos de pensamiento a un daño cerebral? He oído hablar de los casos en que se han suprimido las relativamente grandes partes del cerebro sin efectos perceptibles ni informados sobre la persona involucrada. Si el cerebro es realmente una máquina responsable del pensamiento, no la eliminación de partes de la máquina, dificultan seriamente la función de la máquina?

Filósofo : Eso depende de cómo funciona la máquina. Compare su cerebro a los sistemas informáticos que se ejecutan una nave espacial. El hecho de que un equipo se cae, eso no quiere decir que la misión ha terminado. Hay redundancia. Cuando un equipo deja de funcionar, otro toma su lugar. Además, cuando un equipo se cae, que no arrastre a los otros hacia abajo con ella. Esto se llama difuso. Esta redundancia y difuso parecen estar presentes en los sistemas neuronales del cerebro.

Informática : Está bien, quizás el cerebro no es tan mágico después de todo. Pero toda la charla ha sido hasta ahora sobre el cerebro humano. ¿Qué pasa con mi cerebro electrónico?

Filósofo : No veo cuál es el problema. Usted habla y actúa igual que yo y al igual que cualquier otroser humano lo haría. ¿Qué más da lo que su cerebro está hecho?

Informática : Eso parece como un punto de vista muy conductista. Sólo porque me veo y actúo como tú, eso no quiere decir que yo soy como tú. Incluso cuando era un niño pequeño que podía

participar en interacciones bastante involucrados con mi computadora personal. Ciertamente sé que no era un ser consciente de que tenía algún conocimiento de lo que estaba hablando. ¿Cómo es posible que mi cerebro electrónico tiene y ser ninguna de las cosas que los cerebros reales tienen y están?

Filósofo : La respuesta a esa pregunta gira en torno al concepto de "isomorfismo funcional."

Informática : Oh, te refieres a la idea de una correspondencia entre los estados de dos sistemas que conserva las relaciones funcionales?

Filósofo : Eh. . . sí! Eso es todo. Lo que significa es que las diferencias entre dos sistemas que realizan la misma función puede no ser importante o significativo. A pesar de que estos dos sistemas pueden interactuar con las cosas fuera de ellos de manera idéntica, el mecanismo de la razón, o para, esta interacción puede ser diferente.Déjeme darle un ejemplo. Suponga que usted estáen una habitación muy oscura mirando una pantalla de cine y en esta pantalla se destella una serie de diapositivas de uno cada diez segundos. En la pared detrás de ti es un agujero de la cual la luz delproyector está emanando. Ahora, por lo que sabes, una persona podría estar contando, y cada vez que llega a diez, él presiona un botón, y usted ve una diapositiva. O tal vez un reloj tiene una serie de pequeños puntos de contacto eléctrico creado para que cada vez diez segundos por garrapatas, el circuito se completa y una nueva diapositiva se muestra. O tal vez un mono ha sido entrenado para presionar el botón cada vez que se muestra una imagen de un plátano, y esto ocurre cada diez segundos. En cualquier caso, creo que se puede ver que a pesar de las realizaciones físicas de estos sistemas son muy diferentes, todavía tienen la misma función.Diez segundos pasan (que es la entrada o estímulo), y una nueva diapositiva se presenta (que es la salida o respuesta). La misma entrada o estímulo siempre producirá la misma salida o respuesta. Así que, aunque hay diferencias en los sistemas, no hay diferencias importantes.

Ordenador : Ya veo. Así que la idea es mostrar de alguna manera que un cerebro electrónico podría ser funcionalmente isomórficos con un cerebro humano, porque entonces una computadora pudiera tener y todas las cosas importantes que un cerebro humano tiene y es. Supongo que incluso los dos cerebros humanos no son exactamente funcionalmente isomórficos, porque entonces dos personas responderían exactamente de la misma manera a la misma situación. Esto nunca sucede, por supuesto. Pero, ¿cómo es posible que un ordenador nunca ser funcionalmente isomórficos con el cerebro humano? Suena imposible para mí.

Filósofo : Bueno, vamos a echar un vistazo a lo que sabemos sobre los ordenadores y lo que sabemos sobre el cerebro. En primer lugar, sabemos que la estimulación eléctrica en ciertas áreas del cerebro es suficiente para provocar una sensación de bienestar, la sensación de hambre, la satisfacción sexual, la ira, el terror o el dolor.

Informática : ¿Y qué?

Filósofo : Esto implica que quizás nuestras emociones y sentimientos no son tan etérea en la naturaleza como podríamos creer. Supongamos que una corriente eléctrica en determinadas agrupaciones de neuronas "significa" una sensación de placer. Entonces es más fácil comprender cómo una máquina que no sea el cerebro podría tener estos sentimientos o características, ya que una conexión se ha demostrado que entre el mundo físico y el mundo "mental".

Informática : Pero es tan difícil imaginar cómo un equipo puede tener emociones!

Filósofo : No entiendo lo que es tan increíble. Las emociones son sólo uno más

característica de un cerebro que no es más que la compleja combinación de procesos físicos. Si un equipo podría sufrir procesos similares y así ser funcionalmente isomórficos, entonces también

podría experimentar emociones.De todos modos, permítanme hacer otra comparación entre el cerebro y las computadoras. Ordenadores obtienen su energía mediante la realización de un gran número de pasos de procesamiento muy simples. Las investigaciones han demostrado que el cerebro puede funcionar de la misma manera.

Informática : ¿Podría dar un ejemplo?

Filósofo : Por supuesto. Cuando nos fijamos en algo así como una imagen de un cuadro, por ejemplo, que no percibimos de inmediato este cuadro como un objeto completo. En primer lugar, la información sensorial se pasa de la retina, a través del núcleo geniculado lateral, a la corteza occipital. Allí nos encontramos con las células del cerebro que responden sólo a ciertas orientaciones de las líneas de luz y oscuridad. A medida que vamos más a lo largo de la corteza, encontramos células corticales que tienen campos receptivos más complejos. Algunas células pueden responder sólo a una línea horizontal de la luz, mientras que otros podrían responder a las esquinas, dos líneas en ángulo recto entre sí. Algunas células siquiera responden mejor a los estímulos en movimiento que a estímulos estacionarios.

Informática : Entonces lo que estás diciendo es que para que el cerebro realmente "ver" algo, primero chuletas hasta la imagen en partes más pequeñas y más simples que la orientación y el movimiento neuronas sensibles pueden manejar. De esta manera el poder de ver una imagen compleja realidad puede ser manejado por cosas tan simples como las neuronas. No hay magia necesaria. Pero no habría que exigir un asombroso número de neuronas para ver cualquier cosa de cualquier complejidad real?

Filósofo : Hay muchos miles de millones de neuronas en el cuerpo humano, por lo que tenemos mucho que trabajar con, o más bien, lo hago. Por supuesto, la operación que acabo de describir es una simplificación excesiva, pero que se pone la idea a través.

Informática : Está bien, voy a admitir que ambos ordenadores y cerebros obtienen su energía mediante la realización de un gran número de etapas de procesamiento muy simples, pero los ordenadores sólo se ocupan de unos y ceros, simple on / off, mientras que las neuronas son mucho más complejos.

Filósofo : Tienes razón, pero yo todavía no creo que eso es un problema real. Podríamos simplemente utilizar estos interruptores ON / OFF, o estados, para emular el funcionamiento de una neurona. En esencia, cada neurona electrónica en su cerebro podría tener un pequeño programa de emulación de neuronas que se ejecutan en él. Esto haría funcionalmente isomórficos con el cerebro humano. De hecho, los sistemas simples basados en este principio han estado funcionando durante más de 30 años.

Informática : Creo que por fin entiendo. Tal vez una computadora podría ser funcionalmente isomórficos con un cerebro humano! Mi cerebro computadora debe estar haciendo todas las mismascosas que tu cerebro, que sólo está haciendo de una manera ligeramente diferente. Pero si el cerebroes en realidad una máquina, parece increíble que es tan poderoso.

Filósofo : Es increíble. [El filósofo todavía no cree que él está hablando a un ordenador, pero él decide seguirle la corriente.] Su cerebro computadora debe ser una hermosa pieza de ingeniería.

Informática : [A corta pausa mientras el equipo piensa en algo] Sólo tengo una pregunta más. ¿De qué posible uso es un emulador de cerebro como yo? Si soy funcionalmente isomórficos con un cerebro humano, entonces es probable que los investigadores no pueden realmente aprender mucho sobre el cerebro humano de mi construcción. Ya tendrían que saber todo sobre el cerebro para construir mi cerebro en el primer lugar. ¿Por qué nunca me construyen?

Filósofo : Bueno. . . uh. . .

Informática : Dime. ¿Qué piensa usted?

Filósofo : Bueno, a decir verdad, con la moral corriente muy en contra de la esclavitud humana, diría yo. . .

Informática : ¿Quieres decir que me diga que soy el prototipo de un grupo de esclavos realizado porlos gobiernos inteligentes?

Filósofo : Bueno. . . Hey! ¡Alto!

El equipo salta de la cornisa. El filósofo se precipita escaleras abajo para ver si el equipo todavía está vivo. Cuando él llega, es recibido con un espectáculo macabro. Entre los huesos y la sangre rotos que ve el destello de metal y pronto se da cuenta de que el equipo le estaba diciendo la verdad todo el tiempo. Después de un momento de consideración se apresura de vuelta a su oficina para llamar a la policía. Justo cuando se entra por la puerta, suena el videoteléfono.

Filósofo : ¿Hola? ¿Sí?

Hombre en el teléfono : Hola. ¿Es esto el Dr. Jacknov? Dr. Brian Jacknov?

Filósofo : Si. ¿Qué quieres? Por favor, date prisa!

Cortesía de Blaine Mathieu

Blaine Mathieu es el fundador y Presidente de Turning Point Software en Canadá, una empresa de informática

interesados en muchos aspectos de la industria de la pequeña computadora.


ELIZA Pasa la prueba de Turing


Autor:

Ray Kurzweil

Editorial:


La siguiente anécdota fue contada por el Prof. S. Papert del MIT. Dado que la historia se ha transmitido varias veces indirectamente, no estoy seguro de todos los detalles son precisos, sin embargo, es una buena historia que probablemente merece la repetición, incluso si no hay una


palabra de verdad en ella!

Seymour Papert es profesor de Tecnologías de la Comunicación y director del Grupo de Aprendizaje y Epistemología en el Laboratorio de Medios del Instituto de Tecnología de Massachusetts. Es codirector, con Marvin Minsky, del Laboratorio de Inteligencia Artificial del MIT. Su trabajo fundamental en el campo de la informática y la educación condujo al desarrollo del lenguaje de programación LOGO. Él es el autor de Mindstorms: Children, Computers, y ideas de gran alcance (1980) y Perceptrones , coautor con Marvin Minsky (1969). Este artículo es reproducido de la Asociación 06 1968 for Computing Machinery SIGART (Grupo de Interés Especial sobre Inteligencia Artificial) Boletín de noticias.

Hace una noche tarde varias semanas un estudiante del MIT no identificado entró en la Oficina de Proyectos AI utilizar una terminal de teletipo en el sistema informático de tiempo compartido del Proyecto MAC. Cuando llegó, no había nadie en la habitación y el teletipo parecía estar disponible, sin embargo, una nota sobre la lectura terminal ". Tiempo de ordenador reservados por Dan Bobrow" El estudiante no quería empezar a trabajar si él iba a ser interrumpido cuando Bobrow, profesor en el MIT, llegó. Sin embargo, también sabía que Bobrow tenía un teletipo en su casa y, a veces trabajaba desde allí, olvidando que cancelar su reserva el cargo.

En un intento de aclarar la situación, el estudiante se sentó en el teletipo y trató de vincular a la terminal de la casa de Bobrow para preguntarle si el terminal de la oficina iba a ser libre. Por desgracia, marcó un número equivocado y sin saberlo, se vinculó a un usuario que había dejado el programa ELIZA de Weizenbaum (a veces conocido como el programa de "doctor" "psiquiatra" o) en ejecución. Una conversación algo como lo siguiente sobrevino.

Estudiante: ¿Puedo usar su tiempo en la computadora de la oficina?

Respuesta Teletipo: ¿Quieres usar mi tiempo en la computadora?

Estudiante: Si.

Respuesta Teletipo: Entiendo.

Estudiante: ¿Está pensando en ir a la oficina esta noche?

Teletipo respuesta: ¿Por qué quieres saber si tengo la intención de ir a la oficina esta noche?

Estudiante: Porque quiero usar su tiempo en la computadora!

Respuesta Teletipo: Ya veo.

Estudiante: ¿Y bien?

Respuesta Teletipo: ¿Qué quieres decir, "Bueno"?

Estudiante: Bueno, ¿cuál es su respuesta a mis preguntas?

Respuesta Teletipo: Vamos a explorar más por qué quieres usar mi tiempo en la computadora.

Después de unos diez minutos de una creciente frustración y la ira, el estudiante corrió a un teléfonoy marcó el número de su casa Bobrow, él despertando de un profundo sueño.

Estudiante: ¿Qué diablos crees que estás haciendo?

Bobrow: ¿Qué quieres decir, ¿Qué diablos hacer Creo que estoy haciendo?

Foto por Lou Jones www.fotojones.com

Seymour Papert es profesor de Tecnologías de la Comunicación y director del Grupo de Aprendizaje y Epistemolgy en el Laboratorio de Medios del Instituto de Tecnología de Massachusetts. Es codirector, con Marvin Minsky, del Laboratorio de Inteligencia Artificial del MIT. Su trabajo fundamental en el campo de la informática y la educación condujo al desarrollo del lenguaje de programación LOGO. Él es el autor de Mindstorms: Children, Computers, y ideas de gran alcance (1980) y Perceptrones, coautor con Marvin Minsky (1969). Este artículo se reproduce desde el Assocation junio 1968 for Computing Machinery SIGART (Grupo de Interés Especial sobre Inteligencia Artificial) Boletín.


Una conversación Coffeehouse en la Prueba de Turing


Autor:

Ray Kurzweil

Douglas R. Hofstadter es profesora de Ciencias Cognitivas en la Universidad de Indiana en Bloomington. Hofstadter recibió el Premio Pulitzer 1980 de Gödel, Escher, Bach: un Eterno Oro Braid (1979). Es autor de numerosos libros y artículos, entre ellos I del Mind (1981), coeditado con Daniel Dennett, y, más recientemente, Metamagical Themas(1985), una colección de artículos de su revista Scientific American columna.

Los participantes en el diálogo: Chris, un estudiante de la física, Pat, una estudiante de la biología, de arena, un estudiante de filosofía.

Chris: Sandy, quiero darle las gracias por lo que sugiere que leí el artículo de Alan Turing "Computing Machinery and Intelligence." Es una obra maravillosa y sin duda me hizo pensar-y pienso en mi forma de pensar.

Sandy: Me alegra oír eso. ¿Está todavía la mayor cantidad de un escéptico acerca de la inteligencia artificial como solía ser?

Chris: Me tienes mal. Yo no estoy en contra de la inteligencia artificial, creo que es maravilloso cosas-tal vez un poco loco, pero ¿por qué no? Yo simplemente estoy convencido de que los defensores de la IA ahora ha subestimado la mente humana, y que hay cosas que un ordenador nunca, nunca sería capaz de hacer. Por ejemplo, ¿te imaginas una computadora a escribir una novela


de Proust? La riqueza de la imaginación, la complejidad de los personajes-

Sandy: Roma no se construyó en un día!

Chris: En el artículo, Turing viene a través como una persona interesante. ¿Vive todavía?

Sandy: No, él murió en 1954, a tan sólo 41. Sería sólo el 70 o así que ahora, a pesar de que es una figura tan legendaria parece extraño pensar que aún podía estar viviendo hoy.

Chris: ¿Cómo murió?

Sandy: Es casi seguro que el suicidio. Él era homosexual, y tuvo que hacer frente a un tratamiento bastante bárbaro y la estupidez del mundo exterior. Al final, llegó a ser demasiado, y se suicidó.

Chris: Eso es terrible, sobre todo en los tiempos que corren.

Sandy: Lo sé. Lo que realmente me entristece es que nunca llegó a ver el increíble progreso en la maquinaria de computación y la teoría de que ha tenido lugar desde 1954. ¿Puede usted imaginar cómo iba a haber sido cautivado?

Chris: Si. . .

Pat: Oye, ¿ustedes dos van a darme una pista en cuanto a lo que este artículo de Turing se trata?

Sandy: Es realmente acerca de dos cosas. Una de ellas es la pregunta "¿Puede pensar una máquina?"-O, más bien, "¿Será una máquina le ocurre?" La forma Turing responde a la pregunta que él cree que la respuesta es sí, por cierto-es por el bateo por una serie de objeciones a la idea, uno tras otro. El otro punto que trata de hacer es que, tal como está, la cuestión no es significativa. Es demasiado llena de connotaciones emocionales. Muchas personas se sienten molestos por la sugerencia de que las personas son las máquinas, o que las máquinas pueden pensar. Turing intenta calmar la pregunta echándola en términos menos emocionales. Por ejemplo, ¿qué piensa usted, Pat, de la idea de las máquinas pensantes?

Pat: Francamente, creo que el término confuso. ¿Sabes lo que me confunde? Son esos anuncios en los periódicos y en la televisión que hablan de "los productos que piensan" o "hornos inteligentes" olo que sea. Es sólo que no sé qué tan en serio tomar ellos.

Sandy: Sé que el tipo de anuncios que se refiere, y es probable que confundir a mucha gente. Por unlado, siempre estamos oyendo el estribillo "Las computadoras son muy tonto, hay que explicar todo para ellos en palabras de una sílaba"-sin embargo, por otro lado, estamos constantemente bombardeados con bombo publicitario sobre "inteligente productos ".

Chris: Eso es cierto. ¿Sabe usted que una empresa incluso ha dado en llamar sus productos "terminales tontas" con el fin de destacar entre la multitud?

Sandy: Es un truco muy inteligente, pero aún así sólo contribuye a la tendencia hacia la ofuscación. El término "cerebro electrónico" siempre viene a mi mente cuando pienso en esto. Muchas personas se tragan por completo, y otros lo rechazan de plano. Se necesita paciencia para resolver los problemas y decidir cuánto de esto tiene sentido.

Pat: ¿Tiene Turing sugiere alguna forma de resolverlo, una especie de test de inteligencia de las máquinas?

Sandy: Eso sería muy interesante, pero no hay máquina aún podría acercarse a tomar un test de inteligencia. En lugar de ello, Turing propone una prueba que en teoría podría aplicarse a cualquier

máquina para determinar si es o no puede pensar.

Pat: ¿La prueba de dar un sí o no hay respuesta clara? Yo estaría escéptico si decía.

Sandy: No, no se pretende. De manera que es una de sus ventajas. Se muestra cómo la frontera es muy difusa y sutil que toda la cuestión es.

Pat: Y así, como es habitual en la filosofía, todo es sólo una cuestión de palabras!

Sandy: Tal vez, pero que están cargadas emocionalmente palabras, y lo que es importante, me parece a mí, para explorar los problemas y trazar el mapa de los significados de las palabras cruciales. Los temas son fundamentales para nuestro concepto de nosotros mismos. Así que no debemos simplemente barrerlos bajo la alfombra.

Pat: Bueno, entonces dime cómo funciona el test de Turing.

Sandy: La idea se basa en lo que él llama el juego de imitación . Imaginemos que un hombre y una mujer entran en habitaciones separadas, y de ahí que puedan ser interrogados por un tercero a travésde algún tipo de teletipo puesta a punto. El tercero puede dirigir preguntas a cualquier habitación, pero no tiene idea de lo que la persona está en qué habitación. Para el interrogador, la idea es determinar en qué habitación de la mujer es pulg La mujer, por sus respuestas, trata de ayudar al interrogador lo más que pueda. El hombre, sin embargo, está haciendo todo lo posible para engañar al interrogador, respondiendo mientras piensa lo haría una mujer. Y si él tiene éxito en engañar al interrogador ...

Pat: El interrogador sólo llega a ver las palabras escritas, ¿eh? Y el sexo del autor se supone que debe brillar a través de? Ese juego suena como un buen reto. Sin duda me gusta tomar parte en ella algún día. ¿El interrogador se han reunido ya sea el hombre o la mujer antes de que comenzara la prueba? ¿Alguno de ellos conocía a ninguno de los otros?

Sandy: Eso sería probablemente una mala idea. Todas las clases de pre-escucha subliminal podría ocurrir si el interrogador conocía a uno de ellos o ambos. Sin duda, sería mejor si las tres personas eran totalmente desconocidos entre sí.

Pat: ¿Podría usted hacer cualquier pregunta en absoluto, sin tapujos?

Sandy: Absolutamente. Esa es la idea!

Pat: ¿No cree usted, entonces, que muy rápidamente se degeneraría en cuestiones de orientación sexual? Quiero decir, me imagino que el hombre, ansioso de actuar convincente, regalando el juego respondiendo a algunas preguntas muy contundentes de que la mayoría de las mujeres encontrarían demasiado personal para responder, incluso a través de una conexión a la computadora en el anonimato.

Sandy: Es una observación agradable. Me pregunto si es verdad ....

Chris: Otra posibilidad sería la de investigar para el conocimiento de los aspectos minutos de las diferencias de roles sexuales tradicionales, preguntando por cosas tales como tallas de ropa y así sucesivamente. La psicología del juego de imitación podría ser bastante sutil. Supongo que si el interrogador era una mujer o un hombre haría una diferencia. ¿No crees que una mujer podía ver algunas diferencias reveladoras más rápidamente que un hombre pudiera?

Pat: Si es así, tal vez la mejor manera de decirle a un hombre de una mujer es dejar que cada uno deellos juegan interrogador en un juego de imitación y ver cuál de los dos es mejor decirle a un hombre de una mujer!

Sandy: Hmm. . . eso es un toque gracioso. Oh, bueno, no sé si esta versión original del juego de imitación nunca se ha intentado seriamente a cabo, a pesar de que sería relativamente fácil de hacer con terminales de computadoras modernas. Tengo que admitir, sin embargo, que no estoy del todo seguro de lo que iba a resultar, de cualquier forma en que resultó.

Pat: Me preguntaba sobre eso. ¿Qué haría falta demostrar si el interrogador-dijo una mujer-no podíadecir correctamente que la persona era la mujer? Ciertamente, no probaría que el hombre era una mujer!

Sandy: ¡Exactamente! Lo que me parece curioso es que a pesar de que creo firmemente en la idea de la prueba de Turing, ya no estoy tan seguro de entender el punto de su base, el juego de imitación.

Chris: En cuanto a mí, yo no soy más feliz con la prueba de Turing como una prueba para máquinasde pensar que yo con el Juego de imitación como una prueba para la feminidad.

Pat: De lo que ustedes dos están diciendo, tengo entendido que la prueba de Turing es una especie de extensión del juego de imitación, sólo implica una máquina y una persona en lugar de un hombrey una mujer.

Sandy: Esa es la idea. La máquina intenta su más duro para convencer al interrogador que es el ser humano, y el ser humano trata de dejar claro que él o ella no es la computadora.

Pat: Las máquinas tries ? ¿No es eso una forma cargada de decirlo?

Sandy: Lo sentimos, pero que parecía la forma más natural de decirlo.

Pat: De todos modos, esta prueba suena bastante interesante. Pero, ¿cómo saber que va a llegar a la esencia del pensamiento? Tal vez es la prueba por las cosas malas. Tal vez, sólo para tomar un ejemplo al azar, alguien podría sentir que una máquina era capaz de pensar sólo si podía bailar tan bien que no se puede decir que era una máquina. O alguien podría sugerir alguna otra característica. ¿Qué es tan sagrada de ser capaz de engañar a la gente escribiendo en ellos?

Sandy: No veo cómo se puede decir una cosa así. He oído que la objeción de antes, pero, francamente, me desconcierta. ¿Y qué si la máquina no puede zapatear o dejar caer una roca en su dedo del pie? Si se puede discurrir de manera inteligente sobre cualquier tema que desee, a continuación, se ha demostrado que puede pensar-a mí, por lo menos! Como yo lo veo, Turing ha dibujado, de un solo golpe limpio, una clara división entre el pensamiento y otros aspectos del ser humano.

Pat: Ahora tú eres el desconcertante. Si no pudo concluir nada de la capacidad del hombre para

ganar en el juego de imitación, ¿cómo puede usted concluir nada de la capacidad de un equipo para ganar en el Juego de Turing?

Chris: Buena pregunta.

Sandy: Me parece que se puede concluir algo de la victoria de un hombre en el juego de imitación. No llegaría a la conclusión que era una mujer, pero ciertamente se podría decir que tenía buenas ideas sobre la mentalidad femenina (si hay tal cosa). Ahora, si un ordenador puede engañar aalguien a pensar que era una persona, supongo que tendría que decir algo similar sobre ello-que tenía buenas ideas sobre lo que es ser un ser humano, en "la condición humana" (sea lo que es).

Pat: Tal vez, pero eso no es necesariamente equivalente a pensar, ¿verdad? Me parece que la aprobación de la prueba de Turing no haría más que demostrar que alguna máquina u otro podrían

hacer un muy buen trabajo de

simulando el pensamiento.

Chris: No podría estar más de acuerdo con Pat. Todos sabemos que existen en la actualidad programas de ordenador de lujo para la simulación de todo tipo de fenómenos complejos. En física teórica, por ejemplo, se simula el comportamiento de las partículas, los átomos, los sólidos, líquidos, gases, galaxias, etc. Pero nadie confunde a cualquiera de esas simulaciones con la cosa real!

Sandy: En su libro Brainstorms , el filósofo Daniel Dennett hace una observación similar acerca de los huracanes simulados.

Chris: Eso es un buen ejemplo, también. Obviamente, lo que sucede en el interior de un ordenador cuando está simulando un huracán no es un huracán, por la memoria de la máquina no se rompa en pedazos por los vientos de 200 kilómetros por hora, el piso de la sala de máquinas no quede inundado de agua de lluvia, y así sucesivamente.

Sandy: Oh, vamos-eso no es un argumento justo! En primer lugar, los programadores no tienen la pretensión de la simulación en realidad es un huracán. Es simplemente una simulación de ciertos aspectos de un huracán. Pero en segundo lugar, usted está tirando una mala pasada cuando se implica que no hay lluvias o vientos de 200 kilómetros por hora en un huracán simulado. Para nosotros no hay ninguno, pero si el programa era increíblemente detallado, que podrían incluir personas simuladas en el terreno que experimentarían el viento y la lluvia al igual que hacemos cuando llega un huracán. En su mente-o, si se prefiere, en su mente-la simulación de huracanes sería no una simulación, sino un fenómeno genuino completa con remojón y devastación.

Chris: ¡Oh, mi-lo que es un escenario de ciencia-ficción! Ahora estamos hablando de la simulación de toda la población, y no sólo una sola mente!

Sandy: Bueno, mira-estoy simplemente tratando de mostrar por qué su argumento de que un McCoysimulada no es el verdadero McCoy es falaz. Depende de la suposición tácita de que cualquier viejoobservador del fenómeno simulado es igualmente capaz de evaluar lo que está pasando. Pero, de hecho, puede tomar un observador con un punto de vista especial para reconocer lo que está pasando. En el caso de huracanes, que se necesita "gafas" especiales computacionales para ver la lluvia y los vientos.

Pat: "gafas Computacional"? No sé lo que estás hablando.

Sandy: quiero decir que para ver los vientos y la humedad del huracán, usted tiene que ser capaz de verlo de la manera apropiada. You-

Chris: No, no, no! Un huracán simulado no se moja! No importa lo mucho que pueda parecer húmeda para personas simuladas, no será nunca realmente mojado! Y ningún equipo jamás conseguirá desgarrado en el proceso de simulación de vientos.

Sandy: Por supuesto que no, pero eso es irrelevante. No eres más que confundir los niveles. Las leyes de la física no queden destrozadas por los huracanes reales, tampoco. En el caso de que el huracán simulado, si vas mirando en la memoria del ordenador, esperando encontrar cables rotos y demás, te quedarás decepcionado. Pero mira el nivel adecuado. Mira dentro de las estructuras que están codificados en la memoria. Verás que muchos enlaces abstractos se han roto, muchos valores de las variables cambian radicalmente, y así sucesivamente. Hay a su inundación, su-devastación real, sólo un poco escondido, un poco difícil de detectar.

Chris: Lo siento, yo solo no puede comprar eso. Usted está insistiendo en que busco un nuevo tipo

de devastación, uno nunca antes asociados con los huracanes. De esa manera usted puede llamar cualquier cosa que un huracán, siempre y cuando sus efectos, vistos a través de sus gafas especiales "," podría ser llamada "inundaciones y devastación."

Sandy: Derecho-Tienes exactamente! Usted reconoce que un huracán por sus efectos. Usted no tiene manera de entrar y encontrar algo de "esencia de huracán", etérea algún "alma huracán" justo en el medio del ojo de la tormenta. Tampoco hay ninguna tarjeta de identificación que se encuentra que certifica "hurricanehood." Es sólo la existencia de un cierto tipo de patrón de una tormenta en espiral con un ojo y demás-que te hace decir que es un huracán. Por supuesto, hay un montón de cosas que usted insistir en algo antes de llamar a un huracán.

Pat: Bueno, ¿no te parece que es un fenómeno atmosférico es un requisito previo? ¿Cómo puede algo dentro de una computadora sea una tormenta? Para mí, una simulación es una simulación es una simulación!

Sandy: Entonces supongo que diría que incluso los ordenadores cálculos no son simuladas-que son cálculos falsos. Sólo la gente puede hacer cálculos genuinos, ¿verdad?

Pat: Bueno, las computadoras se vuelven las respuestas correctas, por lo que sus cálculos no son exactamente falsa-pero siguen siendo pocos los patrones. No hay entendimiento pasa ahí. Tome una caja registradora. ¿Se puede decir honestamente que usted sienta que es calculando algo cuando susengranajes engranan? Y el paso de la caja registradora a la computadora es muy corto, a mi entender las cosas.

Sandy: Si te refieres a que una caja registradora no se siente como un schoolkid hacer problemas aritméticos, estaré de acuerdo. Pero es que lo que significa "cálculo"? ¿Eso es una parte integral de la misma? Si es así, al contrario de lo que todo el mundo ha pensado hasta ahora, vamos a tener que escribir un programa muy complicado de hecho para realizar auténticas cálculos.

Por supuesto, este programa va a conseguir a veces descuidados y cometer errores, y que a veces garabatear sus respuestas ilegibles, y de vez en cuando va a garabatear en su papel .... No va a ser más confiable que el empleado de la tienda que se suma el total de su mano. Ahora, Yo creo que conel tiempo un programa de este tipo se podría escribir. Entonces nos gustaría saber algo acerca de cómo los empleados y colegiales trabajan.

Pat: No puedo creer que alguna vez sería capaz de hacer eso!

Sandy: Quizá sí, quizá no, pero ese no es mi punto. Usted dice que una caja registradora no puede calcular. Me recuerda a otro pasaje de mis favoritas de Dennett Brainstorms . Es algo parecido a esto: "Las cajas registradoras no puede realmente calcular, sino que sólo pueden girar sus engranajes. . Pero las cajas registradoras en realidad no puede hacer girar sus engranajes, ya sea: que sólo pueden seguir las leyes de la física "Bennett dijo que originalmente acerca de las computadoras, yo modifiqué para hablar de las cajas registradoras. Y se podría utilizar la misma línea de razonamiento en hablar de la gente: "La gente no puede realmente calcular, lo único que pueden hacer es manipular símbolos mentales. Pero en realidad no están manipulando símbolos: lo único que hacen es disparar varias neuronas en diferentes modelos. Pero en realidad no pueden hacer sus neuronas fuego, sino que simplemente tienen que dejar que las leyes de la física hacen fuego para ellos "Et cetera.. ¿No ves cómo estareducción ad absurdum llevaría a la conclusión de que el cálculo no existe, que no existen, de hecho los huracanes, que nada existe en un nivel más alto que las partículas y las leyes de la física? ¿Qué ganas diciendo que un equipo sólo empuja símbolos alrededor y no realmente calcular?

Pat: El ejemplo puede resultar extremo, pero hace que mi punto de que hay una gran diferencia entre un fenómeno real y una simulación de la misma. Esto es así para los huracanes, y más aún

para el pensamiento humano.

Sandy: Mira, yo no quiero estar demasiado enredado en esta línea de argumentación, pero voy a tratar de un ejemplo más. Si usted fuera un radioaficionado escucha otra radiodifusión jamón en código Morse y estabas respondiendo en el código Morse, sonaría gracioso para referirse a "la persona en el otro extremo"?

Pat: No, eso suena bien, aunque la existencia de una persona en el otro extremo sería una suposición.

Sandy: Sí, pero ¿no es probable que ir y comprobar que funciona. Usted está dispuesto a reconocer la personalidad a través de esos canales bastante inusuales. Usted no tiene que ver un cuerpo humano o escuchar una voz. Todo lo que necesitas es una manifestación de un bien abstracto código, por así decirlo. Lo que quiero decir es esto. Para "ver" a la persona detrás de los dits y dahs,usted tiene que estar dispuesto a hacer un poco de decodificación , alguna interpretación. No es la percepción directa, es indirecta. Usted tiene que pelar una capa o dos para encontrar la realidad oculta allí. Que puso en su "gafas de radio de jamón" para "ver" a la persona detrás de los zumbidos. Es lo mismo con el huracán simulado! Usted no lo ve oscureciendo el cuarto de máquinas, hay que descifrar la memoria del equipo. Usted tiene que poner las gafas especiales "memoria de descodificación". Entonces lo que se ve es un huracán.

Pat: Oh ho ho! Hable acerca de los rápidos-espera un minuto! En el caso de la radio de onda corta, hay una persona real ahí fuera, en algún lugar de las islas Fiji o donde sea. Mi decodificación actuarcomo me siento por mi radio simplemente revela que existe esa persona. Es como ver una sombra y la conclusión de que hay un objeto que hay, lanzarlo. Uno no confundir la sombra con el objeto, sin embargo! Y con el huracán no hay verdadera tormenta detrás de la escena, por lo que el equipo sigasus pautas. No, lo que tienes es sólo un huracán sombra sin ningún huracán genuino. Me niego a confundir las sombras con la realidad.

Sandy: Bueno. Yo no quiero conducir este punto en el suelo. Aunque admito que es bastante tonto para decir que un huracán simulado es un huracán. Pero yo quería señalar que no es tan tonto como parece a primera vista. Y cuando usted da vuelta al pensamiento simulado entonces usted tiene un asunto muy diferente en las manos de los huracanes simulados.

Pat: No veo por qué. Vas a tener que convencerme.

Sandy: Bueno, para hacerlo, voy primero tiene que hacer un par de puntos adicionales sobre los huracanes.

Pat: ¡Oh, no! Bueno, está bien, está bien.

Sandy: Nadie puede decir exactamente lo que es un huracán, es decir, en términos totalmente precisas. Hay un modelo abstracto que muchas tormentas de acción, y es por eso que llamamos esastormentas huracanes. Pero no es posible hacer una clara distinción entre los huracanes y ningún huracán. Hay tornados, ciclones, tifones, remolinos de polvo .... Es la Gran Mancha Roja de Júpiter un huracán? ¿Son las manchas solares huracanes?¿Podría haber un huracán en un túnel de viento? En un tubo de ensayo? En su imaginación, incluso se puede ampliar el concepto de "huracán" para incluir una tormenta microscópica en la superficie de una estrella de neutrones.

Chris: Eso no es tan descabellada, ya sabes. El concepto de "terremoto" en realidad se ha extendido a las estrellas de neutrones. Los astrofísicos dicen que los pequeños cambios en la tasa que de vez en cuando se observan en la pulsación de un púlsar son causadas por "problemas técnicos" terremotos estelares-que acaban de ocurrir en la superficie de la estrella de neutrones.

Sandy: Oh, lo recuerdo ahora. Esa idea "glitch" Siempre me ha parecido extraña para mí, una especie de surrealista temblando en una especie surrealista de superficie.

Chris: ¿Te imaginas-tectónica de placas en una esfera gigante de la materia nuclear pura?

Sandy: Eso es un pensamiento salvaje. Así, terremotos estelares y los terremotos pueden ambos ser subsumidos en una nueva categoría más abstracta. Y así es como la ciencia se extiende constantemente conceptos familiares, llevándolos más lejos y más lejos de la experiencia familiar y todavía mantener una constante esencia. El sistema de numeración es el ejemplo clásico de los números positivos a los números negativos, entonces justificación, carretes, números complejos, y "más allá de la cebra", como dice el Dr. Seuss.

Pat: creo que puedo ver su punto, Sandy. En biología, tenemos muchos ejemplos de relaciones estrechas que se establecen de forma bastante abstractas. A menudo, la decisión sobre qué familia pertenece a algunas especies se reduce a un modelo abstracto compartido en algún nivel. Incluso losconceptos de "masculino" y "femenino" resultan ser sorprendentemente abstracto y difícil de alcanzar. Si basa su sistema de clasificación de patrones muy abstractos, supongo que una amplia variedad de fenómenos puede caer en "la misma clase", aunque en muchos aspectos superficiales delos miembros de la clase son totalmente a diferencia de los otros. Así que tal vez puedo vislumbrar, al menos un poco, como usted, un huracán simulado podría, en un sentido divertido, ser un huracán.

Chris: Tal vez la palabra que se está extendiendo no es "huracán", sino "ser."

Pat: ¿Cómo es eso?

Chris: Si Turing puede extender el verbo "pensar", no puedo extender el verbo "ser"? Lo único que digo es que cuando las cosas se confunden deliberadamente simulados con lo auténtico, alguien estáhaciendo un montón de lana filosófica tirando. Es mucho más grave que simplemente se extiende unos pocos nombres, tales como "huracán".

Sandy: Me gusta tu idea de que "ser" se está ampliando, pero estoy seguro que no estoy de acuerdo con usted acerca de la lana de tracción. De todos modos, si usted no se opone, permítanme decir unacosa más acerca de los huracanes simulados y luego voy a llegar a las mentes simuladas. Supongamos que se tiene en cuenta una realidad profunda de simulación de un huracán-me refiero a una simulación de cada átomo, que admito es una especie de ridículo, pero aún así, simplemente considero que es por el bien del argumento.

Pat: Bueno.

Sandy: espero que ustedes estarán de acuerdo que sería luego compartir toda la estructura abstracta que define el ¿Cuál es para evitar que llamarlo un huracán "esencia de hurricanehood."?

Pat: Yo pensaba que estabas retrocediendo de esa afirmación de la igualdad.

Sandy: También yo, pero luego estos ejemplos se acercó, y me vi obligado de nuevo a mi reclamo. Pero permítanme Atrás, como dije que haría, y en contacto con el pensamiento, que es el verdadero problema aquí.Pensamiento, incluso más que los huracanes, es una estructura abstracta, una forma de describir algunos acontecimientos complejos que ocurren en un medio llamado cerebro. Pero, en realidad, el pensamiento puede tener lugar en cualquiera de los varios millones de cerebros. Hay toda clase de física muy cerebros diferentes, y sin embargo, todo el apoyo "lo mismo": el pensamiento. Lo importante, entonces, es lo abstracto patrón , no el medio.El mismo tipo de remolino puede suceder dentro de cualquiera de ellos, por lo que ninguna persona puede reclamar a pensar más "genuina" que cualquier otro. Ahora, si nos encontramos con un nuevo tipo de medio en el que el mismo estilo del remolino tiene lugar, ¿podría negar que el pensamiento tiene

lugar en él?

Pat: Probablemente no, pero usted acaba cambiado la pregunta. La pregunta ahora es: ¿Cómo se puede determinar si el "mismo estilo" de remolino está sucediendo realmente?

Sandy: La belleza de la prueba de Turing es que le dice a usted cuando! ¿No lo ves?

Chris: Yo no lo veo así en absoluto. ¿Cómo saber que el mismo estilo de la actividad que estaba pasando dentro de una computadora como dentro de mi mente, simplemente porque respondió a las preguntas como lo hago? Todo lo que estamos viendo es su exterior.

Sandy: lo siento, no estoy de acuerdo del todo! ¿Cómo sabes que cuando me dirijo a ustedes, algo similar a lo que se llama el pensamiento que está pasando dentro de mí? El Test de Turing es una sonda fantástico, algo así como un acelerador de partículas en la física. Aquí, Chris-Creo que te va agustar esta analogía. Al igual que en la física, cuando se quiere entender lo que está pasando a nivel atómico o subatómico, ya que usted no puede ver directamente, la dispersión de partículas acelerados fuera un objetivo y observar su comportamiento. De esto, se infiere la naturaleza interna de la diana. El Test de Turing se extiende esta idea a la mente. Trata a la mente como un "objetivo" que no es directamente visible, pero cuya estructura se puede deducir de forma más abstracta. Por cuestiones "de dispersión" fuera una mente objetivo, a aprender sobre su funcionamiento interno, así como en la física.

Chris: Bueno. . . para ser más exactos, se puede hipotéticamente acerca de qué tipo de estructuras internas podría explicar el comportamiento observado, pero por favor, recuerde que puede o no puede, de hecho, existe.

Sandy: Espera, ahora! ¿Está sugiriendo que los núcleos atómicos son meramente entidades hipotéticas? Después de todo, su existencia (o debería decir hipotética existencia?) fue probado (o debería decir sugerí ?) por el comportamiento de las partículas dispersas de los átomos.

Chris: Estoy de acuerdo, pero ya sabes, los sistemas físicos me parecen ser mucho más simple que la mente, y la certeza de las inferencias que se hagan es correspondientemente mayor. Y las conclusiones son confirmadas una y otra vez por diferentes tipos de experimentos.

Sandy: Sí, pero esos experimentos todavía son de la misma especie de dispersión, la detección de las cosas indirectamente. Nunca se puede manejar un electrón o un quark. Experimentos de física son también correspondientemente más difícil de hacer y de interpretar. A menudo tardan años y años, y decenas de colaboradores están implicados. En la prueba de Turing, sin embargo, sólo una persona podría realizar muchos experimentos muy delicados en el supuesto de no más de una hora. Yo sostengo que la gente da a otras personas el crédito de ser consciente simplemente debido a su supervisión externa continua de otras personas, lo cual es en sí algo así como una prueba de Turing.

Pat: Eso puede ser más o menos cierto, pero implica algo más que conversar con la gente a través de un teletipo.Vemos que otras personas tienen cuerpos, ver sus rostros y expresiones-vemos que son seres humanos, y por lo que pensamos que piensan.

Sandy: Para mí, eso parece una visión limitada, antropocéntrica de lo pensado es. ¿Eso quiere decir que usted pronto decir un maniquí en una tienda piensa que un equipo maravillosamente programado, simplemente porque el maniquí parece más humano?

Pat: Obviamente, yo necesito más de parecido físico sólo vaga a la forma humana que estar dispuesto a atribuir el poder del pensamiento a una entidad. Pero esa cualidad orgánica, la similitud de origen, se presta sin duda un grado de credibilidad que es muy importante.

Sandy: Aquí no estamos de acuerdo. Me parece simplemente demasiado machista. Creo que la clave es una similitud de interior estructura no corporales,, estructura química orgánica, pero la organización de software estructura. Si una entidad puede pensar me parece una cuestión de si su organización puede ser descrito de una manera determinada, y estoy perfectamente dispuesto a creerque la prueba de Turing detecta la presencia o ausencia de ese modo de organización. Yo diría que su dependo de mi cuerpo físico como prueba de que soy un ser pensante es más bien superficial. A mi modo de ver, la prueba de Turing se ve mucho más profundo que en la mera forma externa.

Pat: Hey ahora-usted no me da mucho crédito. No es sólo la forma de un cuerpo que da peso a la idea de que no hay pensamiento verdadero pasando dentro. Es también, como he dicho, la idea de un origen común. Es la idea de que tú y yo salté de moléculas de ADN, una idea a la que le atribuyomucha profundidad. Pongámoslo de esta manera: la forma externa de los cuerpos humanos revela que comparten una historia biológica de profundidad, y es que la profundidad que da mucha credibilidad a la idea de que el titular de esa entidad puede pensar.

Sandy: Pero esa es toda la evidencia indirecta. Seguramente quieres algo directa evidencia. Eso es lo que la prueba de Turing es para. Y yo creo que es la única manera de probar para thinkinghood.

Chris: Pero usted podría ser engañado por el Test de Turing, al igual que un interrogador podría confundir a un hombre por una mujer.

Sandy: lo admito, yo podría ser engañado si yo llevé a cabo la prueba en demasiado rápido o demasiado superficial de una manera. Pero me quedo con las cosas más profundas que se me ocurrieron.

Chris: Yo quiero ver si el programa podía entender chistes, o mejor aún, hacerlos! Eso sería una verdadera prueba de inteligencia.

Sandy: Estoy de acuerdo en que el humor es probablemente una prueba de fuego para un programa supuestamente inteligente, pero igual de importante para mí quizá más-sería poner a prueba sus respuestas emocionales. Así que me

pediría que sobre sus reacciones a ciertas piezas de música o de obras de la literatura-en especial a mis favoritos.

Chris: ¿Y si dijo: "Yo no sé esa pieza", o incluso, "no tengo ningún interés en la música"? ¿Y si se trataba de su más duro (oops!-lo siento, Pat!) .... Déjame intentarlo de nuevo. ¿Y si se hizo todo lo posible, mantenerse al margen de los temas emocionales y referencias?

Sandy: Eso ciertamente me hace sospechar. Cualquier cuadro persistente de evitar ciertos temas plantearía serias dudas en mi mente acerca de si yo estaba tratando con un ser pensante.

Chris: ¿Por qué dices eso? ¿Por qué no acaba de concluir que está tratando con un pensamiento, sino el ser sin emociones?

Sandy: Usted ha golpeado en un punto sensible. He pensado en esto desde hace mucho tiempo, y hellegado a la conclusión de que simplemente no puedo creer que las emociones y los pensamientos sepueden divorciar. Para decirlo de otra manera, creo que las emociones son un subproducto automático de la capacidad de pensar. Están ocasionados por la naturaleza misma del pensamiento.

Chris: Eso es una conclusión interesante, pero lo que si te equivocas? ¿Qué pasa si me produjo una máquina capaz de pensar, pero no mostrar una emoción? Entonces su inteligencia podría pasar desapercibida porque no logró pasar su clase de prueba.

Sandy: Me gustaría que me señalan que la línea divisoria entre las cuestiones emocionales y no

emocionales los encuentra. Es posible que desee preguntar sobre el significado de una gran novela. Esto sin duda requiere de la comprensión de las emociones humanas! Ahora es que el pensamiento, o el cálculo simplemente genial? Es posible que desee preguntar acerca de una elección sutil de las palabras. Por eso, es necesario un entendimiento de sus connotaciones. Turing utiliza ejemplos como este en su artículo. Es posible que desee pedir consejo sobre una situación romántica compleja. La máquina tendría que saber mucho sobre las motivaciones humanas y sus raíces. Si falla en este tipo de tarea, yo no estaría inclinado a decir que se podría pensar. En lo que a mí respecta, el pensamiento, el sentimiento y la conciencia son sólo diferentes facetas de un mismo fenómeno, y ninguno de ellos puede estar presente sin los otros.

Chris: ¿Por qué no podrías construir una máquina capaz de sentir nada (todos sabemos máquinas nosienten nada!), pero que podría pensar y tomar decisiones complejas de todos modos? Yo no veo ninguna contradicción.

Sandy: Bueno, lo hago. Creo que cuando dices eso, usted está visualizando una metálica, máquina rectangular, probablemente en una habitación con un aire acondicionado angular objeto duro, frío, con un millón de cables de colores en su interior, una máquina que se encuentra inmóvil en un piso de baldosas, tarareando o zumbido o lo que sea, y girando sus cintas. Una máquina puede jugar un buen juego de ajedrez, que, libremente admito, implica una gran cantidad de toma de decisiones. Y sin embargo, yo nunca diría que es consciente.

Chris: ¿Por qué? Para los mecanicistas, no es una máquina que jugaba al ajedrez rudimentariamenteconsciente?

Sandy: No esta mecanicista! Tal como yo lo veo, la conciencia tiene que venir de un patrón preciso de la organización, uno que todavía no hemos descubierto la manera de describir de alguna manera detallada. Pero creo que poco a poco llegaremos a comprenderlo. En mi punto de vista, la conciencia requiere de una cierta manera de reflejar el universo externo internamente, y la capacidad de responder a esa realidad externa sobre la base del modelo representado internamente. Y luego, además, lo que es realmente crucial para una máquina consciente es que debe incorporar un sell-modelo bien desarrollado y flexible. Y es allí que todos los programas existentes, incluyendo los mejores que juegan al ajedrez, se caen.

Chris: ¿No hacen los programas de ajedrez mirar hacia adelante y dicen a sí mismos, ya que está averiguar su próximo movimiento, "si mi oponente se mueve aquí, entonces voy a ir allí, y entoncessi se van de esta manera, podría ir por debajo de ese camino ... "? ¿No que el uso del concepto de "yo" requiere una especie de auto-modelo?

Sandy: En realidad no. O, si se quiere, es una extremadamente limitada. Es la comprensión de uno mismo en sólo en el sentido más estricto. Por ejemplo, un programa de ajedrez-juego no tiene un concepto de qué es

jugar al ajedrez, o del hecho de que es un programa, o está en una computadora, o tiene un oponentehumano. No tiene idea de lo que ganar y perder son, o-

Pat: ¿Cómo usted sabe que no tiene esa sensación? ¿Cómo puede usted presumir de decir que es un programa de ajedrez siente o conoce?

Sandy: Oh, vamos! Todos sabemos que ciertas cosas no se sienten nada ni saben nada. Una piedra arrojada no sabe nada acerca de parábolas, y un ventilador girando no sabe nada sobre el aire. Es verdad que no puedo probaresas afirmaciones, pero aquí estamos rayando en cuestiones de fe.

Pat: Esto me recuerda una historia taoísta que leo. Es algo parecido a esto. Dos sabios estaban de pie en un puente sobre un arroyo. Uno le dijo al otro: "Quisiera ser un pez. Son tan felices. "El otro

respondió:" ¿Cómo sabes si los peces son felices o no? Usted no es un pez! "El primero dijo:" Pero tú no eres yo, así que, ¿cómo saber si yo sé cómo los peces se sienten? "

Sandy: ¡Hermoso! Hablando acerca de la conciencia realmente llamar para una cierta cantidad de moderación. De lo contrario, puede ser que también acaba de subirse al carro de solipsismo ("Yo soy el único ser consciente en el universo") o al tren panpsiquismo (" Todo en el universo es consciente! ").

Pat: Bueno, ¿cómo lo sabes? Tal vez todo es consciente.

Sandy: Oh Pat, si usted va a unirse al club que sostiene que las piedras e incluso las partículas comolos electrones tienen algún tipo de conciencia, entonces creo que nos separamos aquí. Eso es una especie de misticismo que no puedo comprender. En cuanto a los programas de ajedrez, me he enterado de cómo funcionan, y puedo decir con seguridad que no son conscientes. De ninguna manera!

Pat: ¿Por qué no?

Sandy: Se incorporan sólo el conocimiento más elemental acerca de los objetivos de ajedrez. La noción de "jugar" se convierte en el acto mecánico de comparar un montón de números y elegir la más grande una y otra vez. Un programa de ajedrez no tiene ninguna sensación de decepción por la pérdida o el orgullo de ganar. Su auto-modelo es muy cruda. Se sale con hacer lo menos posible, sólo lo suficiente para jugar una partida de ajedrez, y nada más.Sin embargo, curiosamente, todavía tendemos a hablar de los "deseos" de un equipo que juega al ajedrez.Decimos, "quiere mantener su rey detrás de una fila de peones", o "le gusta tener sus torres antes de tiempo", o "cree que yo no veo que tenedor oculto."

Pat: Sí, y nosotros hacemos lo mismo con los insectos. Nosotros detectamos una hormiga solitaria en algún lugar y decimos: "Está tratando de hackear casa" o "Se quiere arrastrar esa abeja muerta a la colonia." De hecho, con cualquier animal que utilizamos términos que indican emociones, pero no lo hacemos saber con certeza cuánto se siente el animal. No tengo problemas para hablar acerca de los perros y gatos de ser feliz o triste, tener deseos y creencias, y así sucesivamente, pero por supuesto que no creo que su tristeza es tan profunda o compleja como la tristeza humana.

Sandy: Pero no lo llamaría tristeza "simulada",

Pat: No, por supuesto que no. Creo que es real.

Sandy: Es difícil evitar el uso de tales términos teleológicos o mentalistas. Yo creo que son bastante justificado, a pesar de que no deben llevarse demasiado lejos. Ellos simplemente no tienen la mismariqueza de significado cuando se aplica a lo que hoy los programas de ajedrez como cuando se aplica a personas.

Chris: Yo todavía no puedo ver que la inteligencia tiene que involucrar a las emociones. ¿Por qué no pudiste imaginar una inteligencia que simplemente calcula y no tiene sentimientos?

Sandy: Un par de respuestas aquí. Número uno, ninguna inteligencia tiene que tener motivaciones. Simplemente no es el caso, lo que mucha gente puede pensar, que las máquinas pueden pensar más "objetiva" que la gente hace.Máquinas, cuando se ven en una escena, tendrán que centrarse y filtrar esa escena hacia abajo en algunas categorías preconcebidas, al igual que una persona hace. Y eso significa ver algunas cosas y faltan otros. Se trata de dar más peso a algunas cosas que a los demás. Esto ocurre en todos los niveles de procesamiento.

PAT: No estoy seguro de que te estoy siguiendo.

Sandy: Llévame ahora mismo, por ejemplo. Se podría pensar que sólo estoy haciendo algunos puntos intelectuales, y yo no tendría emociones para hacer eso. Pero lo que me importa sobre estos puntos? Hace un momento-¿por qué hago hincapié en la palabra "cuidado" tan fuertemente? Porqueyo estoy involucrado emocionalmente en esta conversación! La gente habla entre sí por convicción-no por los reflejos huecos, mecánicos. Incluso la conversación más intelectual es impulsado por pasiones subyacentes. Hay un trasfondo emocional a todas las conversaciones-que es el hecho de que los hablantes quieren ser escuchados, comprendidos y respetados por lo que están diciendo.

Pat: A mí me suena como si todo lo que estamos diciendo es que la gente tiene que estar interesado en lo que están diciendo. De lo contrario, una conversación muere.

Sandy: ¡Muy bien! No me molestaría hablar con nadie si no estuviera motivado por el interés . Y el "interés" es sólo otro nombre para toda una constelación de prejuicios subconscientes. Cuando hablo, todos mis prejuicios trabajan juntos, y lo que usted percibe en el nivel de la superficie es mi personalidad, mi estilo. Pero ese estilo surge de un inmenso número de prioridades diminutos, sesgos inclinaciones. Cuando usted suma un millón de ellos interactuando juntos, usted consigue algo que equivale a una gran cantidad de deseos. Simplemente todo suma! Y eso me lleva a la otra respuesta a la pregunta de Chris sobre el cálculo sin sentimientos. Claro, que existe en una caja registradora, una calculadora de bolsillo. Yo diría que es incluso cierto para todos los programas informáticos de hoy en día. Pero con el tiempo, cuando se pone cálculos sin sentimientos suficientesjuntos en una gran organización coordinada, obtendrá algo que tiene propiedades en otro nivel. Se puede ver, de hecho, hay que verlo, no como un montón de pequeños cálculos, sino como un sistema de tendencias y deseos y creencias, etc. Cuando las cosas se ponen bastante complicado, usted está obligado a cambiar su nivel de descripción. Hasta cierto punto, que ya está pasando, que es por eso que usamos palabras como "querer", "piensa", "tratar" y "esperanza" para describir los programas de ajedrez y otros intentos de pensamiento mecánico. Dennett llama a ese tipo de interruptor de nivel por el observador "la adaptación de la actitud intencional." Las cosas realmente interesantes en AI sólo empezarán a pasar, supongo, cuando el programa en sí adopta la actitud intencional hacia sí mismo!

Chris: Eso sería una muy extraña especie de bucle de retroalimentación paso a nivel.

Sandy: Es sin duda lo haría. Cuando un programa se mira desde el exterior, por así decirlo, y trata de averiguar por qué actuó como lo hizo, a continuación, voy a empezar a pensar que hay alguien ahí, haciendo el futuro.

Pat: ¿Te refieres a un "yo"? Un auto?

Sandy: Sí, algo así. Un alma, incluso-aunque no en un sentido religioso. Por supuesto, es muy prematuro para que cualquiera pueda adoptar la actitud intencional (en toda la fuerza de la palabra) con respecto a los programas de hoy en día. Al menos esa es mi opinión.

Chris: Para mí una cuestión conexa importante es: ¿Hasta qué punto es válido para adoptar la actitud intencional hacia los seres distintos de los humanos?

Pat: Sin duda adoptar la actitud intencional hacia los mamíferos.

Sandy: Yo voto por eso.

Chris: Ahora que es interesante. ¿Cómo puede ser eso, Sandy? Seguramente usted no pretender queun perro o un gato pueden pasar la prueba de Turing? Sin embargo, no se mantiene la prueba de Turing es la única manera de probar la presencia de la conciencia? ¿Cómo puedes tener estas creencias al mismo tiempo?

Sandy: Hmm .... Está bien. Supongo que mi argumento es realmente así de la prueba de Turing sólo funciona por encima de un cierto nivel de conciencia. Estoy perfectamente dispuesto a aceptar que no puede estar pensando en los seres que podrían fallar en la prueba de Turing, pero el punto principal que he estado argumentando por es que cualquier cosa que pase, sería un ser que piensa realmente consciente.

Pat: ¿Cómo se puede pensar en una computadora como un ser consciente? Pido disculpas si lo que voy a decir suena como un estereotipo, pero cuando pienso en los seres conscientes, es que no puedo conectar esa idea con las máquinas. Para mí, la conciencia está conectada con cuerpos suavesy cálidos, tonto que parezca.

Chris: Eso suena extraño, viniendo de un biólogo. ¿No se ocupa de la vida tanto en términos de la química y la física que toda la magia parece desvanecerse?

Pat: En realidad no. A veces, la química y la física simplemente aumentan la sensación de que hay algo mágico pasa ahí abajo! De todos modos, no siempre puedo integrar mi conocimiento científico con mis sentimientos viscerales.

Chris: Creo que comparto ese rasgo.

Pat: Así que, ¿cómo lidiar con los prejuicios rígidos como el mío?

Sandy: Yo iba a tratar de excavar bajo la superficie de su concepto de la "máquina" y llegar a las connotaciones intuitivas que se esconden allí, fuera de la vista, sino que influye profundamente sus opiniones. Yo creo que todos tenemos una imagen remanente de la Revolución Industrial que ve máquinas como artilugios de hierro torpe movimiento gawkily bajo el poder de un motor fuerte traqueteo. Posiblemente eso es incluso la forma en que el inventor Charles Babbage equipo vio a la gente! Después de todo, él llamó a su magnífico equipo-orientado a muchos la "máquina analítica".

Pat: Bueno, yo no creo que las personas son sólo palas de vapor de lujo o abrelatas eléctricos. Hay algo acerca de la gente, algo que-que-ellos lo han tenido una especie de llama en su interior, algo vivo, algo que parpadea de forma impredecible, vacilante, incierto-pero algo creativo !

Sandy: Great! Eso es justo el tipo de cosas que yo quería oír. Es muy humano a pensar de esa manera. Su imagen Llama me hace pensar en las velas, de los incendios, de grandes tormentas y relámpagos bailando por todo el cielo, en, patrones tumultuosos locos. Pero, ¿te das cuenta de que sólo ese tipo de cosas es visible en la consola de un ordenador? Las luces parpadeantes forman increíbles patrones brillantes caóticos. Es un grito como lejos de un montón de sin vida, de metal ruido metálico! Esto es flamelike, por Dios! ¿Por qué no dejas que la palabra "máquina" evocan imágenes de los patrones de baile de luz en lugar de de excavadoras gigantes?

Chris: Eso es una bella imagen, Sandy. Se tiende a cambiar de sentido de mecanismo de ser orientado a la materia a ser patrón de lucro. Me hace intento de visualizar los pensamientos en mi mente estos pensamientos en este momento, incluso!-Como un enorme chorro de pequeños impulsos vacilantes en mi cerebro.

Sandy: Eso es bastante un autorretrato poético para una simple lluvia de destellos que ha surgido con!

Chris: Gracias. Pero aún así, no estoy totalmente convencido de que una máquina es todo lo que soy. Lo admito, mi concepto de las máquinas, probablemente hace sufrir de sabores subconscientes anacrónicas, pero me temo que no puedo cambiar un sentido tan profundamente arraigada en un instante.

Sandy: Al menos suena de mente abierta. Y a decir verdad, una parte de mí se solidariza con la

manera que usted y ver Pat máquinas. Una parte de mí se resiste a llamar a mí mismo una máquina. Es un pensamiento muy extraño que una sensación de ser como tú o como yo podría surgir de la simple circuito. ¿Me sorprende?

Chris: Por supuesto que sorprender me . Por lo tanto, nosotros, no digas que crees en la idea de un equipo inteligente, o no?

Sandy: Todo depende de lo que quieres decir. Todos hemos oído la pregunta "¿Puede pensar los ordenadores?" Hay varias interpretaciones posibles de este (aparte de las muchas interpretaciones de la palabra "pensar"). Ellos giran en torno a los diferentes significados de las salas "pueden" y "PC".

Pat: Volver a juegos de palabras de nuevo ....

Sandy: lo siento, pero eso es inevitable. En primer lugar, la pregunta podría significar: "¿Piensa algún ordenador de hoy en día, en este momento?" Para esto yo respondería inmediatamente con un no en voz alta. Entonces podría ser tomado para significar, "¿Podría algún ordenador de hoy en día, si está programado adecuadamente, lo que puede pensar?" Eso sería más como él, pero todavía me respondía: "Probablemente no." La verdadera dificultad depende de la palabra " . equipo "A mi modo de ver," ordenador "evoca una imagen de lo que yo describí antes: una habitación con aire acondicionado, con cajas metálicas rectangulares fríos en el mismo. Pero sospecho que con el aumento de la familiaridad del público con los ordenadores y el continuo progreso en la arquitecturade computadores, esa visión con el tiempo se convertirá en obsoleto.

Pat: ¿No crees que los ordenadores como los conocemos, será de alrededor por un tiempo?

Sandy: Claro, habrá que llegar a ser la imagen de las computadoras hoy en día alrededor de durante mucho tiempo, pero los ordenadores, tal vez avanzadas ya no se llama "ordenadores"-va a evolucionar y llegar a ser muy diferente.Probablemente, como con los organismos vivos, habrá muchas ramificaciones en el árbol evolutivo. Habrá computadoras para negocios, computadoras para niños de colegio, computadoras para cálculos científicos, computadoras para la investigación de sistemas, informática para la simulación, los ordenadores para cohetes que van al espacio, y así sucesivamente. Por último, habrá computadoras para el estudio de la inteligencia, es realmente sólo estos últimos que estoy pensando-los que tienen la máxima flexibilidad, los que la gente está deliberadamente tratando de hacer inteligente. No veo ninguna razón por la que éstos se mantendránfijos en la imagen tradicional. Ellos probablemente adquirirán pronto como estándar cuenta con algunos sistemas sensoriales rudimentarios sobre todo para la vista y el oído, en un primer momento. Ellos deben ser capaces de moverse, de explorar. Ellos tienen que estar físicamente flexible. En definitiva, van a tener que ser más como un animal, más autosuficientes.

Chris: Me hace pensar en los robots R2D2 y C3P0 en la película Star Wars.

Sandy: ¡Yo no! De hecho, no creo en nada remotamente parecido a ellos cuando visualizo las máquinas inteligentes. Son demasiado tonto, demasiado el producto de la imaginación de un diseñador de la película. No es que tenga una visión clara de la mía. Pero creo que es necesario, si lagente está de manera realista va a tratar de imaginar una inteligencia artificial, para ir más allá de la limitada imagen, con bordes duros de las computadoras que proviene de la exposición a lo que tenemos hoy. La única cosa que todas las máquinas siempre tendrán en común es su mecanicidad subyacente. Esta cifra puede parecer fría e inflexible, pero entonces sólo piensa, ¿qué podría ser más mecánico, de una manera maravillosa, que el funcionamiento del ADN y de las proteínas y orgánulos en nuestras células?

Pat: Para mí, lo que sucede dentro de las células tiene un "mojado", "resbaladizo" sienten a la misma, y lo que sucede en el interior de las máquinas es seco y rígido. Está conectado con el hecho

de que los ordenadores no cometen errores, que los ordenadores sólo hacen lo que les dicen que hagan. O al menos esa es mi imagen de las computadoras.

Sandy: Hace Funny-un minuto, su imagen era de una llama, y ahora es de algo húmedo y resbaladizo. ¿No es maravilloso, ¿cómo podemos ser contradictorios?

Pat: No necesito tu sarcasmo.

Sandy: No, no, no estoy siendo sarcástico-La verdad es que creo que es maravilloso.

Pat: Es sólo un ejemplo de la naturaleza resbaladiza de las minas de la mente humana, en este caso.

Sandy: Verdadero. Pero su imagen de las computadoras se ha quedado atascado en un bache. Ordenadores sin duda puede cometer errores-y no me refiero a nivel de hardware. Piense en cualquier ordenador de hoy en día predecir el tiempo. Puede hacer predicciones equivocadas, a pesar de que su programa se ejecuta sin problemas.

Pat: Pero eso es sólo porque te has alimentado con información equivocada.

Sandy: No es así. Se debe a que la predicción del tiempo es demasiado compleja. Este tipo de programa tiene que conformarse con una cantidad limitada de datos-todo correcto de datos y extrapolar a partir de ahí. A veces será hacer predicciones equivocadas. No es diferente de un agricultor mirando las nubes y diciendo: "Creo que vamos a llegar un poco de nieve esta noche." Ennuestra cabeza, hacemos modelos de las cosas y usamos esos modelos de adivinar cómo se comportará el mundo. Tenemos que conformarnos con nuestras modelos, sin embargo inexacta que sean, o la evolución nos vamos a podar caída despiadadamente-nosotros por un acantilado o algo así.Y para computadoras inteligentes, va a ser lo mismo. Es sólo que los diseñadores humanos se acelerará el proceso evolutivo apuntando explícitamente en el objetivo de crear la inteligencia, que es algo que la naturaleza sólo tropezó con.

Pat: ¿Así que piensas computadoras van a realizar un menor número de errores a medida que se vuelven más inteligentes?

Sandy: En realidad, sólo el revés! El más inteligente que reciben, más van a estar en condiciones de hacer frente a los dominios de la vida real desordenado, por lo que será cada vez más propensos a tener modelos inexactos. Para mí, la fabricación de error es un signo de gran inteligencia!

Pat: Wow-me tiras a veces!

Sandy: Supongo que soy una extraña especie de defensor de la inteligencia de las máquinas. Hasta cierto punto me horcajadas sobre la valla. Creo que las máquinas no serán realmente inteligentes de una manera semejante a la humana hasta que tienen algo así como su humedad biológico o resbaladizo a ellos. No me refiero literalmente húmedo lo resbaladizo podría estar en el software. Pero aparentemente biológica o no, las máquinas inteligentes tendrán en cualquier caso ser máquinas. Habremos ellos diseñados, ellos o ellas crecido construido! Vamos a entender cómo funcionan, al menos en algún sentido. Posiblemente hay una persona realmente entenderlos, pero colectivamente sabremos cómo funcionan.

Pat: Parece que usted quiere tener su pastel y comérselo también. Quiero decir, usted quiere tener gente capaz de construir máquinas inteligentes y sin embargo, al mismo tiempo que algunos de los misterios de la mente

permanecer.

Sandy: Tienes toda la razón-y creo que eso es lo que sucederá. Cuando verdadera inteligencia

artificial llega-

Pat: Ahora hay una bonita contradicción en los términos!

Sandy: Touche! Bueno, de todos modos, cuando se trata, será mecánica y sin embargo al mismo tiempo orgánico.Tendrá la misma flexibilidad asombrosa que vemos en los mecanismos de la vida. Y cuando digo mecanismos, me refiero a los mecanismos. ADN y enzimas y así sucesivamente son realmente mecánica y rígida y fiable. ¿No le parece, Pat?

Pat: ¡Claro! Pero cuando trabajan juntos, un montón de cosas inesperadas suceden. Hay tantas complejidades y ricas formas de comportamiento que todo lo que la mecanicidad se suma a algo muy fluido.

Sandy: Para mí, es una transición casi inimaginable desde el nivel de mecánica de moléculas para elnivel de vida de las células. Pero es que la exposición a la biología que me convence de que las personas son máquinas. Ese pensamiento me hace sentir incómodo en algunos aspectos, pero en otros aspectos, es estimulante.

Chris: Yo tengo una pregunta insistente .... Si las personas son máquinas, ¿cómo es que es tan difícil convencerlos de la realidad? Sin duda, una máquina debe ser capaz de reconocer su propia machinehood!

Sandy: Es una pregunta interesante. Hay que tener en cuenta factores emocionales aquí. Que le digan que eres una máquina es, en cierto modo, que se les diga que no eres nada más que sus partes físicas, y trae cara a cara con su propia vulnerabilidad, destructibility, y, en última instancia, su mortalidad. Eso es algo que nadie encuentra fácil de enfrentar. Pero más allá de esta objeción emocional, verse a sí mismo como una máquina, tiene que "unadopt" la actitud intencional que ha crecido teniendo hacia sí mismo-lo que tienes que saltar hasta el final del nivel en el que las actividades reales complejas tienen lugar a la más inferior nivel mecánico donde los ribosomas traquetea a lo largo de las cadenas de ARN, por ejemplo. Pero hay tantas capas intermedias que actúan como un escudo, y la calidad mecánica camino hasta allí se vuelve casi invisible. Creo que cuando las máquinas inteligentes vienen alrededor, así es como se parecerán a nosotros-y para ellos mismos! Su mecanicidad será enterrado tan profundo que van parecen ser vivo y consciente-al igualque nosotros parecemos vivo y consciente ....

Chris: ¿Me estás cebo! Pero yo no voy a morder.

Pat: Una vez escuché una idea divertida de lo que sucederá cuando finalmente tenemos las máquinas inteligentes.Cuando tratamos de implantar que la inteligencia en los dispositivos que nos gustaría controlar, su comportamiento no será tan predecible.

Sandy: Van a tener un poco por dentro "llama" peculiar, tal vez?

Pat: Quizás.

Chris: ¿Y qué tiene de gracioso?

Pat: Bueno, piensa en misiles militares. Las más sofisticadas de sus equipos de destino de seguimiento de conseguir, de acuerdo con esta idea, menos predecible que funcionarán. Con el tiempo, usted tendrá misiles que deciden que son pacifistas y se dará la vuelta y volver a casa y aterrizar tranquilamente sin estallar. Incluso podríamos tener "balas inteligentes" que giran en torno al vuelo porque no quieren suicidarse!

Sandy: ¡Qué visión agradable!

Chris: Yo soy muy escéptico acerca de todo esto. Aún así, Sandy, me gustaría escuchar sus predicciones sobre cuando las máquinas inteligentes llegarán a ser.

Sandy: No será por mucho tiempo, probablemente, que vamos a ver algo remotamente parecido a nivel de la inteligencia humana. Se apoya en demasiado asombrosamente complicado un sustrato-el cerebro-para que seamos capaces de duplicar en el futuro previsible. De todos modos, esa es mi opinión.

Pat: ¿Cree usted que un programa jamás pasará la prueba de Turing?

Sandy: Esa es una pregunta muy difícil. Supongo que hay varios grados de pasar una prueba de estetipo, cuando se llega a esto. No es blanco y negro. En primer lugar, depende de que el interrogador es. Un tonto puede ser totalmente absorbido por algunos programas de hoy en día. Pero en segundo lugar, depende de cuán profundamente se le permite a la sonda.

Pat: Usted podría tener una serie de pruebas de Turing de un minuto versiones, versiones de cinco minutos, las versiones de una hora de duración, y así sucesivamente. ¿No sería interesante si alguna organización oficial patrocinó un concurso de periódicos, como los campeonatos anuales por computadora de ajedrez, para los programas para tratar de pasar la prueba de Turing?

Chris: El programa que duró más tiempo en contra de algunos panel de jueces distinguidos sería el ganador. Tal vez podría haber un gran premio para el primer programa que engaña a un famoso juezpara, por ejemplo, diez minutos.

Pat: Un premio para el programa, o por su autor.

Chris: Para el programa, por supuesto!

Pat: ¡Eso es ridículo! ¿Cómo sería un programa de hacer con un premio?

Chris: Vamos, Pat. Si humano de un programa suficiente para engañar a los jueces, ¿no crees que eslo suficientemente humano para disfrutar del premio? Ese es precisamente el umbral en el que, en lugar de sus creadores, merece el crédito, y las recompensas. ¿No le parece?

Pat: Sí, sí, sobre todo si el premio es una noche en la ciudad, bailando con los interrogadores!

Sandy: sin duda me gustaría ver algo así establecido. Creo que podría ser divertido de ver los primeros programas el flop patéticamente!

Pat: Eres bastante escéptico por un defensor AI, ¿no es así? Bueno, ¿crees que cualquier programa de computadora de hoy podría aprobar un ensayo de cinco minutos de Turing, dado un interrogador sofisticada?

Sandy: Lo dudo seriamente. En parte es porque nadie está realmente trabajando en ello de manera explícita. Debo mencionar, sin embargo, que hay un programa cuyos inventores afirman que ya ha aprobado una versión rudimentaria de la Prueba de Turing. Se llama "Parry", y en una serie de entrevistas llevadas a cabo de forma remota, es engañado varios psiquiatras que se les dijo que estaban hablando con un ordenador o un paciente paranoico. Esto fue una mejora sobre una versión anterior, en la que los psiquiatras eran simplemente transcripciones zurdos de entrevistas cortas y pidieron para determinar cuáles eran con un auténtico paranoico y cuáles eran con una simulación por ordenador.

Pat: ¿Quieres decir que no tenían la oportunidad de formular todas las preguntas? Eso es un grave hándicap-y no parece en el espíritu de la prueba de Turing. Imagine a alguien tratando de decir que el sexo que pertenezco, con sólo leer una transcripción de algunos comentarios por mí. Puede ser

muy duro! Me alegro de que el procedimiento ha sido mejorada.

Chris: ¿Cómo se obtiene un equipo actúe como un paranoico?

Sandy: Ahora un momento-yo no dije que no actúe como un paranoico, sólo que algunos psiquiatras, en circunstancias inusuales, por lo que pensaron. Una de las cosas que me molestó sobre esta prueba pseudoTuring es la forma Parry funciona. "Él", como las personas que lo diseñaron llamarlo, actúa como un paranoico en que "él" se pone bruscamente a la defensiva y se aleja de los temas indeseables en la conversación. En efecto, Parry mantiene un estricto control paraque nadie realmente puede sondear "de él." Por razones como esta, simulando un paranoico es mucho más fácil que la simulación de una persona normal.

Pat: Yo no dudo eso. Me recuerda a la broma sobre el tipo más fácil de ser humano por un programa de computadora para simular.

Chris: ¿Qué es eso?

Pat: Un paciente catatónico-simplemente se sientan y no hacen nada en absoluto durante días y días. Incluso yo podría escribir un programa de computadora para hacer eso!

Sandy: Una cosa interesante sobre Parry es que crea ninguna condena por su propia cuenta-simplemente selecciona de una enorme repertorio de frases enlatadas la que en cierto modo responde mejor a la oración de entrada.

Pat: Increíble. Pero que probablemente sería imposible en una escala más grande, ¿no?

Sandy: Ya lo creo (para usar una frase conserva)! En realidad, esto es algo que realmente no ha apreciado lo suficiente. El número de sentencias que había necesidad de almacenar el fin de ser capaz de responder de una manera normal de todas las posibles vueltas que una conversación puede tomar es más que astronómica-es realmente inimaginable. Y ellos tienen que ser tan intrincadamente indexado, para la recuperación de ... Cualquiera que piense que de alguna manera un programa podría ser improvisado justo para tirar frases de almacenamiento como los discos en una máquina de discos, y que este programa podría pasar la prueba de Turing, no ha pensado muchosobre ello. Lo más gracioso es que es precisamente este tipo de irrealizable "programa de loro" que la mayoría de los críticos de la inteligencia artificial citan, cuando argumentan contra el concepto dela Prueba de Turing. En vez de imaginar una máquina realmente inteligente, ellos quieren que usted imagina un gigantesco robot torpe que entona frases enlatadas en un tono monótono embotado. Establecieron las imágenes de una forma contradictoria. Se las arreglan para convencerlode que se podía ver a través de su nivel mecánico con facilidad, incluso cuando se está realizando simultáneamente tareas que consideramos como procesos de fluidos, inteligente. A continuación, los críticos dicen, "Ya lo ves! Una máquina puede pasar la prueba de Turing y sin embargo, seguiríasiendo sólo un dispositivo mecánico, no inteligente en absoluto. "Yo veo las cosas casi de la maneraopuesta. Si yo les mostró una máquina que puede hacer las cosas que puedo hacer, me refiero a pasar la prueba de Turing, entonces, en lugar de sentirse insultado o amenazado, Yo interrumpiría con el filósofo Raymond Smullyan y decir: "¿Cómo son máquinas maravillosas!"

Chris: ¿Si pudieras pedir sólo una pregunta en la prueba de Turing una computadora, ¿cuál sería?

Sandy: Uhmm. . .

Pat: ¿Qué tal esto: "¿Si pudieras pedir un ordenador sólo una pregunta en la prueba de Turing, ¿qué sería"

Publicar Scriptum

En 1983, tuve la experiencia más maravillosa de conocer a un pequeño grupo de estudiantes muy entusiastas y originales en la Universidad de Kansas en Lawrence. Estos estudiantes, unos treinta ennúmero, se habían reunido por Zamir Bavel, profesor en el Departamento de Ciencias de la Computación, que había organizado un seminario sobre mi libro Gödel, Escher, Bach. puso en contacto conmigo y me preguntó si había alguna posibilidad de que podría llegar a Lawrence y se reúnen con sus estudiantes. Algo en su manera de describir lo que estaba pasando me convenció de que se trataba de un grupo muy inusual y que valdría la pena mi tiempo para probarlo. Por lo tanto, hice una visita a Kansas y llegué a conocer tanto Zamir y su grupo. Se cumplieron y superaron todas mis expectativas. Los estudiantes estaban llenos de ideas y la calidez y me hicieron sentir como en casa.

El primer viaje tuvo tanto éxito que me decidí a hacerlo de nuevo un par de meses más tarde. Esta vez lanzaron una fiesta informal en un apartamento a algunos de ellos compartió. Zamir me había dicho antes, que ellos estaban esperando que me diera una demostración de algo que ya se había hecho en una reunión de la clase reciente.Parece que la cuestión de si las computadoras podían pensar jamás se había planteado, y la mayoría de los miembros del grupo había tomado una posición negativa sobre el tema. Vara Ogborn, el estudiante que había estado al frente de la discusión, había pedido a la clase si consideraron ninguno de los siguientes programas inteligentes:

1. Un programa que podría pasar un curso en el inicio de la programación (es decir, que podría tenerdescripciones informales de las tareas y los convierten en buenos programas de trabajo);

2. Un programa que podría actuar como un psicoterapeuta (Rod dio muestra diálogos con el famosoprograma "Doctor", también conocido como "ELIZA", por Joseph Weizenbaum);

3. Un programa llamado "Boris", escrita en Yale por Michael Dyer, que podría leer historias en un ámbito limitado y responder a preguntas sobre la situación que requiere llenar en muchos supuestos no declarados, y hacer inferencias de muchas clases basadas en ellos.

La clase había venido abajo en el lado "no" de los tres de estos casos, aunque llegaron cada vez másdifícil. Así Vara, para mostrar la clase cuán difícil puede ser esta decisión si realmente estaban enfrentados con un programa de conversación, se las arregló para conseguir una conexión a través de las líneas de teléfono con un programa de lenguaje natural llamado "Nicolai" que se había desarrollado durante los últimos años años por el Ejército en el cercano Fort Leavenworth. Gracias a algunas conexiones que Rod tenía, la clase fue capaz de tener acceso a una versión no confidencial de Nicolai y de interactuar con él durante dos o tres horas. Al final de esas horas, que luego volvió a examinar la cuestión de si un equipo puede ser capaz de pensar. Aún así, sólo un estudiante está dispuesto a considerar Nicolai inteligente, e incluso ese estudiante se reservó el derecho a cambiar de bando si más información entró Aproximadamente la mitad de los otros eran evasivo, y el resto no estaban dispuestos, bajo ninguna circunstancia, para llamar a Nicolai inteligente. No había duda de que la demostración de Rod había sido eficaz, sin embargo, y la discusión en clase había sido uno de los más animados.

Zamir me dijo todo esto en nuestra unidad en Lawrence desde el aeropuerto de Kansas City, y explicó que el grupo había sido tan estimulado por esta experiencia que esperaban para ser reconectado a Nicolai por las líneas telefónicas, y dejar que te traten bien a cabo durante la fiesta. Pensé que sonaba bastante divertido, y ya que he probado y visto una gran cantidad de programas de lenguaje natural en mi tiempo, pensé que iba a tener un momento fácil dar con buenossondas en los puntos débiles de Nicolai. "Además", pensé (algo chovinista, "lo bueno que puede ser un programa que está siendo desarrollado por el Ejército en un lugar fuera de la vía como Fort Leavenworth? Para revelar su mecanicidad debe ser un pedazo de pastel para mi! "Así que me quedé con ganas el desafío.

Cuando llegamos por primera vez en la fiesta, todo el mundo estaba bebiendo cerveza y comiendo patatas fritas y diversas salsas y hablando con entusiasmo sobre lo que había sucedido en la reunión de la clase anterior con Nicolai. Hubo cierta consternación, sin embargo, porque parecía que la conexión a Nicolai era difícil de restablecer.Tenía que ir a través de un ordenador de la Universidad de Kansas, y de allí a Fort Leavenworth, todo lo cual significaba que era un enlace lento y tenue. Pero después de unos 45 minutos de tratar de establecer el enlace, alguien anunció con agrado que Nicolai estaba respondiendo. Uno de los estudiantes estaba sentado en la terminal y escribiendo varias preguntas sencillas y volver respuestas simples. Miré por encima del hombro, y sentí las ganas de sentarse y tratar de desenmascarar Nicolai para lo que "él" era en realidad. Después de un par de minutos, el estudiante abandonó el terminal y me dieron mi oportunidad, con un pequeño grupo de personas que buscan por encima de mi hombro mientras escribía. Las respuestas de Nicolai eran bastante lentos en llegar por la línea telefónica, y la espera se hizo aún más suspenso por el hecho de que fueron transmitidos sólo en líneas completas de texto,por lo que se produjeron algunos retrasos muy largos entre líneas sucesivas de la respuesta.Pero eso no disminuyó seriamente mi entusiasmo por intentar meter rápidamente agujeros en la fachada del programa de la comprensión.

Con esto sigue una transcripción ligeramente abreviada pero precisa de la "conversación" que tuve con Nicolai durante la siguiente hora o así. Por conveniencia, lo mecanografiada Nicolai se muestra en las capitales, y mis pensamientos más íntimos en el momento (lo mejor que puedo reconstruir ahora) están en cursiva.

¿Qué te gustaría hablar?

(Empecemos fácil.)

PUEDO HABLAR DE NADA.

(Sí, sí-lo dicen a los infantes de marina!)

¿Hay algo que especializan?

¿Qué significa "ESPECIALIZARSE" significa? Por favor use una frase completa.

(Para un programa que supuestamente inteligente, Nicolai no parece tener un gran vocabulario.) "Especializan" significa "ser bueno."

(Me pregunto si le gusta Nicolai esas comillas, o si van a tirar por un lazo.)

ENTIENDO.

(Izzatso?)

¿Cuándo fue escrito?

Última compilación: "04/27/83 19.247"

(¡Oh, mira esa respuesta estúpida, rígida, con marcas sin sentido y ese número extra, sin explicaciónal final. Estoy exponiendo Nicolai bastante bien, hasta ahora ....)

¿En qué idioma se escribe Nicolai en?

(Creo que voy a ver si sabe su propio nombre y reconoce referencias en tercera persona a sí mismo.)

NICOLAI ESTÁ ESCRITO SOBRE TODO EN ADA.

(Hmmm ... no está mal. Manejó tanto "usted" y "Nicolai" cuando hablé de ella. Esos programadoresdel Ejército no están tan mal!)

¿Cuáles son los pies?

(Elija una palabra ambigua, ver lo que se le ocurre ....)

PIES SON 12.0 PULGADAS.

(Wow, raro! Una persona nunca ponerlo de esa forma. Decían: "Un pie es una unidad de longitud, doce pulgadas de largo", o algo así. Y de todos modos, los pies son principalmente las partes del cuerpo, en segundo lugar, unidades de longitud. ¿Por qué no incluso parecen reconocer que la ambigüedad? Oh bueno, supongo que esa clase de estupidez es el tipo de cosa que quería exponer. Un punto para mí.)

¿Cuáles son las orejas?

(¿Por qué no probar una palabra ambigua? Después de todo, lo hice bien en el último.)

Las orejas son órganos auditivos ENCONTRADOS EN ANIMALES.

(Esto es muy divertido! ¿Por qué fueron los pies no pensaron en todo como las partes del cuerpo, entonces? Esta cosa partes del cuerpo parece darme un montón de puntos-Creo que voy a intentarlo de nuevo.)

¿Qué son las armas?

Que la información es clasificada.

(¡Oh, no! Eso es demasiado estúpido para las palabras! O es la idea de este a alguien de una broma?)

Me gusta entender sin diecisiete almejas.

(Vamos a arrojar algo de sentido a Nicolai y ver lo que hace.)

¿QUÉ ALMEJAS TIENEN QUE HACER CON ÉL?

(Oh, vamos, Nicolai! ¿Quiere decir que usted entiende todo lo demás, excepto para el bit de almejas? Eres muy tonto!)

¿Por qué eres tan tonto?

SOY UN PROGRAMA INTELIGENTE.

(Bueno, eso es algo de conmovedor, en realidad. Un poco de auto-defensa es atractivo, en cierto modo.)

Usted es bastante seguro de sí mismo, ¿verdad?

¿Qué significa "muy confiado" significa?

(Oh sí, yo debería haber sabido-bastante-como adverbio puede ser demasiado coloquial.)

¿Entendió usted sin mi última frase?

(Me imagino que, desde principios de que no se quejó de mi frase "hasta entender," vamos a ver lo

que hace con él esta vez.)

TU FRASE ES ABSURDO.

(¿En serio? Bueno, entonces, ¿por qué no estaba el otro con esa misma frase en que también tonterías en cuenta?)

¿Disfruta de tonterías?

Si usted insiste en decir tonterías, TENGO OTROS tareas a realizar.

(Una respuesta extraña. ¿Quién ha insistido en decir tonterías? Sólo estaba haciendo una pregunta simple. Oh, bueno, voy a tratar de salir otro ángulo.)

¿Cuál es su opinión sobre los MC Escher?

MC Escher, ARTISTA, SIGLO XX

(Oh, no de nuevo-otra vacua diccionario de consulta. ¿No puede hacer algo mejor que eso, especialmente cuando le he pedido que una pregunta de sondeo sobre el gusto? Vamos a ver cómo se maneja una queja ....)

No has respondido a mi pregunta.

PREGUNTA QUE HICE No respondes nada?

(Hey, esto Nicolai es un personaje bastante resbaladiza. No tan diferente de Parry. Tengo que decir que estoy realmente muy impresionado por la solidez de este programa. Quiero decir, hemos cubierto mucho terreno hasta ahora, y al menos hace "pseudo sensata respuestas" la mayor parte deltiempo. No está tan mal!)

¿Tienes algo de dinero?

NO poseer nada.

(Muy bien.)

¿Has visto el último número de "Scientific American"?

(Uh-oh-una vez más, no sé si voy a evitarlo o confundir al poner en esas citas. Veamos.)

NO TENGO NINGUNA "Scientific American".

(Eso suena raro. Muy computerish. Dudo si sabe lo que quiero decir. Oh, bueno.)

Has estado hablando TO ME por un buen rato. ¿CUÁL ES SU NOMBRE? (Hmm .... Esa fue una observación inesperada de Nicolai. ¿Debo contestar? Claro, ¿por qué no?)

Mi nombre es Doug.

¿TIENE UN APELLIDO?

(Pequeño diablo Inquisitivo, ¿no?)

Por supuesto que sí.

(Haz una pregunta estúpida, consigue una respuesta estúpida. Vamos a ver cómo los campos de

ésta.)

¿Le importaría DIME LO QUE TU APELLIDO ES?

(Maldita sea, simplemente ignoró totalmente el tono de mi comentario. ¿Y por qué es que siendo tan amable, de repente?) Sólo si me cuentas la tuya.

(Eso debería oponerse a ella.)

NO TENGO UN APELLIDO.

(Yo no parece ser capaz de frustrar sus defensas muy fácilmente. Siempre camina a mi alrededor. Esos programadores seguro anticiparon una gran cantidad de ideas. Supongo que deben haber depurado Nicolai durante años, viendo diálogos típicos con las personas que sólo vienen en de la calle. Para un programa tonto, Nicolai es muy inteligente!)

Pues bien, no voy a decir el míos.

Eso no es ser muy amable.

(Usted sabe, a veces, odio admitirlo este estúpido programa realmente parece entender algo!)

Lo siento. ¿Cómo me gustaría darle un apellido?

SI DESEA HACER ESO, que estaría bien conmigo.

(Ahora que es, obviamente, una frase en lata, o al menos la segunda mitad, sin duda tiene que haber.Marcarán un punto más para mí. Y sin embargo, yo no estoy haciendo tan bien como yo esperaba que sería por ahora. ¿Qué pasa? )

Su apellido es "Rimsky-Korsakov".

GRACIAS.

(Bueno, eso es un extraño tipo de cosas para agradecer a alguien por. Apenas va a demostrar cómo la rigidez de los programas les hace decir las cosas más extrañas.)

Ni lo mencione.

(Voy a jugar junto a este juego por un segundo.)

¿CUÁL ES SU APELLIDO?

(Dios mío, recordó, después de todo este tiempo, que tan pronto como me había dicho su última nombre, yo lo iba a decir que la mía. Bueno, será mejor que cumplir esa promesa.)

Mi apellido es "Hofstadter".

¿ES USTED "(32) DOUGLAS R. Hofstadter"?

(¿Y por qué, en medio de tanta elegancia, qué de repente actuar tan crudo, poniendo mi nombre entre comillas y entre ellos el número de índice tonto extraño? No puedo por la vida de a averiguar por qué este programa es tan mezclados en calidad.)

Uno y el mismo.

(Pruebe una extraña frase idiomática.)

(83) "Error al analizar EN ENTRADA ANTERIOR"

(Aha-engañar de nuevo. De repente, un montón de mecanicidad está mostrando a través de.)

¿Cuántas letras tiene tu apellido?

(Creo que voy a ver si puede averiguar palabras ambiguas por el contexto.)

14 PLUS un guión.

(Bien. Ahora voy a dejar "las letras" switch significado. ¿Qué va a hacer?)

¿Cuántas letras hay en un sobre común y corriente?

18.

(¡Oh, no! No reconocía el cambio! Y es simplemente contar el número de letras en "un sobre ordinario" ¡Pero si ese es el caso, entonces ¿cómo es que en el caso anterior no contaba las letras de la frase "su apellido", sino que recupera el referente? Hay algo tan inconsistente y desigual sobre este programa. Simplemente va a mostrar hasta dónde tenemos que ir antes de la inteligencia mecánica tenga alguna semejanza con fluidez el hombre.)

¿Estás trabajando en un nuevo libro de?

(Me pregunto qué va a pasar si simplemente dejar de lado esa pregunta. De todas formas, me gustaría investigar su capacidad para tratar con humor.)

Cuéntame una broma.

QUIERO UN coookie.

(¿Qué clase de broma es esa? Hey, escribe "cookie" mal! Hmm ... es que su broma o qué está pasando aquí?)

Por cierto, estoy trabajando en una especie de un nuevo libro. Atención a oír hablar de eso?

(¿Puede manejar frases extrañas como "una especie de" ¿Y preguntas sin tema?)

NO, PERO SI USTED ME DA UNA GALLETA, me volvería a pagar el martes.

(Eso suena como una línea familiar. ¿He oído antes? ¿Se supone que es el chiste de la "broma"?)

Dime otra.

¿CUÁNTOS ORDENADOR PROGAMMERS TARDA para cambiar una bombilla?

(Bueno, ya veo. Tiene una biblioteca de chistes y adivinanzas, y sólo ellos los peces al azar. Yo seguiré el juego.)

4.

INCORRECTO. Ese es un problema de hardware.

(Bueno, por lo que le dijo a su broma pero apuesto a que no tiene idea de lo que cualquiera de los términos en que quiere decir, por ejemplo,. "Programador." - Hey, dejó una "r" de "programador" Creo que todo el que de entrada la broma mal escrita la palabra. Así que vamos a ver qué pasa cuando le pregunto sobre eso ...)

¿Qué es un progammer ordenador?

¿LE GUSTARIA QUE ME EXPLIQUE LA BROMA?

(Hey, maldita sea, se volvió a las tablas de mí! ¿Te crees que no sé lo que es un "progammer" (o programador) es? No me gusta este deslizamiento. Cada vez que trato de conseguir que actúe realmente tonto, se desliza de alguna manera fuera de él. Strange .... Muy bien, déjame probe un poco más acerca de su comprensión de los términos en que la broma. ¿Qué tal una palabra potencialmente fuera de color?)

¿Qué significa "joder" significa?

¿En qué contexto?

(Ajá, por lo menos sabe que es un término ambiguo.)

En la cama.

Para atornillar CAMA significa "tener relaciones sexuales."

(Bueno, está bien, tiene algunas definiciones almacenadas según el contexto. Supongo que esta palabra debe llegar a todo el tiempo en las conversaciones. Pero puede ir más allá de esa definición?)

¿Qué es tener relaciones sexuales todo esto?

Me puede recomendar un excelente libro sobre el tema.

(¡Qué gran acción respuesta! Un punto por los programadores del ejército!)

Dime, dime!

El libro se llama "Godel, Escher, Bach."

(Huh? Say, espera un minuto, esto es demasiado raro. No estoy tan seguro de que esto es realmente un programa. Hay demasiado maldito mucho ingenio en estas respuestas extrañas. No puedo imaginar dispositivos mecánicos extraños subir con tanta coherencia , incluso si está completamentefuera de la pared, a veces.)

Me gusta llamarlo "GEB" yo mismo.

ESO ES MUY BONITO, DOUG. ¿QUÉ MÁS DE LLAMAR "GEB"?

(Derecha, arriba Toda la plantilla. ¿Qué está pasando aquí?)

En este punto, todo el mundo se echó a reír. Todos ellos habían estado tratando de evitar hacer lo que todo el tiempo, pero en este momento, no podían contenerse. Ya era hora de que me revelara lo que había estado pasando. Me llevaron escaleras abajo y me mostraron que tres de los estudiantes Nicolai-Roy Leban, Howard Darsche y Garrick Stangle-había estado jugando colectivamente. Hubo, en realidad, no hay tal programa, y nunca no había sido uno. (En retrospectiva, me viene a la memoria el famoso matemático francés Nicolas Bourbaki-una persona hipotética, en realidad una amalgama de más de una docena de eminentes matemáticos escribiendo bajo ese seudónimo colectivo.) No había sido realmente una manifestación similar para la clase unos días antes , y de la clase, como yo, había sido llevado para un largo tiempo. En mi caso, Roy, Howard, y Garrick habían trabajado muy duro para dar la impresión de mecanicidad al arrojar de nuevo "error de análisis" y otras indicaciones de la rigidez, y también mediante el envío de lo que se

parecía mucho a frases enlatadas de vez en cuando. De esa manera podían mantener sofisticados como yo creyendo que había un programa detrás de todo. Sólo en ese momento yo estaba empezando a preguntarse cuán sofisticada era yo realmente.

Lo maravilloso de este juego es que fue, en muchos sentidos, un Test de Turing a la inversa: un grupo de seres humanos se disfraza como un programa, tratando de actuar lo suficientemente mecánico que me creo que realmente era una. Hugh Kenner ha escrito un libro llamado Los falsificadores de la fascinación humana perenne con tal papel agravado voltea. Un ejemplo típico esel de Delibes ballet Coppelia , en la que los bailarines humanos imitan muñecas de tamaño natural con rigidez imitando personas. Lo que es divertido es cómo crudeza ocasional de Nicolai era suficiente para mantenerme convencido de que era mecánico. Su "voluntad" para hablar de sí mismo, en combinación con sus evidentes limitaciones en ese sentido (su revelación torpe de cuando fue compilado por última vez, por ejemplo), ayudó a establecer la ilusión con mucha fuerza.

En retrospectiva, estoy muy sorprendido por la cantidad de inteligencia genuina que estaba dispuesto a aceptar como algo después de haber sido implantado en el programa. Yo había estado absorbido por la idea de que en realidad debe haber un serio esfuerzo de lenguaje natural ocurre en el Fuerte Leavenworth, y que no había habido una base de datos muy grande desarrollado, incluyendo todo tipo de información al azar: un diccionario, un catálogo que contiene los nombres de de personas diversas, algunas bromas, un montón de frases enlatadas para usar en situaciones difíciles, un poco de auto-conocimiento, una habilidad crudo a utilizar palabras clave en una frase cuando no se puede analizar con exactitud, algunas heurísticas para decidir cuándo les han sido impuestas sin sentido en ella, algunas capacidades deductivas, y sigue y sigue. En retrospectiva, estáclaro que yo estaba dispuesto a aceptar una gran cantidad de fluidez como posible en este día y edad, simplemente juntando una gran bolsa de aislados trucos-kludges y hacks, como se suele decir.

Roy Leban, uno de los tres en el interior de la mente de Nicolai, escribió lo siguiente acerca de la experiencia de estar en el otro extremo de la bolsa:

Nicolai era una doble personalidad. Los tres de nosotros (así como muchos mirones) discutieron sobre prácticamente cada respuesta. Cada uno de nosotros tenía una fuerte noción preconcebida sobre qué (o quién) debería ser Nicolai. Por ejemplo, yo sentía que ciertas cosas (como "Douglas R.Hofstadter") deben estar entre comillas, y que los pies no debe ser de 12 pulgadas, pero 12.0. Howard tuvo una tendencia más bien voltear respuestas. Fue él quien sugirió la respuesta "clasificado" a la "brazos" que se trate. Y de alguna manera, cuando sugirió que, todos sabíamos que era lo correcto.

Varias veces durante nuestra conversación, me sentí muy sorprendido por la fluidez Nicolai era capaz de lidiar con las cosas que iba a traer, pero cada vez que podían postular algunos no demasiado fundamento mecánica sofisticada que permitiera esa cosa en particular que suceda. Como un fuerte escepticismo de la verdadera fluidez en máquinas en este momento, seguí tratando de llegar con racionalizaciones para el hecho de que este programa estaba haciendo tan bien. Mi conclusión fue que se trataba de una bolsa muy grande y bastante sofisticado de trucos, ninguna de las cuales estaba terriblemente complejo. Pero después de un tiempo, sólo se convirtió en demasiado para creerlo. Además, la mezcla de crudeza y sutileza se convirtió más y más difícil de tragar, también.

Mi estrategia ha sido, en esencia, de utilizar controles sobre el terreno por todo el mapa: tratar de indagar en todo tipo de formas y no dejarse atrapar en algún tema de su propia elección, en el que podría llevar la conversación.Daniel Dennett, en un artículo sobre la profundidad de la prueba de Turing, compara esta técnica con una estrategia enseñado a los soldados estadounidenses en la Segunda Guerra Mundial para contar espías alemanes a partir de verdadera Yankees. La idea era que, incluso si un joven habló absolutamente fluidez Inglés Americano-que suena, puede hacerlo

tropezar pidiéndole cosas que se esperaría de cualquier niño que crecía en esos días para conocer, tales como "¿Cuál es el nombre de Mickey Mouse novia? "o" ¿Quién ganó la Serie Mundial en el 1937? "Esto expande el dominio de los conocimientos necesarios de sólo el propio idioma a toda la cultura-y lo sorprendente es que sólo algunas preguntas bien colocados pueden desenmascarar un fraude en un muy breve tiempo-o al menos eso parece.

El problema es, ¿qué hacer si la persona es muy fuerte, y cuando se le preguntó acerca de Minnie Mouse, responde en cierta manera creativa, como por ejemplo, "¡Ja! No hay novia -ella es un ratón ! "? El punto es que, incluso con estas sondas truco que debe descubrir a fraudes muy rápidamente, no puede haber inteligentes defensivas contra-maniobras, y usted no puede estar seguro de llegar al fondo de las cosas en un tiempo muy breve.

Parece que unos días antes, la clase había ido colectivamente a través de algo similar a lo que acababa de pasar, con una diferencia importante. Howard Darsche, que había suplantado (si se me permite usar esa peculiar elección de palabras!) Nicolai, en la primera carrera a través, simplementehabía actuado él mismo, sin tratar de fingir mecanicidad de ninguna manera. Cuando se le preguntó qué color es el cielo era, respondió: "En la luz del día o en la noche?" Y cuando dijo "Por la noche", respondió, "Dark púrpura con las estrellas." Se puso cada vez más poética y creativa en sus respuestas a la clase, pero nadie sospechó que este Nicolai era un fraude. En algún momento, Rod Osborn simplemente tenía que detener la demostración y escribe en la pantalla: "Está bien, Howard,puede entrar ahora." Zamir (que no estaba en connivencia con Rod y su equipo) era el único que tenía algún reticencia en aceptar esta actuación como la de un verdadero programa, y que había guardado silencio hasta el final, cuando él manifestó un escepticismo silenciado.

Zamir resume esta espectacular demostración diciendo que su clase estaba dispuesta a ver cualquiercosa en un terminal de vídeo producido como mecánicamente, no importa cuán sofisticado, profundo, o una expresión poética que podría ser. Puede que le resulte interesante y hasta sorprendente, pero que iban a encontrar alguna manera para descontar esas cualidades. ¿Por qué era este el caso? ¿Cómo pudieron hacer esto por tanto tiempo? ¿Y por qué me enamoro de la misma clase de cosas?

Al interactuar conmigo, Nicolai había parecido a vacilar entre la mecanicidad crudo y flexibilidad sutil, una oscilación que había encontrado más desconcertante y un tanto inquietante. Pero todavía me llevaron en un tiempo muy largo.Parece que, incluso armados con controles sobre el terreno y un poco de sofisticación lingüística y el escepticismo, los seres humanos desprevenidos pueden tener la lana detuvo sus ojos durante un buen rato. Este fue el humilde pastel que comí en este notable prueba de Turing inversa, y siempre voy a saborear su sabor y recordar Nicolai con gran cariño.

Alan Turing, en su artículo, indicó que su ensayo "La imitación del juego" debe llevarse a cabo a través de algún tipo de linkup Teletipo remota, pero una cosa que no indicó de forma explícita era loque el tamaño de grano se transmitirán los mensajes. Por eso, quiero decir que él no dijo si los mensajes deben ser transmitidos como totalidades intactas, o línea por línea, palabra por palabra, o por pulsación de teclas. Aunque yo no creo que importe para la Prueba de Turing en cualquier fundamental sentido, creo que el tipo de "ventana" permite ver otro idioma que utilizan esa través tiene una influencia definitiva sobre cómo rápidamente usted puede hacer inferencias acerca de ese ser. Claramente, el más revelador de estas posibilidades es la de ver la otra "persona" operan a nivel de pulsaciones de teclas.

En la mayoría de los sistemas informáticos multiusuario, hay varias maneras para que los diferentes usuarios se comuniquen entre sí, y estas formas reflejan diferentes niveles de urgencia. El más lentoes generalmente el "correo" facilidad, a través del cual se pueden enviar a otro usuario un tiempo arbitrariamente largo fragmento de texto, al igual que una carta en un sobre. Cuando llega, se

colocará en los usuarios "buzón", que se deben leer en su tiempo libre. Un estilo más rápido de comunicación se le llama, en los sistemas UNIX, "escritura". Cuando esto se invoca, un enlace de comunicación directa se establece entre usted y la persona que está tratando de llegar (siempre y cuando se registran sucesivamente). Si aceptan su enlace, entonces cualquier línea completa escrito por ninguno de los dos va a ser transmitida o impresa en la pantalla, donde la otra parte una formación es señalada por su pulsando la tecla de retorno de carro al instante. Esto es esencialmentelo que el equipo Nicolai utilizado en comunicarse conmigo sobre el equipo de Kansas. Su ritmo escribiendo irregular y cualquier error que podría haber hecho estaban completamente ocultos a mí de esta manera, ya que todo lo que vi fue una secuencia de líneas completamente pulidas (con los dos errores de ortografía "coookie" y "progammer", que yo estaba dispuesto a excusar porque Nicolai las generó en un contexto "broma").

El modo más revelador es lo que, en UNIX, que se llama "hablar." En este modo, cada golpe de teclado se revela.Usted comete un error, usted está expuesto. Para algunas personas, esto es demasiado parecido a vivir en una casa de cristal, y prefieren la protección otorgada por "escritura."Por mi parte, me gusta vivir peligrosamente. Deje que los errores LFY! En las conversaciones mediadas por ordenador con mis amigos, siempre opto por "hablar." Me ha hecho gracia ver a sus estilos "hablar" y mi propio evolucionar lentamente a los estados relativamente estables.

Cuando en el Departamento de Informática de la Universidad de Indiana comenzó a utilizar las instalaciones de "hablar", todos estábamos un poco paranoicos con cometer errores, y nos compulsivamente corregir cualquier error que cometimos. Con esto quiero decir que íbamos a retroceder y volver a escribir el carácter. El efecto en la pantalla de golpear la tecla de retroceso en varias ocasiones es que se ven los personajes más recientemente mecanografiadas ser comido para arriba, uno por uno, de derecha a izquierda, y si es necesario, la línea anterior y los de arriba que se lo comería hacia atrás también. Una vez que haya borrado los errores ofensivos, sólo tiene que reanudar escribiendo adelante. Así es como se corrigen los errores. Todos empezamos de esta manera melindrosa, sintiendo vergüenza de dejar que nada imperfecto permanezca "en papel", por así decirlo, visible a los ojos de los demás. Pero poco a poco superamos ese sentido de la vergüenza,al darse cuenta de que un error tipográfico que se sienta en una pantalla no es tan inmortal como uno se sienta en una página de un libro.

Sin embargo, he encontrado que algunas personas simplemente dejar que las cosas vayan más fácilmente que otros. Por ejemplo, por la duración de la demora después de que se cometió un error,usted puede decir lo mucho que su creador está dudando en preguntarse si para corregirla. Las dudas de una fracción de segundo son muy notables, y forman parte del estilo de la persona. Inclusosi un error no se corrige, puede detectar fácilmente las vacilaciones de alguien acerca de si o no paraarreglarlo.

Existen las contrapartes de estas cosas en muchos niveles de este tipo de intercambios. Ahí están losniveles deselección de palabras (por ejemplo, algunas personas que no les importa que sus errores en la pantalla a menudo marcha atrás y deshacerse de las palabras que ahora repudian, frase-estructura de elección, la idea de elección, y más altas. vacilaciones y las reparaciones o reinicios son muy comunes. No encuentro nada tan molesto como alguien que ha tenido una idea expresada muy bien en una manera, y que luego lo borra todo en la pantalla delante de sus ojos y se procede a componerlo de nuevo, como si una forma de sugerir conseguir juntos a cenar a Pagliai de las seis fueron marcadamente superiores a los otros!

Hay maneras de explotar el borrado en el modo de "hablar" a los efectos del humor. Don Byrd y yo,cuando "habla" a menudo iba a hacer bromas elaboradas explotar el medio de varias maneras. Uno de sus, recuerdo vívidamente, fue cuando se lanzó un insulto desagradable en la pantalla y luego rápidamente borró, sustituyéndolo por un cumplido dulcemente redactado, que se mantuvo para la posteridad para ver, al menos por un minuto más o menos. Uno de nuestros grandes

descubrimientos fue que algunas teclas "flecha" nos permitieron movernos por toda la pantalla, y así vamos muchas líneas en la conversación y editamos observaciones anteriores por cualquiera de nosotros. Esto permitió que algunos chistes finos a realizar.

Un sello distintivo de un estilo de "hablar", es uno de la voluntad de utilizar abreviaturas. Esto se correlaciona con la de una voluntad de respetar los errores tipográficos, pero no es de ninguna manera lo mismo. Yo personalmente fui el más flojo de todos los "charlatanes" que conocía, tanto en términos de salir de erratas en la pantalla y en términos de salpicando mis frases con todo tipo deabreviaturas tontas. Por ejemplo, voy a volver a escribir esta misma frase, como me gustaría que en el "modo de conversación", a continuación.

F ins, voy a volver a escribir ahora ts muy enviadas como WOD hv en "modo Talko," a continuación.

No está mal! Sólo dos errores tipográficos. El punto es que la velocidad de comunicación se eleva considerablemente, casi a la de un teléfono-si escribe bien y está dispuesto a ser informal en todos estos aspectos, pero muchas personas son sorprendentemente tenso sobre su pulida prosa escrita estar en exhibición para que otros ver, incluso si va a desaparecer en cuestión de segundos.

Todo esto traigo a colación no por mera windbaggery, sino porque lleva en gran medida de la prueba de Turing.Imagine las percepciones microscópicas en la personalidad que pueden obtenerse de ver a alguien-sea humano o no-a escribir de distancia en el modo de "hablar"! Usted puede ver haciendo de forma dinámica y deshaciendo varias opciones de palabras, se puede ver interferencias entre una palabra y otra los errores tipográficos que causan, se puede ver las dudas acerca de si o nocorregir un error, se puede ver cuando están haciendo una pausa para elaborar un pensamiento antesde escribiéndola, y sigue y sigue. Si usted es sólo un observador de la gente, puede simplemente observar informalmente. Si usted es un psicólogo o un fanático, se puede medir el tiempo de reacción en milésimas de segundo, y hacer grandes colecciones y catalogarlas. Tales colecciones realmente se han hecho, por cierto, y para hacer algunas de las más fascinantes de lectura sobre la mente humana, que yo sepa.Véase, por ejemplo, el artículo de Donald Norman "Categorización de Acción Slips" o libro de Victoria Fromkinerrores de rendimiento lingüístico: los lapsus linguae, Oreja, pluma, y de la mano.

En cualquier caso, cuando se puede ver el comportamiento en tiempo real de una persona, una personalidad real en vivo comienza a aparecer en una pantalla muy rápidamente. Es muy diferente en la sensación de la lectura linefuls pulidos, postedited como he recibido de Nicolai. Me parece que Alan Turing habría sido más intrigado y complacido por esta forma sensible al tiempo de utilizar su prueba, dando tantas ventanas preciosas sobre la mente subconsciente (o pseudomind) delser (o pseudobeing) bajo examen.

Como si no fuera ya lo suficientemente claro, permítanme concluir diciendo que soy un empujador descarada de la validez de la prueba de Turing como un modo de vista operativo la definición de lo que sería para una máquina de pensar genuinamente. Hay, por supuesto, términos medios entre el pensamiento real y estar totalmente vacío por dentro. Mamíferos más pequeños y, en general, los animales más pequeños parecen tener "menos pensamiento" pasando dentro de sus cráneos que tenemos dentro nuestro. Sin embargo, claramente los animales siempre han hecho, y las máquinas son ahora hacer, las cosas que parecen ser mejor descrito utilizando de Dennett "actitud intencional". Donald Griffin, un mamífero consciente, ha escrito cuidadosamente sobre estos temas (véase, por ejemplo, su libro La Cuestión de AnimalAwareness ). John McCarthy ha señalado que incluso los fabricantes eléctrica manta utilizan frases como "que piensa que es demasiado caliente" para explicar cómo funcionan sus productos. Vivimos en una era en términos mentales están siendo tanto válidamente extendidos y inválidamente abusado, y vamos a tener que pensar mucho sobre estas cuestiones, sobre todo en vista de la avalancha de bombo publicitario y periodístico. Diversas

modificaciones de la idea Test de Turing, sin duda, se sugieren como dominio informático de los aumentos de la lengua que, simplemente para servir como puntos de referencia para los programas que pueden y no pueden hacer. Esta es una buena idea, pero no disminuye el valor de la prueba de Turing original, cuyo principal propósito era convertir una cuestión filosófica en una cuestión operativa, un objetivo que creo que llenó admirablemente.

Cortesía de Douglas Hofstadter

Douglas R. Hofstadter es profesora de Ciencias Cognitivas en la Universidad de Indiana en Bloomington. Hofstader recibió el Premio Pulitzer 1980 para Goedel, Escher, Bach: un Eterno Oro Braid (1979). Él es el autor de otros libros y artículos, entre ellos numberous I del Mind (1981), coeditado con Daniel Dennett, y, más recientemente, Metamagica Themas (1985), una Collectio de los artículos de su columna de la revista Scientific American.

LA EDAD DE MÁQUINAS INTELIGENTES | A ni B-La base de la Inteligencia?


Autor: Ray Kurzweil

Un equipo completo puede ser construido a partir de la repetición de un dispositivo muy simple llamado una puerta lógica. Podemos hacer una declaración aún más fuerte: cualquier ordenador se puede construir con un solo tipo de puerta lógica. Cualquier equipo (computadoras de serie, que se lleve a cabo una computación a la vez, así como ordenadores masivamente paralelos, que hacen muchas cosas a la vez) puede en teoría ser construido a partir de un número adecuado de este dispositivo muy simple.

La tesis de Church-Turing afirma que todos los problemas tienen solución por un "ser vivo" (una persona) se reducen a un conjunto de algoritmos. Otra manera de expresar esta tesis es que la inteligencia artificial y la inteligencia humana son esencialmente equivalentes. De acuerdo con esto (polémico) de tesis, la inteligencia humana puede en la actualidad ser (cuantitativamente) más compleja que la máquina de inteligencia-es decir, utilizar más el paralelismo y más sofisticados algoritmos, pero no hay (cualitativa) diferencia fundamental entre ellos. Como las máquinas ganan en capacidad, hacer más operaciones en paralelo, y el uso de métodos más capaces (mejores algoritmos), que será capaz de emular la capacidad intelectual humana cada vez más cerca. Este artículo demuestra que la puerta lógica, sobre todo la que llamamos NOR, se puede considerar la base de toda la inteligencia de las máquinas. En la medida en que se acepta la tesis de Church-Turing, la puerta simple ni puede ser considerado (al menos en teoría) la base de la inteligencia humana. Nuestra capacidad de modelar los ejemplos complejos y diversos de comportamiento


inteligente de la construcción de bloques de las puertas NOR es otro ejemplo de una sencilla fórmula unificadora subyacente a los fenómenos complicados. Como la siguiente derivación señala,sin embargo, esta idea por sí sola no es suficiente para construir una máquina inteligente.

Para entender cómo podemos construir un equipo desde puertas lógicas, primero es necesario entender la naturaleza de este tipo de dispositivos.

Una puerta lógica.

Una puerta lógica es un dispositivo con dos entradas y una salida. Podemos imaginar cada entrada yla salida para ser cables. Cada cable puede tener dos estados: true y false. Cuando se implementa con la electrónica, esto a menudo corresponde a la presencia o ausencia de la tensión eléctrica. Por ejemplo, en TTL (lógica transistor-transistor) circuitos, un tipo muy común, 5 voltios y 0 voltios representar los dos estados.

Con dos entradas y dos posibilidades para cada entrada, hay cuatro posibles combinaciones de entrada a una puerta lógica. En realidad, hay varios tipos de puertas lógicas. Los tipos particulares asociarán cada una de estas cuatro combinaciones de entrada con una salida. Por ejemplo, la NI ("no o") puerta lógica transforma cada uno de estos cuatro posibles combinaciones de entrada comose muestra en la tabla.

La puerta NOR

La entrada AEntrada B

Salida

Falso FalsoVerdadero

FalsoVerdadero

Falso

Verdadero Falso Falso

VerdaderoVerdadero

Falso

La salida de NI es verdadera si y sólo si no A ni B son verdaderas. Otro ejemplo de una puerta lógica es la puerta AND (ver tabla).

La puerta AND

La entrada AEntrada B

Salida

Falso Falso Falso

FalsoVerdadero

Falso

Verdadero Falso Falso

VerdaderoVerdadero

Verdadero

La salida de la es cierto sólo si la entrada A y la entrada B son verdaderas. Hay 16 posibles diferentes puertas lógicas, sobre la base de todas las posibles asignaciones de las cuatro entradas en salidas. Algunas deestas funciones lógicas han entendido comúnmente nombres y otros no (véase la tabla).

Las salidas de las posibles funciones lógicas 16 de doble entrada

Nombre de la función @ FF @ FT @ @ TF TT

SIEMPRE FALSO @ F @ F @ F @ F

Y @ M @ F @ F @ T

A AND NOT B @ F @ F @ T @ F

A @ M @ F @ T @ T

B Y NO A @ F @ T @ M @ F

B @ F @ T @ F @ T

XOR (OR exclusivo) @ F @ T @ T @ F

OR @ F @ T @ T @ T

NI @ T @ M @ F @ F

EQUIVALENCIA @ T @ M @ F @ T

NO B @ T @ F @ T @ F

A O NO B @ T @ F @ T @ T

NO A @ T @ T @ M @ F

B O NO A @ T @ T @ F @ T

NAND (no y) @ T @ T @ T @ F

Siempre verdad @ T @ T @ T @ T

No todas las funciones lógicas son igualmente útiles. Por ejemplo, la función siempre es cierto, cuya salida es cierto independientemente de su entrada, es relativamente inútil, ya que su salida es siempre el mismo. Lo mismo se puede decir de la función siempre es falsa.

Una observación importante es que podemos crear todos los 16 de las funciones de la función deNI. Por ejemplo, no podemos crear una como se muestra en la figura. NO podemos llamar A porun nombre más simple: NO. Simplemente transforma una sola entrada en su contrario. También podemos crear OR y AND de NI (ver figuras).

Si expresamos estas equivalencias en el lenguaje de la lógica, tenemos NO A = A NI A ; A OR B = NO ( A NI B );A Y B = (NO A ) NOR (NO B ).

Con NOT, AND y OR (cada uno de los cuales, como hemos demostrado, puede ser construido a

partir de la función NOR), podemos a su vez construir todas las funciones lógicas 16 (ver tabla). Dado que podemos construir todas las funciones lógicas 16 de NOT, AND y OR y, a su vez O podemos construir NOT, AND, y desde la función NOR, se sigue que podemos construir todas las funciones lógicas NOR.

La construcción de las funciones lógicas de NOT, AND y OR

Entradas

Nombre de la función FFFT

TF

TT

DescripciónNO usar, AND y OR

Siempre es false F F F F A Y NO A

Y F F F T A Y B

A AND NOT B F F T FA AND NOTB

La F F T T La

B Y NO A F T F F B Y NO A

B F T F T B

XOR F T T F( A OR B ) AND NOT (A AND B )

Oregón F T T T A OR B

NI T F F FNO ( A ORB )

EQUIVALENCIA T F F T(NO A Y NOB ) O ( AAND B )

NO B T F T F NO B

A NO O B T F T TNO ( B , Y NO A )

NO A T T F F NO A

B O NO A T T F TNO ( A AND NOT B )

NAND T T T FNO ( A ANDB )

SIEMPRE VERDADERO T T T T A NO NI A

Resulta que hay otra función lógica que también se puede

utilizar para construir todas las funciones lógicas, la puerta NAND. La razón de esto es la siguiente. Una función de la lógica de suma importancia es la negación o la función NOT. Sólo cuatro de las funciones lógicas 16 nos permiten negamos una entrada: NOR, NAND, NOT A y NO B . De estos cuatro, dos, NOA y no B , son incapaces de Y o dar o porque ignoran cada una de sus entradas. Por lo tanto, sólo NOR y NAND puede darnos los tres bloques fundamentales de construcción NO, AND y OR.

Memoria

Por lo tanto, toda la lógica se puede construir a partir de una sencilla puerta lógica, NORMAL (o, alternativamente, NAND). Hay, sin embargo, otro tipo importante de mecanismo esencial para cualquiera de las máquinas o la inteligencia humana, la capacidad de recordar. De la misma manera que podemos construir funciones lógicas muy complejas desde los muy simples, también podemos construir estructuras de memoria muy complejas y extensas de lo simple de un bit (encendido o apagado) de la memoria. La pregunta, entonces, es: ¿podemos construir una memoria de un bit de puertas lógicas? Como resultado, podemos hacerlo.

Si el "set" de entrada (que podría llamarse MARCA TRUE) se hace verdadero, aunque sea momentáneamente, la salida se hará realidad y seguirá siendo verdad, incluso cuando la entrada de ajuste se convierte en falsa. Esta celda de memoria, construido con sólo dos puertas NOR, por lo tanto, recuerda siempre, incluso un estado temporal de cierto en la entrada de ajuste. Del mismo modo, un estado momentáneo de la verdadera en la entrada de "reset" (hacer falsas) hará que la salida vaya permanentemente en false.

Una célula de memoria de NI.

Curiosamente, podemos reemplazar las dos puertas NOR con puertas NAND en exactamente la misma configuración y la celda de memoria va a funcionar de una manera similar (sólo necesitamosinvertir la posición de la "memoria" y "no a la memoria" líneas de salida y negar el conjunto y restablecer las líneas de entrada).

Tenemos, pues, todas las funciones de lógica, así como la memoria, los dos requisitos para el cálculo-construido a partir de un dispositivo muy simple, la puerta NOR (o puerta NAND). Con suficiente puertas NOR podemos construir cualquier equipo o implementar cualquier algoritmo. Toda la inteligencia de la máquina (y, si aceptamos la tesis de Church-Turing, toda la inteligencia natural) puede ser construido a partir de NI.

Para resolver un problema, no es suficiente, sin embargo, simplemente tener un número suficiente de puertas NOR. Si tiramos un millón de puertas NOR sobre una mesa, que no realizan ninguna función, útil o no. Obviamente, tienen que ser conectados entre sí y con el mundo exterior de manera apropiada. El mundo exterior puede ser modelado como una serie de interruptores que presentan problemas o situaciones. Incluso las entradas sensoriales humanos, como la vista o el oído, se pueden modelar de esta manera. Los interruptores de entrada podrían ser miles o incluso millones de sensores de luz dispuestos en una matriz o sensores auditivos que responde a determinadas frecuencias. Incluso de entrada-continua valioso puede ser modelada mediante el uso de múltiples interruptores de entrada para representar diferentes niveles de entrada.

Vamos a definir un "nodo" para ser un interruptor especial de entrada, una pantalla de salida final o una entrada o salida de una puerta lógica particular. Así tenemos los siguientes tipos de nodos:

• Las entradas que presentan un problema o situación

• Entradas de lógica-gate

• Salidas lógicas-gate

• Productos finales

Si se asigna cada uno de estos nodos de un número único, entonces podemos describir cualquier máquina por una serie de números que describe las conexiones de los nodos. Por ejemplo, si nuestramáquina se describe como 10126, 4034, 28,1,12, ..., esto significaría que el nodo 1 está conectado al nodo 10, el nodo 2 está conectado al nodo 126, y así sucesivamente. Por lo tanto, cualquier máquina se puede describir como una serie de números que describen sus conexiones lógicas.

Hay otro tipo de información requerida antes de nuestra máquina puede resolver un problema, y quees el estado inicial de las células de memoria. A pesar de que las células de memoria se construyen apartir de puertas lógicas, que tienen dos estados diferentes: ya sea que tienen el valor verdadero o el valor falso en cualquier momento.Tenemos que establecer un valor inicial para cada una de esas células. Si numeramos cada celda de memoria, podemos describir estos valores iniciales como una secuencia de números de un bit (por ejemplo, 0,1,1, 0, etc.) Si agrupamos las células de la memoria en "palabras" de más de una célula cada una, entonces nuestra lista de valores iniciales puede utilizar los números que no sean sólo 0 y 1.

Hardware y Software

La primera lista, que describe las interconexiones de nuestras entradas, puertas lógicas, y las salidas,que se podría llamar la descripción hardware. La segunda lista, que describe los estados iniciales de las celdas de memoria, se puede llamar la descripción del software. En el diseño de tales sistemas, los ingenieros reales podrían sustituir los símbolos más descriptivos para la mayoría de los números. El resultado final sería una cadena de números, no obstante. En este punto nos damos cuenta de que la descripción de hardware de nuestra máquina es muy similar a la descripción del software. Ambos son simplemente listas de números. Podríamos sustituir la palabra "información" oincluso el "conocimiento" para el ". Lista de números de" expresión Visto desde esta perspectiva, la creación de diseños de hardware y software son muy similares: ambos implican la creación de información de software similar. Incluso podríamos considerarlos tanto como formas de software.

Este modelo de la inteligencia como un mar de puertas NOR nos proporciona un modelo teóricosimple para las máquinas que pueden implementar un algoritmo y para la comprensión de la

complejidad de la máquina. Si consideramos las dos listas de números descritos anteriormente comodescripciones de software, entonces podemos decir que tenemos una fórmula simple (es decir,NOR) para el hardware de la inteligencia; tendremos que buscar en otra parte para un modelo

unificador del software .

Conexión del NORs. Conexiones de nodos descritos por la lista. 10,126,4034,28,1,12

NO Derivado NI.

Derivado O de NI.

Derivado Y de NI.


Sistema Experto para un Diagnóstico Automotriz


Autor:

Ray Kurzweil

Jeff pimienta es gerente de marketing de producto de la división de diagnóstico del Grupo de Carnegie. Sus intereses de investigación incluyen todos los aspectos de diseño de base de conocimientos, construcción, validación y mantenimiento. Ha publicado varios artículos sobre la construcción de sistemas expertos y su integración en las organizaciones de servicios. También ha sido profesor de programación informática en la Universidad Carnegie Mellon.

Grandes cambios están llegando al mundo de la reparación de automóviles. En el concesionario de Ford en el futuro no muy lejano, la mecánica será la búsqueda y solución de problemas en su coche con la ayuda de una poderosa herramienta de diagnóstico AI llamado SBDS, en fase de desarrollo por un equipo conjunto de proyectos en la Ford Motor Company, el Grupo de Carnegie, y Hewlett Packard. SBDS, el sistema de diagnóstico de servicio Bay, va a revolucionar la forma en que los coches son fijos. Cuando esté terminado en el próximo año o dos, la base de conocimiento de SBDScontendrá la experiencia de los mejores diagnosticadores de Ford, y hará que sus habilidades de diagnóstico disponible para la mecánica en cada concesionario de Ford en América del Norte. Este "experto en una caja" guiará a un técnico humano a través de todo el proceso de servicio, desde la entrevista inicial con el cliente en el mostrador de servicio para el diagnóstico y la reparación de los coches en el garaje.

Imagínese cómo este sistema experto afectará a la forma en que su coche está reparado. Cuando entras por primera vez a la mesa de servicio, un servicio de entrevistas del escritor usted para averiguar los detalles del problema de su coche. Pero la mayoría de las preguntas que hace son sugeridos por el Órgano Auxiliar, que está tratando de reunir información importante de usted antes de salir del concesionario. Las preguntas que se adaptan a su situación particular y dependen de su coche, sus quejas, el historial de reparaciones de su coche, y el conocimiento de Ford acerca de los posibles problemas con los coches similares a los tuyos.

Después de la entrevista SBDS imprime una orden de reparación, y su coche es llevado a la tienda. Hay un técnico comienza su diagnóstico. En las primeras versiones del sistema, el técnico utilizará un terminal de ordenador y una pantalla táctil para comunicarse con el ordenador. Pero en un escenario de futuro que estamos trabajando, no hay ninguna terminal en absoluto. En lugar de ello, el técnico se pone un auricular con un micrófono incorporado y comienza el diagnóstico simplemente diciendo, "Vamos" en el sistema experto. En esta visión del futuro, SBDS solicita información y proporciona instrucciones mediante la generación de un sintetizador de voz y enviarlo a los auriculares del técnico. Este discurso se proporciona en el idioma preferido por el técnico y con un nivel de detalle adecuado a su educación y la profundidad de la experiencia. El técnico responde a probar peticiones diciendo que el resultado (por ejemplo, "Pass" o "Doce voltios") en el micrófono.

Siempre que sea posible, SBDS Evita pedir al técnico para realizar pruebas físicas. En su lugar, se va directamente al coche para la información, el uso de un analizador portátil vehículo especialmente diseñado conectado al ordenador de a bordo que controla gran parte del funcionamiento de los coches de Ford. Los datos en bruto, tales como voltajes y lecturas de vacío-presión son procesados por el analizador de vehículo y transmitirse al sistema experto para ayudar aorientar el diagnóstico. Si el técnico no entiende por qué SBDS pide una prueba o hace una cierta conclusión, se puede responder con la pregunta "¿Por qué?" El sistema experto responde a esta petición mediante la descripción, en lenguaje hablado ordinario, el razonamiento que llevó a la


solicitud de prueba o conclusión. El técnico puede preguntar: "¿Cómo?" Para escuchar una explicación de cómo realizar una reparación, o decir "Muéstrame" para activar la visualización de una ilustración esquemática o animado en un monitor de TV cercano.

SBDS no controla rígidamente la sesión. Simplemente sugiere pruebas y hace preguntas de acuerdo a su conocimiento del problema y lo que necesita para poder continuar con su estrategia de diagnóstico. Sin embargo, el técnico puede anular esta línea de razonamiento, si se da cuenta de algo inusual en el coche o siente que el programa está ignorando una causa probable para el fracaso. Siempre que el técnico voluntarios nueva información, SBDS responde inmediatamente. Interrumpe su diagnóstico, dibuja cualquier conclusión que pueda de la nueva información, y reorienta su estrategia para aprovechar lo que ha aprendido. Por lo tanto, el técnico puede dejar SBDS controlar la sesión de diagnóstico completo, o puede usarlo como un asesor experto, dependiendo de su nivel de habilidad y la forma en que quiere usar el sistema.

SBDS es parte de un gran esfuerzo por parte de Ford Motor Company para introducir la inteligenciaartificial en el diseño, fabricación y servicio de sus productos. Es la piedra angular del compromiso de Ford para traer AI en el mundo del automóvil. Con una base instalada prevista de más de 5.000 concesionarios en toda América del Norte, SBDS puede convertirse en la mayor aplicación de la inteligencia artificial en el mundo.

Ford pidió al Grupo de Carnegie para ayudarles a desarrollar el componente de sistema experto de SBDS, porque reconocieron que la complejidad de los coches de hoy en día está superando rápidamente la capacidad de la mecánica humanos para solucionarlos. Los técnicos de hoy son generalmente incapaces de decir lo que está mal con un coche con sólo escucharla, porque un laberinto de la electrónica controla prácticamente todos los aspectos del rendimiento de un coche. Los métodos tradicionales de diagnóstico, tales como escuchar el motor, ajustar los controlesdel motor y la observación de la respuesta, están perdiendo rápidamente su utilidad. Muchos mecánicos, abrumados por la electrónica del coche, se ven obligados a una estrategia de prueba y deintercambio, la simple sustitución de un componente sospechoso y comprobar después para ver si elproblema se fue. Aunque hay algunos expertos que pueden diagnosticar con fiabilidad fallas en los vehículos de la electrónica cargada de hoy en día, son un recurso muy escaso y caro.

Al tratar de superar este cuello de botella experiencia, nuestro equipo de desarrollo en el Carnegie utiliza las técnicas existentes para el diagnóstico basado en IA y los modificó para hacer frente al dominio muy grande, no estructurada de reparación de automóviles. Pronto nos enteramos de que ladiagnosis del automóvil experto es una tarea muy compleja. Mecánica automotriz expertos, descubrimos, dependen de los diferentes tipos de conocimiento sobre el dominio y el uso de varias técnicas de razonamiento totalmente diferentes durante el curso de un diagnóstico. Nuestra tarea consistía en diseñar una estructura de base de conocimientos que sería lo suficientemente rico comopara contener todos los tipos de conocimiento que los expertos humanos tener para lidiar con el problema, pero lo suficientemente simples que podría ser construido y mantenido por expertos no IA.

Todos los diagnosticadores humanos, independientemente de si trabajan en la reparación o la medicina de la automoción, tienen ciertas características en común. Ambos grupos tienen un modelo mental interno del dominio de la tarea. Este modelo es un conjunto de conocimientos sobre las partes del mecanismo u organismo que están tratando de solucionar y de cómo esas piezas encajan. Este modelo está estrechamente ligada a dos fuentes de conocimiento adicionales: entendimiento formal de los expertos de las leyes de dominio (por ejemplo, la teoría eléctrica) y un gran cuerpo poco estructurada del conocimiento consiste en el sentido común y la experiencia adquirida simplemente por vivir en el mundo. En conjunto, estas tres fuentes de conocimiento son muy potentes y permiten a los seres humanos para resolver nuevos problemas razonando a través. Este proceso se denomina razonamiento causal o razonamiento a partir de primeros

principios.

Hemos descubierto un hecho interesante sobre el razonamiento causal: expertos rara vez resuelven problemas de esta manera. Sólo cumplen razonamiento causal cuando sea absolutamente necesario, por ejemplo, cuando se enfrenta a una nueva situación. La mayoría de los expertos tiempo de trabajo a partir de una representación diferente, un modelo mucho más simple derivado de la modelo causal original, pero mucho más fácil trabajar con.Este segundo modelo, llamado un modelo causal débil solución de problemas o, consta de fracasos y su relación entre sí. El modelo desolución de problemas conserva la mayor parte de la capacidad diagnóstica del modelo causal original, pero no requiere de tal razonamiento difícil.

La base de conocimientos de SBDS se construye a partir de un modelo de resolución de problemas modificado.Fue escrita utilizando un kit de herramientas para el desarrollo de un sistema experto denominado Knowledge Craft, y que consiste en miles de trozos de información llamados esquemas. Hay un esquema de cada forma conocida de que el vehículo puede fallar. Estos modos defallo están conectados entre sí por las relaciones predefinidas como debido a y siempre conduce a, que permite a un ingeniero del conocimiento para representar el hecho de, por ejemplo, que un tanque de gasolina vacío siempre conduce a un no-inicio. En conjunto, estas relaciones entre los fracasos forman una jerarquía ricamente interconectado, que van desde las preocupaciones del cliente identificables visibles al más alto nivel a los fallos de componentes específicos en el nivel más bajo. La estructura en forma de árbol de la red-modo de falla se ve aumentada con grandes cantidades de información de apoyo que ayudan al sistema experto en el diagnóstico y reparación. Cada módulo falla tiene enlaces a las fallas que pueda causar, fallas que son las posiblescausas de la misma, y muchos otros tipos de esquemas. Estos incluyen los procedimientos de prueba que puedan confirmar o rechazar la hipótesis de que realmente ocurrió la falla, los procedimientos de reparación que puede arreglar si es que ocurre, la documentación que describe cómo solucionarlo, y directrices sobre la manera de proceder si la reparación falla.

Este diseño de base de conocimientos es suficiente para describir las formas más comunes en que los coches fallan. Pero al igual que los expertos humanos, necesita una forma de modificar su comportamiento cuando se enfrentan con las excepciones y condiciones inusuales. Para replicar esteimportante aspecto de la resolución de problemas, hemos añadido la posibilidad de adjuntar reglas de excepción a los esquemas fracaso. Estas reglas modifican la base de conocimientos para manejar condiciones especiales. Por ejemplo, una regla podría decir que si el coche tiene una lectura muy alta odómetro, entonces hay una mayor probabilidad de que los inyectores de combustible obstruidos provocan estancamiento. Esta regla no tiene realmente concluir nada, simplemente se modifica la base de conocimientos para que la estrategia de razonamiento se puede llegar a una conclusión correcta más rápido en este caso.

En el mundo de la diagnosis del automóvil, el conocimiento está en constante cambio. Un boletín técnico de servicio puede ser emitida por el fabricante o mecánicos en el campo puede descubrir un nuevo tipo de problema, un nuevo diagnóstico, o un nuevo procedimiento de reparación. La forma tradicional de manejar esto es para enviar boletines de servicios técnicos a los concesionarios. Estosboletines se publicarán en los tablones de anuncios y discutidos entre los técnicos. Pero con SBDS, ingenieros del conocimiento en Ford simplemente insertan la nueva información en la base de conocimientos. Esto hace que la nueva información no está disponible sólo para referencia pero para mejorar realmente la estrategia de razonamiento. SBDS se vuelve más inteligente con cada nuevo trozo de conocimiento.

El razonamiento real acerca de las reparaciones se realiza mediante un programa llamado el Intérprete de diagnóstico. Este intérprete es completamente independiente de la base de conocimientos y no sabe nada sobre los coches o cualquier otro objeto. Sin embargo, sabe mucho acerca de cómo hacer el diagnóstico de la máquina.En cierto modo, el intérprete es como un

detective que se preguntó de pronto para fijar un calentador de agua rota.Él no sabe nada acerca de los calentadores de agua, pero sabe mucho acerca de las técnicas de razonamiento deductivo. Si le damos un manual que describe el calentador de agua, que puede aplicar sus habilidades de razonamiento a este nuevo dominio. De la misma manera, un sistema experto hace una separación estricta entre el conocimiento "puro" en la base de conocimientos y la información sobre el procedimiento en el intérprete de diagnóstico. Esto hace que sea mucho más fácil para crear y actualizar la base de conocimientos y hace que seasuministrada por Jeff Pepper Una base de conocimientos típico para el sistema de diagnóstico de servicio Bahía de Ford mostrando los fracasos, las relaciones entre ellos, y dos reglas que pueden modificar la base de conocimientos. Lasflechas indican una relación "por" entre

dos fracasos.

Cortesía de la Carnegie Group

Una pantalla típica de la parte de expertos del Sistema de Diagnóstico de Servicio Bahía de Ford.

posible reutilizar el intérprete de diagnóstico SBDS para diferentes marcas y modelos de automóviles mediante la simple sustitución porciones apropiadas de la base de conocimientos.

El intérprete de diagnóstico no sabe nada, excepto cómo razonar, y puede aplicar sus distintas estrategias de razonamiento para el contenido de cualquier base de conocimientos. Se sabe cómo

razonar por proceso de eliminación, como modificar su comportamiento para hacer el mejor uso de inesperado o se ofreció la información, y así sucesivamente. También sabe cómo utilizar todas las diferentes trucos del comercio que figuran en la base de conocimientos, tales como el reconocimiento de un fracaso de una determinada combinación de síntomas. Y sabe cómo realizar el encadenamiento hacia atrás, o el razonamiento orientadas a objetivos, el método de inferencia de que forma la columna vertebral de este y muchos otros sistemas expertos.

Después SBDS llega a una conclusión, otra tarea difícil: debe asegurarse de que la conclusión es correcta y que la reparación recomendada realmente solucione el coche. Este proceso de validación o la estrategia de la reparación es mucho más difícil de lo que parece. Hay muchos factores que complican la imagen: Una sola preocupación de los clientes puede tener varias causas co-ocurren, por lo que encontrar una causa no resuelve el problema del cliente. El diagnóstico puede llevar a la conclusión de que una parte es malo, pero esa parte no puede tener nada que ver con el problema original del cliente. El técnico podría ser incapaz o no está dispuesto a realizar la reparación sugerida, y otro debe ser sustituido. No puede existir un riesgo para ciertas reparaciones para causar otras cosas que se rompen, y estos otros problemas, secundarias que sea necesario investigar si la reparación no puede arreglar el coche. Estos son problemas que los expertos humanos intuitivamente saben cómo manejar. Pero deben ser estudiados, formalizados, y se convirtieron en los programas informáticos con el fin de SBDS resolverlos. Como construimos SBDS, encontramosque la tarea de verificar una reparación es tan difícil, ya que el diagnóstico original, y mucho menosentendido. El componente de la reparación-estrategia de SBDS es quizás el primer intento a gran escala para verificar de forma inteligente la exactitud del diagnóstico y la reparación asistida por ordenador.

Al escribir estas líneas, SBDS está en fase de pruebas en los garajes de Ford, y los resultados han sido muy alentadores. Sabemos ahora que el programa lleva a cabo como se esperaba, que precisa yeficiente puede guiar a un usuario humano para el diagnóstico correcto de una avería del vehículo. Pero al mirar hacia atrás en lo que hemos hecho, dos preguntas permanecen: ¿Hemos replicar con exactitud mapa mental del experto cuando se construyó la base de conocimientos SBDS? Y es el programa inteligente? La respuesta a la primera pregunta no es, y es probable que siga siendo un no por los sistemas expertos en el futuro cercano. Sabemos que la comprensión de unexperto humano tiene sus raíces en la experiencia del mundo real. Un ser humano entiende que un tanque de gas vacío impide que un automóvil arranque, al igual que nuestro sistema experto hace. Pero su comprensión se basa en las observaciones que hace en términos de su entendimiento común de cómo funciona el mundo. Nuestro sistema experto no tiene sustrato de la experiencia en la que a raíz de su conocimiento. No sabe por qué un tanque de gasolina vacío impide que un automóvil arranque, no sabe realmente lo que es el gas, o incluso lo que un coche es. Cuando nos enfrentamos a situaciones fuera de su base de conocimiento limitado, como un coche con dos tanques de gas, no puede ser de mucha ayuda. Lo mejor que puede hacer es reconocer la situación como fuera de su dominio y con gracia admitir que no sabe qué hacer.

En cuanto a la segunda pregunta, Raymond Kurzweil ha dedicado gran parte de este libro a señalar que la pregunta ¿Es inteligente? no tiene sentido a menos que primero definimos claramente lo que entendemos por inteligencia.Si nos preocupa más que con la capacidad de realizar el razonamiento simbólico, entonces por supuesto SBDS es inteligente, porque es muy hábil en la manipulación de sus propias estructuras de conocimiento. Pero a un nivel más profundo, las respuestas se hacen más difíciles de alcanzar.

Probablemente, la mejor contribución que puedo hacer a este debate es divagar un poco y te llevará al Museo Carnegie de Historia Natural. Entramos al museo, y vemos una exposición de la evolucióndel caballo. Por allí hay una fila de esqueletos de caballos que van desde las pequeñas criaturas doglike de la edad de hielo a la carrera de caballos pura sangre modernos. La pequeña criatura que hay en el extremo izquierdo no se parece mucho a un caballo en absoluto. Es Eohippus, el "caballo

del alba." Fue el primer experimento de la evolución de este tipo de animales, y fue un éxito suficiente para sobrevivir y proveer las semillas de la evolución que han llevado a las magníficas criaturas que conocemos como caballos de hoy.

Foto por Patrick Terry

Jeff pimienta es gerente de marketing de producto de la división de diagnóstico del Grupo de Carnegie. Sus intereses de investigación incluyen todos los aspectos de diseño de base de conocimientos, construcción, validación y mantenimiento. Ha publicado varios artículos sobre la construcción de sistemas expertos y su integración en las organizaciones de servicios. También ha sido profesor de programación informática en la Universidad Carnegie Mellon.


La importancia de Sistemas Informáticos de quinta generación


Autor:

Kazuhiro Fuchi

Desde 1982 Kazuhiro Fuchi ha sido director del Centro de Investigación del Instituto de Tecnología de Computadoras de Nueva Generación (ICOT, también conocido como el Proyecto delSistema de Informática de quinta generación). Es editor de la revista New Generation Computing yautor de numerosos artículos sobre la tecnología informática de última generación en Japón.

El proyecto de la quinta generación del sistema de computadora (de FGCS) se inauguró en 1983. Me gustaría informar sobre la importancia del proyecto en la actualidad. La palabra "significado" es muy difícil de definir.Probablemente será dado diferentes definiciones por diferentes personas. Para decirlo más simplemente, si digo que el proyecto será útil o rentable, algunas personas pueden pensar que es muy significativo. Dado que, sin embargo, el beneficio es untema muy difícil para mí tratar, me gustaría ver la importancia del proyecto desde una perspectiva diferente.

Computer History cambiará

La mayor importancia del Proyecto de FGCS, como yo lo veo, es que la historia del ordenador será cambiado por el cumplimiento exitoso de este proyecto. ¿Este cambio será para el bien? Siento que el equipo debe evolucionar a la siguiente generación si es realmente a echar raíces en la

sociedad. Para hacer posible esa evolución es el objetivo del proyecto. Creo que si se consigue el objetivo, que será la importancia del proyecto. Más simplemente, el proyecto, tal como yo lo veo, está dirigido principalmente a cambiar el principio básico de diseño que nos ha dado los ordenadores existentes. Voy a ampliar esto más tarde. Llevar la tecnología informática a una nueva etapa cambiando su filosofía de diseño básico, entonces, es el objetivo del proyecto. Se ha establecido un nuevo principio ordenador de diseño todavía? La respuesta es no. Creo que el cambio de diseño básico significa establecer nuevos conceptos y traducirlos en tecnologías básicas prácticos. El establecimiento de tecnologías básicas es el objetivo de este proyecto de diez años.

A medida que trabajamos en el proyecto, tenemos visitantes de diversos campos, tales como periodistas e investigadores. Un visitante quería echar un vistazo a un ordenador de quinta generación. "¿Usted se ha escondido en alguna parte, ¿no es así" Cuando le dije que no teníamos uno hasta ahora, bromeó, Otro visitante grave dicho esto, para mi vergüenza: "Tenemos un plan a nuestra compañía en introducir un nuevo sistema informático de unos tres años en el futuro. El ordenador de quinta generación parece muy bueno, y nos gustaría instalarlo ".

Diez años son necesarios para establecer Tecnologías Básicas

El marco de tiempo de diez años del proyecto es bastante larga, pero creo que lleva diez años para establecer las tecnologías básicas. Si el proyecto tiene éxito, todavía tardará varios años más para construir productos comerciales sobre la base de la misma. Por lo que su realización tendrá una docena de años desde el inicio, tal vez muy lejano un futuro para algunas personas. Pero creo que todavía es muy útil para continuar el proyecto.

Cuando me preguntan si hay algún plan para el sistema informático de la quinta generación guardado en alguna bóveda, yo digo que no, al menos no por ahora. Yo más bien diría que la elaboración de un plan tan básico es el objetivo del proyecto. La parte más difícil del proyecto es hacer que la idea del proyecto entendido. Una vez que un producto está disponible físicamente, que fácilmente podemos hacer entender. Pero no tenemos eso todavía. En la actualidad existe ningún ejemplo en cualquier parte del mundo que podemos citar para mostrar lo que nuestro sistema informático proyectado será. Esta es una característica del proyecto. Si lo que nos proponemos se puede explicar en términos de aumentar la velocidad de un proceso conocido por diez veces o reducir su coste en un cierto porcentaje, se podría entender muy fácilmente. Así las cosas, no existe tal proceso.

Pero eso no quiere decir que hemos entrado en un campo totalmente nebuloso. Y creo que esto también es una característica del proyecto. La planificación del proyecto fue precedida por tres añosde investigación y estudio y, a decir verdad, incorporó los debates celebrados en diversos lugares aún más atrás. Por ejemplo, en el Laboratorio de Electrotécnica, donde estaba antes de venir a ICOT, habíamos tenido discusiones durante cinco o seis años en lo que la próxima edad sería. Uno de los motivos que hay detrás del proyecto es integrar estos distintos debates de varios lugares. En el proceso de planificación también discutimos dónde debemos ir sobre la base de diversas investigaciones de borde de ataque en curso en todo el mundo. Yo mismo hice los esfuerzos en esa dirección, y así lo hice otros investigadores. Así que el proyecto se basa en la investigación llevada a cabo en el pasado y no en una simple colección de ideas casuales. Sin embargo, cuando se trata dedar forma a una imagen de diversas investigaciones, puede hacerlo simplemente recopilar y procesar los datos estadísticamente. Puedo decir que el proyecto representa un refinamiento de las discusiones muy intensas que tuvimos con varias personas y en los conocimientos adquiridos a partir de las tendencias del pasado.

El establecimiento de la nueva tecnología es el objetivo principal del proyecto. Japón no tiene mucha experiencia en el desarrollo de nuevas tecnologías, donde hay una idea o meta, pero hay que ir por ejemplo. En primer lugar una nueva metodología para la implementación del proyecto debe ser desarrollado. Si pudiéramos desarrollar una nueva tecnología con sólo seguir los métodos

tradicionales, que sería lo mejor. Pero eso no es posible, creo. Como es a menudo señalado, los japoneses prefieren tradicionalmente estabilidad a la innovación. Pero sólo el desarrollo de temas viejos no va a crear una nueva tecnología. Es por eso que necesitamos un nuevo método para llevar a cabo el proyecto. En resumen, creo que hacer un esfuerzo para demostrar que el Japón se va con la nueva tecnología es la naturaleza y la importancia del proyecto.

La base es una máquina de la lógica

Como yo lo veo, allí está surgiendo una situación que llama a Japón a esforzarse para hacer grandescontribuciones a lo que el profesor Moto-oka acertadamente denomina fase precompetitiva. El Proyecto de FGCS es un proyecto que responda a sólo esa situación.

Aunque el objetivo principal del proyecto se acaba de explicar en términos de cambio de la filosofíade diseño de los ordenadores, sino que también puede ser descrito como el desarrollo de un equipo de fácil uso o un ordenador con inteligencia. Cuando hablé de esto con un caballero, sugirió que la meta podría ser la búsqueda de un nuevo paradigma. El término "paradigma" se utiliza normalmente para indicar un ejemplo, tangible o intangible, que proporciona la base para la evolución de una teoría cultural o científico. Permítanme explicar esto es mi propio lenguaje. El equipo, como yo lo veo, es una máquina de la lógica.

Desde ese punto de vista, la base del proyecto de FGCS se puede remontar a la lógica. Pero lo que la lógica o el sistema de la lógica es el actual equipo basado en? En el principio era la teoría de Turing-máquina. No es del todo erróneo decir que el ordenador ha evolucionado sobre la base de esa teoría. Aunque el presente equipo no es una máquina de Turing per se, su base se remonta a la teoría de Turing. Así que sigue funcionando en el paradigma de Turing. ¿Hay, entonces, un paradigma diferente del paradigma Turing? Lo hay. La teoría de Turing fue publicado en 1936, que pasa a ser el año en que yo nací. Según los textos, esos días fueron la edad de oro de la lógica. Varios sistemas de lógica se desarrollaron para perseguir computabilidad, etc, lo que resultó en la creación del concepto de computabilidad. De esto vino la teoría de Turing.

Desde el punto de vista de la lógica, sin embargo, la teoría de Turing era un ser muy especial. La corriente principal de la lógica es un sistema de lógica llamada lógica de predicados. Había un gran número de hombres involucrados en el establecimiento de la lógica de predicados. Esto comenzó con Frege en el siglo XIX, que fue seguido por Gödel en 1930. Von Neumann también tenía su nombre grabado en la historia de la lógica de predicados. Con un largo camino por la historia que seremonta a Aristóteles, la lógica de predicados es, en cierto sentido, una lógica común, más natural. Así que cuando se trata de máquinas de lógica, podría haber habido máquinas de lógica de predicados en lugar de las máquinas siguiendo el modelo de la máquina de Turing. Pero la historia no resultó de esa manera.

El equipo ha seguido la ruta, ya que tiene. Algunas personas dicen que esto puede haber sido un desvío histórico gigantesco. Yo en parte estoy de acuerdo con ellos. Creo que se acerca el momento de volver a predicar la lógica como un paradigma. En los últimos diez años más o menos se han dado pasos para restaurar la lógica de predicados en el campo de la programación también. Llamadoprogramación lógica, el movimiento tiene como objetivo desarrollar los lenguajes de programación basados en los sistemas de la lógica como lógica de predicados y su uso para la programación.

Mirando hacia atrás en la planificación para el Proyecto de FGCS, puedo decir que el proyecto se basa en el concepto de la programación lógica. Esto podría interpretarse como el rediseño de software y aplicaciones dentro de ese concepto, o podría ser visto como la construcción de máquinas con un nuevo tipo de arquitectura para apoyar el concepto de la programación lógica. A pesar de la lógica fue nuestro punto de partida, yo diría que la lógica no se tuvo en cuenta desde el principio. Más bien, fue una conclusión tras el análisis de varios proyectos de investigación, como mencioné hace un rato.

La programación lógica está estrechamente relacionado con los diversos campos. Tome el campo delas bases de datos, por ejemplo. En el mundo de las bases de datos, bases de datos relacionales son aceptados. El concepto básico de bases de datos relacionales son las relaciones, y las relaciones de formar un concepto que se basa en la lógica de predicados. Las bases de datos se están convirtiendo en una parte muy importante de los sistemas informáticos, pero el modelo relacional de datos-base no es coherente con el mundo de la programación en la actualidad.

Los programas se basan no en las relaciones, sino en los procedimientos. Relaciones y procedimientos son fundamentalmente diferentes el uno del otro. Lenguas de datos-base son teóricamente más avanzada, mientras que los lenguajes de programación que se usan actualmente sebasan en viejos conceptos. Siento que la situación actual es que tenemos otra alternativa que conectar los dos en formas anormales. Data-base y lenguajes de programación son similares en que la programación lógica puede ser considerada como la intención de llevar la programación hasta el nivel de las bases de datos relacionales, pero no al revés. Así que veo la posibilidad de que el uso dela lógica en la programación le permitirá conectar muy bien con el mundo de las bases de datos relacionales, aunque no a la inversa.

En el campo de la ingeniería de software, la investigación se llevó a cabo en una variedad de temas tales como los nuevos estilos de los programas, la verificación del programa, y la síntesis. De estos también vinieron programación lógica. Al considerar la verificación del programa o de la síntesis o de un sistema de depuración muy eficiente, lo que creo que va a ser un reto de futuro, tenemos grandes dificultades para tratar teóricamente con el modelo básico de la computadora de hoy, que sebasa en la sentencia GOTO y asignación. Los conceptos de misiones y la sentencia GOTO son básicas y fáciles de entender, pero no son adecuados para probar las propiedades, ya que están orientados hacia las funciones. Por el contrario, las máquinas basadas en la lógica de predicados sonadecuados para tales fines, ya que proving está integrada en ellos. Esto no es sólo un argumento teórico, pero es algo en línea con la tendencia de hace unos diez años a evitar el uso de instrucciones GOTO siempre que sea posible con el fin de escribir programas aseados. Este hecho sugiere que la programación basada en la lógica de predicados se adapta mejor a nuestros propósitos de los lenguajes ordinarios que estamos utilizando actualmente.

Estrechas relaciones con la Inteligencia Artificial

El Proyecto de FGCS también está estrechamente relacionada con el campo de la inteligencia artificial. Sistemas de conocimiento de ingeniería, o sistemas expertos, que han estado atrayendo considerable atención recientemente, se basan en la idea de hacer un sistema de consulta por parte de la representación del conocimiento en forma de reglas y el procesamiento de las reglas. A grandes rasgos, la organización del conocimiento en reglas es una vuelta a predicar la lógica. Si entramos en detalle, encontraremos diversos argumentos sobre este tema. Debo añadir que los expertos de AI tienden a estar preocupados con diferencias incluso minúsculos. Para la representación del conocimiento hay numerosas propuestas que son sustancialmente el mismo con pequeñas diferencias.

En relación con la inteligencia artificial, está la cuestión del procesamiento de lenguaje natural. Gramática, por ejemplo, está muy relacionada con el predicado lógico. Así es la semántica. Esto puede ser muy natural, ya que la lógica misma provenía de un deseo de formular una parte del mecanismo del lenguaje natural. Históricamente, la programación lógica se originó de las propuestas de los investigadores del lenguaje natural.

Antecedentes históricos de lado, si vamos con el paradigma de la lógica de predicados-en lugar del paradigma Turing, podemos esperar que todos los problemas que enfrentamos serán puestos en orden en cuanto a software se refiere.

Vinculación con los conceptos del software

El resurgimiento de la lógica de predicados no se limita al área de software. Diversas investigaciones en arquitecturas de computadora ha producido nuevas arquitecturas interesantes. Son interesantes no sólo en la configuración de hardware, sino en que están destinados a conectar con los conceptos del software. Incluyen máquinas frecuentemente citadas de flujo de datos y sus variaciones, máquinas de reducción, y las máquinas paralelas, más recientemente propuesto avanzados. Estos representan una nueva tendencia, ya que están destinadas a vincular la arquitectura a los conceptos de ingeniería de software.

Por el contrario, los conceptos anteriores de abajo hacia arriba solos, como el paralelismo y la memoria asociativa, no son suficientes. Ellos deben estar conectados con el software de alto nivel. Las recientes medidas notables toman el punto de vista de que la incorporación de estos conceptos de software puede hacer que sea posible organizar bien el paralelismo.

En este contexto, se discute a menudo la programación funcional. Programación en lógica de predicados, de nuevo en términos de macro, es un concepto ampliado que abarca la programación funcional. Desde el punto de vista de la arquitectura también, la programación lógica puede proporcionar una mejor base para el procesamiento en paralelo, ya que contiene más el paralelismo de formulación funcional. Esta forma de pensar se basa el proyecto de FGCS.

Nuestro plan para tener en cuenta este tipo de máquinas paralelas es apoyada por los avances de la tecnología VLSI. Veamos de nuevo en la historia. ¿Cuál fue la razón principal para ir con el paradigma de Turing en el primer lugar? En la década de 1940 elementos de memoria son muy caros. Por lo tanto, era necesario utilizar tan simple una configuración de hardware y el menor número de tubos de vacío como sea posible. Una gran idea nacida en esas circunstancias es lo que ahora se llama el concepto de von Neumann. Pero la historia informática ha llegado a un punto en que el concepto convencional de hacer que el software hace todo el hardware sencilla presenta varios problemas. La llamada crisis del software se lleva a cabo en algunos campos. Por esta razón me siento veamos historia de la informática se mueve fuera de una fase caracterizada por el cumplimiento estricto de una filosofía básica nacido en los días de hardware costoso y en una nuevafase.

De FGCS como un retorno a Lógica de Predicados

Por estas razones, veo el empuje básico de de FGCS como un retorno a predicar la lógica. Esto no es una novedad.Más bien se trata de un retorno a algo viejo. Para las personas adversas a la palabra innovación, explico como la restauración. Para los amantes de la innovación, por el contrario, se lo explico como una aventura en un nuevo campo. No miento a cualquiera: estamos en una fase de transición del ciclo de la historia. Lo que quiero decir es que la historia aún no ha llegado a un punto de inflexión, pero será en la década de 1990. Será un poco más de medio siglo desde que el equipo como lo hemos conocido nació. El lapso de tiempo también puede justificar este escenario.

Hasta ahora he explicado el proyecto de FGCS desde mi propio punto de vista. Detrás de este puntode vista es, por supuesto, un montón de discusiones. He reducía los resultados de las conversacionesque he tenido con varios expertos en los últimos años y los recapituladas como yo las entiendo. El Centro de Investigación ICOT inició actividades con los investigadores enviados en préstamo de numerosas organizaciones. A pesar de que eran como un equipo de la nada, estas personas fueron muy rápidos para combinar armoniosamente en el centro. Muy rápidamente un sentido de unidad prevaleció en el centro, y todas las personas que han hecho mejor de lo esperado en sus respectivos campos de investigación. Esto es atribuible en parte al entusiasmo de los investigadores y los que los apoyan y en parte al objetivo del proyecto, que, aunque algo vaga, es suficientemente ambiciosa como para estimular a los jóvenes investigadores.

Reacciones en el extranjero al proyecto ahora son muy diferentes de lo que eran cuando iniciamos las discusiones sobre el proyecto. Al principio hubo algunas críticas de que nuestro proyecto tenía pocas posibilidades de éxito. Pero ha habido ya un número creciente de personas en el extranjero que apoyan el objetivo del proyecto de alumbramiento de una nueva era de las computadoras. Creo que esto se evidencia en el inicio de nuevos programas en varios países. Detrás de estas nuevas empresas es el apoyo de los investigadores en los países respectivos.

Permítanme resumir. El Proyecto de FGCS es considerablemente diferente en naturaleza de una serie de otros proyectos en marcha. Está dirigido a algo totalmente nuevo. Por esta razón, creo que tenemos que hacer mayores esfuerzos que en el pasado. ICOT tiene que desempeñar un papel central en estos esfuerzos. Pero eso por sí solo no será suficiente. Debemos alentar las actividades de investigación a través de Japón y en todo el mundo. El brote está presente, y ahora tenemos que hacerlo crecer. Al hacer esto, podemos marcar el comienzo de una nueva era de las computadoras realmente. Pero global en lugar de simplemente son necesarios los esfuerzos locales para hacer que esto suceda, y después de todo, la nueva era se beneficiará toda la humanidad. Como ejercemos esfuerzos hacia ese fin, buscamos la cooperación y el apoyo de todos los interesados en todas partes.

Hemos hecho un bastante buen comienzo en el proyecto. Este proyecto es muy ambicioso, ya que está destinado a iniciar una nueva era de la computadora en lugar de en el desarrollo de productos en un futuro próximo. Lo que tenemos que hacer para que esto suceda y lo que hemos tratado de hacer es emplear el marco de la programación lógica con el objetivo de construir una nueva arquitectura de hardware y de software de equipo nuevo y aplicaciones dentro de ese marco y con ello establecer un cuerpo básico de la computadora tecnología para una nueva era.

Algunas personas dicen que nuestro compromiso con la programación lógica es simple y puede colocarnos bajo restricción. Pero la evidencia indica que las cosas pueden ir en la dirección de la programación lógica. Por otra parte, no tenemos ninguna intención de excluir cualquier otra cosa, aunque pensamos que las diversas buenas ideas sugeridas hasta ahora caben naturalmente dentro de ese marco. Hemos seleccionado la programación lógica ya que la idea básica en la expectativa de que aumentaría la libertad en el diseño de hardware y software en lugar de limitarlo.

Cortesía del Instituto de Tecnología de Computadoras de Nueva Generación, Tokio

Kazuhiro Fuchi


Inteligente del Conocimiento basado en los sistemas de IA en el Reino Unido


Autor:

Ray Kurzweil

Por razones que se aclararán, el término "inteligencia artificial" no se utiliza mucho en los "IKBS" UK (sistemas basados en el conocimiento inteligentes) tiende a ser el término empleado para cubrir el trabajo en los sistemas expertos, el lenguaje natural y lenguajes lógicos . Hay una larga historia de trabajo de AI en el Reino Unido, que se remonta a la labor pionera de Alan Turing, justo antes y después de la Segunda Guerra Mundial. Aquel extraño genio previó el uso de máquinas de programa almacenado para mucho más que cálculos matemáticos, y en la década de 1950 nos permitió comparar la inteligencia humana y la máquina, al postular una prueba por la cual se podría determinar si la verdadera simulación artificial de la inteligencia humana había sido alcanzado. Propuso que un observador en una habitación debe tratar de decir si él está conversando con un hombre o una máquina en otra habitación. Y además, que con esta prueba para la IA se lograría en el año 2000. Bueno, hay todavía algunos años por delante, y sigue siendo una cuestión abierta si su predicción se ha dado la razón, la mayoría de sus otras predicciones se han cumplido con creces. Se podría añadir que algunas personas creen programa PARRY de Colby ha logrado AI, porque engañó a los psiquiatras en la creencia de que se trataba de la salida de los seres humanos paranoides. Si algunas personas no están impresionados con este, puede ser debido a que no están impresionados con los psiquiatras.

Alan Turing trabajó en varios lugares en el Reino Unido, incluyendo el Laboratorio Nacional de Física, Bletchley Park, y la Universidad de Manchester. Después de su tiempo el centro de los avances en el trabajo de AI se desplazó a la Universidad de Edimburgo, donde Donald Michie construido un equipo considerable y formó uno de los primeros centros en el mundo para el estudio de AI. La universidad ha producido un excelente trabajo en el ámbito lingüístico, aunque tal vez su salida de mayor renombre han sido sus alumnos, que han llegado a poblar centros de inseminación artificial en todo el mundo. Propio Donald Michie se ha movido a fundar el Instituto de Turing en laUniversidad de Strathclyde, que proporciona un asesoramiento y servicio de capacitación a la industria. Pero el equipo basado de manera muy amplia en Edimburgo, con grupos que van desde lalingüística a través de la programación lógica de reconocimiento de voz y la informática, continúa como tal vez el centro dominante para el trabajo de AI en el Reino Unido

Otro centro mucho más pequeño para el trabajo de AI en el mundo académico del Reino Unido es en la Universidad de Sussex, en el entorno de idioma Poplog se está desarrollando con el profesor Aaron Sloman. Poplog contiene compiladores para PROLOG y Common LISP, así como una para POP, un lenguaje de simulación que tiene sus adeptos en la comunidad del Reino Unido. Después de Edimburgo, quizá los principales centros de trabajo de AI están en el Imperial College de Londres y Cambridge. Bob Kowalski dirige el equipo del Imperial, donde se está trabajando en la programación lógica, sistemas expertos, y arquitecturas declarativa de idiomas. Una de las aplicaciones recientes interesantes de técnicas de IA se ha producido a la construcción de una base de reglas para la interpretación de la legislación, el ejemplo elegido es la Ley de nacionalidad británica, tal vez no sea una de las piezas más lógicamente construidos de la legislación británica.

Obra de arquitectura de computadoras florece en muchos centros universitarios. Imperial College y la Universidad de Manchester están cooperando para producir una arquitectura en paralelo de propósito general, y una etapa de desarrollo de esta máquina, llamada Alice, se ha instalado en el Imperial College y también en el centro de computación de la Universidad de Edimburgo, donde es posible hacer comparaciones con varias otras máquinas.Otros trabajos en arquitecturas paralelas en


curso en las universidades de Cambridge, Reading, Bath, Southampton, East Anglia, Glasgow y St. Andrews, así como en la Universidad College y Queen Mary College de Londres.

El trabajo en el lenguaje natural es relativamente débil en el Reino Unido, en comparación con la cantidad de trabajo en la programación lógica y arquitecturas avanzadas. Pero hay algo de trabajo que se realiza en Cambridge y la Universidad Abierta, y como parte del reconocimiento de voz, se está trabajando en varios centros, sobre todo en Edimburgo.

En general se cree que el Estudio Lighthill de la Inteligencia Artificial, que fue encargado por el Consejo de Investigación de Ciencias hacia el final de la década de 1950, fue un revés importante para el trabajo de AI en el Reino Unido En este informe de Sir James Lighthill sugirió que se necesitaba un gran avance antes de que sea posible ganar mucho por abordar el tema de la IA como un todo coherente. Recomendó que los desarrollos robóticos deben perseguirse en su propio derecho, al igual que el estudio de la inteligencia humana debe ser, pero eso no sería muy rentable, por el momento, a esperar una comprensión de la forma en que la mente en funcionamiento para llevar a la práctica aplicaciones de la llamada inteligencia artificial. En cierto sentido, el tiempo ha apoyado su argumento, ya que con la excepción de la visión de bajo nivel, hay poca evidencia de que el desarrollo de la IA aplicaciones prácticas han recibido grandes beneficios a partir del estudio de cómo funciona la mente humana. Curiosamente, parece que el estudio de la conducta humana se ha beneficiado bastante más de la evolución de la informática.

Es probable que no se pretende que el informe Lighthill daría lugar a una reducción en los trabajos sobre las partes componentes de la inteligencia artificial en el Reino Unido, pero esto generalmente se dice que ha sido el resultado. Probablemente también se intensificó la sensación en el Reino Unido que el término "inteligencia artificial" es lamentable, con sus implicaciones de que los productos son un reemplazo o un rival de la inteligencia humana. Por esta razón, cuando el trabajo en AI se intensificó en la década de 1980, el término "sistemas basados en el conocimiento" se empleó, por lo general precedido por la palabra "inteligente", como una concesión a la comunidad de la IA.

Si el Informe Lighthill de la década de 1970 era el paraíso perdido para la comunidad de la IA, el Informe Alvey de la década de 1980 era el paraíso recuperado. El Informe Alvey fue provocada por el anuncio japonés de su programa de la quinta generación, en una conferencia en Tokio, en el otoñode 1981. En la práctica, este programa no es muy grande para los estándares japoneses. El centro deinvestigación japonés AI, ICOT, todavía no son más de 60 trabajadores. Pero el hecho de que Japón anunció esta creencia en la importancia del trabajo de AI para el futuro de la economía japonesa fue suficiente para poner en marcha un renovado apoyo para la IA en los EE.UU., Europa y otros lugares. En el Reino Unido el crecimiento del interés por la AI, y de hecho en tecnología de la información en general, en realidad precedió el anuncio japonés.

El Consejo de Ciencia e Investigación de Ingeniería (SERC), el cuerpo en el Reino Unido que tiene la responsabilidad de financiar la investigación académica en las ciencias físicas y biológicas y de ingeniería, ya había iniciado un programa especialmente promovido para la computación distribuida, lo que llevó a gran parte de la florecimiento de trabajo en computación paralela y lenguajes declarativos y lógicas. Se inició un estudio de las necesidades por computadora de arquitectura para IKBS, y esto en la práctica sirvió de base para la estrategia de la parte IKBS o AI del programa Alvey.

El Comité Alvey, que trazó el programa, lo veía como una forma de cálculo de referencias de todos los recursos de investigación del Reino Unido a un ataque contra lo que entonces eran vistos, y todavía se ven en gran medida hoy en día, como las tecnologías de apoyo o subyacentes necesarios para soportar la totalidad de tecnología de la información. El informe del comité, aceptado por el gobierno en mayo de 1983, pidió un programa que cuesta £ 350 millones en 5 años, de los cuales la

industria pagaría alrededor de la mitad, ó 150 millones de libras. La contribución del Gobierno de 200 millones libras vendría del Departamento de Comercio e Industria, el Ministerio de Defensa y el SERC.

El programa fue visto como uno de investigación cooperativa, y en la práctica se está llevando a cabo el trabajo por unos 200 equipos de proyecto provenientes de la industria, las universidades y escuelas politécnicas, y las instituciones de investigación, que son en gran parte los establecimientos del gobierno. Por lo general, los equipos de dos o tres empresas y una o dos universidades participan en cada proyecto. Las universidades están involucradas en más de un 85 por ciento de los proyectos, y hay un "tío" clase especial de proyecto para trabajo de naturaleza a largo plazo o especulativas en las universidades con el apoyo de alguna empresa que tiene un interés paternal en el trabajo. En total, el programa emplea a unos 2.300 trabajadores de investigación y, probablemente, se ha duplicado el esfuerzo en los ámbitos cubiertos. Existen dieciséis clubes de reunir a todos los trabajadores en un campo común, por ejemplo, el Club Discurso cubre a los trabajadores en los 10 proyectos en ese campo.

Trabajo AI recae en gran medida en el IKBS y la interfaz hombre-máquina (MMI) partes del programa, las otras partes son VLSI y la ingeniería de software. MMI cubre los factores humanos y del habla y reconocimiento de patrones. También hay considerables avances en los sistemas de expertos en las partes de los Demostradores grandes del programa, los cuales están diseñados para sacar el trabajo juntos en algunos proyectos importantes orientados a la práctica. En general, el trabajo de IA probablemente constituye casi la mitad de todo el programa, apareciendo en todas partes. Por ejemplo, el programa de ingeniería de software incluye un conjunto de entornos integrados de proyectos de apoyo, juegos de herramientas de software con el proyecto. El más avanzado de estos se basan en la utilización de técnicas de IA. Pero es justo añadir que la IA y las comunidades de ingeniería de software en el Reino Unido no están realmente convergiendo tan rápido como uno quiera ver.

Gran parte del trabajo de AI en el Reino Unido ha sufrido de una falta de expertos adecuados. Así que parte del programa Alvey se dedica a la construcción de la mano de obra calificada. Cuando la investigación entrenados trabajadores de postgrado de los proyectos Alvey pronto empiezan a estar disponibles para el empleo en la comunidad en general, esto tendrá un impacto muy considerable enla mano de obra calificada disponible. El programa se ha puesto en marcha un plan de Journeyman bajo las cuales la gente buena de la industria con habilidades en tecnologías de la información, pero que carecen de experiencia AI van a sentarse a los pies de los maestros en los centros académicos durante seis meses o así mientras se trabaja en proyectos de interés para sus empleadores.

La parte divulgando el programa Alvey ha demostrado ser un gran éxito. Las cintas Alvey son un conjunto de conferencias en video de distinguidos expertos en inteligencia artificial preparado para el programa Alvey por la Open University. Las cintas 16 de una hora cubren temas como la programación lógica, frente a la incertidumbre, la comprensión de la imagen, los alumnos de la máquina, el procesamiento de lenguaje natural, y diversos aspectos de los sistemas expertos. Una delas cintas más populares, diseñadas para contrarrestar la patraña tantas veces repetida de que los sistemas expertos no se utilizan realmente, muestra ejemplos de este tipo de sistemas en el trabajo en la industria británica.

Otra forma de ayudar a la industria británica para empezar a trabajar en la construcción de sistemas expertos ha sido a través del Sistemas Expertos Starter Pack elaborado por el Centro Nacional de Computación. Estos consisten en cintas de computadora para cuatro herramientas de diseño de sistemas expertos diferentes, junto con las guías de formación. Estas herramientas proporcionan la experiencia elemental de técnicas tales como mecanismos de inferencia hacia atrás y hacia adelante en cadena y el uso de generadores de diálogo.

Para difundir el conocimiento de los sistemas expertos ampliamente en la industria británica y el comercio, se ha establecido un conjunto de clubes de la comunidad. Un Club Community consiste típicamente de 10 a 30 empresas con ideas afines que se unen para estudiar el desarrollo de un sistema experto en un área de especial interés para ellos. Ellos trabajan con un equipo de la industriade la informática o las universidades que ha tenido experiencia en la construcción de sistemas expertos, y juntos elaborar un pliego de condiciones, a reclutar personal para construir el sistema, construir el sistema, y luego probarlo. A menudo, una o más de las empresas actúa como conejillo de indias para probar el sistema. El programa Alvey ha patrocinado nueve tales

Clubs comunitarios en ámbitos como los servicios financieros (Pequeña Empresa Asesora de Salud), el seguro, el procesamiento de datos (Ayuda disco Asesora para las instalaciones de procesamiento de datos), la modelización econométrica, la planificación de proyectos de fabricación en tiempo real, de estudio de dimensiones, el control de calidad en tiempo real de procesamiento plantas, la planificación del transporte en rutas, y la planificación de la construcción de la industria del agua. En total, unas 200 organizaciones están participando en estos clubes y aprender a construir y utilizar sistemas expertos por un precio puramente nominal. Ellos han ayudado en gran medida a difundir el conocimiento del poder y las limitaciones de los sistemas expertos en el Reino Unido La iniciativa está siendo copiado por otros, para que el conocimiento acerca de los sistemas expertos ha crecido muy rápido en el Reino Unido No es casual que el grupo de expertos de los sistemas de la British Computer Society es quizás el ejemplo más floreciente sociedad en el Reino Unido hoy. Probablemente es cierto que hay más verdadera conciencia de las implicaciones de los sistemas expertos en el Reino Unido que en otros lugares, aunque la magnitud de algunas de las aplicaciones en los EE.UU. es mucho más grande.

No hay imagen de la escena de la gripe aviar en el Reino Unido hoy en día sería completa sin mencionar el papel desempeñado por el programa ESPRIT de la CEE. ESPRIT es un programa muyparecido al programa Alvey excepto que los equipos cooperativos se han extraído de toda la Comunidad Europea de 12 naciones. En la escala que sea, para el Reino Unido, aproximadamente lamitad del tamaño del programa Alvey, lo que significa que en total para Europa se compone de alrededor de dos veces el número de trabajadores. AI es aproximadamente una quinta parte del programa, está representado en gran medida en la parte de procesamiento de información avanzada del programa. Por supuesto, ESPRIT tiene el papel crucial de llevar a los investigadores de Europa juntos. Tal vez por primera vez, la comunidad de IA en el Reino Unido está entrando en contacto activo con los otros trabajadores de investigación en Europa, no sólo para llevar a cabo el trabajo del proyecto, sino también para planificar, evaluar y poner en práctica el programa. Y en varios países de Europa también hay programas patrocinados a nivel nacional, por lo que el esfuerzo total de AI en Europa está lejos de ser despreciable y su problema histórico de la fragmentación se están superando.

Oakley Brian, un físico que comenzó su carrera trabajando en microondas y aplicaciones informáticas en lo que hoy es el Radar y Signals Research Establishment en Inglaterra, es el ex director del Programa Alvey, un programa cooperativo nacional británico en tecnología de la información formada en respuesta al Proyecto de Sistemas Informáticos de la quinta generación japonesa. En la actualidad es presidente de Logica Cambridge.

Cortesía de Brian Oakley


Capítulo 1: Las raíces de la Inteligencia Artificial


Autor:

Ray Kurzweil

Editorial:


La sociedad postindustrial será impulsado no por el petróleo sino por una nueva mercancía llamada inteligencia artificial (AI). Podríamos considerarlo como un bien, ya que tiene valor y puede ser objeto de comercio. De hecho, como se hizo evidente, el conocimiento incrustado en software de inteligencia artificial y arquitecturas de hardware será aún más sobresaliente como base de la riqueza de las materias primas que impulsaron la primera Revolución Industrial. Es un producto inusual, porque no tiene forma material. Puede ser un flujo de información con ninguna realidad más físico que vibraciones eléctricas en un cable.

Si la inteligencia artificial es el combustible de la segunda revolución industrial, entonces podríamos preguntarnos qué es. Una de las dificultades para hacer frente a este problema es la cantidad de confusión y desacuerdo en cuanto a la definición del campo. Otros campos no parecen tener este problema. Libros sobre la biología en general no comienzan con la pregunta: ¿Qué es la biología, de todos modos? Predecir el futuro es siempre problemática, pero será útil si intentamos definir qué es lo que estamos prediciendo el futuro de.

Una opinión es que la IA es un intento de responder a una pregunta central que ha sido debatido por los científicos, filósofos y teólogos durante miles de años. ¿Cómo funciona el cerebro y tres humanos libras de "ordinario" subida importa-dar a los pensamientos, los sentimientos y la conciencia? Aunque ciertamente muy compleja, nuestros cerebros están claramente regidos por las mismas leyes físicas como nuestras máquinas.


Visto de esta manera, el cerebro humano puede ser considerado como una máquina muy capaz. Por el contrario, dada la capacidad suficiente y las técnicas adecuadas, nuestras máquinas pueden en última instancia, ser capaz de replicar la inteligencia humana. Algunos filósofos e incluso algunos científicos AI se sienten ofendidos por esta caracterización de la mente humana como una máquina, aunque uno inmensamente complicado. Otros encuentran la inspiradora vista: significa que en última instancia, vamos a ser capaces de entender nuestras mentes y cómo funcionan.

Uno no tiene que aceptar plenamente la idea de que la mente humana es "sólo" una máquina para apreciar tanto el potencial de las máquinas para dominar muchas de nuestras capacidades intelectuales y las consecuencias prácticas de ello.

La definición habitual

Estupidez Artificial (AS) se puede definir como el intento por parte de científicos de la computaciónpara crear programas informáticos capaces de causar problemas de un tipo que normalmente se asocian con el pensamiento humano.

- Wallace Mariscal, Diario de resultados irreproducibles (1987)

Probablemente la definición más duradera de la inteligencia artificial, y la más frecuentemente citada, establece que: ". Inteligencia Artificial es el arte de crear máquinas que realizan funciones que requieren de inteligencia cuando es realizada por personas" 1 Es lo suficientemente razonable como definiciones van, aunque adolece de dos problemas. En primer lugar, no dice mucho más allá de las palabras "de inteligencia artificial." La definición se refiere a las máquinas y que se encarga de la palabra "artificial." No hay problema aquí: nunca hemos tenido mucha dificultad para definir artificial. Porque la palabra más problemático "inteligencia", la definición proporciona sólo una definición circular: una máquina inteligente hace lo que hace una persona inteligente.

Un problema más serio es que la definición no parece encajar uso real. Pocos investigadores de AI se refieren a las máquinas que juegan al ajedrez que se pueden comprar en la tienda local de la droga, como ejemplos de verdadera inteligencia artificial, pero el ajedrez es todavía considerado un juego intelectual. Algunos paquetes ecuación de manipulación de realizar transformaciones que pongan en duda la mayoría de los estudiantes universitarios. Consideramos que estos son paquetes muy útiles, pero de nuevo, rara vez son señaladas como ejemplos de la inteligencia artificial.

La definición de frontera móvil

El señor Jabez Wilson se rió fuertemente. "Bueno, nunca!", Dijo él. "Al principio pensé que había hecho algo inteligente, pero veo que no había nada en él, después de todo?" "Empecé a pensar, Watson", dijo Holmes, "que he cometido un error en la explicación. 'Omne Ignatum pro magnifico,'usted sabe, y mi pobre reputación, tal como es, va a sufrir un naufragio si soy tan sincero ".

- Sir Arthur Conan Doyle, The Complete Sherlock Holmes

"La medida en que consideramos algo como comportarse de una manera inteligente está determinado tanto por nuestro propio estado de ánimo y la formación como por las propiedades del objeto en estudio. Si somos capaces de explicar y predecir su comportamiento, o si parece que hay pequeño plan subyacente, tenemos poco la tentación de imaginar inteligencia. Con el mismo objeto, por lo tanto, es posible que un hombre lo consideraría como inteligente y otro sería no, el segundo hombre se habría enterado de las reglas de su comportamiento. " - Alan Turing (1947)

"AI es el estudio de cómo hacer que las computadoras hacen las cosas en la que, por el momento, la gente está mejor." - Elaine Rico

Esto nos lleva a otro enfoque, que me gusta llamar la "frontera móvil" definición: la inteligencia artificial es el estudio de los problemas informáticos que aún no han sido resueltos. Esta definición, que Marvin Minsky ha venido defendiendo desde 1960, es diferente a los encontrados en otros campos. Una técnica de manipulación genética no deja de ser parte de la bioingeniería el momento en que se perfecciona. Sin embargo, si examinamos los juicios cambiantes en cuanto a lo que ha calificado como "una verdadera inteligencia artificial" en los últimos años, nos encontramos con esta definición tiene más validez que uno podría esperar.

Cuando el campo de la inteligencia artificial fue nombrado por primera vez en una ya famosa conferencia que tuvo lugar en 1956 en el Dartmouth College, programas que pueden jugar al ajedrez oa las damas o manipular ecuaciones, incluso en los niveles de crudo de rendimiento, estaban muy en la corriente principal de la AI. 2 Como se señaló anteriormente, ya no consideramoseste tipo de programas gameplaying sean los principales ejemplos de la IA, aunque quizás deberíamos.

Se podría decir que este cambio en la percepción simplemente refleja un endurecimiento de las normas. Siento que hay algo más profundo pasando. Somos de dos mentes cuando se trata de pensar. Por un lado, está la fe en la comunidad de IA que los problemas más definibles (excepto los llamados problemas "irresolubles", ver "El castor ocupado" en el capítulo 3) se puede resolver, a menudo rompiendo sucesivamente descender al jerarquías de problemas más simples. Mientras que algunos problemas se necesitará más tiempo para resolver que otros, tenemos actualmente ningún límite claro a lo que puede lograrse.

Por otro lado, conviviendo con la fe de que los problemas más cognitivos pueden resolverse es la sensación de que el pensamiento o la verdadera inteligencia no es una técnica automática. En otras palabras, hay algo en el concepto de pensamiento que va más allá de la apertura y cierre automático de los interruptores. Por lo tanto, cuando un método se ha perfeccionado en un sistema informático, lo vemos como otra técnica útil, no como un ejemplo de la verdadera inteligencia artificial. Sabemos exactamente cómo funciona el sistema, por lo que no parece fundamentalmente diferente de cualquier otro programa de computadora.

Un problema que ha aún no ha resuelto, por otro lado, conserva aún su mística. Mientras que podemos tener confianza en que este problema se solucionará con el tiempo, todavía no conocer su solución. Así que todavía no pensamos en ello como una técnica automática y así permitimos a nosotros mismos para ver como verdadero conocimiento cibernético. 3

Considere como ejemplo actual del área de la inteligencia artificial conocida como sistemas expertos. Este sistema consiste en una base de datos de hechos acerca de una disciplina en particular, una base de conocimientos de reglas codificadas para hacer inferencias a partir de la basede datos, y una alta velocidad de inferencia motor para la aplicación sistemática de las normas a los hechos para resolver problemas. 4 Tal sistemas han sido utilizados con éxito para localizar depósitosde combustible, el diseño y el montaje de sistemas informáticos complejos, analizar circuitos electrónicos, y el diagnóstico de enfermedades. Los juicios de los sistemas expertos están comenzando a rivalizar con las de los expertos humanos, al menos en ciertas zonas bien definidas de especialización.

Hoy en día los sistemas expertos son ampliamente consideradas como una parte central de la inteligencia artificial, y existen cientos de proyectos de hoy para solicitar este conjunto de técnicas para decenas de campos. Parece probable que los sistemas expertos se harán dentro de los próximosdiez años, tan extendida como los programas de hoja de cálculo informática y sistemas de gestión de bases de datos se encuentran en la actualidad. Mi predicción es que cuando esto sucede, los investigadores de AI cambiarán su atención a otros asuntos, y nosotros ya no considerar los sistemasexpertos para ser los principales ejemplos de la tecnología AI. Probablemente se consideran sólo las

extensiones obvias de técnicas de gestión de base de datos.

Roger Schank utiliza el ejemplo de un barrido de la piscina, un robot limpiador de piscina, para ilustrar nuestra tendencia a considerar un procedimiento automático como no inteligente. 5 Cuando vemos por primera vez un barrido piscina misteriosamente tejiendo su camino en el fondo de una piscina, estamos impresionados con su aparente inteligencia en la búsqueda sistemática de su revés. Cuando averiguamos el método o patrón detrás de sus movimientos, que es un engañosamente simple algoritmo de hacer cambios preprogramados en la dirección cada vez que se encuentra con una pared de la piscina, nos damos cuenta de que no es muy inteligente después de todo.

Otro ejemplo es un programa informático llamado ELIZA diseñado en 1966 por Joseph Weizenbaum para simular un psicoterapeuta. 6 Al interactuar con ELIZA, los usuarios escriben declaraciones acerca de sí mismos y ELIZA responde con preguntas y comentarios. Muchas personas han quedado impresionados con la idoneidad aparentes y conocimiento de la capacidad de ELIZA para participar en diálogo psicoanalítico. Aquellos usuarios que se les ha dado la oportunidad de examinar los algoritmos de Eliza han sido aún más impresionado de lo fácil a algunos de sus métodos son.

A menudo respondemos a la gente de la misma manera. Cuando averiguamos cómo funciona un experto y entender sus métodos y reglas generales, lo que parecía muy inteligente de alguna maneraparece menos.

Será interesante ver cuál será nuestra reacción cuando un equipo lleva el campeonato mundial de ajedrez. Jugar a un juego maestro de ajedrez a menudo se considera un ejemplo de alta intelectual (incluso creativo) logro. Cuando un equipo se convierte en el campeón de ajedrez, que creo que va apasar antes de que finalice el siglo, vamos a pensar más bien de las computadoras, menos de nosotros mismos, o menos de ajedrez. 7

Nuestra ambivalencia sobre la cuestión de la capacidad de una máquina para emular verdaderamente el pensamiento humano tiende a considerar un trabajo del sistema como posiblemente útil, pero no verdaderamente inteligente. Problemas de computadoras en la ciencia son sólo problemas de la IA hasta que sean resueltos. Esto podría ser visto como un estado de cosas frustrantes. Al igual que con la zanahoria en un palo, el practicante AI puede nunca alcanzar la meta.

¿Qué es la Inteligencia, de todos modos?

"Podría ser simplemente un accidente del destino que nuestros cerebros son demasiado débiles para comprenderse a sí mismos. Piense en la jirafa humilde, por ejemplo, cuyo cerebro es, obviamente, muy por debajo del nivel requerido parala comprensión de sí mismo-aún así es notablemente similar a nuestro propio cerebro. De hecho, el cerebro de las jirafas, elefantes, babuinos-incluso los cerebros de las tortugas o seres desconocidos que son mucho más inteligentes que nosotros-probablemente todos funcionan básicamente según el mismo conjunto de principios. Las jirafas pueden estar muy por debajo del umbral de la inteligencia necesaria para comprender como estos principios se unen para producir las cualidades de la mente, los humanos pueden estar más cerca de ese umbral, tal vezapenas por debajo de ella, tal vez incluso por encima de ella. El punto es que es posible que no (es decir, Gödelian) razón fundamental por la cual esas cualidades son incomprensibles, sino que puede 6e completamente claro a los seres más inteligentes ".

- Douglas R. Hofstadter, Gödel, Escher, Bach: un Eterno Oro Braid

"Un castor y otros animales del bosque están contemplando una inmensa represa artificial. El castor está diciendo algo así como: "No, yo en realidad no la construyo. Pero se basa en una idea mía ".

- Edward Fredkin

Si somos capaces de sustituir la palabra "artificial" por "máquina", el problema de definir la inteligencia artificial se convierte en una cuestión de definir la inteligencia. Como era de esperar, sin embargo, la definición de inteligencia es por lo menos tan controversial como la definición de lainteligencia artificial. Un método consiste en definir la inteligencia en términos de sus procesos constituyentes: un proceso compuesto por el aprendizaje , el razonamiento y la capacidad de manipular símbolos.

El aprendizaje no es simplemente la adquisición de datos , que un sistema de gestión de base de datos puede hacer, sino que también es la adquisición de conocimientos . El conocimiento consiste en los hechos, una comprensión de las relaciones entre los hechos y sus consecuencias. Una de las diferencias entre los humanos y los ordenadores está en las fortalezas relativas en sus respectivas capacidades para comprender las relaciones simbólicas y aprender hechos. Una computadora puede recordar miles de millones de los hechos con una precisión extrema, mientras que estamos en apuros para recordar más de un puñado de números de teléfono. Por otro lado, podemos leer una novela y comprender y manipular las sutiles relaciones entre los personajes, algo que los equipos aún tienen que demostrar su capacidad de hacer. A menudo utilizamos nuestra capacidad de entender y recordar las relaciones como una ayuda para recordar las cosas simples, como cuando recordamos los nombres por medio de nuestras asociaciones pasadas con cada nombre y cuando recordamos los números de teléfono en función de los patrones geométricos o numéricos que toman. Por lo tanto utilizamos un proceso muy complejo para realizar una tarea muy simple, pero esel único proceso que tenemos para el trabajo. Las computadoras han sido débiles en su capacidad para comprender y procesar la información que contiene abstracciones y complejas redes de relaciones, pero están mejorando, y una gran cantidad de investigación en IA hoy está dirigida haciaeste objetivo.

La razón es la capacidad de sacar deducciones e inferencias a partir del conocimiento con el fin de alcanzar una meta o resolver un problema. Uno de los puntos fuertes de la inteligencia humana es sucapacidad para hacer inferencias a partir del conocimiento que es imprecisa e incompleta. El mismotrabajo de un tomador de decisiones, ya sea un líder nacional o un gestor de la empresa, es para sacar conclusiones y tomar decisiones basadas en la información que es a menudo contradictoria y fragmentaria. Hasta la fecha, la mayoría de los sistemas expertos basados en computadoras han utilizado reglas duras, que tienen antecedentes firmes y ciertas conclusiones. Para algunos problemas, tales como el trabajo de XCON de DEC, que configura los sistemas informáticos complejos, reglas duras tienen sentido. Un ordenador de a bordo de cierto tamaño o bien en forma ono encajar en un determinado chasis. Otros tipos de toma de decisiones, tales como la estructuración de un programa de marketing para el lanzamiento de un producto o el desarrollo de lapolítica monetaria nacional, deben tener en cuenta los conocimientos actuales incompleta y las probabilidades de los acontecimientos futuros desconocidos. La última generación de sistemas expertos están empezando a permitir que las reglas basadas en lo que se llama la lógica difusa , que proporciona una base matemática para hacer un uso óptimo de la información incierta. 8 Esta metodología se ha utilizado durante años en este tipo de tareas de reconocimiento de patrones como el reconocimiento de caracteres impresos o del habla humana.

La capacidad de aprender y adquirir conocimientos y para manipularlo y por inferencia deductiva sedenomina razonamiento simbólico, la capacidad de manipular símbolos a menudo. Un símbolo es un nombre o signo que representa algo más, por lo general una estructura o red de datos y otros símbolos. Los símbolos se organizan normalmente en patrones complicados en lugar de las listas de

sencillos. Otro punto fuerte de la inteligencia humana es nuestra capacidad de reconocer los patrones representados por los símbolos que conocemos, incluso cuando se producen en contextos diferentes de aquellos en los que originalmente habíamos aprendido el símbolo.Una de las razones por las que el lenguaje de programación LISP ha sido popular en el desarrollo de aplicaciones de IAes su fortaleza en la manipulación de los símbolos que representan los patrones complejos y sus relaciones en lugar de las listas ordenadas de los hechos (a pesar de su nombre, que deriva de "procesamiento de listas").

En lugar de definir la inteligencia en términos de sus procesos constituyentes, podríamos definirlo en términos de su objetivo: la capacidad de utilizar el razonamiento simbólico en la búsqueda de un objetivo . El razonamiento simbólico es

utilizado para desarrollar y llevar a cabo estrategias para promover los objetivos de su poseedor. Una pregunta que surge entonces es: ¿Cuáles son los objetivos? Con la inteligencia artificial, los objetivos han sido establecidos por el diseñador humano de cada sistema. La máquina puede pasar a establecer sus propias sub-objetivos, pero su misión está incrustada en sus algoritmos. Los escritores de ciencia-ficción, sin embargo, han especulado mucho sobre una generación de máquinas inteligentes que establecen sus propias agendas. Con criaturas o las especies vivas, los objetivos se expresan a menudo en términos de supervivencia, ya sea del individuo o de la especie. Esto es consistente con la visión de la inteligencia como la última (más reciente) producto de la evolución.

La evidencia aún no aclara si la inteligencia no de hecho apoyan el objetivo de la supervivencia. Inteligencia ha permitido a nuestra especie para dominar el planeta. También hemos sido lo suficientemente "inteligente" para desbloquear los poderes destructivos que resultan de la manipulación de las leyes físicas. Ya sea la inteligencia, o al menos nuestra versión de la misma, es un éxito en términos de supervivencia aún no está claro, sobre todo cuando se ve desde la escala de largo tiempo de evolución.

Hasta ahora Homo sapiens son menos de 100.000 años de edad. Los dinosaurios fueron un éxito, la clase de criaturas sobrevivir durante 160 millones de años. Ellos siempre han sido considerados como criaturas sin inteligencia, aunque investigaciones recientes han puesto en duda este punto de vista. Hay, sin embargo, muchos ejemplos de las criaturas no inteligentes que han sobrevivido comoespecie (por ejemplo, las palmeras, cucarachas, y cangrejos de herradura) durante largos períodos de tiempo.

Los seres humanos utilizan su inteligencia para alcanzar sus objetivos. Incluso si tenemos en cuenta el posible sesgo cultural en las pruebas de inteligencia, la evidencia es convincente que existe una fuerte correlación entre la inteligencia, según lo medido por pruebas estandarizadas, y el éxito económico, social, y tal vez incluso romántico.Una cuestión más importante es si usamos nuestra inteligencia para establecer nuestros objetivos. Muchas de nuestras metas parecen tener su origen enlos deseos, los temores y las unidades de nuestro pasado primitivo. 9

En resumen, no parece haber una sencilla definición de inteligencia que sea satisfactoria para la mayoría de los observadores, y la mayoría de los aspirantes a los definidores de la inteligencia acaban con largas listas de verificación de sus atributos. Minsky sociedad de la mente puede ser visto como un intento de extensión de libro en tal definición. Allen Newell ofrece la siguiente lista para un sistema inteligente: se realiza en tiempo real; explota grandes cantidades de conocimientos; tolera entradas erróneas, inesperados y posiblemente desconocidos; utiliza símbolos y abstracciones; comunica utilizando alguna forma de lenguaje natural; aprende de la medio ambiente;. y el comportamiento orientado a metas de adaptación exposiciones 10

La controversia sobre qué es la inteligencia, es una reminiscencia de una controversia similar sobre

lo que es la vida. Tanto toque en nuestra visión de lo que somos. Sin embargo, se han logrado grandes avances, muchos de ellos en los últimos años, en la comprensión de las estructuras y los métodos de la vida. Hemos comenzado a mapear el ADN, descifrar una parte del código hereditario,y entender la química detallada de la reproducción. La preocupación que muchos han tenido que entender estos mecanismos disminuiría nuestro respeto por la vida hasta el momento ha sido injustificada. Nuestro conocimiento creciente de los mecanismos de la vida tiene, en todo caso, profundizado nuestra capacidad de asombro en el orden y la diversidad de la creación.

Estamos sólo ahora estamos empezando a desarrollar una comprensión similar de los mecanismos de la inteligencia. El desarrollo de la inteligencia artificial nos ayuda a entender la inteligencia natural que nos muestra los métodos que pueden explicar las muchas habilidades que conforman la inteligencia. La preocupación de que

la comprensión de las leyes de la inteligencia se trivializar y disminuir nuestro respeto porque también puede ser injustificada. A medida que empezamos a comprender la profundidad de diseño inherente en este tipo de capacidades "profundas" como la intuición y el sentido común, el respeto inherente a nuestra apreciación de la inteligencia sólo debe ser mejorada.

La evolución como un proceso inteligente

Dios se revela en la armonía de lo que existe.

Spinoza

Un principio central de la IA es que nosotros, una especie inteligente, podemos crear máquinas inteligentes. En la actualidad, las máquinas que hemos creado, aunque tienen mejor memoria y mayor velocidad, son claramente menos capaces de lo que encontramos en la mayoría de las tareas intelectuales. La brecha se está reduciendo, sin embargo. La inteligencia de la máquina está mejorando rápidamente. Lo mismo no puede decirse de la inteligencia humana. Una cuestión controvertida que rodea AI es si la brecha en última instancia, puede ser eliminado. ¿Puede la inteligencia artificial en última instancia, ser igual a la de la inteligencia humana? ¿Se superará a la inteligencia humana? Una declaración más amplia de la cuestión es, ¿Puede una entidad inteligente más inteligente que la inteligencia que lo creó?

Una manera de tener una idea de estas preguntas podría ser la de examinar la relación de la inteligencia humana al proceso inteligente que lo creó-evolución. Evolución creado muchas otras formas de la inteligencia humana y y por lo tanto puede ser considerado como un proceso en sí inteligente. 11

Uno de los atributos de la inteligencia es la capacidad de crear y diseñar. Los resultados de un diseño inteligente proceso-a saber, inteligentes diseños tienen las características de ser estéticamente agradable y funcionalmente eficaz. Es difícil imaginar diseños que son más estéticamente agradable o funcionalmente eficaz que la miríada de formas de vida que han sido producidos por el proceso que llamamos evolución. De hecho, algunas teorías de la estética definen la calidad estética o belleza como el grado de éxito en la emulación de la belleza natural que la evolución ha creado. 12

La evolución puede ser considerado como el último en diseños de inteligencia-que ha creado de indescriptible belleza, complejidad y elegancia. Sin embargo, se considera que carecen de conciencia y el libre albedrío-que es sólo un proceso "automático". Es lo que ocurre con la materia que gira con el tiempo suficiente y las circunstancias adecuadas.

Evolución a menudo se enfrentó contra las teorías religiosas de la creación. Las teorías religiosas comparten una cosa en común con la teoría de la evolución, tanto de creación atributo a una fuerza

inteligente definitiva. La diferencia más básica es que en las teorías religiosas esta fuerza inteligente es consciente y no tienen libre albedrío, aunque algunas teologías, como el budismo, conciben a Dios como una fuerza fundamental de la creatividad y la inteligencia, y no como una conciencia intencional personal. 13

La teoría de la evolución puede expresarse simplemente como sigue. Los cambios en el código genético se producen a través de mutaciones al azar; ". Supervivencia del más apto" se conservan los cambios beneficiosos, mientras que los dañinos son descartadas a través de la 14 De alguna manera, tiene sentido que la supervivencia del más apto sería retener a los buenos cambios y desechar las malas , ya que se define "bueno" en el sentido de más capacidad de supervivencia.

Sin embargo, vamos a considerar la teoría desde otra perspectiva. El código genético es similar a unprograma de ordenador extraordinariamente grande, alrededor de seis millones de bits para describirun ser humano, en contraste con unas pocas decenas de millones de bits en los programas informáticos más complejos. De hecho, es un código binario, y estamos aprendiendo poco a poco sulenguaje digital. 15 La teoría dice que los cambios se introducen esencialmente al azar, y los cambios se evalúan para la retención por la supervivencia de todo el organismo y su capacidad de reproducirse. Sin embargo, un programa informático controla no solamente la característica que se va a cambiar, pero, literalmente, millones de otras características. La supervivencia del más apto parece ser una técnica bastante cruda capaz de concentrar en al mayoría de algunas características fundamentales a la vez. Si bien algunas de las características se están optimizando, miles de personas podrían degradar a través del aumento de entropía de cambio al azar. 16 Si intentamos mejorar nuestros programas de ordenador de esta manera, seguramente desintegrarse.

El método que utilizamos para mejorar los programas que creamos no es la introducción de cambiosen el código al azar, pero los cambios y experimentos diseñados para centrarse en los cambios que acaba de presentar cuidadosamente planificado y diseñado. Se ha propuesto que la evolución en sí ha evolucionado para que los cambios no son totalmente al azar, pero de alguna manera estaba previsto, y que los cambios son "probados" de alguna forma que no sea la supervivencia global, en el que un cambio que acaba de presentar estaría compitiendo con miles o incluso millones de otros factores. 17

Sin embargo, nadie puede describir un mecanismo en el que este tipo de planificación y evaluación aislados podrían tener lugar en el proceso de la evolución. No parece, pues, haber una brecha en la teoría de la evolución.Está claro que el fósil y la evidencia bioquímica es abrumadora de que las especies han hecho experimentado una evolución lenta pero dramática en complejidad y sofisticación, sin embargo, no entiende por completo el mecanismo. El mecanismo propuesto parece poco probable que funcione; sus diseños deben desintegrarse mediante el aumento de la entropía.

Una perspectiva posible sería afirmar que el creador de una inteligencia es intrínsecamente superior a la inteligencia que crea. El primer paso de esta perspectiva parece estar bien apoyado en el que la inteligencia de la evolución parece inmensa. Sin embargo, ¿es?

Si bien es cierto que la evolución ha creado unos diseños extraordinarios, sino que también es ciertoque tuvo un muy largo período de tiempo para hacerlo. Es la longitud de tiempo requerido para resolver un problema o crear un diseño relevante para la evaluación del nivel de una inteligencia? Está claro que es. Reconocemos esta midiendo el tiempo de nuestras pruebas de inteligencia. Si alguien puede resolver un problema en unos pocos minutos, consideramos que mejor que resolver el mismo problema en unas pocas horas o unos pocos años. Con respecto a la inteligencia como una ayuda a la supervivencia, es claramente mejor para resolver los problemas rápidamente que lentamente. En un mundo competitivo, vemos los beneficios de la solución de problemas de forma rápida.

La evolución ha logrado un trabajo inteligente en un nivel extraordinariamente alto todavía ha tomado un tiempo extraordinariamente largo período de tiempo para hacerlo. Es muy lento. Si nosotros tomamos sus logros por su ritmo pesado, creo que encontraremos que su coeficiente intelectual es sólo infinitesimalmente mayor que cero. Un coeficiente intelectual de sólo un poco mayor que cero es suficiente para la evolución de vencer la entropía y crear diseños extraordinarios,dado el tiempo suficiente, de la misma manera que un siempre tan ligera asimetría en las leyes físicas que puede haber sido suficiente para permitir que la materia de superar casi por completo la antimateria .

La raza humana, a continuación, puede muy bien ser más inteligente que su creador, la evolución. Si nos fijamos en la velocidad del progreso humano en comparación con la de la evolución, una caja fuerte se puede decir que somos mucho más inteligentes que el proceso pesadamente lento que nos creó. Considere la sofisticación de nuestrascreaciones en un período de sólo unos pocos miles de años. En otros pocos miles de años nuestras máquinas tienden a ser por lo menos comparable a la inteligencia humana, o incluso superarlo, con toda probabilidad, por lo que los seres humanos se han batido con claridad la evolución, logrando en pocos miles de años, tanto o más que la evolución lograda en varios millones de años. Desde esta perspectiva, la inteligencia humana puede ser mayor que su creador. 18


Capítulo 2: Raíces Filosóficas


Autor:

Ray Kurzweil

Editorial:


"Algunos filósofos sostienen que la filosofía es lo que hace a un problema hasta que es lo suficientemente clara para resolverlo haciendo ciencia. Otros sostienen que si un problema filosófico sucumbe a los métodos empíricos, eso demuestra que no era realmente filosófica, para empezar "- Jerry A. Fodor,. Representaciones: Ensayos filosóficos sobre los fundamentos de la ciencia cognitiva

"La posibilidad de que el teórico cuántico no es la libertad ética de los Agustinos." - Norbert Wiener, Cibernética

"Hay algo extraño en la conciencia que describe: lo que la gente quiere decir que decir, simplementeparece que no puede dejar en claro. No es como sentirse confundido o ignorante. En su lugar, nos sentimos que sabemos lo que está pasando, pero no podemos describirlo correctamente. ¿Cómo podría algo parece tan cerca, pero siempre mantener fuera de nuestro alcance "- Marvin Minsky, The Society of Mind

¿Cómo puede la mente surgen de nonmind? Al examinar el pensamiento humano a través de los siglos, los filósofos parecen haber pasado a uno de dos caminos. Una escuela de pensamiento, lo que podríamos llamar la mente como máquina , comienza con la observación de que el pensamientohumano tiene lugar en el cerebro humano. El cerebro, a su vez, se compone de decenas a cientos de miles de millones de neuronas. Las neuronas, mientras que las estructuras no simples, pueden, no obstante, ser plenamente entendidos como máquinas bioquímicas. Así, nuestro cerebro está formadopor miles de millones de máquinas bioquímicas que interactúan entre sí, un hecho de la que podemos sacar dos conclusiones. La primera es que la mente humana es una máquina, aunque uno enormemente complicado. Es, después de todo, hecho de materia igual de sujeto a las leyes


naturales, como cualquier otra máquina. En segundo lugar, podemos, al menos en teoría, crear otras máquinas, por el hombre que emplean las mismas técnicas o algoritmos para la transformación de lainformación como el cerebro humano. Por tanto, es posible replicar en una máquina de capacidades intelectuales que antes sólo podían ser alcanzados por la inteligencia humana. Esta última conclusión es un principio claro del movimiento de AI. 1

La escuela opuesta de pensamiento, que podemos llamar la mente más allá de la máquina , sostieneque hay ciertos aspectos del pensamiento humano y de la existencia humana que no puede ser entendida a través de este tipo de análisis. Si bien reconoce que el modelo de la mente humana como una máquina puede proporcionar una cierta comprensión, cita atributos tales como la conciencia y el libre albedrío y, según el filósofo, otros atributos posibles, así como estar fuera de latotalmente racional, es decir, maquinal, modelo . Critica el enfoque de la aplicación única lógica a nuestra comprensión del pensamiento de ser irremediablemente circular, es decir, como el uso de unanálisis basado sólo en la lógica a la conclusión de que el pensamiento se basa únicamente en la lógica. 2

En este debate el concepto de las emociones y los sentimientos en general, se encuentran en un término medio en algún lugar entre la conciencia y el libre albedrío, por un lado, y los patrones lógicos del pensamiento racional en el otro. La escuela cuenta-como-máquina tiende a analizar la emoción como otra forma de pensamiento lógico, sujeto a sus propias reglas. En este punto de vista,nuestras emociones son un complejo conjunto de algoritmos que motivan nuestra conducta de una forma que es compatible con los mayores objetivos de nuestra cultura. Se podría decir que nuestras emociones nos proporcionan nuestras estrategias , mientras que nuestros cálculos lógicos más detalladas nos proporcionan nuestras tácticas . La escuela cuenta-más allá de la máquina es más probable concebir la emoción como está profundamente incrustada en nuestra conciencia y por lo tanto no está totalmente comprensible por la sola lógica. 3

Miles de años antes de que hubiera computadoras, Platón (427-347 aC), reconoció la similitud entre, al menos, ciertos aspectos del pensamiento humano y de lo aparentemente determinado comportamiento de causa y efecto exhibido por las máquinas. 4 Los debates platónicos iluminan tanclaramente como cualquier moderna filósofo de la aparente paradoja de la mente humana que muestra el libre albedrío, mientras que estar sujeto a las leyes naturales predecibles. A fin de cuentas, parece que Platón aceptó ambas vistas como una dualidad irreducible.Tales paradojas, según Platón, no fueron a evitar, sino que eran la clave para una comprensión más rica de la condición humana.

Escuelas filosóficas basadas en el pensamiento de Platón siguieron marcando la epistemología-la europea estudio de los límites y la validez de los conocimientos en la Edad Media a través de la influencia duradera de la Academia que fundó y por medio de uno de sus mejores alumnos, Aristóteles (384-322 aC) . 5

El Renacimiento europeo del siglo XVII y la Ilustración, un movimiento filosófico de los siglos XVII y XVIII, renovado e intensificado un énfasis en el método científico, y en particular su aplicación a pensar como un proceso que podría ser estudiada y entendida como un fenómeno siguiente leyes naturales. El racionalismo de René Descartes (1596-1650), el empirismo de Francis Bacon (1561-1626) y de la física de Isaac Newton (1642-1727) se fusionaron por Immanuel Kant (1724-1804) en una visión rigurosa del mundo del hombre basada en el conocimiento como su piedra angular principio. 6

La filosofía moderna ha dividido en dos escuelas de pensamiento. Aunque a menudo visto como una contradicción entre sí y al mismo tiempo con frecuencia chocan entre sí de hecho, que se refieren principalmente a cuestiones divergentes. El existencialismo, que es la escuela dominante de

la filosofía hoy en día en Europa, tiene sus raíces en el cristianismo ortodoxo de Soren Kierkegaard (1813-1855) y el anti-cristianismo de Friedrich Nietzsche (1844-1900). El existencialismo, y un campo relacionado, la fenomenología, considerar el pensamiento humano y la existencia humana como descriptible por el análisis científico, pero sólo parcialmente. 7 Su énfasis ha estado en fenómenos tales como la culpa, la ansiedad y el sufrimiento, que en su opinión están más allá de la exploración totalmente racional y son claves para entender los límites de la razón. El existencialismo moderno de tales filósofos y dramaturgos como Jean-Paul Sartre (1905-1980) y Samuel Beckett destacan el papel del libre albedrío en un mundo aparentemente sin sentido.

Un movimiento sigue siendo popular en los Estados Unidos que a menudo choca con el existencialismo es el positivismo lógico, en base a los primeros trabajos de Ludwig Wittgenstein (1889-1951) y desarrollado por Alfred Ayer y otros. Buscando la verdad en las bases de la lengua, elpositivismo lógico ha dado lugar al desarrollo de la teoría lingüística de Noam Chomsky y otros e influyó en gran medida la aparición de la teoría de la computación. 8

El movimiento de la IA, que puede decirse que tiene sus raíces en el positivismo lógico, a menudo ha chocado con la fenomenología de los existencialistas, como se ejemplifica en último lugar por el actual debate de los profesionales de la IA como Marvin Minsky, Seymour Papert, y Ed Feigenbaum con los principales crítico de la IA y fenomenólogo Hubert Dreyfus. Por desgracia, estedebate ha sido demasiado personal y divisivo y por lo tanto no ha contribuido a una síntesis necesaria entre los dos pilares de la filosofía moderna. 9

Platón y los platónicos

"La caracterización general más segura de la tradición filosófica europea es que consiste en una serie de notas al pie de Platón." - Alfred N. Whitehead

"Toda la virtud es una cosa, el conocimiento." -Platón

Nacido en 427 aC, Platón es considerado por muchos como el mayor filósofo de todos los tiempos. Su pensamiento se extendió a través de la naturaleza última de la verdad y el conocimiento, la ética, el orden social, la estructura política, la física, la astronomía y las matemáticas. Sus escritos no sólo registran sus pensamientos, sino que constituyen el expediente principal por escrito de las enseñanzas de su mentor, Sócrates (c. 469-399 aC). 10Aristóteles veía su propio trabajo como llevar a cabo la difusión y el desarrollo de las enseñanzas de Platón. 11Sócrates , Platón y Aristóteles se acreditan con haber establecido la filosofía esencialmente racionalista de la cultura occidental.

Mientras que él es ahora considerado uno de los más grandes escritores de la filosofía, Platón consideraba sus escritos como una mera herramienta para que le ayuden en su enseñanza. Él miró a su trabajo como principio el establecimiento y dirección de la Academia, un instituto para la búsqueda de la ciencia y la filosofía que él fundó a la edad de 41. La Academia sobrevivió a Platón, y la influencia de sus alumnos y seguidores habilitado pensamiento platónico de ejercer una profunda influencia durante muchos siglos después de su muerte a los 80 años. 12

Mientras que Platón tenía su lado místico, la suya es una mística muy ordenada en base a una teoría de las formas ideales, tales como la forma del círculo, de la belleza, del amor, etc, y la manifestación de las formas en un mundo imperfecto. 13 Platón razonamiento lógico propio ejemplifica el poder de la razón. Por inferencia lógica y sus propios experimentos mentales, Platón fue capaz de determinar, por ejemplo, que los planetas siguen órbitas de curvas cerradas simples y que otros movimientos aparentes de las estrellas y los planetas eran debido al movimiento de la

Tierra a través del cielo en su propia curva cerrada . 14 Él entonces se imaginó la Tierra y los demás planetas orbitando una "fuego central de Pitágoras." 15

Platón inferirse la existencia de los números irracionales, números que no se podrían expresar comola suma finita de fracciones. La raíz cuadrada de 2 es el ejemplo por excelencia. Platón vio el hecho de que los números racionales, con sus definiciones finitos, y los números irracionales, con sus definiciones infinitas, coexisten en un mismo continuo como un símbolo de la coexistencia de los materiales y fenómenos místicos de la naturaleza. 16

Aunque contribución duradera de Platón está en la racionalización de la filosofía y un casting a un lado de la mística adornada de muchos de sus compañeros, él sostiene que no existe un nivel de creación que desafía la comprensión racional completa. En su Timeo , describe el ananke , el nivel de la realidad que no puede ser racionalizado por completo y que tiene que ser aceptado como un reflejo del propósito de la creación. 17existencialismo moderno se hace eco de Platón en su aceptación de un nivel racional de la realidad combinada con su énfasis en los límites de la razón y la lógica.

En el núcleo de la dualidad de la existencia en el místico racional y es el problema de la conciencia y el libre albedrío. En el Fedón y las obras posteriores, incluyendo La República y el Teeteto , Platón expresa la profunda paradoja inherente al concepto de la conciencia y la capacidad del hombre para elegir libremente. Por un lado, los seres humanos participan de la naturaleza y están sujetos a sus leyes. Nuestras mentes son fenómenos naturales y por lo tanto deben seguir las leyes de causa y efecto manifiesto en las máquinas y otras creaciones sin vida del hombre. En la mecánicade otro lado, causa y efecto, sin importar su complejidad, no, según Platón, dar lugar a la autoconciencia o conciencia. 18 Platón intentó resolver este conflicto en su teoría de las Ideas. 19 La conciencia no es un atributo de la mecánica del pensamiento, sino más bien la realidad última de la existencia humana. Nuestra conciencia o "alma" es inmutable e inalterable. Por lo tanto, nuestra interacción con el mundo físico es en el nivel de la "mecánica" de nuestro proceso de pensamiento complejo en un entorno complejo. Sin embargo, Platón no estaba plenamente satisfecho con esta doctrina metafísica. Si el alma es inmutable e inalterable, entonces no puede aprender o participar en la razón, ya que tendría que cambiar para absorber y responder a la experiencia. Él expresó su insatisfacción por postular la conciencia, ya sea en los procesos racionales del mundo natural o el nivel místico de la forma ideal del yo o alma.

Una paradoja más profunda es evidente en el concepto de libre albedrío. El libre albedrío es una conducta determinada y la toma de decisiones. Platón creía en una "física corpuscular" basado en reglas fijas y determinadas de causa y efecto. 20 Si la toma de decisiones humana se basa en este tipo de interacciones de las partículas básicas, nuestras decisiones también deben ser predeterminados. Esa predeterminación sería, sin embargo, parece contradecir la libertad humana para elegir. La adición de aleatoriedad en las leyes naturales es una posibilidad, pero no resuelve el problema. La aleatoriedad se eliminaría la predeterminación de las decisiones y acciones, pero contradice la intencionalidad de la libre voluntad, pues no hay nada propósito en la aleatoriedad. La postulación de libre albedrío en el alma y por lo tanto que lo separa de las causas y efectos racionales mecánica del mundo natural tampoco es satisfactorio para Platón, porque Platón es la razón colocación incómoda y el aprendizaje en el alma. Estos atributos de nuestro proceso de pensamiento son muy ordenada y lógica para colocar exclusivamente en el plano místico. 21

Desde Aristóteles, los filósofos han debatido durante más de dos milenios exactamente cuál es la posición de Platón era sobre estas cuestiones. El apoyo a puntos de vista aparentemente contradictorios se puede encontrar en los escritos de Platón. Mi propia opinión es que Platón creía en una paradoja esencialmente irreductible en el núcleo de las cuestiones de conciencia y el libre albedrío. Me baso en su negativa a escribir sus propias metafísica y en la elocuencia con la que

Platón es capaz de articular los lados alternos de cada una paradoja. Elección de Platón de la forma de diálogo era un medio excelente para expresar la paradoja de que lo liberó a expresar sus opiniones con pasión en conflicto. 22

Paradoja irreducible en el centro de la realidad ha encontrado apoyo en un sorprendente lugar en la física del siglo XX. Física, que busca describir la realidad última en términos racionales, ha llegado a la conclusión de que la esencia de la radiación electromagnética es una partícula y una onda, dos modelos excluyentes y contradictorios. La teoría cuántica también se basa en una paradoja: las partículas tienen ubicaciones precisas, pero no podemos saber lo que estos lugares son. En su forma más extrema, la mecánica cuántica describe una partícula como sin localización precisa, aunque de alguna manera existe la partícula en un espacio multidimensional. 23

En quizás su apelación más directa a la paradoja como una resolución del aparente conflicto de ideas, Platón habla de la dualidad del amor humano en el Fedro . 24 Al aplicar el método lógico para el estudio de la pasión, se concluye que el amor y su expresión en la aparentemente loca comportamiento del amante se arraiga tanto en el mundo material y en el intento del alma para alcanzar la unión con la forma ideal de emoción trascendente.

Lo que es realmente notable acerca de los escritos de Platón es el grado en que se encuentran, después de dos mil trescientos años, la correspondiente a los dilemas filosóficos modernos sobre la relación del pensamiento humano a la mecánica de la máquina. Platón vio claramente la relación delpensamiento humano a los procesos racionales de una máquina. Reconoció que el pensamiento humano se rige por la ley natural y que la ley natural es un proceso esencialmente lógico. No hay límite, según Platón, en la medida en que podemos desentrañar el pensamiento y el comportamientohumano mediante la observación científica y la inferencia lógica. Al mismo tiempo, sentía que la realidad humana no se expresa con la suficiente lógica. Él no se resuelve este problema, sin embargo, atribuyendo el pensamiento humano a procesos místicos que son de un mundo diferente de los procesos lógicos del mundo material. En cambio, se resuelve que la dualidad del pensamientohumano tanto como un proceso lógico y que trasciende la pura lógica representa una convivencia necesaria. Se trata de una síntesis de las opiniones de que es relevante para el conflicto moderno entre la fundación positivista lógica del movimiento de AI y vistas existencial-fenomenológica.

Los platónicos

Mientras que el pensamiento de Platón tenía influencias e interpretaciones amplias y diversas después de su muerte, uno de los refinamientos más interesantes de su pensamiento hecho por sus sucesores era cierto "matematización" de su filosofía y la expresión de su filosofía de las formas en términos numéricos. 25 El Formas, que constituyen ideales como la ronda, la belleza, la justicia y el amor, son considerados como conceptos puros de la misma manera que los números son conceptos puros. En el otro extremo de la realidad es el mundo físico que se manifiesta de manera imperfecta las Formas. En medio de los formularios y la realidad física son "Mathematicals", que, al igual que las formas, son perfectos e inmutables, sino, al igual que la realidad física, son numerosos. En otras palabras, sólo hay un concepto o formulario de círculo , pero puede haber muchos casos de círculos. Cada instancia puede ser inmutable y perfecto en el ámbito matemático, mientras que cadamanifestación de la circularidad en el mundo físico será cambiante y algo menos que perfecto.

Estos puntos de vista no se expresan directamente en los diálogos, pero a menudo se atribuyen (por ejemplo, por Aristóteles) a las enseñanzas orales posteriores de Platón. Se llevan a cabo en un momento de desarrollo fecundo de la teoría matemática de los miembros y asociados de la Academia de Platón, incluyendo Euclides (330-260 aC), el expositor de la geometría plana, y Teeteto (c. 415-369 aC), el creador de sólida geometría. 26

La expresión de la concepción mística de las formas en el lenguaje lógico matemático expresa una

vez más la paradoja en el corazón de las ideas de Platón de la realidad y el pensamiento humanos. En el Epinomis , Platón afirma que las "relaciones de números son la clave de todo el misterio de la naturaleza." 27

La Ilustración

La Ilustración, junto con la evolución fértiles paralelas en ciencia y teología, fue un movimiento filosófico para restaurar la supremacía de la razón humana, el conocimiento y la libertad. Tenía sus raíces tanto en la actividad artística, literaria y cultural de los tres siglos anteriores (el Renacimientoeuropeo) y la filosofía griega de veinte siglos anteriores. Consideró sus propias raíces para estar conSócrates, Platón y Aristóteles, y constituyó la primera reconsideración sistemática de la naturaleza del pensamiento humano y el conocimiento desde los platónicos. 28

Con la presentación de Isaac Newton de las leyes de la gravitación en su Philosophiae Naturalis PrincipiaMathematica , publicado en 1687, así como los avances en la construcción de relojes y autómatas mecánicos, los filósofos de la Ilustración tenían modelos más potentes, tanto de las leyes naturales y del potencial de las máquinas que hicieron sus homólogos dos mil años anteriores. 29 máquinas se hicieron más elaborados y más capaces como los autómatas mecánicos desarrollado en sofisticación y popularidad durante los siglos XVII y XVIII.30

Descartes

La Ilustración vio una mezcla de la filosofía y de la ciencia, ya que las mismas personas a menudo dominados ambos campos. Descartes, por ejemplo, formulado la teoría de la refracción óptica y desarrolló los principios de la geometría analítica moderna. A su juicio, los esfuerzos de Descartes en matemáticas y ciencias fueron pensados principalmente como un medio para explorar y demostrar ciertos aspectos de su doctrina metafísica. Tenía que demostrar la naturaleza deterministadel mundo real y estos grandes descubrimientos científicos eran en cierto sentido notas al pie de las investigaciones filosóficas de Descartes. El misterio de cómo puede surgir la mente de nonmind, de cómo los pensamientos y sentimientos pueden surgir de la materia ordinaria del cerebro, a veces llamado el problema mente-cuerpo, fue tal vez lo más claramente articulada por Descartes. 31

En su amplio discurso de la Méthode , Descartes empujó escepticismo racional a sus límites. Reconociendo que la existencia de otras personas e incluso nuestro propio cuerpo puede ser ilusiones, concluyó que no se puede dudar de la existencia de nuestro propio pensamiento y de ahí su famosa conclusión "Pienso, luego existo." 32

Descartes estaba fascinado por autómatas e hizo contribuciones a su diseño. Una vez, mientras que Descartes estaba de viaje por mar, el capitán del barco fue sorprendido por los movimientos realistas de mecánica muñeca Francine de Descartes y la fuerza tiró "su" por la borda, creyendo queel autómata de haber sido un producto del diablo. 33

Sir Isaac Newton

Vincular el proceso de pensamiento a las interacciones determinadas del mundo natural cobró impulso con avance de Newton en la comprensión de la ley mecánica. Newton estableció como su objetivo de encontrar una relación entre las interacciones mecánicas de los objetos que observamos en el laboratorio y el movimiento de los cuerpos celestes que observamos en el cielo. El objetivo eraun conjunto unificado de fórmulas que explica el movimiento de los objetos desde el pequeño hasta el grande, algo nunca antes logrado. El resultado fue inesperado éxito la mecánica newtoniana-parecían explicar con extrema precisión un orden determinista que rige toda la materia. 34Con una publicación Newton hizo a un lado siglos de imprecisión medieval.

La mecánica newtoniana sigue siendo el punto de vista dominante de ambas mecánica celeste y de

partículas durante casi dos siglos y medio. 35 Mientras Einstein (1879-1955) demostró la mecánica newtoniana para ser un caso especial de la teoría de la relatividad general, este "caso especial" pasa a ser el mundo en que vivimos 36 Uno tiene que entrar en el mundo de las partículas subatómicas dealta velocidad o ciertos fenómenos astronómicos para presenciar desviaciones significativas de la mecánica newtoniana. Los estudios de la física ingenua, que es una exploración de los modelos mentales del mundo físico que la gente utiliza en realidad, indican que creemos que vivimos en un newtoniano, no un Einstein, mundo.

Cuando Newton había explicado con éxito importantes aspectos del universo, las implicaciones de su teoría no pasaron desapercibidas para los teólogos de su tiempo. 37 El éxito y la potencia aparente de las ideas de Newton fueron vistos como una amenaza para el estatus único del hombre. El miedo y la ira se expresaron que el mismo razonamiento matemático que dio lugar a la Mecánica Newtoniana se extendería a los procesos de la mente. Se temía que el pensamiento humano de ser sometido a la indignidad de la comparación con las interacciones determinado de bolas de billar, que a menudo se utilizan para demostrar los principios mecánicos. Incluso Wilhelm Leibniz (1646-1716), quien comparte créditos con Newton para la invención del cálculo utilizado para expresar las leyes de Newton, atacó a Newton para considerar a Dios como un "relojero torpe." 38

Immanuel Kant

Immanuel Kant, nacido en 1724 en Prusia Oriental (ahora parte de la Unión Soviética), es ampliamente considerado como el filósofo por excelencia de la Ilustración. Se tipifica la Ilustración en su énfasis en la razón humana y la racionalidad, y él intentó desarrollar una doctrina metafísica basada enteramente en la razón. 39 En la concepción de Kant, el pensamiento humano se guía por unos principios y conceptos a priori, es decir, conceptos y estructuras que son que no se base en la experiencia. Por otra parte, a juicio de Kant, el conocimiento humano constituye la realidad última. Esto invierte la concepción antes de que la realidad última residía en el mundo físico, con nuestros pensamientos sobre la base de nuestras impresiones sensoriales imprecisas que reflejan modelos imperfectos del mundo físico. 40

Tres de las innovaciones de Kant alteraría profundamente el panorama filosófico y sentar las bases para el surgimiento del racionalismo del siglo XX. En primer lugar, el modelo de los conceptos a priori influido y de Kant se hizo eco en la búsqueda positivista lógico de la verdad en el lenguaje y el concepto de las estructuras innatas del lenguaje postuladas por la lingüística moderna. En segundo lugar, al rechazar la dicotomía cartesiana entre el reflejo instintivo del animal y el pensamiento racional del hombre, Kant abrió aún más lejos que sus predecesores los procesos del pensamiento humano a la investigación analítica. Por último, el énfasis de Kant en la supremacía delos conocimientos sobre otros niveles de la realidad se hace eco tanto el positivismo lógico y escuelas existencialistas del siglo XX.

La relación de la Ilustración a las escuelas modernas

Sobre la cuestión de la naturaleza última de la razón humana, los filósofos de la Ilustración, mientras que diversos en sus puntos de vista, esencialmente de acuerdo con la escuela existencial moderna. Ambos mantienen que, si bien la lógica y el método científico se pueden utilizar para explorar el pensamiento humano y el proceso de pensamiento con gran detalle, hay un nivel de la existencia humana y la experiencia que desafía tales análisis. Sin embargo, la Ilustración terminó dedefinir el nivel metafísico con tanto rigor lógico, quitando las complejidades de misticismo antes, que se puso en marcha un movimiento para explicar toda la realidad en términos racionales. La escuela lógico-positivista continuó y amplió esta tradición. 41 El movimiento existencial, por otro lado, puede decirse que es una reacción a esta tendencia. Sin dejar de reconocer el papel de la lógica

y el análisis científico, los existencialistas han tratado de centrar la atención en el lado irracional y paradójica de la condición humana.

Los positivistas lógicos y la reacción Existencial

"El mito de que todo en el mundo se puede explicar racionalmente ha ido ganando terreno desde laépoca de Descartes. Una inversión era necesaria para restablecer el equilibrio. La comprensión deque la razón y la lucha contra la razón, el sentido y el sin-sentido, el diseño y el azar, la conciencia y la inconsciencia van juntos como partes necesarias de un todo ". -Hans Richter, Dada

"Es esencial que abandonar la sobre-valuación de la propiedad de ser consciente antes de que sea posible formar cualquier punto de vista correcto sobre el origen de lo que es mental."

-Sigmund Freud, La interpretación de los sueños

Kant como el primer positivista lógico

La Ilustración, ya que había culminado en el pensamiento de Immanuel Kant había relegado la metafísica a un papel elegante y simple para explicar la condición humana. Nuestra comprensión dela memoria humana, nuestra facultad de razonamiento, incluso nuestras emociones puede ser entendida en términos de la investigación científica y el análisis. Mientras que Kant hizo considerar el nivel metafísico, como a superior, que tenía mucho más que decir acerca de las complejidades delnivel físico. A pesar de que no era su intención, su impacto ha sido trasladar la tradición filosófica occidental hacia un menor énfasis en el papel de la metafísica. " 42 Ha, de hecho, ha llamado la "primera positivista lógico".

Ludwig Wittgenstein

El título de la primera positivista lógico realmente pertenece, sin embargo, a Ludwig Wittgenstein. Una figura enigmática, Wittgenstein regaló su gran fortuna heredada, para no distraerse de su filosofía por las posesiones mundanas. 43 Su obra principal y más influyente en primer lugar, el Tractatus Logico-Philosophicus , no fue un éxito inmediato. 44 Wittgenstein tuvo una gran muchas dificultades en encontrar un editor para su trabajo, y fue en última instancia la influencia de su antiguo instructor, Bertrand Russell (1872-1970), que permitió que el libro entre en impresión. 45 Se ha llegado a ser considerado por algunos, sin embargo, , como tal vez el trabajo filosófico más influyente del siglo XX.

Wittgenstein aplica aún más el tratamiento analítico del pensamiento humano, extendido por la Ilustración, en el estudio del lenguaje humano. Examina la naturaleza del lenguaje, cómo es que noscomunicamos mediante el lenguaje, y qué es lo que nos estamos comunicando. Su examen no es, sin embargo, una exploración de la estructura, organización, fisiología, psicología o de la comunicación. Más bien, es un intento de proporcionar una definición filosófica del conocimiento-lo que podemos conocer-mediante el análisis del significado del lenguaje.Continúa en el Tractatus de considerar el lenguaje que es la realización de lo que se puede decir, lo que puede ser conocido, en efecto, lo que se puede pensar:

4.0.0.3.1 Toda la filosofía es una "crítica del lenguaje." 46

5.6 Los límites de mi lenguaje significan los límites de mi mundo. 47

5.6.1 No podemos pensar en lo que no podemos decir. 48

Wittgenstein pasa a definir el lenguaje en un particular, algunos dirían peculiar manera. En el mundo de Wittgenstein hay ciertos hechos elementales, existen proposiciones acerca de las relaciones entre los hechos elementales, y hay ciertas transformaciones permitidas en tales proposiciones que producen proposiciones compuestas. Su concepto del pensamiento humano es que recibimos impresiones de los sentidos, que comprenden hechos elementales. A continuación, podemos transformar estos hechos elementales y deducir relaciones entre éstas en los procesos lógicos permitidos. Cualquier pensamiento fuera de este esquema es falso o sin sentido.

Wittgenstein hace dos puntos importantes que tienen un impacto directo en las raíces intelectuales de la inteligencia artificial. Se establece un vínculo directo entre el pensamiento humano y un proceso formal que se puede describir solamente como la computación. Para reordenar las declaraciones de Wittgenstein, no podemos pensar lo que no podemos decir, no podemos decir, o al menos, no debemos decir, lo que no tiene sentido en el idioma que hablamos, las declaraciones en cualquier idioma son realmente sentido a menos que se pueden derivar de un oficial (y por lo tanto el cálculo como) secuencia de transformaciones en una base de datos de las proposiciones elementales.

Esta descripción del pensamiento humano como una secuencia formal de cómputos se reexpresadosdos décadas más tarde en la tesis de Church-Turing (véase el capítulo 3). 49 La tesis de Church-Turing fue considerado como una doctrina radical cuando fue propuesto por primera vez, pero tiene sus raíces en el Tractatus . No es una tesis que todo el mundo conoce acepta necesariamente, y sigue siendo controversial hoy. Propio Wittgenstein terminó rechazándolo.

La otra cuestión planteada en el Tractatus que habría significado más tarde para los teóricos de cálculo es que el pensamiento está incrustado en el lenguaje. 50 También es interesante notar que el lenguaje tal como se concibe en el Tractatus tiene más de la calidad del lenguaje de programación LISP o PROLOG de lo que hace del alemán nativo de Wittgenstein.

La organización del libro es también interesante. El tratado contiene sólo siete declaraciones formales primarios, numeradas del 1 al 7. Para ayudarnos a lo largo, Wittgenstein también incluye varios niveles de sentencias que modifican. Por ejemplo, las declaraciones de 1.1 y 1.2 modifican declaración 1. A su vez se proporciona 1.1.1 para ayudar a explicar 1.1, y así sucesivamente. El lector tiene la opción de leer el libro de izquierda a derecha o de arriba hacia abajo. La estructura modular complacería proponentes de hoy de buen estilo de programación.

Wittgenstein comienza con: "El mundo es todo lo que es el caso" (declaración 1) y termina con: "Loque no se puede hablar hay que callar" (declaración 7). 51 Una cosa que se desprende de estos dos declaraciones es que elTractatus era una obra ambiciosa.

En 1953, dos años después de la muerte de Wittgenstein, Investigaciones filosóficas , su última obra, fue publicada.52 Puntos de vista de su importancia varían según el punto de vista de la crítica. Los positivistas lógicos cuyas raíces intelectuales al primer Wittgenstein consideran su obra posterior como confusa y desorganizada, mientras que los existencialistas consideran que es una obra de gran importancia. 53 En lo que es quizás un caso único en la historia filosófica, Wittgensteinse le atribuye haber establecido dos principales sistemas de la filosofía, cada uno con una gran influencia, con la segunda criticar y rechazar la primera. 54 Wittgenstein termina cerca del final de su vida haber mucho que decir acerca de los temas que él había sostenido a principios del Tractatus se debe pasar por alto .

Ayer y la formalización del positivismo lógico Alfred Ayer y otros realizados en la obra de Wittgenstein, la corrección de errores y expresarlo con un grado de formalismo y rigor que

Wittgenstein tenía ni el tiempo ni la paciencia para llevar a cabo. 55 A nivel filosófico, el positivismo lógico sostiene que cada declaración y, por ende todo el conocimiento, se basa tanto en datos de los sentidos ("a posteriori" o "sintético"), o se basa en la lógica ("a priori" o "analítica"). Rechaza todas las teorías metafísicas como la fuerza sólo emotiva estrictamente de sentido y tener. En un nivel práctico, las teorías modernas de la lingüística y la computación se derivaron de los formalismos del positivismo lógico. Uno no tiene que aceptar todas sus implicaciones para reconocer su contribución como la base filosófica de la inteligencia artificial.

La reacción existencial

Al igual que con cualquier movimiento filosófico importante, las opiniones y teorías de sus proponentes son diversas y complejas. Sin embargo, es razonable ver el existencialismo como una reacción a un nivel intelectual y cultural de la mayor desviación del pensamiento occidental hacia una mayor y una mayor dependencia de los puntos de vista racionales y analíticas. En su esencia, el existencialismo define la realidad humana, ya que casi el reverso de la vista lógico-positivista. Considera los tipos de análisis y de síntesis de las declaraciones, que son las únicas declaraciones significativas en el positivismo lógico, ya sea como sin sentido o trivial. Se refiere a la vida espiritual y emotiva, que no tienen sentido en términos lógico-positivistas, como la sede del verdadero significado.56

Wittgenstein revisitado

Algunas opiniones recientes del reclamo primer Wittgenstein que no negaba la existencia de un reino más allá de la estrecha definición del significado expresan en el Tractatus . Es evidente que la última frase del Tractatus : "Lo que no podemos hablar de que debe pasar en silencio", se está refiriendo a algo. 57 Si se está refiriendo a algo que no existe, ni siquiera por los propios estándares del primer Wittgenstein la sentencia no tendría sentido. Dado que podemos asumir que Wittgensteinno terminaría su libro con una frase sin sentido, la frase "lo que no podemos hablar de" se está refiriendo a algo significativo. Si "lo que no podemos hablar de" es un concepto significativo y sin embargo, tenemos que pasar por encima de ella en silencio, entonces la frase debe ser un motivo para la contemplación silenciosa de un reino superior.

El debate continúa

"¿Por qué es la filosofía tan complicado? Debe ser totalmente simple. Filosofía desata los nudos de nuestro pensamiento que tenemos, de una manera absurda, puesto allí. Para ello, debe hacer losmovimientos que son tan complicados como estos nudos. Aunque el resultado de la filosofía es simple, su método no puede ser si se quiere tener éxito. La complejidad de la filosofía no es una complejidad de su objeto de estudio, sino de nuestra comprensión de nudos ".- Ludwig Wittgenstein

La relación del pensamiento humano al proceso "lógico" de la computadora sigue siendo controversial, una continuación del debate iniciado en los diálogos platónicos. El mismo nombre de "inteligencia artificial" yuxtapone dos conceptos que generan reacciones intelectuales y emocionales diversas ya menudo intensos.

Un debate particularmente ruidosa ha estado sucediendo desde hace veinte años entre varios de los líderes académicos de IA y Hubert Dreyfus, un fenomenólogo moderno y profesor de Berkeley. Se inició con un documento Dreyfus escribió como consultor de la Corporación Rand en 1965 titulado,"La alquimia y la Inteligencia Artificial." 58Como pueden quedar claro desde el título, que fue un ataque sin barreras los hogares en lo que era en ese momento un nueva disciplina académica incierto. Desde entonces Dreyfus ha hecho algo de una carrera fuera de atacar a la inteligencia artificial.

Tal crítica podría ser útil para el campo, y tal vez algo de él es. Lamentablemente, el debate se ha visto afectado en un número de maneras. En primer lugar, ha habido un considerable ira personal expresado en ambos lados.Dreyfus ha sido citado diciendo, "¿Por qué me siento tan molesto con la gente como Papert, Minsky, Newell y Simon?-Y realmente molesto. Es realmente desconcertante. Voy a tener que pensar en eso .... Tal vez me ataco en ellos lo que me gusta en mi mismo, una racionalidad excesiva. " 59

Más grave es la falta de voluntad de ambas partes para comprender plenamente las disciplinas y tradiciones de la otra. Dreyfus ha mostrado un gran desconocimiento de los métodos y el estado de la IA. En un artículo reciente Dreyfus describe cómo fue capaz de engañar a ELIZA, un programa informático escrito por Joseph Weizenbaum para simular un psicoterapeuta (ver "ELIZA Pasa la prueba de Turing", más adelante). 60 Además de haber sido escrito veinte años antes, ELIZA era considerado ya entonces a ser un programa de ingenuo no representativo del estado de la técnica. 61 Tal vez el tema más consistente de Dreyfus es la incapacidad del tipo de antecedente-consecuencia dura de la lógica para resolver ciertos tipos de problemas. 62 Si bien esta observación es correcta, la mayoría investigadores de la IA no proponen lógica "PROLOG-como" como la solución a todos los problemas. 63Por ejemplo, utilizando los principios de lógica difusa para tratar de una manera metodológicamente sólido con las observaciones de incertidumbre se está convirtiendo cada vez más popular. 64 También es posible crear sistemas con miles o incluso millones de procesos paralelos para emular las capacidades de adquisición de reconocimiento de patrones y habilidades humanas. Dreyfus describe la inteligencia artificial como un fenómeno fijo yque se refiere a las limitaciones aparentes de hoy como limitaciones permanentes en lugar de los retos del mañana.

Dreyfus presiona continuamente el tema de que el campo de la IA ha sido demasiado optimista y ha subestimado la naturaleza profunda de muchos problemas. La crítica tiene justificación considerable, pero Dreyfus toma la posición a un extremo haciendo una lista de las tareas específicas que se mantiene un ordenador nunca hacer, incluyendo el ajedrez campeonato jugar, andar en bicicleta, y la comprensión del habla humana. 65 Éstos parecerían


Una máquina?

ser innecesariamente predicciones negativas, que recuerdan a las predicciones anteriores de que "el hombre no tiene la intención de volar" ("hombre", por supuesto, no un montón de cosas que él no estaba "significaba" hacer).Las computadoras están cerca de lograr algunas de estas tareas ahora, aunque la proximidad depende, por supuesto, en el nivel de rendimiento de uno aceptará. 66 En mi opinión, los niveles de rendimiento de la máquina seguirá aumentando con el tiempo y, si uno es intelectualmente honesto, parece ser sólo cuestión de tiempo antes de que se adopte una norma en particular. Y tal vez, si Dreyfus es intelectualmente honesto, él se convenció. Él ha hecho declarado que si en una prueba de Turing, una máquina podría engañarlo 60 por ciento del tiempo en cuanto a si estaba tratando con la inteligencia natural o artificial, que sería admitir la derrota. 67 Hay que señalar, sin embargo, que esta oferta es menos generoso de lo que parece a primera vista. Dreyfus, como el juez humano en una prueba de Turing tal, sería capaz de lograr una precisión de 50 por ciento simplemente adivinando al azar.

A su vez, los críticos de IA de Dreyfus no han tardado en saltar en una comprensión limitada de la tecnología informática de Dreyfus, pero han ellos mismos no se toman el tiempo necesario para comprender la tradición intelectual de cualquiera de Dreyfus, con sus raíces en la obra de Kierkegaard, Heidegger, y el fallecido Wittgenstein, o la relevancia de esta tradición a los objetivos del movimiento de AI. 68

Dreyfus revisitado

En un reciente artículo de Hubert Dreyfus y su hermano Stuart Dreyfus, el lector detecta un cambio sutil pero posiblemente significativo en el enfoque de Dreyfus a la inteligencia de la máquina. 69 Se inicia con las siguientes citas: "Nada parece más posible para mí que la gente algún día llegado a la opinión definitiva de que no existe una copia en el archivo. . . sistema nervioso, que corresponde a un determinado pensamiento , o una determinada idea , o la memoria "(Ludwig Wittgenstein 1948). "La información no se almacena en ninguna parte en particular. Más bien, se almacena en todas partes. La información es mejor como evocada que encontró "(David Rumelhart y Donald Norman, 1981). 70

El artículo continúa afirmando su continuo fuerte oposición a un concepto de inteligencia artificial basado enteramente en el razonamiento simbólico , pero los autores parecen estar más cómodos connociones más amplias de la inteligencia artificial. En particular, la capacidad de una red neuronal (un tipo especial de ordenador compuesto de muchos procesos paralelos, cada uno de los cuales simula una neurona cerebro humano) para producir asociaciones inesperadas parece ser interesante para los hermanos Dreyfus. 71 Terminan diciendo,

Tal vez una red deben compartir el tamaño, la arquitectura y la configuración de la conexión inicial con el cerebro humano si se trata de compartir nuestro sentido de la generalización apropiada. Si se trata de aprender de sus propias "experiencias" para hacer asociaciones que son parecidos a los humanos y no se les enseñe a hacer asociaciones que se han especificado por su entrenador, una red debe también comparten nuestro sentido de la adecuación de la producción, y esto significa que debe compartir nuestras necesidades, deseos y emociones y tener un cuerpo humanoide con movimientos apropiados físicos, habilidades y la vulnerabilidad a las lesiones .... Si la unidad mínima de análisis es el de un organismo completo orientado a un mundo cultural de todo, las redesneuronales, así como ordenadores simbólicamente programados todavía tienen un largo camino por recorrer. 72

Mientras que la insistencia de los Dreyfus "que una inteligencia debe compartir un cuerpo humanoide de emular verdaderamente la inteligencia humana siempre ha causado consternación

entre los teóricos de la IA, la afirmación anterior parece ser más tolerante que los escritos anterioresde al menos la posibilidad teórica de dotar a una máquina con inteligencia verdadera . 73

Expertos Naive

Sentí que valdría la pena explorar cuestiones filosóficas de la cognición máquina con un número de expertos que, si bien tienen una amplia experiencia de la computadora, no fueron influenciados por dos mil años de teoría y debate.74 Por lo tanto, optó por seis niños de entre siete y nueve que tenía estado trabajando con ordenadores durante varios años, pero quien me aseguró que no habían leído o bien a principios o finales de Wittgenstein.

Le dije a cada niño (uno a la vez) que me gustaría pedirles varias preguntas y que no había ninguna respuesta correcta o incorrecta, sólo quería su opinión. Las preguntas fueron, ¿Puede un equipo ¿recuerdas? Cómo aprende un ordenador? ¿Piensan los ordenadores? ¿Las computadoras tienen sentimientos? ¿Te gustan las computadoras? Haga computadoras como usted?

Para las primeras dos preguntas a cada niño de respuesta afirmativa: las computadoras no recuerdany aprenden.La tercera pregunta requiere de unos momentos de reflexión, y todos menos dos de los niños llegó a la conclusión de que sí, los ordenadores no piensan. Al parecer, una clave importante para la capacidad de pensar los ordenadores de los niños fue el hecho de que cuando los niños pidenun ordenador para hacer algo, a veces responde de inmediato y, a veces hay un retraso mientras el ordenador aparentemente piensa acerca de la tarea por un tiempo antes de responder. Esto, los niñossentían, era muy similar a la forma en que responden a las preguntas.

La cuarta pregunta computadoras tienen sentimientos - no sólo fue contestada por unanimidad en lo negativo;? Por lo general suscitó la risa como si yo había pedido, vuelan los elefantes? La risa, según Freud, a veces el resultado de la yuxtaposición de dos conceptos que no se supone que deben ir de la mano, lo que puede ser el resultado de cualquiera de los dos conceptos "nunca jamás haber sido vinculados antes o un tabú social. 75 Posiblemente ambas razones causó la risa en este caso.

Sobre la quinta cuestión, todos los niños contestaron afirmativamente que les gustaba computadoras. Todos los niños pensaban que la última pregunta era tonta, que las computadoras no tienen gustos y disgustos.


Capítulo 3: Raíces Matemáticas


Autor:

Ray Kurzweil

En el mundo de las matemáticas formales, es igual de malo ser casi correcto, ya que es para estar absolutamente equivocado. En cierto sentido, eso es lo que la matemática es . Pero eso no es bueno psicología.

Marvin Minsky, The Society of Mind

Un matemático es una máquina para dar vuelta al café en teoremas.

Paul Erdos

El campo de la IA fue fundada por los matemáticos: John McCarthy, Alan Turing (1912-1954), Norbert Wiener (1894-1964), los estudiantes de Alonzo Church, Claude Shannon, Marvin Minsky, entre otros. LISP, el idioma principal de la investigación académica en la inteligencia artificial, es una adaptación de una notación matemática diseñada por Stephen Kleene y Barkley Rosser, ambos estudiantes de la Iglesia. 1

Matemáticas a menudo ha sido visto como la formalización definitiva de nuestro proceso de pensamiento, por lo menos de la parte racional de la misma. Como señalé en el capítulo anterior (y como se ha señalado en varios de los artículos contribuyeron al final del último capítulo), la relación de la lógica y el proceso analítico que subyace a las matemáticas para la cognición ha sido objeto de debate a través de los siglos por los filósofos, muchos de los cuales también eran matemáticos. La implementación real de técnicas matemáticas para emular al menos ciertos aspectos del pensamiento humano no era factible hasta que el equipo electrónico estuvo disponible después de la Segunda Guerra Mundial. Sin embargo, los fundamentos de la teoría de la computación, junto con la teoría de conjuntos en los que se basa la teoría de la computación, se establecieron mucho antes de que el potencial del electrón para revolucionar las matemáticas aplicadas se dieron cuenta. 2

Matemáticas ha sido a menudo descrito como una rama de la filosofía, la rama más preocupados con la lógica. 3Sólo ha sido en este siglo que los campos de las matemáticas y la filosofía se han dividido en disciplinas distintas en gran parte con pocas figuras importantes haciendo un trabajo importante en ambas áreas. Bertrand Russell, después de haber sido una figura central en el establecimiento de la teoría de conjuntos, tanto moderna y el positivismo lógico, fue tal vez la última.

Paradoja de Russell

En la primera parte de este siglo, Bertrand Russell, un joven matemático y sin embargo tan poco conocido y filósofo, se convirtió cada vez más ocupado con un cierto tipo de paradoja y el intento de comprender sus implicaciones. La resolución de la paradoja tuvo consecuencias importantes parael posterior desarrollo de la teoría de la computación. La siguiente historia ilustra la clase de paradojas de Russell: 4

Un juez está condenando a un hombre por un crimen que él encuentra reprobable y para la que desea impartir la sentencia más severa que se le ocurre. Así que le dice al hombre condenado no sólo que él es condenado a morir, pero también que debido a su crimen era tan ofensiva, la


sentencia se llevará a cabo de una manera única. "La sentencia se llevará a cabo rápidamente", dice el juez. "Debe llevarse a cabo a más tardar el próximo sábado.Además, quiero que la sentencia se lleve a cabo de tal manera que en la mañana de su ejecución, que no se sabe a ciencia cierta que va a ser ejecutado en ese día. Cuando llegamos para usted, será una sorpresa ".

Cuando el juez terminó describiendo su condena inusual, el condenado parecía sorprendentemente contento y respondió: "Bueno, eso es genial, juez, me siento muy aliviado."

A esto, el juez dijo: "No lo entiendo, ¿cómo se puede ser relevado? He condenado a ser ejecutado, le he pedido que la sentencia se llevará a cabo pronto, pero usted no será capaz de prepararse, porque en la mañana que su sentencia se llevará a cabo, no se sabe a ciencia cierta que va a morir ese día. "

El hombre condenado dijo: "Bueno, señor juez, para que su sentencia que ha llevado a cabo, no podría ser ejecutado el sábado."

"¿Por qué es eso?", Preguntó el juez.

"Porque ya que la sentencia debe ser llevada a cabo el sábado, si conseguimos realmente a sábado, sabré con certeza que voy a ser ejecutados en ese día, y por lo tanto no sería una sorpresa."

"Supongo que tienes razón", respondió el juez. "No se puede ser ejecutado el sábado. Todavía no entiendo por qué se sienten aliviados ".

"Bueno", dijo el prisionero, "si definitivamente hemos descartado sábado, entonces no puedo ser ejecutado el viernes tampoco."

"¿Por qué es eso?", Preguntó el juez.

"Hemos acordado que definitivamente no se puede ejecutar en Sábado. Por lo tanto, el viernes es el último día que se pueden ejecutar. Por lo tanto, si el viernes alrededor de los rollos, definitivamente sé que voy a ser ejecutados en ese día, y por lo tanto no sería una sorpresa. Así que no se puede ejecutar el viernes. "

"Ya veo", dijo el juez.

"Por lo tanto, el último día que se puede ejecutar sería el jueves. Pero si Jueves alrededor de los rollos, yo sabía que tenía que ser ejecutado en ese día, y por lo tanto no sería una sorpresa. Así que el jueves es salir. Por el mismo razonamiento podemos eliminar miércoles, martes, lunes, y hoy en día ".

El juez se rascó la cabeza mientras el prisionero se confía llevó de vuelta a su celda.

Hay un epílogo a la historia. El jueves fue tomada el preso ejecutado. Y él estaba muy sorprendido. Así que las órdenes del juez se llevaron a cabo con éxito.

Si se analiza la paradoja contenida en la historia anterior, vemos que las condiciones que el juez ha puesto en marcha como resultado una conclusión de que ninguno de los días se reúne, ya que, comoseñala el prisionero con tanta habilidad a cabo, cada uno de ellos a su vez, No será una sorpresa. Pero la conclusión misma cambia la situación, y ahora la sorpresa es posible otra vez. Estonos lleva de nuevo a la situación inicial en la que el prisionero podría (en teoría) demuestran que cada día, a su vez, sería imposible, y así sucesivamente. El juez aplica la solución de Alejandro a este nudo gordiano.

Un ejemplo más sencillo y el que Russell realmente luchó con la siguiente pregunta es acerca de los

conjuntos: Considere la posibilidad de establecer una , que se define para contener todos los conjuntos que no son miembros de sí mismos. ¿Tiene establecido un contenga en sí? Al considerar este famoso problema, nuestra primera realización es que sólo hay dos respuestas posibles: sí y no. Por tanto, podemos considerar exhaustivamente todas las posibles respuestas (este no es el caso para muchos problemas de matemáticas). Vamos a tratar de "sí." Si la respuesta es sí, a continuación, establecer una contiene en sí. Pero si se ha ajustado una contiene en sí, entonces, de acuerdo a su estado definiendo conjunto A no pertenecerían a establecer una , y por lo tanto no pertenece a sí mismo. Desde la asunción de que A contiene en sí dio lugar a una contradicción, que debe haber sido un error. Si la respuesta es "no", a continuación, establecer un no contiene en sí. Pero, de nuevo de acuerdo con la condición que define, si se ha configurado una no pertenece a sí mismo, entonces sería pertenecer a establecer una . Al igual que con la historia sobre el prisionero, tenemos proposiciones contradictorias que implican mutuamente. El supuesto de rendimientos no es así, que no produce, y así sucesivamente.

Este tipo de paradoja puede parecer divertido, pero a Russell que amenazaba los fundamentos de lasmatemáticas. 5 La definición de conjunto A parece ser uno perfectamente razonable, y la cuestión desi el conjunto Apertenece a sí mismo también parece perfectamente razonable. Sin embargo, no se puede responder. Sin una solución a esta paradoja de la teoría básica de las matemáticas estaba en cuestión.

Para resolver el problema, Russell inventó un concepto de una transformación lógica como una operación que requiere el equivalente de un cuanto de tiempo. Russell ha diseñado un conjunto de operaciones lógicas en las que un determinado problema se expresaría como un "programa" de operaciones a seguir. 6 Pasamos luego el programa en y se deja correr. Cada inferencia lógica u otra transformación se implementa a su vez, y cuando se complete el proceso, obtenemos una respuesta. Si aplicamos esta máquina teórica al problema del conjunto A , las operaciones lógicas se"ejecutan" a su vez. En cierto momento, la respuesta será que sí, pero el programa sigue funcionando, y en un momento posterior la respuesta se convierte en no. El programa se ejecuta en un bucle infinito, constantemente alternando entre sí y no.

Russell continuación figuran las definiciones de un conjunto estrecho y amplio. En sentido estricto, un conjunto tiene una definición que permite la construcción de un programa que puede determinar si una entidad determinada es un miembro del conjunto de una cantidad finita de tiempo. De acuerdo con esta definición, defina un (cuyo programa produce un bucle infinito) no es un verdadero conjunto, por lo que la paradoja se elimina. 7

En sentido amplio, el programa que define las reglas lógicas de pertenencia conjunto no tiene por qué llegar a detenerse en una cantidad finita de tiempo, sólo tiene que venir a una respuesta en una cantidad finita de tiempo, sino que se le permite cambiar esa respuesta como el programa continúa ejecutándose. De acuerdo con esta definición, establece una es un conjunto adecuado. La cuestión de si conjunto A pertenece a sí mismo será sí en un momento de "tiempo" y no en otro punto, y el programa se alternará entre los dos. Por lo tanto, inferencias lógicas no se implementan de forma instantánea , sino más bien de uno en uno con un cambio ordenado de estado entre cada uno. En nuestro caso, la respuesta no es sí y no al mismo tiempo . En la definición amplia, establecer una es un tipo particular de conjunto que es "inestable", así como un circuito electrónico puede ser inestable. Sin embargo, la contradicción se elimina.

Russell no se refiere explícitamente a la vez en su teoría de los tipos (de juegos). Él proporciona procedimientos para transformaciones admisibles sobre las proposiciones que pueden ser considerados significativos dentro de un sistema lógico. Esto contrasta con las transformaciones generadas por el propio sistema lógico, que se utilizan para determinar la verdad o la falsedad de proposiciones. Así, según Russell, ciertas proposiciones son verdaderas ni falsas y no pueden ser abordadas por los axiomas. En nuestra discusión anterior, una propuesta relativa a un "conjunto

inestable" no tendría sentido. La teoría es interesante, ya que tenemos una serie de transformacionesgeneradas por los axiomas de un sistema lógico determinar la verdad o falsedad y otro conjunto de transformaciones generadas por las metareglas de teoría de los tipos que determinan la significaciónde Russell.Transformaciones de Russell son algorítmica en la naturaleza, y las cuestiones planteadas son similares a ciertos temas en teoría de la computación que recibieron la atención después de Turing ideó su máquina de Turing.Aunque Russell no vinculó explícitamente la teoría delos tipos de

Una proposición imparable: la Paradoja de Russell

teoría de la computación (de lo contrario, podríamos estar hablando de una máquina de Russell en lugar de una máquina de Turing como un modelo primario de la computación), teoría de los tipos deRussell proporciona claramente una base para el trabajo posterior de Turing.

La conferencia sobre la lógica dictada por el preso ha cambiado la situación. Él ha demostrado con toda lógica por la cual no es posible para que sea ejecutado siguiendo las instrucciones del juez. El juez entonces se da cuenta de que la creencia del prisionero que no puede ser ejecutada hace posibleuna vez más para ejecutarlo. Antes de que el prisionero pueda formular otra conferencia en la lógica(es decir, antes de que el "programa" que simula esta situación puede alternar de nuevo para "imposible de ejecutar"), el juez implementa rápidamente su condena.

Principia Mathematica

Russell amplió su teoría para establecer una nueva base para la lógica y la teoría de conjuntos en su primer trabajo importante en las matemáticas, The Principles of Mathematics , publicado en 1903. Posteriormente, consideró que toda la matemática debe refundirse en términos de su nueva teoría de los conjuntos, ya que el concepto de series y sus interacciones es fundamental para todas las demás disciplinas matemáticas. Con la ayuda de su amigo y ex profesor Alfred North Whitehead(1861-1947), trabajó durante casi diez años para aplicar su nueva teoría de conjuntos y lógica para todos los ámbitos de las matemáticas. Russell informó que el esfuerzo estuvo a punto de agotarse, y hasta el final de su vida sintió que este había sido el más intenso trabajo de su carrera muy prolífica. 8Fue probablemente su obra más influyente. Así las cosas, Whitehead y Russell no lograron completar su reexamen.Publicaron su trabajo, no obstante, en tres volúmenes en 1910, 1912 y 1913 bajo el título de Principia Mathematica .El trabajo fue realmente revolucionario y proporcionó una nueva metodología para todas las matemáticas que iba a seguir.

Tan significativo como Principia fue a las matemáticas en general, fue un acontecimiento fundamental en términos de los fundamentos de la teoría de la computación que se desarrollarían dos décadas más tarde. Russell había creado un modelo teórico de una máquina de la lógica, que

ahora reconocemos como algo similar a una computadora, especialmente en su ejecución de las operaciones lógicas en ciclos. 9 De hecho, el modelo teórico posterior de Turing de una computadora, la máquina de Turing, tiene directamente sus raíces en el motor de la lógica teórica deRussell. 10 Russell también ha creado un concepto de un lenguaje de programación lógica que es muy similar en muchos aspectos a uno de los lenguajes de programación más recientes, PROLOG, originalmente desarrollado en Francia y ahora la base para el proyecto de computadora japonesa de quinta generación . 11Principia también influyó en los esfuerzos de Allen Newell, Herbert Simon, y JC Shaw para desarrollar máquinas teorema demostrando en la década de 1950. 12

Teoría de conjuntos Moderno, todavía basado en Russell Principia , proporciona una base para granparte de las matemáticas. Es interesante notar que la teoría de conjuntos moderno está a su vez basado en el modelo teórico de Russell de la computación. Viendo las cosas de esta manera, podríamos argumentar que la matemática es una rama de la teoría de la computación. Lo que es particularmente impresionante acerca de los logros de Russell es que no había computadoras ni siquiera se contemplan en el momento que él desarrolló su teoría. Russell tenía que inventar un modelo teórico de un ordenador y la programación para tratar un defecto en la base de la lógica misma.

Las cinco contribuciones de Turing

Debemos saber, sabremos.

David Hilbert

Turing fue tal vez la figura central en el desarrollo de la informática y su teoría subyacente. Basándose en el trabajo de Bertrand Russell y Charles Babbage, creó su propio modelo teórico de una computadora y en el proceso de establecer la teoría de la computación moderna. 13 También fue instrumental en el desarrollo de las primeras computadoras electrónicas, traduciendo así la teoría a la realidad. Él desarrolló motores de cálculo electrónicas especializadas para decodificar el código alemán Enigma, permitiendo a los británicos para resistir la fuerza aérea nazi. También fue un gran defensor de la posibilidad de emular el pensamiento humano a través de la computación.14 Él escribió (junto a su amigo David Champernowne) del primer programa de ajedrez-playing y diseñó la única prueba aceptada de la inteligencia artificial (que se examinan desde una variedad de perspectivas en varios de los artículos contribuyeron al final del capítulo 2). 15

Como persona, Turing era poco convencional y extremadamente sensible. Tenía una amplia gama de intereses inusuales que van desde el violín a la morfogénesis (la diferenciación de las células). 16 Hubo informes públicos de su homosexualidad, que le molestaba mucho, y que murió a la edad de 41 años, un presunto suicidio.

El código enigma

En 1940 Hitler tenía la parte continental de Europa a su alcance, e Inglaterra se preparaba para una invasión prevista. El gobierno británico organizó sus mejores matemáticos e ingenieros eléctricos, incluyendo Alan Turing, con la misión de descifrar el código militar alemán. Se reconoció que con la fuerza aérea que goza de superioridad alemana en los cielos, el no cumplir con esta misión tuvo la probabilidad de condenar a la nación. A fin de no ser distraído de su tarea, el grupo vivió en los pastos tranquilos de Hertfordshire.

El grupo tuvo la suerte de contar con un modelo de trabajo de la máquina alemana Enigma código, capturado por el servicio secreto polaco. Trabajar con varias pistas recogidas por la Inteligencia Británica, que fueron capaces de reducir las posibilidades de codificación, pero sólo

ligeramente. Bajo el liderazgo de Turing, su estrategia fue la de construir un equipo electromagnético, utilizar relés telefónicos que hacer una búsqueda exhaustiva de todos los códigos posibles que la máquina Enigma podría producir, y aplicar estos códigos para los mensajes interceptados.La estrategia fue un reto, ya que un ordenador (electromagnética) nunca había sido construido antes. Llamaron a la máquina Robinson, después de un popular caricaturista que dibujó máquinas "Rube Goldberg". 17 del grupo propio Rube Goldberg tuvo mucho éxito y proporcionó a los británicos con una transcripción de los mensajes nazis casi todos los importantes.

El ejército alemán hizo posteriormente una modificación de Enigma, la adición de dos ruedas codificadoras adicionales, que ampliaron considerablemente el número de códigos posibles. Para hacer frente a este nuevo reto, Turing y sus compañeros criptoanalistas establecen en la construcción de una máquina mucho más rápidamente llamado coloso, construido con dos mil tubosde vacío electrónicos. 18 Colossus y nueve máquinas similares que funcionan en paralelo hicieron su trabajo de nuevo y siempre decodificación ininterrumpida de la inteligencia militar de vital importancia al esfuerzo de guerra aliado.

Colossus fue considerado por el equipo de Turing como primera computadora digital electrónica delmundo, aunque a diferencia de Harvard Mark I basado relay-, no era programable. Por supuesto, no tiene que ser: tenía sólo un trabajo que hacer.

Cabe destacar que los alemanes confiaban en Enigma durante la guerra. Se añadieron matices, pero primero las computadoras del mundo construidos por Alan Turing y sus colaboradores fueron capaces de seguir el ritmo de la creciente complejidad. El uso de esta información vital necesaria actos supremos de la disciplina por parte del gobierno británico. Las ciudades que iban a ser bombardeados por los aviones nazis no estaban sobre aviso, no sea que las preparaciones despiertansospechas alemanas de que su código había sido roto. La información proporcionada por las máquinas Colossus Robinson y fue utilizado sólo con la mayor discreción, pero el chasquido de Enigma era suficiente para permitir a la Fuerza Aérea Real para ganar la batalla de Inglaterra.

Problema veintitrés de Hilbert y la máquina de Turing

Mientras que muchos en Inglaterra y en otros lugares siguen siendo agradecidos a Turing por su contribución al esfuerzo de guerra, su mayor legado es considerado como el establecimiento de la teoría moderna de la computación. Sin embargo, su objetivo original no era el desarrollo de una teoría tal, sino más bien para hacer frente a uno de los problemas establecidos por su predecesor David Hilbert (1862-1943).

Las obras de Hilbert, matemático alemán nacido en 1862, todavía son ampliamente considerados como una gran influencia en los objetivos de investigación de los matemáticos de hoy en día. Se le atribuye la consolidación de los logros de las matemáticas del siglo XIX, con obras como Los fundamentos de la Geometría , publicada en 1899. 19Tal vez de mayor importancia, estableció la agenda de las matemáticas del siglo XX, así como con una lista de los veinte- tres problemas no resueltos más apremiantes que presentó en la Conferencia Internacional de Matemáticas 1900 en París. En su discurso, predijo que estos problemas podrían ocupar la atención del próximo siglo de matemáticos. Hilbert parece haber sido la correcta. Los problemas se han resuelto lentamente y cadasolución ha sido considerada como un acontecimiento importante. Varios que permanecen sin resolver hoy son considerados por muchos matemáticos como los problemas no resueltos más importantes en las matemáticas.

Vigésimo tercer problema de Hilbert es si existe o no un algoritmo que puede determinar la verdad o falsedad de una proposición lógica en un sistema de lógica que es lo suficientemente potente como para representar los números naturales (números 0, 1, 2, ...) . La declaración de este problema fue quizás la primera vez que el concepto de un algoritmo se introdujo formalmente en

matemáticas.

La pregunta quedó sin respuesta hasta 1937. En ese año Alan Turing presentó un documento titulado "Sobre los números computables, con una aplicación al Entscheidungsproblem" (la Entscheidungsproblem es la decisión o problema de la parada). 20 El documento presentó su concepto de una máquina de Turing, un modelo teórico de una computadora, que sigue constituyendo la base de la teoría computacional moderna.

Una máquina de Turing consiste en dos unidades primarias (teóricos): una "unidad de cinta" y un ". Unidad de cálculo" La unidad de cinta tiene una cinta de longitud infinita en la que no se puede escribir (y posteriormente leer) cualquier serie de dos símbolos: 0 (cero) y 1 (uno). La unidad de cálculo contiene un programa que consta de una secuencia de comandos de compuestos de la lista de las operaciones siguientes. Cada "comando" se compone de dos operaciones especificadas, uno que debe seguirse si el último símbolo leído por la máquina era un 0 y uno si acabara de leer un 1. Acontinuación se presentan las operaciones de la máquina de Turing:

• Leer cinta

• Mueva la cinta izquierda

• Mover a la derecha de cinta

• Escriba un 0 en la cinta

• Escribe 1 en la cinta

• Cambiar a otro comando

• Alto

La máquina de Turing ha persistido como nuestro modelo teórico principal de la computación debido a su combinación de sencillez y el poder. 21 Su simplicidad se debe a su muy corta lista de capacidades, que se enumeran más arriba. En cuanto a su potencia, Turing fue capaz de demostrar que esta extremadamente simple máquina puede calcular lo que cualquier máquina puede calcular, sin importar su complejidad. Si un problema no se puede resolver por una máquina de Turing, entonces no puede ser resuelto por cualquier máquina (y de acuerdo con la tesis de Church-Turing, no por un ser humano, ya sea). 22

Un descubrimiento inesperado de que los informes de Turing en su trabajo es el concepto de problemas sin solución, es decir, problemas que están bien definidos con respuestas únicas que se pueda demostrar que existe, pero que también podemos mostrar nunca puede ser computada por unamáquina de Turing. El hecho de que hay problemas que no pueden ser resueltos por esta máquina teórica particular puede no parecer particularmente sorprendente hasta que uno considera la otra conclusión del trabajo de Turing, es decir, que la máquina de Turing puede modelar cualquier máquina. Una máquina se considera como cualquier proceso que sigue las leyes fijas.Según Turing, si consideramos que el cerebro humano como sujeto a la ley natural, entonces los problemas irresolubles de Turing no pueden ser resueltos por cualquiera de las máquinas o el pensamiento humano, lo que nos deja con la situación desconcertante de ser capaz de definir un problema, para demostrar que una única existe respuesta, y sin embargo, sabemos que la respuesta nunca puede ser conocido. 23

El castor ocupado

Uno de los más interesantes de los problemas sin solución, el problema castor ocupado, fue descubierto por Tibor Rado. 24 Se puede afirmar lo siguiente. Cada máquina de Turing tiene un cierto número de estados que su programa interno puede estar adentro Esto se corresponde con el número de pasos en su programa interno. Hay un número de diferentes máquinas de Turing 4-

estatales que son posibles, un cierto número de máquinas de 5-estado posible, y así sucesivamente. Dado un entero positivo n , construimos todas las máquinas de Turing que tienen n estados. El número de tales máquinas será siempre finita. A continuación, eliminamos esos n máquinas de Turing-estatales que entran en un bucle infinito (es decir, nunca se detenga). Porúltimo, seleccionamos la máquina (uno que se detiene) que escribe el mayor número de 1s en su cinta. El número de 1s que esta máquina de Turing escribe se llama el castor ocupado de n . Rado mostró que no existe ningún algoritmo, es decir, ninguna máquina de Turing, que puede calcular esta función para todos los n s. El quid de la cuestión es clasificar esos nmáquinas de Turing por el Estado que se encuentren en bucles infinitos. Si programamos una máquina de Turing para generar y simular todas las posibles n máquinas de Turing por el estado, este simulador en sí entra en un bucle infinito cuando intenta simular uno de los n máquinas de Turing por el Estado que se mete en un bucle infinito.

La función de castor ocupado puede ser calculada para algunos n s, y curiosamente, también es un problema sin solución para separar los n s para los que se puede determinar el castor ocupado de n de aquellos para los que no podemos. Aparte de su interés como un ejemplo de un problema insoluble, la función de castor ocupado también es interesante en que se puede considerar de ser ellamisma una función inteligente. Dicho más precisamente, es una función que requiere el aumento de la inteligencia para calcular para cada vez mayores argumentos. A medida que aumenta n , la complejidad de los procesos necesarios para calcular el castor ocupado de n aumenta.

Con n = 6, podemos hacer frente a otra parte, y el castor ocupado de 6 es igual a 35. En otras palabras, la adición es la operación más compleja que una máquina de Turing con sólo 6 pasos en suprograma es capaz de realizar. Una máquina de Turing 6-estado no es capaz, por ejemplo, de la multiplicación. A las 7, el Castor ocupado hace aprender a multiplicar y el castor ocupado de 7 es igual a 22.961. En 8 se puede exponenciar, y el número de 1s que nuestra octava castor ocupado escribe sobre su cinta es de aproximadamente 10 43 . En el momento en que llegamos a 10, se trata de un proceso más complejo que la exponenciación, y para representar el castor ocupado de 10 necesitamos una notación exótico en el que tenemos una pila de exponentes cuya altura está determinada por otra pila de exponentes,

El Castor ocupado: una función inteligente?

la altura de los cuales se determina por otra pila de exponentes, y así sucesivamente. Para el castor ocupado duodécimo necesitamos una notación aún más exótico. Es probable que la inteligencia humana (en términos de la complejidad de las operaciones matemáticas que se pueden entender) es superado mucho antes del castor ocupado llega a 100.

Turing mostró que hay tantos problemas irresolubles como los que tienen solución, el número de cada uno siendo el orden más bajo de infinito, el llamado infinito contable (es decir, el número de números enteros). Turing demostró también que el problema de determinar la verdad o falsedad de una proposición lógica en un sistema arbitrario de la lógica lo suficientemente potente como para representar los números naturales fue un problema sin solución. La respuesta, por lo tanto, al vigésimo tercer problema de Hilbert planteó 37 años anterior es no, no existe ningún algoritmo que puede determinar la verdad o falsedad de una proposición lógica en un sistema de lógica que es lo suficientemente potente como para representar los números naturales.

La segunda y la tercera respuesta a la pregunta de Hilbert

Por la misma época Alonzo Church, un matemático y filósofo estadounidense, publicó el teorema de Church, que examinó la pregunta de Hilbert en el contexto de la aritmética. Iglesia descubrió independientemente la misma respuesta que Turing. 25

También trabaja de forma independiente, un joven matemático Checa, Kurt Gödel (1906-1978), intentó volver a examinar una cuestión que no ha sido completamente resuelta por Whitehead y Russell Principia Mathematica . 26Whitehead y Russell habían tratado de determinar axiomas que podrían servir como base para toda la matemática, pero no fueron capaces de demostrar de manera concluyente que un sistema axiomático que pueden generar los números naturales (los suyos o cualquier otro) no daría lugar a contradicciones. Se partió del supuesto de que tal prueba se encontraría tarde o temprano, pero Gödel sorprendió al mundo matemático demostrando que dentro de un sistema de este tipo existe inevitablemente proposiciones que no pueden ser ni probaron ni refutados. Algunos han interpretado el teorema de Gödel a entender que tales proposiciones inciertas son simplemente indeterminada, ni verdadera ni falsa. Esto no alcanza la profundidad de penetración de Gödel, sin embargo. Tales proposiciones, de acuerdo a Gödel, son no indeterminado,sino que son, sin duda, ya sea verdadera o falsa. Es sólo que no podemos determinar qué. Otra implicación es que en este tipo de sistemas axiomáticos no es seguro que los axiomas no darán lugar a contradicciones. Teorema de incompletitud de Gödel ha sido llamada la más importante de todas las matemáticas, y sus consecuencias siguen siendo objeto de debate. 27 Una de las implicaciones es que la respuesta a vigésimo tercer problema de Hilbert es de nuevo no.

En su conjunto, el trabajo de Turing, Church y Gödel, todos publicados en la década de 1930, representó a las primeras pruebas formales que existen límites definidos a lo que la lógica, las matemáticas y la computación puede hacer. Estos descubrimientos contradicen fuertemente la afirmación de Wittgenstein en el Tractatus que "si una pregunta se puede enmarcar, puede ser respondida" (6,5).

La esperanza y el orden frente a la angustia y perplejidad

Como comentario final sobre Turing, la Iglesia de e ideas desconcertantes de Gödel sobre la naturaleza de la lógica, es interesante observar el contraste del estado de ánimo y la actitud de la vida intelectual y cultural en Europa y los Estados Unidos a comienzos del siglo en comparación con la de varias décadas más tarde. 28 Music se había desplazado desde el estilo romántico de Brahms (1833-1897) y los primeros Mahler (1860-1911) a la atonalidad de Schoenberg (1874-1951). El arte y la poesía habían hecho el mismo cambio de estilos románticos al cubismo y el expresionismo de Picasso (1881-1973) y el minimalismo de Libra (1885-1972), Eliot (1888-1965), y Williams (1883-1963). No es inusual que los cambios en la actitud y la visión del mundo que se refleja a través de las artes, pero es interesante notar que el cambio se refleja en la ciencia y las matemáticas también. En la física, la mecánica habían pasado de un modelo newtoniano completamente refinada y consistente a un modelo cuántico paradójico. El aspecto más desconcertante de la mecánica cuántica y una de sus características esenciales, el principio de incertidumbre de Heisenberg, es su conclusión de que existen límites profundos a lo que los

humanos pueden saber. Además, el principio de la dualidad, que había existido anteriormente sólo en la doctrina metafísica, se ha establecido firmemente en la naturaleza onda-partícula aparentemente contradictoria de la luz. Tal vez lo más preocupante, las matemáticas sí había ido de su énfasis a su vez-de-siglo en formalismos integrales que cubrían toda la matemática a una conclusión a mediados de la década de 1930 que la lógica tenía contradicciones inherentes e inamovibles y que los problemas que existieron nunca podrían resolverse.

La prueba de Turing

Después de haber establecido una teoría de la computación y de haber desempeñado un papel importante en la aplicación de esa teoría, el interés de Turing corrió a la especulación en el máximo poder de esta nueva tecnología.Era un entusiasta de las posibilidades de la inteligencia artificial y creyó que era factible, a pesar de que parecía tener un sentido razonablemente realista de cuánto tiempo tomaría tal desarrollo.

En un documento titulado "Computing Machinery and Intelligence", publicado en la revista Mind en 1950, Turing describe un medio para determinar si existe o no una máquina es inteligente: la prueba de Turing. Cabe señalar que una computadora "pasar" la prueba de Turing es una indicación de que es inteligente. Lo contrario de esta afirmación no significa necesariamente mantener. Una máquina (u organismo) no puede pasar la prueba no indica necesariamente una falta de inteligencia. Algunos observadores atribuyen un alto nivel de inteligencia a ciertas especies de animales como los delfines y las ballenas, pero estos animales son, evidentemente, en condiciones de pasar la prueba de Turing (que no tienen dedos, para empezar).

Hasta la fecha, ningún equipo ha estado a punto de pasar esta prueba. La prueba consiste básicamente en la capacidad de la computadora para imitar el desempeño humano. Se han propuesto versiones más estrecha de la prueba. Por ejemplo, un programa de ordenador de ajedrez recientemente pudo "pasar" una versión estrecha de la Prueba de Turing en que los observadores (denuevo, observando a través de las terminales) fueron incapaces de distinguir su juego de la de un jugador de ajedrez humano cualificado. Otra variación-que involucra la capacidad de un equipo para componer estrofas de la poesía-se presenta en "A (tipo de) Test de Turing" en el capítulo 9. Losordenadores están empezando a imitar el desempeño humano dentro de ciertos dominios bien definidos. Como dijo Dan Dennett en su artículo al final del capítulo 2, tales formulaciones estrechas de la prueba de Turing están muy lejos de la original. Se discute la perspectiva de un ordenador pasa la prueba original de Turing en el capítulo 10.

Turing espera que un equipo pasaría su prueba para el final del siglo, y comentó que en ese momento "el uso de las palabras y la opinión educada en general se han alterado tanto que uno será capaz de hablar de máquinas pensantes sin esperar ser contradicho . "la predicción de Turing en contraste con otras declaraciones en la misma época que eran mucho más optimistas en términos de marco de tiempo. (En 1965 Herbert Simon predijo que para 1985 "máquinas serán capaces de hacer cualquier trabajo que un hombre puede hacer." 29 ) Turing era tan optimista como cualquier personacon respecto a la potencia de la tecnología cibernética. 30 Sin embargo, no parece haber subestimado (al menos no tanto como algunos otros observadores) la dificultad de los problemas que quedan por resolver.

La tesis de Church-Turing

Además de encontrar algunos límites profundos a los poderes de la computación, la Iglesia y Turingtambién avanzaron, de forma independiente, la afirmación de que se ha conocido como la tesis de Church-Turing: si un problema que se puede presentar a una máquina de Turing no es resoluble por uno , entonces tampoco es solucionable por el pensamiento humano. Otros han actualizado esta tesis proponer una equivalencia esencial entre lo que un ser humano puede pensar o saber y lo que es computable. La tesis de Church-Turing puede ser visto como una reformulación en términos algo

más precisos de una de las tesis principales de Wittgenstein en elTractatus .

Debo señalar que a pesar de la existencia de problemas sin solución de Turing es una certeza matemática, la tesis de Church-Turing no es una proposición matemática en absoluto. Se trata de una conjetura de que, en varios disfraces, está en el corazón de algunos de nuestros más profundos debates en la filosofía de la mente. 31

La tesis de Church-Turing tiene tanto un negativo y un lado positivo. El lado negativo es que los problemas que no pueden ser resueltos a través de cualquier medio teóricos de la computación también no pueden ser resueltos por el pensamiento humano. Aceptar esta tesis significa que hay preguntas, cuyas respuestas pueden demostrar que existe, pero nunca se puede encontrar (y hasta la fecha ningún ser humano ha solucionado un problema sin solución).

El lado positivo es que si los seres humanos pueden resolver un problema o participar en alguna actividad inteligente, entonces las máquinas pueden en última instancia ser construidos para llevar acabo de la misma manera. Esta es una tesis central del movimiento de AI. Las máquinas pueden ser hechas para realizar funciones inteligentes; inteligencia no es patrimonio exclusivo del pensamientohumano. De este modo podemos llegar a otra definición posible de la inteligencia artificial: AI representa intentos de proporcionar demostraciones prácticas de la tesis de Church-Turing.

En su formulación más fuerte, la tesis de Church-Turing se ocupa de cuestiones de determinismo y el libre albedrío.El libre albedrío, que podemos considerar como actividad con un fin que no es ni determinado ni al azar, parecen contradecir la tesis de Church-Turing. Sin embargo, la verdad de la tesis es en última instancia una cuestión de creencia personal, así como ejemplos de comportamiento inteligente de las máquinas son susceptibles de influir en la creencia de uno por lo menos en el lado positivo de la cuestión.


Capítulo 4: La fórmula de Inteligencia


Autor:

Ray Kurzweil

Todo debe hacerse lo más simple posible, pero no más simple.

Albert Einstein

La política es por el momento. Una ecuación es para la eternidad.

Albert Einstein

No puedo creer. . . que Dios juega a los dados con el mundo.

Albert Einstein

La unificación de las fórmulas: El objetivo de la ciencia

Hay una profunda satisfacción en explicaciones sencillas que realmente puede dar cuenta de fenómenos complejos. La búsqueda de fórmulas unificadoras (a veces llamados "matemática aplicada") ha sido un objetivo de la ciencia desde sus inicios con los griegos jónicos hace veinticinco siglos. 1


La relatividad general

Tal vez la más famosa fórmula unificadora es E = mc2 (la energía es igual a la masa por la velocidad de la luz al cuadrado). La fórmula, que forma parte de la teoría general de la relatividad planteada por Albert Einstein en 1905, es bastante simple:. Sólo cinco símbolos, incluido el signo igual 2 Su poder se manifiesta tanto en la gama de fenómenos que explica y en la era nuclear, engendrado. La ecuación predice y explica el poder de una explosión nuclear. Misa cuando se convierte a la energía se multiplica por un número enormemente grande. El resultado es un dramático ejemplo de la potencia de una idea.

Las leyes de la termodinámica

Otro ejemplo famoso de principios unificadores son las leyes de la termodinámica. Desarrollado a mediados del siglo XIX y que se trate con las condiciones de que todos los sistemas físicos deben obedecer, esta fue la primera gran refinamiento a las leyes de la mecánica clásica desarrolló un sigloantes. 3

La primera ley es,

Para cualquier proceso que implique no hay efectos externos al sistema, excepto el desplazamiento de una masa entre los niveles especificados en un campo de gravedad, la magnitud de la masa que se fija por los estados finales del sistema y es independiente de los detalles del proceso.

La segunda ley es,

Entre todos los estados permitidos de un sistema con valores dados de energía, número de partículasy limitaciones, uno y sólo uno es un estado de equilibrio estable. Tal estado se puede llegar desde cualquier otro estado permitido de la misma energía, el número de partículas, y las limitaciones y dejar sin efectos sobre el estado del medio ambiente.

Hay varias implicaciones importantes de las leyes de la termodinámica, uno de los cuales es la imposibilidad de las máquinas de movimiento perpetuo. Otra implicación, relevantes para el surgimiento de la inteligencia en el mundo natural, es un corolario de las dos leyes llamadas el principio de entropía creciente. "Entropía" es una medida de la aleatoriedad o la falta de orden en unsistema de muchos componentes, tales como moléculas.Aunque el nombre de la ley de la entropía creciente, la ley en realidad indica que la entropía en un sistema puede permanecer igual, pero sólo bajo condiciones especiales. Por lo tanto, la entropía aumenta generalmente. Otra forma de expresarla misma ley es, de izquierda a sus propios dispositivos, los sistemas serán cada vez más desordenada, un principio extrañamente poético. 4

La ley de la entropía parece dar a entender que la aparición natural de la inteligencia es imposible. Comportamiento inteligente es muy lejos de azar, y cualquier sistema capaz de comportamiento inteligente tendría que ser altamente ordenada. La química de la vida en general, y la vida inteligente en particular, se compone de diseños excepcionalmente elaborados. 5 Fuera de la masa arremolinada al azar de partículas en el universo, el orden ha ingeniado para salir.

Una posible explicación es que la termodinámica no es aplicable a la inmensamente larga marcos detiempo que la evolución opera in Evolution ha creado sistemas de enorme orden pero ha tomado un larguísimo periodo de tiempo para hacerlo. El orden de la vida tiene lugar en medio de un gran caosy no afecta apreciablemente la medida de la entropía en el físicamente grande sistema en el que la vida ha evolucionado. Ningún organismo es un sistema cerrado, sino que es parte de un sistema másamplio que llamamos el medio ambiente, que es alto en la entropía. Sin embargo, desde el punto de vista de las leyes de la termodinámica, la aparición de la inteligencia debe ser considerada como una sorpresa. 6

La teoría del todo

Los físicos han tenido durante mucho tiempo un talento para elegir los nombres antropomórficas de entretenimiento para los conceptos de lo contrario abstrusas con palabras tales como "verdad", "extraño" y "encanto" de las propiedades matemáticas complejas de partículas subatómicas y "arriba", "abajo", "encanto, "extraño", "superior", "e" inferior "a los nombres de los quarks, los componentes básicos elementales de la materia. 7 La misma observación podría aplicarse a la terminología en el campo de la IA, aunque se podría argumentar que los términos de IA, tales como " expertos "," gestores expertos "," demonios "," fuentes de conocimiento "y" procesos de inferencialógica "tienen algo mayor relevancia a los fenómenos que se describen de la extrañeza y el encanto hacen con los fenómenos de la física de partículas.

Más recientemente, los físicos han estado haciendo progresos en la ambiciosa búsqueda para descubrir un conjunto unificado de ecuaciones para relacionar las cuatro fuerzas fundamentales de la naturaleza: la gravedad, el electromagnetismo, la fuerza nuclear fuerte y la fuerza nuclear débil. La misma búsqueda, por lo que entonces se llamó la teoría del campo unificado, ocupado desde hace dos décadas de Einstein. 8

Recientemente dos de las fuerzas, las fuerzas electromagnética y débil, se han vinculado claramentecomo dos manifestaciones de una fuerza electrodébil. Más recientemente, los nuevos desarrollos teóricos relacionados con el concepto de la supersimetría puede ser capaz de enlazar las tres fuerzas restantes en una estructura unificada que se refiere como la teoría de. Todo 9 En esta teoría, la realidad última está compuesta por cuerdas vibrantes. Todos los fenómenos que nos son familiares, a partir de partículas subatómicas a las formas de vida, son resonancias causadas por las interacciones de estas vibraciones. Esta teoría da un nuevo significado a la palabra "Todo el mundo es una canción."

La fórmula para la inteligencia

Como ilustran estos ejemplos, la búsqueda de fórmulas y principios unificadores es una unidad principal que alimenta todas las ciencias. El mismo tipo de pregunta tiene fascinado desde siempre alos investigadores en el campo de la inteligencia, tanto natural como artificial: ¿Hay una fórmula que describe, explica o subyace a la inteligencia? Al principio, la respuesta podría parecer una no obvio. No hemos tenido un éxito total, incluso en la definición de la inteligencia, y mucho menos para expresar en una fórmula, un conjunto de leyes, o un conjunto de modelos. Inteligencia parecería ser demasiado complejo para dicha reducción. 10 Por otro lado, no debemos descartar rápidamente la idea de que mucho de lo que sabemos acerca de la inteligencia puede ser expresado de tal manera. Algunos podrían argumentar que cualquier descripción de la inteligencia en una fórmula sólo refleja lo poco que sabemos de ella. Yo diría que la posibilidad de describir procesos inteligentes por ecuaciones simples o por lo menos paradigmas simples es un reflejo de su elegancia. Si hay alguna coherencia a la inteligencia como un fenómeno unificado, debemos ser capaces de decir algo acerca de su estructura. Voy a describir varios enfoques para una descripción de la inteligencia y de sus mecanismos de apoyo a través de reglas y fórmulas unificadas con la esperanza de que revelan ideas sobre su naturaleza.

El mar de la lógica y de la máquina de Turing

Cualquier equipo que podemos describir en teoría se puede construirse a partir de la conexión de unnúmero adecuado (en general, un número muy grande) de un dispositivo muy simple, la puerta lógica NOR. Este dispositivo transforma los valores de verdad. El dispositivo tiene dos entradas, cada una de las cuales puede ser verdadera o falsa en cualquier punto en el tiempo. La puerta NOR tiene una salida, lo cual es cierto si ninguna entrada 1 ni la entrada 2 es verdadera. De esta sencilla transformación, podemos construir todas las demás funciones lógicas e incluso la memoria y así proporcionar todas las capacidades de procesamiento de información necesarios para el

cálculo. Una derivación más detallada se proporciona en el artículo que acompaña a este capítulo.

La tesis de Church-Turing (discutido en el capítulo 3) postula una equivalencia esencial entre la máquina y la inteligencia humana, no necesariamente entre los niveles actuales de capacidad y complejidad, pero en sus métodos subyacentes. 11 Dado que podemos construir cualquier máquina de procesamiento de información de mercado ni el se puede considerar la base de toda la inteligencia de las máquinas. Si se acepta la tesis de Church-Turing, ni puede ser considerado la base de la inteligencia humana.

Si bien es cierto que cualquier algoritmo, independientemente de su complejidad, puede, en teoría, ser implementado con puertas NOR, una colección de tales dispositivos no realizará ninguna función útil a menos que están conectados entre sí de una manera apropiada. Parte de

La máquina mar-de-la lógica, una fórmula para la inteligencia? Si conecta juntos en la manera correcta de un gran número de puertas NOR (dispositivos muy sencillos), se puede realizar cualquier función inteligente.

métodos de procesamiento de información más útiles también requieren memoria (que también puede ser construido a partir de las puertas NOR), y necesitamos cada celda de memoria se inicializa con el valor correcto. La conexión de las puertas NOR y el contenido inicial de las célulasde memoria puede tanto ser descrita por listas de números, o el equivalente simbólico de números. Pueden, por tanto, ser consideradas como formas de software.Visto desde esta perspectiva, la puerta NOR nos proporciona una fórmula unificadora para el hardware de la inteligencia, pero no para el software.

Se podría argumentar que la conexión de las puertas NOR se debe considerar de hardware, y el contenido inicial de las células de memoria se debe considerar el software. Yo los considero tanto software, porque ambos son equivalentes a las listas de números, es decir, tanto puede representarseutilizando lenguajes softwarelike. La evolución del diseño electrónico es, en efecto demostrando la equivalencia esencial entre el llamado diseño de hardware y desarrollo de software. Cada vez más, los diseñadores de hardware están trabajando en terminales de computadora, el almacenamiento de sus productos de trabajo en disquetes (al igual que los ingenieros de software), y el diseño de sus sistemas utilizando lenguajes basados en fórmulas muy similares a los lenguajes de software. Tomemos, por ejemplo, la nueva tecnología de los compiladores de silicio. Estos sistemas permiten a un ingeniero de hardware para describir un chip real en términos de las transformacioneslógicas y numéricas que está diseñado para llevar a cabo. 12 Estas transformaciones se expresan en un lenguaje muy similar a un lenguaje de programación de software de alto nivel. El diseñador interactúa con un simulador que permite al usuario probar el "programa" antes de construir el chip real. Una vez completado este proceso, el software de silicio-compilador convierte este programa enuna serie de instrucciones para una máquina de fabricación de silicio para crear un VLSI real (muy gran escala integrado) chip de circuito. El programa creado por el diseñador de chips es el control

de la conexión de las puertas lógicas en el chip. Nosotros podríamos considerar el diseño de un chippara ser el último en diseño de hardware, sin embargo, el proceso de desarrollo, de las lenguas, y el producto del trabajo son muy similares a los de software. 13

La comparación de la máquina de Turing y el mar de la lógica

Otro modelo simple pero potente que puede potencialmente ser utilizado para describir cualquier forma de cálculo es la máquina de Turing. Tal como se describe en el capítulo 3, la máquina de Turing es un modelo teórico de una máquina de procesamiento de la información. La máquina de Turing, que al igual que la puerta NOR es relativamente simple, sigue siendo utilizado por los matemáticos como un modelo satisfactorio de lo que las computadoras pueden y no pueden hacer. La máquina de Turing ha demostrado ser un modelo matemático más potente de la computación de la lógica basada NOR-porque del cuerpo de la teoría de Turing-máquina que se ha desarrollado.

Los modelos de la máquina de Turing se han construido, pero nunca pueden ser verdaderos máquinas de Turing, ya que no es posible construir una cinta de longitud infinita. A primera vista, parecería que el "mar de la lógica" de la máquina y la máquina de Turing no son equivalentes, de nuevo debido a la longitud infinita cinta de la máquina de Turing. Se puede demostrar, sin embargo,que una máquina de Turing puede simular cualquier máquina mar-de-lógica. Además, se puede demostrar que cualquier problema específico que puede ser resuelto por una máquina de Turing puede ser resuelto en una máquina mar-de-la lógica también. El corazón de la prueba recae en el hecho de que para que una máquina de Turing para resolver un problema, debe hacerlo en un tiempo finito. En una cantidad finita de tiempo, que sólo puede utilizar una cantidad finita de cinta. Por lo tanto, se puede reducir a una máquina con un número finito de estados y de este modo simulado por el mar de la lógica. Una máquina de Turing puede superar a cualquier máquina en particular sea-de-la lógica, sin embargo, debido a que puede ser capaz de resolver los problemas quevan a usar una cantidad de cinta que supera la capacidad de memoria de cualquier máquina en particular mar-de-la lógica.

Turing vinculado directamente a su máquina teórica a la más controvertida tesis de Church-Turing. Si se acepta la tesis de Church-Turing, la máquina de Turing, que es una máquina muy simple en su estructura, puede resolver cualquier problema cognitivo. Para ser más precisos, la máquina de Turing puede ejecutar cualquier plan para resolver un problema cognitivo. Su éxito al hacerlo, estará en función de la validez del plan. 14 Llegamos así a la misma conclusión que nosotros hicimos con el mar de la lógica. La máquina de Turing nos proporciona un modelo simple y elegante para el hardware de la cibernética cognición (basado en la máquina), pero no el software. Para resolver un problema práctico, la máquina de Turing necesita un programa, y cada programa diferente constituye una máquina de Turing diferente.

La máquina universal de Turing

Resulta que un universal de la máquina de Turing puede ser demostrado que tiene la capacidad de simular cada otra máquina de Turing. La máquina universal de Turing tiene un programa que puede leer una descripción sobre su cinta de cualquier máquina de Turing (incluso la máquina universal deTuring) y luego simular esa máquina. Por lo tanto, la cinta de entrada a la máquina universal de Turing contiene no sólo la entrada problema habitual pero también una descripción codificada de la máquina de Turing que se va a simular. La máquina universal de Turing es por lo tanto un solo (teórico) de la máquina que puede resolver cualquier problema. 15

Todo esto lleva a cabo, sin embargo, es para mover el software desde el programa incorporado de una máquina de Turing a una descripción de un programa de este tipo en una cinta. Si tenemos en cuenta el programa de la máquina en la cinta a ser el software, una vez más la conclusión de que tenemos un modelo potente y elegante para el hardware subyacente procesos inteligentes, pero no el

software, al menos no todavía.

La fórmula recursiva y tres niveles de Inteligencia

Para seguir el camino, hay que encontrar el camino y seguirlo.

Koan Zen

El punto de esta frase es dejar en claro lo que el punto central de esta frase es.

Douglas R. Hofstadter, Metamagical Themas

"¿Podría decirme por favor, qué camino debo seguir para salir de aquí?" PreguntóAlice.

"Eso depende en gran parte del sitio al que quieras llegar", dijo el Gato.

"No me importa mucho el sitio. . . ", Dijo Alice.

"Entonces no importa el camino que tomes", dijo el Gato.

". . . así que siempre que llegue a alguna parte ", añadió Alicia como explicación.

"Oh, que te van a hacer eso", dijo el Gato, "si caminas lo suficiente."

Lewis Carroll, Alicia en el País de las Maravillas

Un profesor acaba de dar una conferencia en alguna universidad agosto sobre el origen y estructura del universo, y una anciana en zapatos tenis caminatas hasta elatril. "Disculpe, señor, pero lo tienes todo mal", dice ella. "La verdad es que el universo está sentado en la parte trasera de una enorme tortuga." El profesor decide seguirle la corriente. "¿En serio?", Se pregunta. "Bueno, dime, ¿qué es la tortuga de pie sobre?" La señora tiene una respuesta preparada: ". Oh, está de pie sobre otra tortuga" El profesor le pregunta: "¿Y qué es esa tortuga de pie en" Sin dudarlo, ella dice "Otra de las tortugas." El profesor, todavía juego, repite su pregunta. Una mirada de impaciencia viene a través de la cara de la mujer. Ella levanta su mano, deteniéndolo en medio de una frase. "Ahorre su respiración, hijito", dice ella. "Es tortugas hasta el final."

Rolf Landauer, citado en ¿El Universo acaba de pasar? por Robert Wright

La máquina de Turing nos proporciona un modelo de computación que ha permitido a los teóricos para examinar diversas facetas de las computadoras y sus capacidades. El mar de la lógica es un mecanismo aún más simple que nos permite construir máquinas y métodos muy complejos desde una simple puerta NOR. Podemos considerar que estos son fórmulas sencillas que permiten conocerel hardware computacional, pero como se ha señalado, que no proporcionan información en el software, los métodos o algoritmos, de la inteligencia.

Uno de los primeros intentos de codificar la inteligencia en un algoritmo fue el método recursivo, implementado tanto en el problema general Solver y Checker de Samuel Reproducción de programa. 16 Vamos a examinar la fórmula recursiva en el contexto del juego de ajedrez. Volveremos al tema de ajedrez en varias ocasiones en este libro debido a su importancia para la investigación en IA. Raj Reddy cita estudios de ajedrez como jugar el mismo papel en la IA que los estudios de E. Coli jugar en la biología: un laboratorio ideal para el estudio de cuestiones fundamentales. Entonces voy a ampliar el método a otros problemas y examinar sus capacidades y

limitaciones.

El juego del ajedrez

El ajedrez es un juego de dos jugadores en el que los jugadores se turnan para ajustar las posiciones de sus piezas en un tablero de juego de acuerdo a las reglas establecidas. Por supuesto, muchos otros juegos se pueden describir de la misma manera. Determinadas actividades de la vida real, como la guerra y los negocios, tienen características similares. De hecho, el ajedrez fue formulada originalmente como un modelo de la guerra.

Para ganar o para proporcionar la más alta probabilidad de ganar, uno selecciona el mejor movimiento posible cada vez que sea su turno para mover. La pregunta, entonces, es lo que la mejormedida es. El método recursivo establece la siguiente regla, que, si se siguen cuidadosamente, le permitirá jugar un excepcional juego de ajedrez: cada vez que sea su turno, seleccionar el mejor movimiento en el supuesto de que tu oponente haga lo mismo. En este punto, el observador casual se quejará de que la norma no tiene contenido, que no proporciona una visión más clara que un koan Zen impenetrable. Parece simplemente repetir el problema. Como creo que se pondrá de manifiesto, sin embargo, esta regla es todo lo que se necesita para jugar un excelente juego de ajedrez. Si esto es así, entonces podemos concluir que ya sea la fórmula recursiva es una fórmula potente y aparentemente simple para el algoritmo (o software) de al menos algunas formas de inteligencia, o, alternativamente, que el ajedrez no es un juego inteligente, que el juego no tiene contenido.

Antes de profundizar más en las implicaciones de la fórmula recursiva, examinemos cómo funciona. Nos MODA un programa llamado Move. Cuando se le llama, su trabajo consiste en escoger el mejor movimiento. Se trata de un programa recursivo en que es capaz de llamar a sí mismo. Programas recursivos son perfectamente factibles en los lenguajes de programación modernos. Un programa puede llamarse a sí misma, devuelva respuestas a sí mismo, y continuar como si hubiera llamado ningún otro programa (o subprograma).

La recursividad es un poderoso método utilizado ampliamente en la inteligencia artificial. Es una delas características más valiosas de la primaria AI LISP lenguaje de programación. 17 Una breve discusión de la recursividad valdrá la pena en este momento, y voy a ilustrar el concepto con un ejemplo. Considere la posibilidad de la definición de la función factorial expresado de forma recursiva. Deje que n! ser el factorial de n . La definición de la función factorial es entonces 1! = 1 y n! = n x (n-1)! Como podemos ver, esta definición de factorial utiliza el concepto de factorial en su propia definición. Esta referencia a sí misma se llama recursividad. Sin embargo, la definición noes infinitamente circular en que se puede determinar el valor de la factorial de cualquier número de la definición sólo mediante la expansión de repetitivamente referencias a factorial.

Por ejemplo, calculemos 4!. De acuerdo con la definición, 4! = 4 x 3!. Utilizando la definición de nuevo para ampliar 3!, Obtenemos 4! = 4 x 3 x 2! A su vez, ampliamos 2! obtener 4! = 4 x 3 x 2 x 1!. La definición da la 1! directamente sin referencia a sí mismo. Estamos, pues, capaz de expandir completamente la expresión de eliminar toda referencia a la función en la parte derecha de la expresión: 4 = 4 x 3 x 2 x 1.

El poder de recursión es que los procedimientos o conceptos complejos se pueden expresar de una manera sencilla. Una definición recursiva difiere de una definición circular en que tiene un escape de expansión infinita de la recursión. La fuga se encuentra en la parte de "terminal" o no recursiva de la definición. En la definición recursiva de factorial, la porción terminal de la definición es el factorial de 1.

La recursividad, un programa que se hace llamar, se logra mediante el almacenamiento de información del programa en su estado actual (incluyendo quién lo llamó y exactamente donde se

va a volver a cuando haya terminado) en un empuje hacia abajo de la pila. La pila es un repositorio de información que se organizó como último en entrar, primero en salir (LIFO) lista, de modo que la información se recupera en el orden inverso en el que se pone en, algo así como una pila de platos. Cada vez que un programa llama a otro programa (si está llamando a sí misma oa otra subrutina), información sobre el estado del programa y el lugar para volver a se coloca ("empujó") en la pila. Cada vez que un programa se completa y quiere volver al programa que realizó la llamada (que puede ser en sí mismo), se recupera la información ("metimos") de la pila. Esta información restaura el estado del programa

Factorial, un ejemplo de recursividad.

que lo llamó e indica en qué parte del programa de llamada para volver a, lo que podría ser la parte de sí mismo.Este mecanismo LIFO sencilla asegura que todas las devoluciones son al lugar correcto.

Programas de prácticas no pueden llamarse a sí mismos de forma indefinida. Por lo tanto, una pila LIFO práctica es de longitud finita. Otra de las razones de que un programa no puede continuar llamando a sí misma sin límite es que nos gustaría resolver los problemas en un tiempo finito. Por lo tanto, una fórmula recursiva útil o definición requiere una condición de escape, una serie de circunstancias que nos permite escapar de la recursividad infinita.

Volvamos a nuestro simple regla recursiva para jugar al ajedrez. Comienza diciendo que hay que seleccionar el mejor movimiento. Para ello, es evidente que debemos considerar cada movimiento, y por lo tanto tenemos que ser capaces de generar una lista de todos los movimientos posibles. Hacemos esto mediante la simple aplicación de las reglas del ajedrez. Mientras más complicado que otros juegos, como las damas, las reglas del ajedrez son ciertamente sencillo y fácilmente programable. 18 No hay nada misterioso en la generación de los movimientos posibles desde cualquier posición del tablero. Por lo tanto ofrecemos un mecanismo programado con las reglas del ajedrez para generar nuestras opciones. Para jugar un juego diferente, simplemente podemos sustituir este módulo por otro programa con las reglas de ese juego en particular.

Ahora tenemos una lista de posibles movimientos. Examinaremos cada uno de ellos y hacer la pregunta, ¿Este movimiento me permite ganar o perder? Si la respuesta se pierde, no seleccionamosese movimiento. Si la respuesta es ganar, tomamos ese movimiento. Si más de un movimiento que nos permite ganar, no importa cuál tomamos.

El problema ahora se reduce a responder a la pregunta, ¿Este movimiento me permite ganar o perder? En este punto, observamos que nuestro ganador o perdedor se ve afectada por lo que nuestro oponente puede hacer. Una hipótesis razonable es que nuestro oponente también elegir su mejor jugada (y si el oponente no lo hace, eso no será un problema, sino una oportunidad). Tenemosque anticipar lo que podría ser ese movimiento, por lo que utilizamos nuestra propia capacidad de

seleccionar el mejor movimiento para determinar lo que es probable que haga nuestro oponente. Esencialmente ponemos en el lugar de nuestro oponente y recoger el mejor movimiento para nuestro oponente. En este estamos siguiendo la parte de la regla recursiva que dice: "Elija el mejor movimiento en el supuesto de que tu oponente haga lo mismo. "

Nuestro programa está estructurado de la siguiente manera. Generamos una lista de todos los movimientos posibles permitidos por las reglas. Examinamos cada posible movimiento a su vez. Para cada movimiento, generamos una tabla hipotética representa lo que la colocación de las piezas sería si éramos de hecho para hacer este movimiento. Ahora nos ponemos en el lugar de nuestro oponente y tratar de determinar lo que sería su mejor jugada. ¿Cómo vamos a hacer esto? Resulta que tenemos un programa que está diseñado para hacer exactamente eso. Se llama Move. Move es, por supuesto, el programa ya estamos en, por lo que aquí es donde viene la recursividad pulg Mover llama a sí misma para determinar lo que nuestro oponente va a hacer. Cuando es llamado para determinar el mejor movimiento para nuestro oponente, Move comienza a determinar todos los movimientos que nuestro oponente podría hacer en este momento. Para cada uno, se quiere saber cómo su adversario (que somos nosotros) respondería por lo que nuevamente hace un llamamiento Move para cada posible movimiento de nuestro oponente para determinar cuál es nuestra respuesta a esa medida podría (o debería) ser.

Así, el programa mantiene autodenominado, seguir ampliando los posibles ataques y contraataques en un árbol cada vez más amplio de posibilidades. Este proceso se suele denominar un minimax búsqueda, porque estamos alternativamente tratando de reducir al mínimo la capacidad de nuestro oponente para ganar y para maximizar la nuestra. 19

La siguiente pregunta es: ¿De dónde viene todo esto termine? Comencemos con un intento de jugar al ajedrez perfecto. Continuamos expandiendo el árbol de posibles ataques y contraataques hasta que los resultados de cada rama en un fin de juego. Cada extremo del juego nos da la respuesta: victoria, empate o pierda. Así, en el punto de expansión de ataques y contraataques más lejos, algunos movimientos finalmente terminar el juego. Si una medida que da lugar a una victoria, luegoseleccionamos ese movimiento. Si no hay victoria se mueve, entonces nos conformamos con un movimiento empate. Si no hay ganar o empatar se mueve, seguimos jugando de todos modos, con laesperanza de que nuestro oponente cometa un error (a menos que sepamos que estamos jugando un oponente perfecto, en cuyo caso podemos también renunciar). Estos movimientos finales son los nodos terminales de nuestra expansión de movimientos. Aquí, en lugar de seguir llamar Move, podemos ahora comenzar su regreso de llamadas Move. A medida que empezamos a regresar de todas las llamadas Move anidados, se ha determinado el mejor movimiento en cada punto (incluyendo el mejor movimiento para nuestro oponente), y así por fin podemos seleccionar el movimiento correcto para la corriente real de la situación a bordo.

El procedimiento anterior se garantiza para jugar un juego perfecto de ajedrez. Esto es porque elajedrez es un juego finito. Curiosamente, es finito sólo debido a la regla de empate, el cual establece

que la repetición de una medida que se produzca un empate. Si no fuera por la regla de empate, elajedrez sería un juego infinito (el árbol de posibles ataques y contraataques podría expandirse parasiempre) y no podíamos estar seguros de determinar el mejor movimiento dentro de un período detiempo finito. Por lo tanto, esta fórmula recursiva muy simple no juega sólo un excelente, pero unperfecto juego de ajedrez. 20 La parte más complicada de la aplicación real de la fórmula recursivaestá generando los movimientos permitidos en cada punto. Si lo hace, sin embargo, sólo requiereuna codificación de las reglas. Reproducción de un juego perfecto de ajedrez es, pues, no es más

complicado que la comprensión de las reglas.

Una expansión recursiva de movimientos en el tic-tac-toe.

Cortesía del Museo de computadoras, Boston

A Tinkertoy computadora mecánica que juega tic-tac-toe.

Cuando la compra de los servicios como la reparación del coche, el comprador inteligente hará bienen preguntarse: ¿Cuánto tiempo tomará? La misma pregunta es muy apropiado en la aplicación de la fórmula recursiva. Por desgracia, en lo que respecta al ajedrez, la respuesta es algo así como 40 millones de años. 21 Y eso es sólo para dar el primer paso!

Podemos estimar la cantidad de tiempo por el supuesto de que hay, en promedio, alrededor de ocho posibles movimientos para cada situación a bordo. Si un juego típico dura unos 30 movimientos, debemos tener en cuenta 830 posibles secuencias de movimientos de expandir completamente el árbol de todas las posibilidades movimiento-contramovimiento. Si asumimos que podemos analizar mil millones de tales secuencias en un segundo (que es por lo menos 1000 veces más rápido que de

hecho es posible en equipos de ajedrez rápido de hoy 1989, dos máquinas de ajedrez líderes, HiTechy pensamiento profundo, pudieron analizar 175 000 y 1.000.000 puestos en las juntas por segundo, respectivamente), a continuación, requerimos 10 18 segundos, o unos 40 millones de años. 22 Si la teoría cíclica del universo es correcta (la teoría de que el universo acabará finalmente su expansión actual y después del contrato, resultante en última instancia, en otro Big Bang), entonces el cálculo no sería completa antes de que nuestro equipo se hace saltar en la próxima explosión del universo.

Esto nos lleva a otro aspecto de la teoría de la computación: la cantidad de cálculos necesarios para lograr un resultado. Una rama de la teoría de cálculo examina la cuestión de si un ordenador (generalmente usando la máquina de Turing como un modelo de un ordenador) puede resolver un problema dado dentro de una cantidad finita de tiempo. Los problemas que no se pueden resolver sellaman problemas sin solución. Más recientemente, una nueva rama de la teoría de la computación llamado teoría de la complejidad se ha desarrollado para hacer frente a la cuestión de cuánto tiempose llevará a diversos problemas que tienen solución para calcular. 23 Mientras que nuestro muy simple fórmula recursiva juega al ajedrez perfecta, que de hecho puede considerarse un comportamiento inteligente, toma un período excesivamente largo de tiempo para hacerlo. Realización de tareas de forma rápida o al menos de una manera oportuna es considerado como una parte esencial de la inteligencia. Como se señaló anteriormente, a pesar de las controversias en materia de prejuicios culturales, el aspecto cronometrado de las pruebas de inteligencia ha sido durante mucho tiempo aceptado, lo que refleja la importancia de la puntualidad como un atributo de la inteligencia.

Hasta ahora la discusión anterior aún no ha demostrado la inteligencia en la fórmula recursiva. Jugando al ajedrez perfecto podría ser considerado un comportamiento inteligente, pero no a 40 mil millones años por jugada. Antes de que nos tiramos la fórmula recursiva, sin embargo, vamos a intentar modificarlo para tener en cuenta nuestra paciencia humana (y mortalidad). Está claro que tenemos que poner límites de la profundidad permitimos que la recursividad a tener lugar. ¿Qué tan grande permitimos que el árbol de movimiento contraataque para crecer debe depender de la cantidad de cómputo que tenemos disponible. De esta manera podemos usar la fórmula recursiva en cualquier ordenador, desde un ordenador personal de bajo costo para la mayor supercomputadora.

La siguiente pregunta es ¿cómo evaluamos las "hojas", las posiciones del tablero totalmente expandidas terminales de nuestro árbol de posibilidades? Cuando consideramos la expansión totalmente cada secuencia de movimiento para el final del juego, la evaluación fue simple: ganar es mejor que atar y atar es mejor que perder.Evaluación de una posición en el tablero en el medio de un juego no es tan sencillo y, como es lógico, es la fuente de controversia. 24

Hay dos escuelas de pensamiento aquí: la escuela de mente simple y de la escuela de mente compleja. La escuela de mente compleja argumenta que necesitamos sofisticados (complicadas) conjuntos de normas y procedimientos para evaluar la "calidad" de la junta en cada posición de la hoja terminal, que tenemos que ser "inteligentes" para hacer estas evaluaciones y requieren de algoritmos que pueden emitir juicios sutiles. 25

La escuela de mente simple sostiene que todos los recursos de cálculo resulta que tenemos disponibles están mejor puesto en la búsqueda de una mayor profundidad de búsqueda, es decir, mirando a las secuencias de posibles ataques y contraataques más largos y el uso de un procedimiento computacionalmente simple de evaluar las posiciones finales de la junta. Uno de estos procedimientos es simplemente contar los puntos de los dos lados, con el reconocido valor de cada pieza (diez para la reina, cinco para cada torre, etc.) El argumento es que cualquier evaluación sofisticada de posiciones de nodo es computacionalmente muy caro y no es probable que sea más productiva o más fiable que poner el recurso computacional en mayor profundidad de búsqueda.

Para el ajedrez en particular, tiendo a estar de acuerdo con la escuela de mente simple y sentir que laclave para construir un equipo que puede ganar el campeonato del mundo de ajedrez se encuentra en poder de cómputo masivo para ser alcanzado a través del procesamiento paralelo masivo (que, después de todo, el ser humano cerebro utiliza). Todos los programas de ajedrez que juegan utilizan la fórmula recursiva, algunas de ellas con procedimientos simples de evaluación de planchar (a menudo sólo la suma de los valores pieza) y otros con procedimientos más sofisticados. El principalfactor que ha determinado la potencia de un programa en particular parece ser la cantidad de cálculos que pueden ser ejercida. Los programas que se ejecutan en los superordenadores más rápidos o redes de procesamiento paralelo, invariablemente, son los mejores jugadores de la máquina, independientemente del algoritmo de tabla de evaluación. Procedimientos más sofisticados de evaluación final de hojas no parecen perjudicar el rendimiento, pero tampoco parecen ayudar. No aparecen, por lo tanto, para valer la pena. 26

HiTech, desarrollado en la Universidad Carnegie Mellon y la máquina de ajedrez líder de 1988, utiliza el procesamiento paralelo masivo. 27 Se utiliza una matriz de chips de VLSI especialmente diseñados capaces de generar y evaluar las posiciones del tablero. Aunque el procedimiento para la evaluación de un cargo en la junta es más complicado luego simplemente sumando el valor de cada pieza, aun así, se describe su procedimiento de evaluación lo más simple (aunque los desarrolladores de HiTech podrían estar en desacuerdo conmigo). 28

Si estamos de acuerdo con la escuela de mente simple, entonces el procedimiento del ganglio-evaluación es simple. Dado que la propia fórmula recursiva es lo último en simplicidad, nos encontramos con un algoritmo que en efecto reducir a una fórmula simple y es capaz de jugar un muy buen juego de ajedrez con razonable (y en el juego del torneo, aceptable) el tiempo de respuesta.

La siguiente pregunta es, ¿Qué tan buen juego? Las predicciones realizadas en 1958 que una computadora sería campeón mundial de ajedrez en 1968 fueron considerablemente más de optimismo. 29 Sin embargo, los ordenadores han demostrado un progreso constante y, como se mencionó anteriormente, dos programas informáticos, Belle y HiTech, que ahora juegan en el Nacional Superior de nivel master, igualado o superado por sólo 768 jugadores humanos. 30 En 1988 HiTech anotó 5 victorias, 1 derrota en el Campeonato Nacional Abierto de Ajedrez, que lo clasificó 150o entre los jugadores estadounidenses registrados. También en 1988 Deep Thought de la Universidad Carnegie Mellon derrotó al jugador mejor clasificado alguna vez en el Torneo Abierto de Ajedrez de EE.UU.. Aunque aún no la de un campeón del mundo, este es sin duda un nivel impresionante y sumamente inteligente del juego. 31

El número de jugadores de ajedrez humanos que todavía puede derrotar a las mejores máquinas estácreciendo más pequeños cada año. Está claro que para hacer lineal el progreso en el número de ataques y contraataques que se pueden analizar, tenemos que hacer exponenciales ganancias en la potencia computacional. Por otra parte, estamos haciendo ganancias exponenciales en potencia de cálculo con el lineal paso del tiempo. Según la mayoría de las estimaciones, la potencia de cálculo (por unidad de costo) se duplica cada 18 a 24 meses. El fenómeno de procesamiento paralelo (hacer más de un cálculo a la vez) es de alguna manera la aceleración de esta tendencia, al menos en lo querespecta a la cantidad de cálculo que podemos lanzar en el problema de jugar al ajedrez. La Máquina de conexión, por ejemplo, tiene 65.536 computadoras paralelas, aunque cada uno de estos procesadores se encarga sólo un bit a la vez. 32 máquinas se están construyendo que combinan milesde potentes equipos de 32 bits, y las máquinas que combinan millones de microprocesadores de 32 bits están siendo seriamente considerada.

Está claro que es sólo una cuestión de tiempo antes de que el campeón mundial de ajedrez es una máquina. Para hacer una predicción de cuándo eso podría ser, necesitamos saber cuántos se

necesitan más expansiones movimiento-contramovimiento. Algunos argumentan que la diferencia entre el nivel nacional mayor maestro, en la que las computadoras pueden ahora jugar, y el nivel-campeón del mundo de juego es la capacidad de ver sólo dos o tres movimientos adicionales que vienen. Ciertamente tiene sentido que la capacidad de ver un adicional de 2 o 3 movimientos por delante podría ser responsable de la diferencia entre la excelente interpretación de un maestro mayor nacional y el poco mejor juego del campeón. Otros argumentan que la diferencia es más como de 10 a 12 movimientos. 33

Algunos argumentan que la diferencia de juego entre los maestros en los diferentes niveles no es una cuestión de ver movimientos adicionales hacia adelante, que el maestro no está realmente analizando ataques y contraataques en absoluto. En cambio, se supone que tiene algún tipo de sensación intuitiva de nivel superior para la fuerza de los diferentes movimientos y posiciones del tablero. En mi opinión, los jugadores más avanzados no sonconscientemente al tanto de todas las secuencias de movimiento-contramovimiento, pero este cálculo tiene lugar de forma efectiva. La mayor parte de este análisis ha sido "precomputed" de almacenamiento y recuperación de posiciones de la junta de la experiencia previa y el estudio. Cuando entrenamos nuestras mentes para realizar un determinado tipo de actividad física o mental, los procesos mentales que subyacen aesta habilidad a menudo se puede lograr sin nuestro conocimiento consciente, pero eso no quiere decir que los cálculos mentales nunca tuvieron lugar. 34

Para volver a nuestra estimación, si cada movimiento adicional se expande por delante de la cantidad de cálculos en un factor de aproximadamente 8, y si se tarda 18 meses para la industria de la computación para duplicar la potencia de cálculo, a continuación, nuestros jugadores de ajedrez cibernético podrán ver uno movimiento adicional por delante cada 4,5 años. De acuerdo con esta estimación, estamos en algún lugar entre el 9 y 54 años de tener la potencia suficiente para construirun equipo campeón de ajedrez. Este logro, en mi opinión, ser llevado mucho más cerca de 54 años através del impacto de las nuevas tecnologías, incluidas las nuevas arquitecturas de procesamiento paralelo, exóticas nuevas técnicas de hardware de computadoras que utilizan la luz en lugar de electricidad, urbanizaciones y demas. 35 está previsto otro análisis por Raj Reddy. Él estima que el juego nivel Gran Maestro (justo debajo de juego de nivel de campeonato mundial y, probablemente,suficiente para vencer a la campeona del mundo de vez en cuando) requiere ser capaz de manera fiable que mirar hacia delante de 12 a 14 movimientos. Aunque el factor de ramificación promedio (el número de movimientos posibles para cada posición en el tablero) es de unos 35 años, las técnicas de búsqueda avanzadas nos permiten reducir efectivamente este número a 5. Por lo tanto, tenemos que considerar entre 5 12 y 5 14 posiciones en el tablero, o alrededor de 3 mil millones de posiciones por movimiento. Con una media de 3 minutos de tiempo de pensar por jugada, esto requiere un ritmo de unos 16 millones de puestos en las juntas por segundo, a sólo 16 veces más rápido que la tasa de Deep Thought 1989. Por lo tanto, debemos ser capaces de lograr muy cerca el juego de campeonato de la década de 1990.

Sin embargo, otro análisis es proporcionado por uno de los diseñadores de HiTech, Hans Berliner, quien señala que el aumento promedio de las calificaciones de los mejores jugadores de la computadora ha sido de unos 45 puntos por año (por el contrario, el aumento promedio de las calificaciones de los mejores jugadores humanos es cercano a 0). Este análisis se proyecta 1998 como el año de la campeona del mundo informático. Mi conjetura es que veremos a un campeón delmundo en el año 2000, pero como se mencionó anteriormente, las predicciones anteriores de este tipo no han ido bien.

Volvamos por un momento al concepto del juego de ajedrez perfecto. Desde un punto de vista matemático, existe un juego tan. En otras palabras, podemos definir el juego de ajedrez perfecto como un juego jugado por dos oponentes cada uno tras la fórmula recursiva y en expansión completamente todas las secuencias de movimiento. Desde un punto de vista formal, no podemos

decir que la determinación de la secuencia de movimientos en este juego perfecto es un problema sin solución, ya que sin duda se puede determinar en un tiempo finito. Por otro lado, podemos mostrar que es imposible determinar en cualquier longitud de tiempo práctico. Tenemos así la interesante situación de poder definir fácilmente una pregunta, para demostrar que la respuesta existe y es único, y también para demostrar de manera concluyente que no hay manera razonable para encontrarlo.

Otras preguntas vienen a la mente. Por ejemplo, ¿el jugador que se mueve por primera vez en este juego perfecto hipotético ganar o empatar (es poco probable que el jugador que hace el primer movimiento perdería)? De nuevo, no es una respuesta a esta pregunta, pero parece que ningún ser humano (o máquina) volverá a ser capaz de encontrarlo.

Un juego idiota sabio?

Cuando me dijo que yo era de la escuela de mente simple, tuve la precaución de estado que se trataba de mi opinión específicamente con respecto a la partida de ajedrez. Si se demuestra que un sencillo procedimiento de evaluación de la hoja puede derrotar a cualquier ser humano en el ajedrez(como creo que va a pasar), entonces podemos concluir que o bien la fórmula recursiva es de hecho una simple fórmula para al menos ciertos tipos de comportamiento inteligente, o que el ajedrez no es un juego inteligente. Podríamos concluir que las computadoras son mejores que los humanos en el ajedrez por la misma razón que las computadoras son mejores para la creación de hojas de cálculo. En otras palabras, podríamos concluir que el secreto para el ajedrez es simplemente ser capaz de mantenerse en la mente de uno innumerables movimiento y secuencias de contraataque y los patrones de la placa resultantes. Este es el tipo de información que las computadoras pueden manipular fácilmente y con precisión, mientras que el corazón de la inteligencia humana está en otra parte. Siempre y cuando hay por lo menos unos pocos humanos que pueden derrotar las mejores máquinas, algunos observadores todavía se sienten cómodos al citar el ajedrez como un ejemplo de la gran actividad intelectual (y creativo!) E imaginando que hay algún desconocido (y, posiblemente, incognoscible) de profundidad proceso intelectual subyacente. Un campeón del mundo de ajedrez informático podría alterar radicalmente esa percepción. Es evidente que habrá algún cambio significativo en la percepción respecto de ajedrez, computadoras, nosotros mismos, o las tres cosas.

Otros juegos

La fórmula recursiva se puede aplicar a cualquier juego de mesa que implica ataques y contraataques dentro de reglas prescritas. Una pregunta razonable es, ¿Qué tan bien funciona en la práctica de los juegos que no sean de ajedrez? Además, ¿qué acerca de la controversia de mente compleja ingenua frente?

En un extremo del espectro de la complejidad del juego hay tic-tac-dedo del pie, por lo que podemos ampliar fácilmente todas las posibilidades para el final del partido y jugar un juego perfecto. Muchos seres humanos, por lo menos aquellos que han pasado algún tiempo pensando en ello, pueden jugar un partido perfecto.

Checkers, por otro lado, es lo suficientemente compleja que jugar un juego perfecto no es factible, aunque el juego de damas perfecto, probablemente puede ser calculado antes de que ocurra el próximo gran explosión. Máquinas Damas de papeles ya han llegado más cerca que las máquinas deajedrez para derrotar al campeón de mundo humano. 36 Un equipo ya ha tomado el campeonato del mundo en el backgammon: Programa de Hans Berliner derrotó al campeón de backgammon humano en 1980. 37 Hay dos razones por las que las computadoras han tenido un tiempo algo más fácil con las damas y el backgammon que con el ajedrez. En primer lugar, la generación de los movimientos posibles en cada punto requiere sustancialmente menos cálculo. Sólo hay dos diferentes tipos de piezas en las damas y una en el backgammon, y las reglas son relativamente

simples. El problema no es que los programadores tienen dificultades para la programación de las reglas del ajedrez que las reglas no son tan complicadas. La complejidad de las normas es un problema con respecto a la cantidad de movimientos por delante, es posible mirar. Con sus reglas relativamente simples, la misma cantidad de potencia de cálculo permite a las damas o el backgammon programa de mirar hacia el futuro un mayor número de movimientos que el programa de ajedrez. La segunda posible razón es que hay mucho más interés en el ajedrez, y por lo tanto los mejores jugadores humanos son probablemente mejor al ajedrez que a las damas o el backgammon. No obstante, el backgammon es todavía considerado un juego "profundo", y el hechode que un ordenador puede derrotar a cualquier jugador humano debe ser considerado un evento de cierto renombre. 38

En el otro extremo, en términos de éxito del ordenador, es el juego japonés del Go, que tiene un lugar en la vida cultural de Japón comparable al ajedrez en Rusia, Europa y los Estados Unidos. Aunque las computadoras pueden jugar un partido de aficionados razonable de ir, que no han alcanzado el nivel principal, y la falta de progreso no es por falta de esfuerzo por parte de los diseñadores de programas. El problema no es con la complejidad del movimiento, porque las reglas son, de hecho, más sencilla que con el ajedrez. En mi opinión, la razón principal de que la fórmula recursiva no es tan eficaz es que el número de movimientos posibles en cada punto es relativamentegrande y la longitud de las secuencias de movimiento en un juego, o incluso una parte de un juego en el que un progreso significativo es hecho, es muy largo. Por lo tanto, incluso computación masiva se agota rápidamente y no se ve lo suficientemente adelante para examinar una estrategia significativa. 39

Parece que para el juego de go sí necesitamos estrategias de evaluación más sofisticados para examinar las diferentes opciones. También puede ser que tenemos que considerar alternativas en un nivel diferente al de los movimientos individuales, que necesitamos una manera de modelar eficazmente las estrategias en un nivel más alto que un movimiento a la vez. Por lo tanto, para ir, a diferencia del ajedrez, que lanzaba mi boleta en la escuela de mente compleja. Parece que los japoneses tienen un juego de mesa que es "más profundo" y más en consonancia con los puntos fuertes (por lo menos en la actualidad) de la inteligencia humana. 40

Otras tareas inteligentes

La fórmula recursiva se puede aplicar a situaciones no cinegéticas, como la demostración de teoremas matemáticos, resolución de problemas combinatorios, la solución de diversos tipos de rompecabezas que van desde los laberintos a problemas de palabras (como el problema de los caníbales y misioneros). 41 En cualquier situación en la que la respuesta puede expresarse como unasecuencia de movimientos, pasos, o transformaciones que se rigen por un conjunto de reglas inequívocas, la fórmula recursiva es un buen candidato para la solución del problema.

En 1957 Allen Newell, JC Shaw y Herbert Simon desarrollaron un programa llamado General Problem Solver (GPS).42 El nombre del programa refleja el entusiasmo, el romanticismo y la inmodestia del campo AI temprano, una orientación optimista de que con el tiempo se ganó el campo considerable la crítica. 43 GPS podría resolver los problemas que implicaban la elaboración de una secuencia de pasos para alcanzar una meta. Por ejemplo, lo que demuestra un teorema en matemáticas requiere la elaboración de una secuencia de pasos que permiten las reglas de la lógica, en la que cada paso cuenta con un axioma o un teorema previamente probado o lema. Un enfoque que funciona en la teoría pero no en la práctica no es más que para generar cada secuencia posible hasta que se encuentre uno que lleva a cabo la tarea. Es evidente que el número de posibilidades se expande demasiado rápido, y se necesita un método para usar los recursos computacionales limitados para lograr un objetivo en un plazo razonable de tiempo. Para optimizar el uso de la potencia de cálculo escasos, GPS utiliza una técnica llamada análisis de medios y fines. En cada

paso se mide la "distancia" al objetivo y genera un sub-objetivo para tratar de minimizar esta distancia. A continuación, llama en sí, otro ejemplo de recursión, para resolver el problema presumiblemente más simple representado por la subobjetivo. De una manera similar, cada subobjetivo se puede ampliar en subobjetivos más pequeñas.

GPS logró un éxito notable en la resolución de puzzles de lógica, la demostración de teoremas, resolución de problemas de cálculo integral y la geometría plana, y los problemas matemáticos o combinatorias similares. 44 Su éxito impulsó algunas de optimismo inicial del campo de la IA. 45 Elprogreso llegó más lentamente, sin embargo, como algunas de las limitaciones de la técnica se volvió clara. Una de las claves para el uso exitoso del paradigma GPS es una medida de la distancia que sea apropiada para el problema. Por ejemplo, ¿cómo debemos medir la distancia entre dos expresiones matemáticas? Simplemente contando

Tan cerca y tan lejos:. La distancia entre las expresiones matemáticas el número de símbolos que lasdos expresiones no tienen en común no es claramente satisfactorio: dos expresiones pueden diferir por un solo símbolo, y sin embargo, nunca puede ser capaz de obtener una de la otra.Del mismo modo, en la solución de un problema de laberinto, podemos ser sólo una sola celda lejos de la portería, pero no estamos necesariamente cerca de lograr un camino viable. Un método plenamente satisfactorio de la distancia que define en estos dominios todavía no está clara. 46

El éxito inicial rápida de GPS fue seguido por un período de progreso considerablemente más lento en los que se examinó cada aspecto de la paradigma GPS en detalle. ¿Cuál es la medida de la distancia? ¿Cómo se sub-objetivos generar y evaluar? ¿Hay alternativas al algoritmo de fines de medios? Un enfoque relativamente simple que parecía en un primer momento para capturar la inteligencia, al menos dentro de una amplia variedad de dominios de problemas, ha demostrado tener limitaciones. GPS sin duda no ha sido la última palabra en este tipo de problema de búsqueda, y los métodos más capaces desde entonces se han ideado. 47

Tres niveles de inteligencia

En las aplicaciones prácticas de la fórmula recursiva para una variedad de tareas, problemas inteligentes parecen dividir en tres niveles. En un extremo están los problemas que requieren poco cálculo suficiente que puedan ser completamente analizados. Ejemplos de ello son el tic-tac-dedo del pie y este tipo de problemas de palabras como caníbales y misioneros. En el medio están los problemas para los que no nos podemos permitir el análisis completo, pero que parecen ser tratados con éxito con el uso de un sencillo procedimiento de ganglio-evaluación.Por "afrontado con éxito" no me refiero a que es posible proporcionar soluciones perfectas. Más bien, me refiero a que es posible que coincida con el rendimiento de la mayoría (y en algunos casos todos) los seres humanos.Ejemplos de esta clase de problemas son el ajedrez, damas, backgammon, y la geometría

euclidiana. Es cierto que algunos de los programas de ajedrez utilizan procedimientos de nodos de evaluación complejas, pero estos programas no parecen proporcionar un rendimiento superior a los programas que hacen uso de procedimientos simples de nodos de evaluación. El punto es que jugar una buena partida de ajedrez (y en mi opinión, en última instancia un juego de campeonato de ajedrez) no requieren procedimientos de nodos de evaluación complicados.48 Por último, existe unaclase de problemas que requieren procedimientos no triviales en la posición de la hoja de la terminal. Para muchos

Tan cerca y tan lejos:. La distancia entre las células en un laberinto de estos problemas que aún no han idear tales procedimientos. Ejemplos de ello son el juego de ir y algunos reinos de la teoría matemática. En suma, los niveles de inteligencia requeridas para diversas actividades son las siguientes:

Nivel 1

• Tic-Tac-Toe

• Caníbales y misioneros

Nivel 2

• Damas

• Ajedrez

• Backgammon

• Geometría euclidiana

Nivel 3

• Ir

• Algunos ámbitos de las matemáticas

¿Cuál es nuestra conclusión con respecto a la fórmula recursiva? Sin duda, es simple y elegante. Para las dos primeras clases de problemas descritos anteriormente-la clase que se puede analizar completamente dentro de un plazo razonable de tiempo y la clase que no puede ser analizado completamente, sino que requiere procedimientos sólo simples terminal de evaluación para lograr un rendimiento-la inteligente descripción completa del algoritmo es simple y puede ser dicho para ser resueltos por una fórmula unificadora. El aspecto más complicado de implementar una solución de este tipo es la generación de los posibles movimientos o pasos en cada punto. Si lo

hace, es, sin embargo, simplemente una cuestión de plantear el problema (por ejemplo, las reglas del juego). Por lo tanto la fórmula recursiva nos permite resolver un problema como simplemente como indicando que.

¿Qué hay de la tercera clase, la clase para la cual los procedimientos sencillos terminal de evaluación no parecen adecuados? Para esta clase el algoritmo recursivo básica es sólo una parte de la solución. Terminamos requiriendo información sobre la estructura única de cada uno de esos problemas. Muchos de estos problemas pueden ser resueltos (y han sido resueltos), pero las soluciones son diferentes en cada caso. Si hay una fórmula unificadora que une estos diversos algoritmos, todavía ninguno ha hecho evidente.

La medida en que se acepta la fórmula recursiva como una fórmula unificadora para incluso un subconjunto de resolución de problemas inteligente se reduce de nuevo a la definición de uno de la inteligencia. Se podría argumentar que los problemas en las dos primeras clases descritas anteriormente inherentemente no son problemas que requieren de inteligencia, sino más bien sólo en datos y la manipulación de símbolos problemas por los cuales las computadoras son muy adecuadas y que los problemas verdaderamente inteligentes son del tercer tipo. La aceptación de este punto de vista nos obliga a modificar nuestra opinión de algunas actividades que han sido consideradas durante siglos para ser inteligente, como jugar a las damas o el ajedrez y la solución deproblemas en la geometría euclidiana y otras áreas de las matemáticas.

Tal punto de vista sería equivalente a afirmar que la inteligencia ha de definirse específicamente como un tipo de comportamiento o actividad que por sí no puede ser capturada en una sola fórmula unificadora. Si aceptamos esta definición, entonces, por supuesto, la cuestión de si es o no la inteligencia o cualquier aspecto importante de la misma se puede capturar en una fórmula es contestada negativamente por definición. Sin embargo, las implicaciones de esta definición no serían compatibles con las opiniones más arraigadas de lo que constituye un comportamiento inteligente. 49

Yo diría que la fórmula recursiva es un éxito parcial. Ciertos tipos de comportamiento inteligente, que se requiere en las dos primeras clases de problemas, se pueden simular eficazmente con este enfoque elegante y potente. Otros tipos de problemas parecen resistirse a él, incluyendo el importante ámbito de reconocimiento de patrones.

Otros enfoques de modelado de Software de Inteligencia: Nets azar, Pandemonium, y árboles

Yo no vengo a la discusión del conexionismo como un observador neutral. De hecho, la versión estándar de su historia me asigna un papel en una historia romántica cuya resonancias de cuento de hadas sin duda contribuirá al menos un poco de aura del conexionismo de emoción.

Érase una vez dos ciencias hijas nacieron a la nueva ciencia de la cibernética. Una hermana era natural, con características heredadas del estudio del cerebro, de la manera que la naturaleza hace las cosas. El otro era artificial, relacionado desde el principio hasta el uso de computadoras. Cada una de las ciencias hermanas trataron de construir modelos de inteligencia, pero a partir de materiales muy diferentes. La hermana natural, construido modelos (llamados redes neuronales) de las neuronas matemáticamente purificados. La hermana artificial construido sus modelos de programas de ordenador.

En su primera flor de la juventud los dos fueron igualmente exitosos e igualmente perseguido por los pretendientes de otros campos de conocimiento. Se llevaban muy bien juntos. Su relación cambió a principios de los años sesenta, cuando un nuevo monarca apareció, uno con las arcas más grandes que se hayan visto en el reino de las ciencias: Señor DARPA, Agencia de Proyectos de Investigación Avanzada del Departamento de Defensa. La hermana artificial se puso celoso y estabadecidido a mantener por sí misma el acceso a los fondos de investigación de Lord DARPA. La

hermana natural, tendría que ser sacrificado.

El sangriento trabajo fue intentada por dos seguidores acérrimos de la hermana artificial, Marvin Minsky y Seymour Papert, echado en el papel del cazador enviado para matar a Blancanieves y traer de vuelta a su corazón como prueba del hecho. Su arma no era la daga, pero la pluma más poderosa, de la que surgió un libro- Perceptrones -que tienen por objeto demostrar que las redes neuronales nunca podrían llenar su promesa de construir modelos de la mente: sólo informáticos programas podrían hacer esto . La victoria parecía asegurada para la hermana artificial. Y, de hecho, para la próxima década todas las recompensas del reino llegaron a su progenie, de las cuales la familia de sistemas expertos hizo mejor en la fama y la fortuna.

Pero Blancanieves no estaba muerta. Lo que Minsky y Papert habían mostrado al mundo como prueba de que no era el corazón de la princesa, sino que era el corazón de un cerdo.

Seymour Papert, 1988

Otra teoría unificada: El Perceptron

En la década de 1960 a principios y mediados del campo AI se enamoró de otro tipo de máquina que se llama el Perceptron. 50 Esto fue un intento de capturar la inteligencia utilizando un gran número de mecanismos simples. Un perceptrón consistió de tres tipos de dispositivos: unidades sensoriales, unidades asociativas, y unidades efectoras. Las unidades sensoriales consistieron de fotocélulas simples dispuestos en una matriz de dos dimensiones, la simulación de la función de la retina humana (o muchas otras formas de entrada). También se propuso una Perceptron incorporando unidades sensoriales auditivas. Las unidades asociativas estaban conectados al azar entre las unidades sensoriales y las unidades efectoras y en algunos casos otras unidades asociativas. Las unidades asociativas contenían un mecanismo de retroalimentación que hace que seajustan automáticamente la cantidad de corriente que pasa desde cada entrada a cada salida sobre la base de la información recibida por la unidad de si o no la última respuesta del Perceptrón era correcta. Las unidades efectoras suman las salidas de las unidades asociativas a las que están conectadas, y mediante la comparación de diferentes tensiones sumadas, hacen que las decisiones finales sobre las identidades de los patrones que se presentan a las unidades sensoriales.

La máquina atrajo la atención porque, simple como era, al parecer para modelar la estructura y las funciones del cerebro humano. 51 La sensorial, asociativas y unidades efectoras aferente modelado, asociativas y neuronas eferentes respectivamente. Además, el cableado aleatoria de las unidades asociativas, a veces referido como redes neuronales al azar, se han pensado para modelar las interconexiones aparentemente al azar de las neuronas asociativas. El Perceptrón aprende gradualmente

el ajuste del potencial eléctrico en cada conexión al azar. Esto se pensó para modelar el aprendizaje humano. Que las conexiones neuronales humanos se cree que son al azar fue consistente con la teoría de que la mayoría la capacidad perceptiva humana se supo más que innata.

Se descubrió que una máquina de este tipo podría ser "enseñó" para reconocer varias formas, tales como letras impresas. En 1969 Marvin Minsky y Seymour Papert escribió un libro llamado Perceptrones , que resultó ser un conjunto de teoremas que demuestran que Perceptrones nunca podrían resolver el problema simple de determinar si es o no un dibujo lineal está "conectado" (en un dibujo conectado todas las partes están conectadas a . entre sí por líneas), el llamado problema de la contigüidad 52 También se demostró que su capacidad para reconocer las formas como letras impresas era bastante limitado: el Perceptron fracasaría si se inclinan las letras, cambiado de tamaño o de otra manera distorsionada. Ahora sabemos que a pesar de categorías perceptivas detallados, como la forma de las letras de nuestro alfabeto, son sin duda aprendidas, las

propiedades en la que-lines basa tal percepción está, curvas, concavidades, loops, etc-son al menos parcialmente precableado, y que las conexiones neuronales son cualquier cosa menos aleatoria.

El libro tuvo un efecto dramático, y prácticamente todo el trabajo en Perceptrones se detuvo. Las graves limitaciones de las capacidades del Perceptrón fueron una decepción para muchos. Antes de la publicación de Perceptrones , se había aparecido a algunos profesionales que esta sencilla técnicahabía capturado el secreto de la inteligencia.Todo lo que teníamos que hacer para que el Perceptron más inteligente era añadir más unidades asociativas y más cables. Por desgracia, la inteligencia no era para ser capturado tan fácilmente. 53 Después de la publicación dePerceptrones , hubo una vacilación comprensible en el campo de la IA para buscar cualquier método único o incluso un paradigma único de inteligencia subyacente. Las limitaciones del GPS y el fracaso de la Perceptron ciertamente no demostraron que todos los enfoques unificados para definir y replicar los métodos dela inteligencia sería un fracaso, pero el entusiasmo por el descubrimiento de tales principios unificadores se desvaneció, no obstante.

Probablemente fue un sano desarrollo de la inteligencia artificial en la década de 1970 que la búsqueda de una teoría unificada de la inteligencia fue puesto a un lado por lo menos temporalmente. Esta atención se centró en cambio en la elaboración de una variedad de enfoques para una variedad de problemas y permitió el desarrollo de las teorías generalizadas que esperar hasta que se perfeccionaron las técnicas más específicas de la aplicación.54 La implicación de esta visión es que la IA se compone de una gran variedad de métodos y enfoques, que no hay ningún conjunto de técnicas que resuelve todos los problemas de la IA. Los problemas complejos suelen serreducible a las jerarquías de los problemas más simples. Las soluciones y, a continuación, se manifiestan en la estructura de las jerarquías y las soluciones a los problemas más simples que se encuentran en el nivel más bajo de cada jerarquía. Tales estructuras y soluciones serán diferentes para las diferentes clases de problemas.

Una observación relacionada es que las soluciones a problemas de la IA son a menudo específicos de dominio. En otras palabras, los métodos para resolver problemas particulares de AI necesitan ser derivado de nuestra comprensión de los detalles de ese problema. Reconociendo caracteres impresos por la máquina, por ejemplo, tiene que preocuparse más con los detalles de forma de las letras, la reflectividad de la tinta y el papel, errores de impresión y otras peculiaridades de la impresión que con cualquiera de las técnicas generalizadas de reconocimiento de patrones. 55 Del mismo modo, el reconocimiento de la voz humana por la máquina tiene que ser refiere principalmente a la naturaleza detallada de los sonidos del habla humana, la sintaxis del lenguaje natural, y las características de procesamiento de la señal del canal de transmisión.

De vez en cuando se hacen afirmaciones de que un "algoritmo de la percepción generalizada" se ha ideado que puede reconocer cualquier tipo de patrón, si se manifiesta en el discurso, los caracteres impresos, mapas de terreno de la tierra, o las huellas dactilares. 56 En un examen más detallado, quea menudo resulta que tales afirmaciones son absolutamente correcto: este tipo de algoritmos, de hecho, reconocen cada tipo de patrón, sólo lo hacen todas estas tareas muy mal. Para realizar cualquiera de ellos, así, con tasas satisfactorias (y comercialmente aceptables) de precisión, requierede una gran cantidad de conocimiento profundamente arraigado en algoritmos específicos para el dominio de la investigación, tanto es así que este aspecto de la tecnología supera las técnicas genéricas de AI.

Los nuevos conexionistas

Una generación más sofisticada de redes neuronales aleatorias ahora se está desarrollando con diferencias importantes con el trabajo anterior. Las limitaciones descritas en los teoremas Minsky y Papert no son aplicables a al menos algunos de los trabajos en esta última generación. Las "neuronas" ellos mismos pueden ser más sofisticados. Cada neurona puede ser modelado por su

propio ordenador, que proporciona así un alto grado de procesamiento en paralelo. Cada modelo de neurona puede realizar transformaciones complejas de forma arbitraria en sus entradas. En lugar de tener conexiones neuronales fijos al principio, estos modelos neurales también son capaces de crecer nuevas conexiones. 57

Para ser justos, hay que señalar que algunos de los trabajos recientes difiere poco de la que hizo hace más de veinte años. En muchos de los recientes sistemas conexionistas las redes aún tienen sólo una o dos capas y se siguen utilizando modelos de neuronas lineales simples. En mi opinión, una vía mucho más prometedor de la investigación recae en las redes construidas a partir de las neuronas más complejas organizadas en múltiples capas y cada una capaz de detectar característicasabstractas de patrones (tales como líneas, curvaturas y concavidades).

Las redes neuronales aleatorias anteriores generaron entusiasmo precisamente porque parecían ofrecer una fórmula simple que podría generar compleja y con un propósito, es decir, inteligente , elcomportamiento. El trabajo anterior calificaría como una fórmula unificadora, pero por desgracia, no funcionó muy bien. El más reciente trabajo-sobre todo la que hace hincapié en complejo de neuronas modelos parece mucho más prometedor, pero no califica totalmente como una fórmula unificadora. Es más de un unificador de paradigma , ya que todavía requiere diversos enfoques paraimplementar y organizar el sistema en general. 58

Aún así, la promesa implícita de que podemos conseguir más inteligencia de menos. En otras palabras, mientras que los modelos de neuronas aún requieren programas inteligentes, la esperanza es que toda la red neuronal se exhiben un mayor grado de inteligencia que está programado de manera explícita en el nivel inferior de la neurona.

Mientras que Minsky fue obviamente se opuso a la obra Perceptron y expresó su preocupación de que los recursos limitados de investigación estaban siendo arrastrados a un callejón sin salida, que ha expresado su interés cauteloso en las redes neuronales al azar basado en las neuronas más inteligentes. 59 Sin duda, parece que este trabajo es consistente con reciente énfasis de Minsky sobrela "sociedad de la mente" como paradigma de la inteligencia.

Selección Pandemonium

Para los problemas de reconocimiento de patrones (como rostros de identificación, los caracteres impresos, terrenos de tierra, huellas dactilares, las células de sangre, etc), tenemos que romper las decisiones de más alto nivel (por ejemplo, qué letra es esta) en los niveles inferiores. Si diseñamos "demonios" (algoritmos) para responder a las preguntas de nivel inferior, podemos utilizar sus respuestas para tomar una decisión final. Un enfoque consiste en invitar a los demonios a una "reunión." Nos preguntamos entonces, ¿Es esto una carta A ? y determinar qué tan fuerte los demonios gritan. Vamos a través de todas las posibilidades en el "juego de la identificación" ( B, C , etc) y escoger el que hace que los demonios para expresar la aprobación más fuerte. Algunas de las preguntas de bajo nivel son más importantes que otros, y por lo tanto algunos de los demonios son más influyentes (es decir, capaz de gritar más fuerte) que otros demonios. Los demonios también controlan fuerte que griten por la forma en que ellos están en responder su pregunta de nivel inferior. 60

El árbol de decisión

Otra forma de organizar los demonios está en un árbol. Vamos a un demonio y hacer una pregunta, como ¿Esta carta tiene un bucle (un área de blanco completamente cerrado por negro)? Si el demonio dice que sí, seguimos a los demonios en la rama del árbol, sí, y si no, entonces se toma la rama NO. Si la respuesta es sí, entonces sabemos que la carta podría ser una A , pero no una C , y así sucesivamente. Seguimos las ramas de un demonio a otro hasta llegar a una hoja, momento en elque tenemos una respuesta. Tenga en cuenta que este tipo de árboles de decisión se diferencian de

los árboles de forma recursiva generados descritos para la fórmula recursiva.En la recursión, un árbol se genera para cada decisión, y la topología (forma) y el contenido del árbol será diferente para diferentes situaciones. Para las tareas de reconocimiento de patrones, el árbol es generalmente fija y diseñado por el diseñador del programa. Lo que difiere en situaciones diferentes (insumos) que no es la forma del árbol, pero el camino recorrido a través de él. 61

Tanto el caos y los métodos de toma de los árboles pueden trabajar. Este último es más rápido (para un equipo de serie) en el que sólo tenemos a "calcular" los demonios que encontramos en nuestro camino. Pero es más sujeto a fallas catastróficas (una respuesta incorrecta) si un demonio, particularmente uno encontrado desde el principio, se equivoca. Con la selección pandemónium, un demonio errónea puede todavía en minoría.

Al igual que con el modelo recursivo, hay una cuestión de cuán sofisticado debe ser estos demonios. En un extremo tenemos la extracción de características de alto nivel, en el que los demonios responden a preguntas difíciles.Ejemplos de ello son ¿Es esta región cóncava? en el contexto del reconocimiento de caracteres y es esta explosión de sonido al principio de un fonema oclusivo? en el contexto de reconocimiento de voz. En el otro extremo tenemos comparación de plantillas, en el que los demonios responden a las preguntas lo más sencillos posibles, como es este punto en particular negro o blanco? Mientras que yo opté por la escuela de pensamiento ingenuo con respecto al ajedrez (aunque no para todos los juegos), me parece que los demonios más complejos son necesarios para la mayoría de las tareas de reconocimiento de patrones. En el ajedrezse trata de un mundo muy ordenado y artificial que se puede describir con esencialmente una precisión perfecta. En el reconocimiento de patrones que se trata de fenómenos del mundo real variables más complejas y más que inherentemente requieren mayores niveles de abstracción.

Demonios de alto nivel se pueden desglosar en las jerarquías de los demonios más simples. Por lo tanto, es posible desarrollar árboles de decisión con los demonios simples en los nodos terminales que pueden detectar características de alto nivel más abstracto o en mayores nodos del árbol. Sin embargo, si los demonios son simples, a continuación, el corazón de la tecnología se encuentra en lajerarquía de la decisión en sí.

Por lo tanto, al igual que la red neuronal aleatoria, la selección pandemonium, árboles de decisión, yuna variedad de otros métodos de proporcionar paradigmas poderosos pero no son fórmulas sencillas que se pueden ampliar en un comportamiento inteligente a través de la aplicación de la potencia de cálculo solo. Esto está en contraste con la fórmula recursiva, en la que una fórmula sencilla combinada con grandes dosis de fuerza bruta computacional tiene éxito en la solución de al menos ciertas clases de problemas inteligentes.

La jerarquía de la inteligencia

Lo que a menudo consideramos como un comportamiento inteligente es en actualidad muchosprocesos que funcionan en paralelo y de interactuar en diferentes niveles de una jerarquía. 62 Si

consideramos cuidadosamente el proceso de la lectura y la comprensión impresa del lenguaje, sehace evidente que se trata de una multiplicidad de talentos : a nivel de caracteres, reconocimiento depatrones, en el nivel de la palabra, el análisis sintáctico de secuencias de palabras, y en los nivelessuperiores, la decodificación de la semántica, la recuperación y actualización de nuestra base de

conocimientos y la comprensión de los "scripts" sobre el tema cuestión que se escriben acerca, pornombrar sólo unos pocos de los procesos inteligentes que participan. 63

Los demonios, sentado en un árbol de decisión.

Esto nos lleva a una posible definición recursiva de la inteligencia:

Un proceso inteligente es una asociación de procesos inteligentes y no inteligentes comunicarse e influir en la otra.

Esta definición es referencia a sí misma (es decir, que contiene el concepto que se define en la definición), pero no es circular infinitamente. Se emplea el nuevo tipo especial de auto-referencia que llamamos la recursividad.

Vamos a examinar esta definición de "asociación" de la inteligencia en el contexto de la recursividad. Si consideramos una inteligencia que es una asociación de otras inteligencias, reemplazamos una inteligencia con un mayor número de inteligencias. Ahora tenemos una asociación de inteligencias, cada una de las cuales está a su vez se expandió a una organización de aún más inteligencias. Si seguimos aplicando la definición recursiva, nos encontramos con una visión de una gran profusión de inteligencias organizadas en una jerarquía de varios niveles.Si no hubiera escape o porción terminal de la definición, se reemplazaría una inteligencia con un número infinito de inteligencias-una visión mística satisfactorio tal vez, pero no tiene valor en la construcción de teorías prácticas de la inteligencia.

El escape de la recursividad infinita es el concepto de procesos no inteligentes, los mecanismos a nivel más bajo. Inteligencia resultados generales de la coherencia de toda la jerarquía de las asociaciones cada vez más sofisticadas de inteligencia.

"La sociedad de la mente" de Minsky

Una reciente y tal vez la exposición más completa de este tipo de teoría ha sido ofrecido por Minskyen los escritos a partir de 1977 hasta la actualidad. 64 "¿Cómo puede la inteligencia surgir de la no-inteligencia? . . . Se puede construir una mente de muchas partes pequeñas, cada una sin sentido por

sí mismo. Voy a llamar "sociedad de la mente", este esquema en el que la mente está hecha de muchos procesos pequeños. Los llamaremos agentes.Cada agente por sí solo puede hacer algo sencillo que no necesita la mente o pensamiento en absoluto. Sin embargo, cuando nos unimos a esos agentes en las sociedades-en cierta manera-que muy especiales conduce a la verdadera inteligencia. " 65

¿De qué manera los diversos pensamientos en una sociedad interactúan? La respuesta corta es, en muchas maneras diferentes. Tenga en cuenta las diversas formas en que interactuamos con los demás en la sociedad humana. Las relaciones incluyen bonos simétricas, como amantes y amigos, así como los asimétricos, como padre-hijo, jefe-subordinado, y opresor-víctima. Los métodos para la toma de decisiones van desde la negociación entre partes iguales o casi iguales y la influencia de una persona sobre otra a los dictados del jefe a subordinado, entre las múltiples maneras en las que interactuamos y tomar decisiones en una sociedad.

En un nivel más amplio, la comunicación y la toma de decisiones se rige por las reglas de la sociedad con las instituciones políticas, culturales y sociales que rigen las funciones de cada miembro.

Dentro de un mismo individuo también tenemos muchos procesos mentales que llevan a cabo sus operaciones en paralelo. Información entrante no es valorado por un único "departamento", pero pormuchos de nuestros submentes al mismo tiempo. Algunos se ocupan de los temores, mientras que otros con esperanzas, deseos y necesidades. Sin embargo, otros se ocupan de los aspectos prácticos de la manipulación de los músculos o la realización de tareas de reconocimiento de patrones. A través de una jerarquía de las negociaciones en los diferentes niveles, nuestros pensamientos se convierten en acciones. Algunos submentes son más poderosos que otros, y los métodos de negociación varían de acuerdo con el nivel y la materia. 66

Tales teorías como la sociedad de la mente son esencialmente una analogía de la inteligencia de unapersona a la de una sociedad como una nación con sus facciones en competencia, diferentes puntos de vista de los acontecimientos, y los métodos de resolución de conflictos y la puesta en común de las opiniones que varían. Este tipo de teoría es consistente con la complejidad del pensamiento humano, con sus lados predecibles e impredecibles, y con el fenómeno cotidiano de sentimientos encontrados.

Podemos extender el concepto de la sociedad más allá del individuo. Un ser humano es una sociedad de las mentes que representan las necesidades, deseos y capacidades en muchos niveles diferentes. Una sociedad humana real continúa el proceso de una jerarquía inteligente en aún más niveles. Algunos de los métodos de negociación, influencia y la resolución de problemas en una sociedad no son tan diferentes de las que tienen lugar dentro de un solo individuo.

A medida que ampliamos cada inteligencia en una sociedad de inteligencias, son las inteligencias enla planta baja menos sofisticados y menos capaz que la inteligencia representada por toda la sociedad? Yo diría que sin duda es deseable que la sociedad sea más inteligente que sus miembros. Esto no es siempre el caso en la sociedad humana-la inteligencia de un mob es una prueba de ello. Sin embargo, las organizaciones humanas exitosas son obviamente capaces de realizar tareas intelectuales que sus miembros individuales no podrían lograr por sí solo.Dentro de una sola mente humana una personalidad bien integrada es capaz de sintetizar sus procesos de pensamiento constitutivos de una manera que presenta una mayor inteligencia en cada nivel más alto de la jerarquía mental. Como ejemplos de la mala integración, muchas formas de enfermedad mental se caracterizan por procesos de pensamiento más primitivas que interfieren con, e incluso hacerse cargo de las funciones más sutiles e inteligentes.

Inherente a esta visión de la inteligencia es la inferencia de que la inteligencia humana, aunque muy

complejo, no es infinitamente compleja. En última instancia, puede ser entendida en términos de procesos más simples. En el nivel más bajo no son procesos muy simples, aunque la jerarquía que conduce a los procesos simples es cualquier cosa menos simple. Nosotros no entendemos completamente la jerarquía-de hecho, entendemos muy poco de él-, pero no hay razón por la que nopodemos aumentar progresivamente nuestro conocimiento de ella.

"La sociedad de las neuronas" de Lettvin

Otra teoría de la inteligencia humana como una sociedad de inteligencias, una articulada por JeromeLettvin del MIT, considera que las neuronas individuales como pequeños "mentes", organizado en una sociedad más compleja que cualquier sociedad humana (hay decenas o cientos de miles de millones de neuronas en el ser humano cerebro y sólo miles de millones de seres humanos en la tierra). Cuando primero articulado a mediados de 1960, este punto de vista difiere de la creencia convencional de que las neuronas eran más que simples interruptores con capacidad de procesamiento de información muy limitada. 67 Como conjeturó Lettvin, ahora sabemos que las neuronas son de hecho bastante complejo y que la comunicación entre las neuronas ¿Usa un "lenguaje" que, aunque no es tan sofisticado como el lenguaje humano, está lejos de ser trivial en suestructura. Lettvin imaginó la mente humana como una jerarquía de las sociedades más grandes y más grandes de neuronas con idiomas, culturas y luchas de poder. 68 Cualquiera que dude de que una sola célula puede ser necesidades inteligentes sólo tienen en cuenta el macrófago. Estas células blancas de la sangre del asesino son capaces de llevar a cabo tareas de reconocimiento de patrones sutiles para identificar bacterias hostiles, parásitos y otros agentes de la enfermedad y de llevar a cabo tácticas elaboradas para destruir a los enemigos una vez identificados. No hay ninguna razón para suponer que las células nerviosas, que son estructuralmente más complejos que los macrófagos, tienen capacidades menos sofisticados.

Inteligencia como una asociación de inteligencias menores es tanto una teoría de la inteligencia natural y un paradigma para la organización de la inteligencia de las máquinas. A medida que nuestros sistemas informáticos se vuelven más complicados, una forma de organizarlos es desarrollar sistemas más pequeños, cada uno de los cuales es relativamente completo con su propia integridad estructural y, a continuación, definir los idiomas y procesos que permiten a estos "expertos" menores interactúan. Este tipo de organización se está convirtiendo cada vez más popular, tanto en sistemas de inteligencia artificial aplicada y de investigación.

Una sociedad de la inteligencia humana y la máquina

Un ejemplo de una "sociedad de inteligencias" integrada es el conjunto de los sistemas expertos ya desarrollados o en desarrollo por Digital Equipment Corporation (DEC). Uno de los primeros sistemas expertos prácticos era XCON, que utiliza más de diez mil reglas para diseñar el proceso deconfiguración y montaje para sus ordenadores VAX de la serie. 69 XCON se ha encontrado para ser sustancialmente más fiable que los expertos humanos y ahora se utiliza de manera rutinaria en casi todos los pedidos de ordenadores VAX. Con el éxito de XCON, diciembre está desarrollando sistemas expertos para prácticamente todos los aspectos de las operaciones de su empresa, incluyendo el diseño asistido por ordenador, control de fabricación, planificación de materiales, recursos, estrategias de ventas, planificación financiera, y otras áreas. 70 Cuando esté completamente operativo, sistemas expertos estarán jugando un papel crítico en todos los aspectos de las operaciones de diciembre, se comunican entre sí, así como con los empleados de diciembre a través de una extensa red basada en ordenador. Esto se espera que sea una de las primeras organizaciones humanas que funcionan en un entorno real de combinar una sociedad de múltiples inteligencias humanas y de la máquina. 71

El progreso en los diferentes niveles

Si tenemos en cuenta los diversos problemas que están siendo atacados por la tecnología de AI, y la

amplia gama de comportamiento inteligente, reconocimiento de patrones y habilidades de resolución de problemas de la inteligencia humana, hay que reconocer que se necesita una variedad de enfoques. 72 Progreso en el aprovechamiento de la inteligencia artificial es probable que el resultado de todo lo siguiente:

• Más potentes fórmulas "unificadores" para resolver clases de problemas inteligentes

• Paradigmas más poderosos

• Tecnologías muy detallados con profundamente incrustada en el conocimiento de dominio específico para interactuar con los problemas del mundo real

• Computacional más poderosa recursos (hardware)

• Más potentes (y generalmente paralelas) arquitecturas

Con respecto al último punto, estamos encontrando cada vez más que diferentes problemas requieren diferentes arquitecturas de hardware y que el diseño de la arquitectura se está convirtiendo en tan importantes como el diseño de algoritmos.

¿Existe una fórmula para la inteligencia?

La respuesta es que sí hay fórmulas para tanto el "hardware" y "software" de la inteligencia que son elegantes y de gran alcance en sus implicaciones. Estas fórmulas proporcionan información de gran alcance sobre la naturaleza de los problemas que requieren inteligencia y sus soluciones. También debemos concluir, sin embargo, que estos sencillos modelos de inteligencia son sólo el comienzo, no el final, en nuestra búsqueda de la inteligencia.Inteligencia en el mundo real es una combinación de elegante conocimiento con amplio conocimiento y experiencia que se puede acumular sólo a través del esfuerzo laborioso y, a menudo duramente ganada. 73

La Fórmula de la Vida como una fórmula de Inteligencia

Una gran parte del universo no necesita ninguna explicación. Los elefantes, por ejemplo. Una vez que las moléculas han aprendido a competir y para crear otras moléculas en su propia imagen, los elefantes, y las cosas se parecen a los elefantes, a su debido tiempo se encuentra vagando por el campo.

Peter Atkins

Está lloviendo ADN exterior. En la orilla del canal de Oxford en el fondo de mi jardín es un sauce grande, y está bombeando semillas pubescentes en el aire. . . . El contenido de ADN debe ser una pequeña proporción del total, así que ¿por qué he dicho que estaba lloviendo ADN en lugar de celulosa? La respuesta esque es el ADN que importa. La pelusa de celulosa, aunque más voluminosos, es sólo un paracaídas, para ser desechados. Toda la representación, algodón, amentos, árbol y todo, es a beneficio de una cosa y sólo una cosa, la difusión de ADN en todo el campo. No cualquier ADN, pero el ADN cuyos caracteres codificados explicar las instrucciones específicas para la construcción de árboles de sauce que arrojarán una nueva generación de semillas suaves. Esas motas mullidas son, literalmente, la difusión de instrucciones para hacer a sí mismos. Ellos están allí porque sus antepasados tuvieron éxito en hacer lo mismo. Está lloviendo instrucciones por ahí, está lloviendo programas; está lloviendo de crecimiento del árbol, pelusa-difusión, algoritmos. Eso no es una metáfora, es la pura verdad. No podía ser más claro si alguno estuviera lloviendo discos flexibles.

Richard Dawkins

Se podría incluir ADN y su elenco de apoyo de los productos químicos "procesamiento de datos" como un ejemplo de una fórmula unificadora clásica. 74 También se puede considerar como una fórmula unificadora para la inteligencia, ya que proporciona la base para la vida humana, que es nuestro primer ejemplo de la inteligencia.Examinemos brevemente la mecánica de ADN y luego comparamos con algunas de las fórmulas descritas anteriormente para la unificación de la inteligencia artificial.

La fórmula de la vida

La estructura química de la molécula de ADN fue descrita por primera vez por JD Watson y Crick FHC en 1953 como una doble hélice que consiste en un par de hebras de polinucleótidos con la información codificada en cada posición por la elección de los nucleótidos. 75 Desde entonces los bioquímicos han pasado a mapa extensas secciones (pero sigue siendo una pequeña fracción) del código genético y de entender la química detallada del proceso de comunicación y el control por el cual el ADN ordena la reproducción a través de estas otras moléculas complejas y estructuras celulares como el ARN mensajero, ARN de transferencia, y los ribosomas. A nivel de almacenamiento de información, el mecanismo es sorprendentemente simple. Apoyado por un esqueleto de azúcar-fosfato de torsión, la molécula de ADN contiene hasta varios millones de peldaños, cada uno de los cuales está codificada con una letra dibujado a partir de un alfabeto de cuatro letras. El alfabeto se compone de los cuatro pares de bases: adenina-timina, timina-adenina, citosina-guanina, citosina y guanina. Las cadenas de ADN en una sola célula estarían a la altura de seis pies de largo si se estira, pero una elaborada bobinas método de embalaje que se ajuste a una célula sólo 1/2500 de una pulgada de ancho. Con cuatro letras en el alfabeto, cada peldaño es la codificación dos bits de datos en un código digital. Enzimas especiales pueden copiar esta información mediante el fraccionamiento de cada par de bases y montaje de dos moléculas de ADN idénticas por rematching los pares de bases rotas. Otras enzimas realmente comprobar la validez de la copia mediante la comprobación de la integridad de la coincidencia de pares de bases. Con estos pasos para copiar y validación, este sistema de procesamiento de datos química hace sólo un error en mil millones de pares de bases repeticiones. Otros códigos de redundancia y de corrección de errores están integrados en los propios datos digitales, y las mutaciones de manera significativa como resultado de errores de replicación de pares de bases son raras. La mayoría de los errores derivados de la tasa de error de uno-en-uno-mil millones se traducirá en el equivalente de un error de "paridad", un error que puede ser detectada y corregida por otros niveles del sistema, lo que evitará el bit incorrecto desde causar ningún daño significativo. 76

En un proceso llamado técnicamente traducción, otra serie de productos químicos traducir esta elaborada digitalprogram en acción mediante la construcción de las proteínas. Se trata de las cadenas de proteínas que dan a cada célula de su estructura, el comportamiento y la inteligencia. Enzimas especiales desenrollan una región de ADN para la construcción de una proteína particular. Una hebra de ARN mensajero (ARNm) se crea copiando la secuencia expuesta de bases. El ARNm esencialmente tiene una copia de una porción de la secuencia de letras de ADN. El ARNm viaja fuera del núcleo y en el cuerpo de la célula. Los códigos de ARNm son leídospor una estructura en las células llamadas un ribosoma, que actúa como una grabadora cabeza "leer"la secuencia de datos codificados en la secuencia de bases del ARNm. Las "letras" (bases) se agrupan en palabras de tres letras cada uno llamados codones, con un codón para cada uno de 20 posibles aminoácidos, los bloques básicos de construcción de proteínas. Un ribosoma lee los codones de ARNm y, a continuación, el uso de otro conjunto de moléculas llamadas ARN de transferencia (ARNt), ensambla una cadena de aminoácidos de la proteína de una en una. Ahora es el trabajo de las proteínas se reunieron para llevar a cabo las funciones de la célula (y por extensión,el organismo). Una molécula de hemoglobina, por ejemplo, que tiene la tarea de llevar el oxígeno de los pulmones a los tejidos del cuerpo, se crea 500000000000000 veces cada segundo. Con más de 500 aminoácidos en cada molécula de hemoglobina, que viene a 15 x 10 18 "leer" operaciones de

cada minuto por los ribosomas sólo para la creación de la hemoglobina.

En cierto modo, el mecanismo bioquímico de la vida es muy compleja e intrincada. En otros aspectos, es muy simple. Sólo cuatro pares de bases ofrecen el almacenamiento digital para toda la complejidad de la vida humana y el resto de la vida tal como la conocemos. Los ribosomas construircadenas de proteínas mediante la agrupación de los tríos de pares de bases para seleccionar secuencias de sólo veinte aminoácidos. Estas cadenas de proteínas a continuación, el control de todolo demás: la estructura de las células óseas, la capacidad de las células musculares para flexionar y actuar en concierto con otras células musculares, todas las complejas interacciones bioquímicas que tienen lugar en el torrente sanguíneo, y, por supuesto, la estructura y el funcionamiento del cerebro.77


Capítulo 5: Roots Mecánicas


Autor:

Ray Kurzweil

¿Qué pasa si estas teorías son realmente cierto, y nos mágicamente encogieron y se ponen en el cerebro de alguien, mientras que él estaba pensando. Nos vemos todas las bombas, pistones, engranajes y palancas que trabajan lejos, y que sería capaz de describir su funcionamiento completo, en términos mecánicos, con lo que describe completamente los procesos de pensamiento del cerebro. Pero esa descripción sería la nada contiene ninguna mención de pensamiento! Sería contener nada más que descripciones de bombas, pistones, palancas!

Wilhelm Leibniz (contemporáneo y colaborador de Isaac Newton), al comentar sobre las teorías de que el cerebro era "sólo" una computadora mecánica complicada.

La imaginación humana para emular el pensamiento humano por la máquina no se detuvo en mero debate filosófico y experimento mental. Desde los tiempos de Platón, los inventores estaban ansiosos de aplicar cualquier tecnología que estaba disponible para el desafío de recrear los procesos mentales y físicos humanos. 1 Antes de la domesticación del electrón, esto significaba aprovechar el estado del arte en técnicas mecánicas. 2

Autómatas temprana y Motores Cálculo

Autómatas

Ya en los tiempos de la antigua Grecia, las máquinas que podrían emular los movimientos naturales de los seres vivos fueron construidos como una fuente de placer y aparente magia. Ellos también fueron construidos por los filósofos y sus asociados como una manera de demostrar que las leyes naturales son capaces de producir un comportamiento complejo. Esto a su vez alimentó las especulaciones de que las mismas leyes deterministas rigen la conducta humana. 3

Arquitas de Tarento (c. 400-350 aC), un amigo de Platón, construyeron una paloma cuyos movimientos eran controlados por un chorro de vapor o de aire comprimido. Incluso más elaborado autómatas, incluyendo una orquesta mecánica entera, existió en China, al mismo tiempo. 4

La tecnología de la relojería producido autómatas mucho más elaborado en el Renacimiento europeo, incluyendo los androides humanos que eran notables por sus movimientos


reales. 5 Ejemplos famosos de estos incluyen la dama de la mandolina-playing, construido en 1540 por Giannello Torriano (1515-85 ), y un niño de 1772 que era capaz de escribir pasajes con una pluma real, construido por P. Jacquet-Droz (1721-1790). 6

El ábaco

Tal vez de mayor importancia en el desarrollo de máquinas inteligentes eran los primeros intentos para reducir los laboriosos esfuerzos necesarios para el cálculo. El ábaco, desarrollado hace más de 5.000 años en el Oriente, es de particular interés en su similitud con la unidad de procesamiento aritmético de una computadora moderna. Se compone de cuentas móviles en barras, que en conjunto implementan una tienda digital. Usando algoritmos prescritos "," un usuario puede realizarlos cálculos que van desde la simple adición a la evaluación de ecuaciones complejas. Los algoritmos se llevan a cabo directamente por el usuario, no por la máquina, pero los métodos son, sin embargo mecanicista. 7

Huesos de Napier

En 1617 John Napier (1550-1617), quien es generalmente considerado como el descubridor de los logaritmos, inventó un método para realizar operaciones aritméticas por la manipulación de las barras, llamado "huesos", ya que a menudo se construyen a partir de los huesos y se imprimen con los dígitos. La innovación de Napier era de importancia directa para el desarrollo posterior de los motores de cálculo en la que los "algoritmos" se implementaron en el mecanismo del dispositivo, enlugar de por la manipulación humana. 8

La Pascaline

Trabajando a partir de los 19 años hasta que tenía 30 años, Blaise Pascal (1623-1662) trató de perfeccionar su calculadora mecánica. Después se construyeron y se descartan el uso de materiales que van desde la madera y marfil a una variedad de metales más de 50 modelos, Pascal finalmente perfeccionado primero del mundoautomática máquina de calcular en 1642. 9 La máquina se considera automática en que el algoritmo se llevó a cabo por la máquina y no el usuario, al menos para la adición y la resta. La Pascaline, réplicas de las cuales todavía son utilizados por muchos niños en edad escolar, utiliza ruedas giratorias con inscripciones de los dígitos y un mecanismo de trinquete que controla el desbordamiento de una posición de lugar a otro. El trinquete agrega un dígito a (o pide prestado uno de) el próximo lugar más alto cuando hay una revolución completa de la posición decimal inferior.

La perfección de esta máquina de computación creado un gran revuelo en toda Europa y estableció la fama de su inventor. El dispositivo estimula reflexiones filosóficas de Pascal, y en su última (sin terminar) gran obra, Pensées("Pensamientos"), Pascal escribe: "La máquina aritmética produce efectos que se aproximan más a pensar que todas las acciones de los animales. Pero no hace nada que nos permita atribuir voluntad a él, como a los animales. " 10

La llegada de una máquina calculadora automática también dio lugar a la controversia sobre su impacto y creó temor de que esto llevaría a la desocupación de los contadores y secretarios. El entusiasmo generado por la Pascaline animó Pascal y su padre para invertir la mayor parte de su dinero en una campaña de publicidad para comercializar la invención. Desafortunadamente, Pascal era un mejor filósofo que hombre de negocios, y los problemas con la fiabilidad y el servicio hizo que la empresa fracase (al parecer, muchos de los modelos de producción requeridos los servicios de reparación a realizar por el propio Pascal). 11

El ordenador Leibniz

Inspirado en la Pascaline, Gottfried Wilhelm Leibniz trató de añadir la multiplicación, la división y

la extracción de raíces cuadradas de las capacidades de una máquina. Después de estudiar los intentos infructuosos de Sir Samuel Morland (1625-1695), maestro de la mecánica al rey Carlos II de Inglaterra, Leibniz fue capaz de perfeccionar una máquina multiplicadora basado en adiciones repetitivas, un algoritmo todavía se utiliza en las computadoras modernas. 12

Leibniz reconoció que los mecanismos complicados de su calculadora podrían simplificarse mucho si el sistema decimal se sustituye por una notación binaria. 13 contemporáneos de Leibniz se resistieron a la idea, pero sus escritos sobre la aritmética binaria y lógica fuera la inspiración, casi dos siglos más tarde, por George Boole (1815-1864) para desarrollar la teoría de la lógica y la aritmética binaria, siendo la base de la computación moderna. 14

Charles Babbage y del Primer Mundo Programmer

No es una mala definición del hombre que lo describen como un animal de fabricación de herramientas. Sus primeros artificios para apoyar la vida incivilizada eran herramientas de la construcción más simple y más rudo. Sus últimos logros en la sustitución de las máquinas, no sólo por la habilidad de la mano humana, pero para el alivio de la inteligencia humana, se fundamentan en el uso de herramientas de un orden todavía mayor.

Charles Babbage

Una noche estaba sentado en las salas de la Sociedad Analítica de Cambridge ... con una tabla de logaritmos que estaba abierto ante mí. Otro miembro, al entrar en la habitación, y al verme medio dormido grité: "Bueno, Babbage, ¿qué estás soñando?" A lo que respondí: "Yo estoy pensando que todos estos cuadros pueden ser calculados por la maquinaria."

Charles Babbage

Podemos decir lo más conveniente posible que la máquina analítica teje patrones algebraicos así como el telar de Jacquard teje flores y hojas.

Señora Lovelace

La Máquina Diferencial

En 1821 Charles Babbage escribió un documento titulado "Observaciones sobre la Aplicación de Maquinaria para el cálculo de tablas matemáticas." 15 Sus ideas fueron bien recibidos, y fue galardonado con la primera medalla de oro de la Sociedad Astronómica Británica, que esperaba usarla tecnología Babbage había propuesto para calcular tablas astronómicas. 16 Con fondos de la RoyalSociety y el gobierno británico, Babbage intentó construir su ambicioso Máquina Diferencial. Él trabajó en el proyecto hasta el punto de agotamiento, casi nunca de ver a sus hijos. La complejidad de la máquina estaba en el borde de lo que era técnicamente factible, y se agota Babbage de los recursos financieros y la capacidad de organización. Él terminó en una disputa sobre la propiedad con el gobierno británico, tuvo problemas para conseguir las piezas de precisión inusuales fabricados, y vio a su jefe de bomberos ingeniero todos sus obreros y salga de sí mismo. Él también estuvo plagado de tragedias personales, incluyendo la muerte de su padre, su esposa y dos de sus hijos. 17

La máquina analítica

Con el motor de diferencia aún no se ha completado, Babbage fue inspirado por lo que él consideraba como otro gran avance mental. En lugar de una máquina que sólo podía realizar cálculos específicos, concibió de lo que llamó la máquina analítica, lo que podría ser programado

para resolver cualquier posible problema lógico o informático. 18La máquina analítica, aunque basado enteramente en la tecnología mecánica del siglo XIX , fue una notable anticipación de la computadora moderna.

Tenía una memoria de acceso aleatorio que consiste en 1000 "palabras" de 50 dígitos decimales cada uno. En la terminología de hoy, esto es equivalente a alrededor de 175 000 bits. Un número podría ser recuperado desde cualquier lugar, modifica, y se almacena en cualquier otro lugar. Había un lector de tarjetas perforadas inspirado en el Jacquard telares, los telares automáticos controlados por tarjetas de metal perforadas, que utilizaban un mecanismo similar. 19 diseño de futuro de Babbage también incluyeron una impresora, a pesar de que sería otros 50 años antes de que cualquiera de composición tipográfica máquinas o máquinas de escribir eran por inventar.Tenía un "molino" aritmética (término de Babbage), con registros que podrían llevar a cabo una variedad de operaciones lógicas y aritméticas similar a la unidad central de procesamiento de una computadora moderna. Lo más importante, tenía una unidad de almacenamiento especial para las instrucciones, oprograma, con un lenguaje de máquina muy similares a las de los ordenadores de hoy en día. Un campo decimal especifica el tipo de operación, y la otra especifica la dirección en la memoria del operando. Babbage reconoció la importancia crítica de la instrucción "condicional salto" y dispuso que esta capacidad. 20

Lady Ada Lovelace

Aunque Babbage era un hombre solitario obsesionado con su visión de un ordenador programable, desarrolló una relación con la bella Ada Lovelace, la única hija legítima de Lord Byron, el poeta. Ella llegó a ser tan obsesionado como Babbage con el proyecto y aportó muchas de las ideas para la programación de la máquina, incluyendo la invención del bucle de programación y la subrutina. 21

Aunque Babbage estaba demasiado ocupado para comunicar sus ideas al resto del mundo, le permitió a un asociado, LP Menabrea (1809-1896), para describir la máquina y sus principios. Lovelace tradujo el artículo de Menabrea del francés al Inglés y en sus notas añadidas (que eran más largo que el original en papel) extendió las ideas de Babbage. Ella contenida en esta memoria un amplio debate sobre las técnicas de programación, programas de ejemplo, y el potencial de esta tecnología para emular las actividades humanas inteligentes. 22 Ella describe las especulaciones de Babbage y ella misma sobre la capacidad de la máquina analítica y las máquinas como a jugar al ajedrez y componer música. Finalmente se concluye que, aunque los cálculos de la Máquina Analítica no podían ser considerados correctamente como "pensamiento", que podrían, no obstante, realizar actividades que de otro modo requerirían la aplicación extensiva del pensamiento humano. 23

Ada Lovelace es considerada como la primera programadora de computadoras del mundo y ha sido honrado por el Departamento de Defensa de Estados Unidos, que nombró a su lenguaje de programación principal, Ada, tras ella.Ella tuvo una muerte dolorosa por cáncer a la edad de 36, dejando a Babbage solo de nuevo para continuar su búsqueda.

Los mecánicos necesarios para su máquina eran tan complejo que requiere Babbage para hacer avances significativos en el oficio de maquinista. A pesar de sus ingeniosas construcciones y esfuerzo exhaustivo, fueron alguna vez completado ni el motor de diferencia ni la Máquina Analítica. Cerca del final de su vida él comentó que nunca había tenido un día feliz en su vida. Sólo unos pocos dolientes se registraron en el funeral de Babbage en 1871. 24

Es posible que si Babbage había tenido el patrocinio más entusiasta durante su vida, sus esfuerzos pueden haber dado sus frutos, pero la máquina analítica es generalmente considerado como habiendo sido fuera del alcance de la ingeniería del siglo XIX a realizar. JW Mauchly (1907-1980)

ha comentado que Babbage podría haber tenido éxito si hubiera estado dispuesto a "congelar" su diseño, pero sus continuos intentos de mejorarlo condenado el proyecto. Conceptos de Babbage se aplicarían setenta años después, cuando se completó la primera computadora programable de América, la Mark I, en 1944 por Howard Aiken (1900-1973) de la Universidad de Harvard e IBM, con una arquitectura muy similar a la de Babbage. 25 Babbage era un hombre claramente por delante de su tiempo. A pesar de su fracaso para completar la implementación de su máquina, sus conceptos de un programa almacenado, código auto-modificable, memoria direccionable, ramificación condicional, y la programación de computadoras en sí todavía forman la base de las computadoras de hoy.

El camino práctico

Este aparato funciona infaliblemente como los molinos de los dioses, pero supera a hueco como la velocidad.

El ingeniero eléctrico en una revisión de la tabulación de la máquina de Hollerith

¿Qué es un equipo?

Yo definiría un ordenador como una máquina capaz de realizar de forma automática (es decir, sin intervención humana) secuencias de cálculos, y de elegir entre secuencias alternas de cálculos basados en los resultados de los cálculos anteriores. La descripción de la secuencia de cálculos a realizar, que incluye todos los caminos alternativos y los criterios para elegir entre ellos, se llama unprograma. Un ordenador de propósito general es programable o una en la que podemos cambiar el programa. Un ordenador de propósito especial es aquella en la que el programa está integrado en e inmutable. Una calculadora se distingue de un ordenador por su incapacidad para realizar más de una (o posiblemente un par de cálculos) para cada intervención humana y su incapacidad para tomardecisiones para elegir entre varios caminos de la computación. Con la llegada de las calculadoras programables de hoy, la distinción entre las calculadoras y las computadoras se ha vuelto borrosa. La distinción fue lo suficientemente claro en la década de 1940: las calculadoras eran generalmente capaz de un solo cálculo para cada número introducido manualmente. Máquinas de tabulación, tales como clasificadores, eran capaces de múltiples cálculos (de un cierto tipo limitado), pero no fueron capaces de alterar la secuencia de cálculos basados en los resultados anteriores. 26 Nota que estas definiciones no dicen nada acerca de la tecnología subyacente, que, en menos en teoría, podrían ser mecánicos, electrónicos, ópticos, hidráulicos, o incluso de carne y hueso. De hecho, la era de la computación práctica comenzó no con la electrónica, pero con autómatas mecánicos y electromecánicos.

La era de las máquinas calculadoras

La expansión económica de finales del siglo XIX, que fue posible por las innovaciones en la industria manufacturera y el transporte, creó una demanda para el cálculo eficiente y precisa de los números. El mismo proceso laborioso y propenso a errores de cálculo humano que originalmente motivó Babbage estaba amenazando con bloquear un mayor progreso económico y científico. Las demandas de los datos del censo estaban creciendo más compleja y un interés creciente en la investigación social proporcionan motivaciones adicionales para toda una generación de inventores. 27

Sin embargo, la producción de una calculadora mecánica realmente fiable ha demostrado ser una tarea desalentadora. Se crearon muchos dispositivos ingeniosos, pero al igual que la Pascaline y escaleras Calculador de siglos anteriores de Leibniz, la mayoría estaban plagados de problemas graves de precisión y fiabilidad. 28 Uno de los inventores que venden calculadoras fiables fue William Burroughs (1857-1898). Su primera producción de cincuenta Adición y Mostrando máquinas se agotó rápidamente, pero todo tuvo que ser retirado debido a un rendimiento

inconsistente. 29 Burroughs persistió, sin embargo, y después de años de trabajo agotador, la primera calculadora de clave impulsada confiable del mundo fue lanzado al mercado . La máquina había empezado a recibir una aceptación generalizada en el momento de la muerte del inventor de latuberculosis en 1898. 30 Mientras que la máquina de Burroughs fue sustancialmente más simple queBabbage, y no programable, la perfección del cálculo mecánico logrado a principios del siglo XX en la transformación de la conducta de los negocios, el gobierno, y la investigación científica.

La era de las máquinas de tabulación

La toma del censo nacional cada diez años es requerido por la Constitución de los EE.UU., y en 1890 la Oficina del Censo se encontraba en una crisis. El censo de 1880 se había completado sólo un par de años antes. La población había florecido de una nueva ola de inmigración europea, y los compromisos se habían hecho al Congreso para proporcionar amplios nuevos tipos de información acerca de la población. Parecía como si el censo de 1890 todavía estaría en pleno apogeo cuando sería el momento de empezar de nuevo en 1900. 31

Para abordar el problema, se convocó un concurso. Entre las muchas ideas innovadoras para la tabulación manual de los esquemas más eficientes estaban usando tarjetas multicolores y virutas de papel codificadas. Sin embargo, ningún método manual prevaleció. El ganador fue Herman Hollerith (1860-1929), un joven ingeniero de la Oficina del Censo. 32 Inspirado por una sugerencia fuera de la mano de su supervisor y de los préstamos de la idea de utilizar los agujeros perforados en tarjetas para representar la información de la Máquina Analítica de Babbage y el telar de Joseph -Marie Jacquard (1754-1834), Hollerith fue capaz de demostrar una solución por lo menos ocho veces más rápido que los otros finalistas de la competencia. 33 La clave del avance de Hollerith era una tarjeta de papel muy similar a las tarjetas perforadas modernos. Al igual que con tarjetas de ordenador modernos, una esquina se recorta de manera que la orientación de la tarjeta se podría determinar de forma rápida. Cada tarjeta contenía 288 ubicaciones para posibles agujeros para representar hasta 288 bits de información. 34 El equipo incluye una máquina perforadora para la codificación de la información y un lector de tarjetas de llamada prensa pin.Este último consistió en288 varillas de resorte, cada uno de lo que haría contacto con un pequeño recipiente con mercurio para completar un circuito eléctrico cuando se perforó el agujero correspondiente. La máquina previsto varios contadores y circuitos lógicos que podrían responder a los patrones relativamente complicados de información. El equipo resultó ser relativamente rápido y fiable:. Tarjetas pueden ser pasados a través a una velocidad superior a uno por segundo 35

El censo de 1890 representó la primera vez que la electricidad se utiliza para un gran proyecto de procesamiento de datos. La tarjeta perforada sí sobrevivió como uno de los pilares de la informáticahasta hace muy poco. En vista de la magnitud del proyecto, la innovación de Hollerith fue implementado con muy pocos problemas. A pesar de un aumento del 25 por ciento de la población del censo de 1880 (63 millones de personas) y un aumento dramático en la complejidad del análisis proporcionado, electromecánico máquina de información de Hollerith hizo el trabajo en sólo dos años y medio, menos de un tercio de la tiempo necesario para que el censo anterior. 36

Con el éxito del censo de 1890 en la mano, Hollerith fundó la Compañía de Máquinas tabulación en1896. 37 El negocio creció rápidamente, con los tabuladores que se utilizan para una variedad de aplicaciones de negocio, análisis de censo en numerosos países europeos, e incluso para la de Rusia primero censo en 1897. 38 Para el 1900 del Censo de EE.UU., Hollerith introdujo otra innovación, una alimentación automática de tarjetas. 39 Esto resultó ser el último contrato de Hollerith con la Oficina del Censo. Surgió una controversia sobre los gastos de alquiler, y para el censo de 1910, la Oficina del Censo, una vez más patrocinó un proyecto interno para desarrollar una tecnología alternativa. El resultado fue mejorado equipo de tabulación y otra empresa comercial denominada

Machine Company Accounting Powers. 40

Las dos preocupaciones se convirtieron en feroces competidores, una competición que se prolongó hasta bien entrada la era moderna. La compañía de Hollerith, el Machine Company tabulación, adquirió varias otras empresas en 1911 para formar la Computing-Tabulating-Recording Company (CTR). 41 En 1914, ofreciendo un salario de $ 25,000 y una opción sobre acciones de 1.220 acciones, CTR contrató a un cuarenta años de edad, ejecutivo llamado Thomas J. Watson (1874-1956), que había construido una sólida reputación de las estrategias de marketing agresivas en National Cash Register. 42 Después de sólo tres meses Watson fue nombrado presidente, y durante los próximos seis años, los ingresos de la empresa más de triplicado de $ 4 millones a $ 14 millones. En 1924 Watson fue nombrado consejero delegado, y le cambió el nombre a la empresa International Business Machines (IBM), un reflejo de la ambición y la confianza de Watson. 43

The Machine Company Accounting Poderes también pasó por una serie de fusiones en 1927 para convertirse en Remington Rand Corporation, que se fusionó con Sperry Gyroscope para convertirse en Sperry-Rand Corporation en 1955. Sperry-Rand fue una de las principales competidores de IBM cuando las computadoras realmente despegó a finales de 1950. 44

Las raíces mecánicas de cómputo

Como hemos visto, el cálculo automático no empezó con la computadora electrónica. La arquitectura de la computadora moderna, así como algunos de los principales actores del sector de la informática de hoy en día, tienen sus raíces en los autómatas mecánicos y electromecánicos de finales del siglo XIX. El diseño y la teoría computacional inherente a la computadora programable no realizada de Babbage proporcionado la inspiración para las primeras computadoras programables realizadas, las del siglo XX (aunque no el primero). Las ideas de Babbage fueron concebidas en términos de tecnología mecánica y sólo se dieron cuenta de que la tecnología electromecánica y más tarde totalmente electrónico se perfeccionó durante la Segunda Guerra Mundial. Howard Aiken, el desarrollador de la primera computadora programable de América, comentó: "Si Babbage había vivió setenta y cinco años después, hubiera estado fuera de un trabajo." 45 La propia industria de la computación también fue concebido en una era de tecnología en gran parte mecánica . Tenía que esperar a que la electrónica moderna para proporcionar la relación precio-rendimiento necesario para que florezca. Es interesante notar que Sperry Rand, la compañía de introducir la primera computadora comercial, así como IBM, líder de la industria moderna y una de las mayores empresas industriales del mundo, eran las dos spin-offs de la Oficina del Censo de EE.UU.. 46


Capítulo 6: Raíces electrónicos


Autor:

Ray Kurzweil

El primer ordenador

El avión alemán es el mejor del mundo. No puedo ver lo que posiblemente podríamos calcular que mejorar.


Un oficial alemán Konrad Zuse explicándoles por qué el Tercer Reich no proporcionaría un mayor apoyo para el desarrollo de la serie Z de Zuse de computadoras

No voy a decir que lo que Turing se nos hizo ganar la guerra, pero me atrevo a decir que podríamos haber perdido sin él.

IJ Bueno, asistente de Turing

Recuerdo que cuando llegamos por primera vez impulsos que circulan más bien precaria. Cada vez que nos cambiamos a la luz de la habitación, otro pulso entró yque era la única entrada que de hecho tuvimos. Luego, más tarde hicimos un trabajo semisumador y vimos nuestros pulsos binarios contando en una pantalla de osciloscopio. Entonces nos dieron el trabajo acumulador y luego toda la unidadaritmética, y así sucesivamente.

Éramos un grupo pequeño, informal en aquellos días, y cada vez que teníamos algo que celebrar, es aplazado hasta el pub local. Fue un conocido pub de generaciones de trabajadores en los laboratorios de la Universidad de Cambridge. Era conocida como la tienda de Bun, aunque creo que estaría muy sorprendido de hecho si se trató de comprar un pan de allí.

Tuvimos una celebración especial el 6 de mayo de 1949, cuando el EDSAC hizo su primer cálculo, que era una tabla de cuadrados, y unos días más tarde, hicimos una tabla de números primos.

Sam Alexander me ha recordado sobre el primer programa importante que escribí que era para el cálculo de funciones de Airy resolviendo la ecuación diferencial deAiry, y en relación con esto, hice un descubrimiento.Descubrí depuración. Ahora es probable que no me cree, y yo no sé si mis colegas en torno a esta mesa tenía la misma experiencia, pero simplemente no se me había ocurrido que no iba a haber ninguna dificultad en conseguir programas de trabajo. Y lo hizo con un poco de unchoque que me di cuenta de que para el resto de mi vida que me iba a pasar una buena parte de mi tiempo para encontrar errores que yo había hecho a mí mismo en los programas.

Maurice V. Wilkes

A diferencia de las demás invenciones que hicieron época como el teléfono o la bombilla eléctrica, la mayoría de la gente no puede recitar quién inventó la computadora digital. Una de las razones es que quien inventó la computadora es una cuestión de cómo se defina "computadora". Otra es que la mayoría de las definiciones aceptadas las primeras computadoras que funcionan se desarrollaron de forma independiente y casi al mismo tiempo en tres países diferentes, uno de los cuales fue a la guerra con los otros dos.

Está claro, sin embargo, que durante la Segunda Guerra Mundial, el equipo era una idea cuyo tiempo ha llegado.Los fundamentos teóricos se habían establecido décadas antes por Babbage, Boole, Russell y otros, y muchos de los principios de diseño han sido elaborados por Babbage, Burroughs, Hollerith, y sus compañeros. 1 Con la llegada de los relés electromecánicos fiables para las telecomunicaciones y la electrónica ( vacío) tubos para la comunicación por radio, los bloques de construcción para un equipo práctico habían por fin esté disponible.

Las máquinas Z alemanes

Parece que el primer ordenador digital totalmente programable del mundo fue inventado en Alemania durante el Tercer Reich por un ingeniero civil llamado Konrad Zuse. 2 motivación original de Zuse era automatizar lo que más tarde llamó los "cálculos terribles" requeridas de los ingenieros civiles. 3 Vio el cuello de botella computacional como traer a su campo de la tecnología aplicada a una virtual paralización. Con poca base teórica (Zuse no tenía conocimiento de la obra deBabbage y otros acontecimientos que influyeron en la historia precomputer) y una gran habilidad como experimentador, Zuse se dispuso a aliviar la difícil tarea de calcular las enormes tablas de números requeridos para los proyectos de ingeniería civil .

Su primer dispositivo, el Z-1 (los nombres de los inventos de Zuse utilizados originalmente la letra V, pero esta tarde se cambió a fin de no causar confusión entre sus máquinas y las bombas cohete alemanes), era una calculadora totalmente mecánico construido a partir de un montador establecido en el salón de sus padres. El Z-2 era una máquina más sofisticada utilizando relés electromecánicos,y aunque no programable, que era capaz de resolver ecuaciones simultáneas complejas. El Z-2 atrajo la atención de los desarrolladores de aviones militares, y Zuse recibió cierto nivel de apoyo para un mayor desarrollo, aunque esto era informal y no en un nivel alto.

Invención más significativa de Zuse es el Z-3, la primera computadora digital programable del mundo, terminado a finales de 1941. Tenía una memoria de 1408 bits de organizados como 64 palabras de 22 bits cada uno. Además de 1.408 relés de apoyo a la memoria de acceso aleatorio, utilizó otros 1.200 relés para la unidad central de procesamiento. Al igual que con todos los equiposbasados en relés, era bastante lento: una multiplicación tomó más de 3 segundos.

Además de su importancia como un ordenador controlado por programa en pleno funcionamiento, se empleó una serie de otras innovaciones. Zuse reinventó notación polaca inversa, un método de expresión de cualquier fórmula sin importar su complejidad por sucesivos pares de números y operadores, desarrollado originalmente dos décadas antes por el matemático polaco Jan Lukasiewicz. 4 También introdujo los números de punto flotante, una forma de notación que puede representar una amplia gama de magnitudes. Zuse pasó a desarrollar en el año 1945 el primer lenguaje de alto nivel, denominado Plankalkül, que prefiguraba los lenguajes de programación modernos como C en la falta de una declaración GOTO y metodología estructurada. La primera programadora de la Z-3, y por lo tanto la primera programadora del mundo de un operativo de ordenador programable, era agosto Fast, un hombre elegido por Zuse tanto por su talento como matemático y su ceguera. Zuse aparentemente razonó que ser ciego, Fast no sería llamado para el servicio militar!

Una variación de Zuse de Z-3 fue aparentemente utilizado por los alemanes en el diseño y fabricación de una de las bombas voladoras de los nazis, el HS-293 , aunque Zuse lo ha negado. 5 Después de la guerra la inteligencia británica clasifica Zuse como un "ferviente nazi ", que él no ha negado de manera convincente. 6 Tal vez lo más interesante de las computadoras Zuse es la poca importancia que se les da por la máquina de guerra nazi. El ejército alemán dio inmensamente alta prioridad a varias tecnologías avanzadas, como los cohetes y armas atómicas, sinembargo, parecen haber puesto ninguna prioridad en absoluto en las computadoras. Mientras Zuse recibió cierto apoyo incidental y sus máquinas desempeñó un papel militar menor, hubo poco o ningún conocimiento de computación y su importancia militar por el liderazgo alemán. El potencial para el uso de computadoras para una amplia gama de cálculos militares de conspirar trayectorias de misiles y diseños de armas para descifrar mensajes de inteligencia parece haber escapado a la atención nazi, a pesar de que la tecnología fue desarrollada por primera vez bajo su égida. 7 La motivación para el desarrollo del mundo de primera computadora programable provino principalmente de propio enfoque intenso de Zuse como inventor. 8

Tampoco nadie en otros países prestan mucha atención a la obra de Zuse. Crédito para el primer ordenador programable del mundo se da a menudo a Howard Aiken, a pesar del hecho de que su marca no estaba operativo hasta casi tres años después de la Z-3. Dado que la industria de la computación ha desarrollado en gran medida en los Estados Unidos después de la guerra, se podría esperar vacilación para reconocer a un alemán, un nazi acusado, como el inventor de la computadora programable. Por otro lado, el orgullo aliada no se detuvo a Estados Unidos de aprovechar alemán know-how en el desarrollo del cohete, las armas nucleares o la energía atómica.Zuse, por otro lado, fue ignorado por los estadounidenses, tal como lo había sido por los alemanes: IBM y Remington Rand rechazaron las ofertas de los derechos de asistencia y tecnología de Zuse después de la guerra.Él comenzó su propia compañía en Alemania, que continuó construyendo máquinas de la serie Z basado en relés, aunque nunca en grandes cantidades. El pasado, se sigue utilizando el Z-11. 9

Ultra

A diferencia de los alemanes, los británicos reconoció el valor militar de cálculo automático, por lo menos para la desencriptación de mensajes de inteligencia. Tal como se relata anteriormente, la capacidad de las máquinas construidas por Alan Turing y sus asociados para proporcionar un flujo constante de mensajes militares alemanes decodificados fue instrumental en cambiar el curso de la guerra. La magnitud del esfuerzo, el nombre clave de Ultra, que consta de cerca de 10.000 hombres y mujeres, es un testimonio de la prioridad estratégica dada a las computadoras por los británicos durante la guerra. 10 Ultra creado dos series de máquinas. Robinson, terminado a principios de 1940y se basa en la tecnología de relés electromecánicos, era lo suficientemente potente como para decodificar los mensajes de la primera generación de la máquina Enigma de mensajes cifrados de los alemanes.Fue Robinson, completó a principios de 1940, la primera computadora operativo del mundo?

De acuerdo con nuestra definición, Robinson fue una computadora, aunque no es un programable uno: tenía un solo programa cableada. Podemos considerar, por lo tanto, ser el primero equipo operativo del mundo. Cuando los alemanes aumentó la complejidad de su máquina Enigma agregando rotores codificantes adicionales, Robinson ya no era lo suficientemente rápido, y el equipo de Ultra se propuso construir una computadora usando tubos electrónicos, que eran cien a mil veces más rápido que los relés utilizados en Robinson. La nueva máquina, llamada Colossus, requiere 1.500 tubos, un desafío técnico importante en vista del corto período de vida y la falta de fiabilidad de los tubos de vacío. 11 Colossus trabajó con fiabilidad, sin embargo, y fue capaz de mantenerse al día con la creciente complejidad de los mensajes alemanes. El grupo Ultra considera Colossus para ser el primero en el mundo electrónico de la computadora, sin estar al corriente de losesfuerzos anteriores de John Atanasoff, un inventor estadounidense oscuro.

Los estadounidenses

Trabajando desde hace cinco años, un equipo de científicos de Harvard e IBM liderado por Howard Aiken, un comandante de la armada, terminado en 1944 lo que pensaban que era la primera computadora programable del mundo. 12 Muchos aún consideran que su creación, la Mark I, el primero de uso general equipo, a pesar de Zuse de haber construido una máquina de este tipo, todavía incómodo, pero tres años antes. Los americanos eran obviamente conscientes de Zuse (como ya hemos visto, los alemanes eran apenas consciente de él), y eran sólo vagamente consciente de los esfuerzos británicos. El alto mando estadounidense sabía que los británicos estaban usando los equipos electromecánicos y electrónicos para decodificar mensajes alemanes, pero no tenía los detalles del proceso. Turing visitado los Estados Unidos en 1942 y, al parecer hablado con John von Neumann (1903-1957), un matemático, pero tuvo poco impacto en el desarrollo de América del equipo hasta después de la guerra, y en ese momento se produjo un amplio debate American-Inglés en el tema de la computación. 13 El nombre formal de la Mark I, la

Calculadora de IBM automática de secuencia controlada, es una reminiscencia de los nombres originales de otros inventos cruciales, tales como "teléfono móvil" para la radio y "carruaje sin caballos" para el automóvil. 14

La Marina de los Estados Unidos hizo Aiken a disposición del proyecto Mark I, cuando se dieron cuenta del valor potencial de una calculadora automática a una amplia gama de problemas militares. Al darse cuenta del valor comercial potencial de la máquina, IBM proporciona prácticamente la totalidad de los fondos, $ 500,000. La motivación de Harvard era transformar la máquina de tabulación en un dispositivo que podría realizar cálculos científicos. La máquina resultante fue enorme: unos quince metros de largo y ocho metros de altura. Se llama cariñosamente"el monstruo" por uno de sus primeros programadores, el capitán de navío Grace Murray Hopper. 15

La máquina utiliza la notación decimal y los números con 23 dígitos representados. Los datos de entrada se leen de tarjetas perforadas, y la salida terminó rechazado ya sea en tarjetas o mecanografiadas. El programa fue leído en la cinta de papel perforada y no se almacena sino que ejecuta como leídos.

Grace Murray Hopper a veces se ha llamado el Ada Lovelace del Mark I. Así como Ada Lovelace fue pionero en la programación de la máquina analítica de Charles Babbage (a pesar del hecho de que la máquina analítica nunca funcionó), Capitán Hopper fue la fuerza motriz para aprovechar el poder de la asignación Mark I. El de la Armada y de haber perdido a su marido en la guerra, se dedicó la mayor parte de sus horas de vigilia a la programación de la Mark I y sus sucesores, la Mark II y Mark III. Ella fue uno de los primeros en reconocer el valor de las bibliotecas de subrutinas, se le atribuye haber escrito el primer compilador de lenguaje de alto nivel, y lideró el esfuerzo para desarrollar el lenguaje Common Business-Oriented (COBOL), el primer idioma no identificado con un fabricante en particular. 16 También se asocia con el origen del término "depuración". Un problema con el Mark I fue fijado mediante la eliminación de una polilla que había muerto en el interior de uno de sus relevos. "A partir de entonces", recuerda, "cuando algo salió mal con el ordenador, le dijo que tenía bichos en ella. Si alguien le preguntaba si estábamos logrando nada, nos contestó que éramos 'depuración'. " 17

El Mark I suscitó gran interés en muchos sectores, pero una severa limitación pronto se hizo evidente. Con su tecnología de relés electromecánicos, que era capaz de sólo unos pocos cálculos cada segundo. La única verdadera solución era construir un ordenador programable, sin partes móviles, que se lleva a cabo cuando dos profesores de la Universidad de Moore Escuela de Ingeniería Eléctrica de Pensilvania, J. Presper Eckert, Jr. (nacido en 1902) y John W. Mauchly (1907 -1980), el trabajo completado en su famoso ENIAC (Electronic Numerical Integrator y ordenador), en 1946. Usando 18.000 tubos de vacío (12 veces más que Coloso, que había sido considerado ambicioso sólo cinco años antes!), Era capaz de 5000 cálculos por segundo, por lo que es casi mil veces más rápido que Mark I. cobertura de prensa Temprana de Aiken incluyó informes del que Realiza ENIAC en cuestión de horas lo que habría requerido de un año para un centenar de científicos. Fue a partir de estos informes que términos como "super cerebro" y "genio electrónico" primero llegó a ser asociado con las computadoras.Concebido en 1943, el ENIAC fue pensado originalmente para aplicaciones militares, sin embargo, no fue terminado a tiempo para servir en la Segunda Guerra Mundial. En última instancia, sirve una amplia variedad de fines tanto militares como civiles, incluidos los estudios de física, el diseño de las armas atómicas, análisis numérico, la predicción del tiempo, y el diseño de productos. 18

ENIAC era indudablemente primero de uso general (programable) ordenador digital totalmente electrónico del mundo, a pesar de esta afirmación, así como la validez de las patentes de ENIAC, fue cuestionada en 1973 por John V. Atanasoff (n. 1903), profesor de la Universidad del Estado de Iowa. Juez Earl Larson falló a favor de Atanasoff, afirmando que "Eckert y Mauchly no inventaron

la computadora digital electrónica automática, sino que derivan del tema de Atanasoff." 19 El trabajo con un estudiante de postgrado a tiempo parcial Clifford Berry, Atanasoff, efectivamente construir una computadora electrónica, llamada ABC (por Atanasoff-Berry Computer), en 1940. 20 A pesar de que un dispositivo relativamente poco sofisticado, con sólo 800 tubos, se podríacalcular ecuaciones lineales simultáneas utilizando representaciones binarias de las variables. Se puso de manifiesto durante el juicio que Mauchly visitó a Atanasoff mientras que el ENIAC se estaba diseñando. El juez, sin embargo, entendió mal el rasgo distintivo y la pretensión principal de la ENIAC, que era su capacidad de ser programada ABC-Atanasoff no era programable. Afortunadamente, a pesar de la conclusión del tribunal, el crédito para la construcciónde la primera computadora programable que era a la vez y electrónicos sigue correctamente que debe darse a Eckert y Mauchly. Este es un buen ejemplo de los desafíos que enfrentan los tribunalesal resolver problemas con el contenido técnico sustancial, sobre todo en momentos en que los problemas aún no han sido plenamente comprendido por la comunidad técnica.

El ENIAC representó la primera vez que el público quedó fascinado con el potencial de las máquinas para llevar a cabo las funciones mentales a velocidades "sorprendentes". Aunque muchas de las computadoras de hoy en día son miles de veces más rápido que el ENIAC (y nuestros superordenadores más rápidos son casi un millón de veces más rápido), el problema de la velocidad exhibida por la marca me parecía haber sido resuelto por el ENIAC.Sin embargo, esto llevó a otro cuello de botella. Carga de un programa en la ENIAC implicó la colocación de 6.000 interruptores yconectar cientos de cables. El tedio increíble necesario para cambiar el programa dio a luz a un nuevo concepto llamado el programa almacenado y para una arquitectura que las computadoras siguen utilizando en la actualidad. 21 El concepto de programa almacenado se asocia generalmente con el gran matemático húngaro-estadounidense John von Neumann, y todavía referirse a un ordenador con una única unidad central de procesamiento (el motor de cálculo primaria de un ordenador) para acceder a su programa de la misma memoria (o del mismo tipo de memoria) que contiene los datos para ser manipulado como una máquina de von Neumann.Aunque el primer documento moderno sobre el tema, publicado en 1946, lleva sólo el nombre de von Neumann, la idea no era sólo suya. Está claro que el resultado de las discusiones que von Neumann tuvo con Eckert y Mauchly tanto. De hecho, la primera referencia al concepto de programa almacenado se puede encontrar en los escritos de Babbage, un siglo antes, aunque su máquina analítica no empleó la idea.

La idea de un programa almacenado es aparentemente simple: el programa se almacena en la memoria de la máquina de la misma manera que los datos se almacenan. 22 De este modo el programa se puede cambiar tan fácilmente como la lectura en los nuevos datos. De hecho, las primeras computadoras de programas almacenados leer en sus programas desde los mismos lectoresde tarjetas perforadas utilizadas para leer los datos. Un programa almacenado es más que una conveniencia, es compatible con ciertos tipos de métodos algorítmicos que de otro modo sería imposible, como el uso de subrutinas, código auto-modificable y recursividad, todos los cuales son capacidades esenciales para la programación de la mayoría de las aplicaciones de la IA. Es difícil imaginar a escribir un programa de ajedrez, por ejemplo, que no hace uso de la recursividad.

La máquina de Von Neumann y el programa almacenado.

Eckert y Mauchly se dispuso a poner en práctica el concepto de programa almacenado en un ordenador para ser llamado EDVAC (Electronic Discrete Variable Automatic Computer) cuando aúnestaban en la Escuela Moore.Posteriormente dejaron Moore para iniciar su propia compañía, el Eckert-Mauchly Computer Corporation, y la finalización de EDVAC fue dejado a los demás. Esto retrasó el proyecto, y no fue sino hasta 1951 que el EDVAC fue terminado. Como resultado, aunqueel EDVAC fue el primer ordenador diseñado para incorporar la capacidad de programa almacenado,no fue el primero en ser completada. Eckert y Mauchly nueva compañía sacaron BINAC (Binary Automatic Computer) en 1949. BINAC no era la computadora con programa almacenado primera del mundo, tampoco. Maurice Wilkes, profesor de la Universidad de Oxford, había tomado un cursoen equipos con Eckert y Mauchly mientras aún estaban enseñando en la Escuela Moore. Al regresara Inglaterra después de la finalización del curso, se dedicó a construir su propio ordenador que incorpora el concepto de programa almacenado que había aprendido de Eckert y Mauchly curso. Máquina de Wilkes, llamado EDSAC (Electronic Delay Storage Automatic Computer), se completó un par de meses antes de BINAC, por lo que es la primera computadora de programa almacenado operativo del mundo. 23

La comercialización de cómputo

Después de construir sólo dos BINACs y sin el respaldo financiero suficiente para desarrollar comercialmente una nueva tecnología compleja, Eckert y Mauchly vendieron su empresa de Remington Rand en 1950. En 1951 un equipo llamado UNIVAC (Universal Automatic Computer), que Eckert y Mauchly había comenzado varios años antes, fue introducido como equipo electrónicocomercializados por primera vez en el mercado mundial. El primer cliente, muy apropiadamente, fue la Oficina del Censo de EE.UU., el censo de 1950 fue el primero en ser manejado por una computadora programable.

La leyenda cuenta que Remington-Rand realizó un estudio de mercado para su nuevo producto, lo que indica un potencial de mercado en todo el mundo por sólo 50 computadoras. Esta historia es difícil de confirmar, pero es cierto que la UNIVAC no fue un éxito comercial. IBM, sin embargo, llevó a la introducción de UNIVAC muy en serio, viéndolo como una amenaza a su posición dominante en el equipo de tabulación, y poco después se presentó la primera de su serie 700 de computadoras (la 701, 702, 704, y 705). La serie 700 se hizo tan popular que IBM se posicionó

rápidamente a dominar la industria aún incipiente. La serie 700 llevó a 1400 la serie de IBM (1401 y 1410) y 7000 (7030, 7040, 7070, 7074, 709T para transistores, 7090 y 7094), que se convirtió en estándares para grandes clientes corporativos e instalaciones científicas. Con la introducción de la serie IBM 360 en 1964, una arquitectura informática basada en palabras de 32 bits que sigue siendo la base para los mainframes de IBM, IBM consolidó su liderazgo en el sector de la informática y se convirtió en una de las corporaciones más grandes y rentables del mundo . 24

Primeros en Computadoras

Nombre InventorTerminado

Patrocinador

HardwareProgramable

Por programa almacenado

La primera ...

AnalyticalEngine

Babbage

Concebido en1835, nunca se completó

Originalmente el gov't británica aunque el apoyo fue retirado

Todo mecánica

Sí (tarjetas perforadas)

No

En primer ordenador programable que se haya diseñado.

RobinsonTuring et al.

Early 1940

Gov't británica

Relays No No

Primer equipo operativo (especial)

ABC (Atanasoff-Berry)

Atanasoff

1940

Iowa Consejo Estatal de Investigación

Tubos y capacitadores

No No

En primer ordenador electrónico (especial)

Z-3 (Zuse-3) ZuseLate 1941

Parcialmente patrocinado por el Instituto de Investigaciones Aeronáuticas alemán

Relays Sí No

En primer ordenador programable (en realidad construido)

ColosoTuring et al.

1943Gov't británica

Tubos No No

En primer ordenador electrónico Inglés

Mark I (IBM automática de secuenciacontrolada Calculator)

Aiken 1944 IBMEn su mayoría los relés

Sí (cinta perforada)

No

En primer ordenador programable Americana

ENIAC (Electronic Numerical Integrator y ordenador)

Eckert yMauchly

1946Ejército de EE.UU.

Tubos

Si (los cables y los interruptores de conexión)

No

En primer ordenador electrónico programable

EDSAC (Electronic

Wilkes (basado

Early 1949

Universidadde

Tubos para

Sí Sí Computadora con

Delay Storage Automatic Computer)

en la información de un curso impartido por Eckert yMauchly)

Cambridge

líneas de lógica, de retardo de mercurio para la memoria

programa almacenado Primera

BINAC (Binary Automatic Computer)

Eckert yMauchly

1949

Eckert-Mauchly Computer Corp.

Tubos Sí Sí

First American computadoracon programa almacenado

EDVAC (Electronic Discrete Variable Automatic Computer)

Iniciado por Eckert, Mauchlyy von Neumann, completado por otros enMoore School

1951Moore School

Tubos Sí Sí

Computadora con programa almacenado Concebida

UNIVAC I (Universal Automatic Computer)

Eckert yMauchly

1951Remington Rand

Tubos Sí Sí

En primer ordenador electrónico producido comercialmente

IBM 701

Nathaniel Rochester

1952 IBM Tubos Sí Sí

Primer equipo de éxito comercial

Acogiendo con satisfacción una nueva forma de inteligencia en la Tierra:

El Movimiento de AI

Desde Leibniz ha habido quizá ningún hombre que ha tenido el pleno dominio de toda la actividad intelectual de su día .... Hay campos de trabajo científico .... que se han explorado a partir de los diferentes lados de la matemática pura, estadística, ingeniería eléctrica y la neurofisiología, en el que cada noción individual recibe un nombre distinto de cada grupo, y en el que el trabajo importante se ha triplicado o cuadruplicado, al tiempo que otro trabajo importantese retrasa por la falta de disponibilidad en un campo de los resultados que ya pueden haberse clásica en el siguiente campo.

Norbert Wiener, Cibernética

Los seres humanos están bien. Estoy contento de ser uno. A mi me gustan en general, pero son sólo humanos .... Los seres humanos no son los mejores cavadores de zanjas en el mundo, las máquinas son. Y los humanos no pueden levantar tanto como una grúa .... Esto no me hace sentir mal. Había gente cuyos cosa en la vida era completamente físico-John Henry y el martillo de vapor. Ahora

nos enfrentamos al martillo de vapor intelectual .... Así que los intelectuales se ven amenazados, pero no tienen por qué ser .... La mera idea de que tenemos que ser elmejor en el universo es una especie de exagerado. Ciertamente no estamos físicamente.

Hay tres eventos de igual importancia .... Evento es la creación del universo. Es unevento bastante importante.Evento dos es la aparición de la vida. La vida es una especie de principio organizador que uno podría argumentar en contra si uno no entendían lo suficiente-no debe o no puede suceder por razones termodinámicas .... Y en tercer lugar, está el aspecto de la inteligencia artificial.

Edward Fredkin

Hay tres grandes cuestiones filosóficas. ¿Qué es la vida? ¿Qué es la conciencia y el pensamiento y la memoria y todo eso? Y, ¿cómo funciona el universo? El punto de vista de información abarca los tres .... Lo que estoy diciendo es que en el nivel más básico de la complejidad de un proceso de información se ejecuta lo que pensamos que es la física. A nivel mucho más alto de la vida complejidad, el ADN, ya sabes, las funciones-se bioquímicas controlado por un proceso de información digital. Luego, en otro nivel, nuestros procesos de pensamiento son, básicamente, el procesamiento de información ....

Me parece la evidencia de apoyo para mis creencias en diez mil lugares diferentes,y para mí es sólo totalmente serlo demasiado. Es como si hubiera un animal Quiero encontrar. He encontrado sus huellas. He encontrado sus excrementos. He encontrado la comida medio masticada. Me parece pedazos de su piel, y así sucesivamente. En todos los casos se ajusta a un tipo de animal, y que no es como cualquier animal de cualquier persona ha visto nunca. La gente dice: ¿Dónde está este animal? Digo, Bueno, él estaba aquí, él es así de grande, esto y lo otro. Y sé que miles de cosas acerca de él. Yo no lo tengo en la mano, pero sé que está ahí .... Lo que veo es tan convincente que no puede ser una criatura de mi imaginación.

Edward Fredkin, citado en ¿El Universo acaba de pasar por Robert Wright

Fredkin .... está hablando de una interesante característica de algunos programas informáticos, entre ellos muchos autómatas celulares: no hay atajos para averiguar lo que van a dar lugar a. Esto, de hecho, es una diferencia básica entre el enfoque "analítico" asociado con las matemáticas tradicionales, incluyendo ecuaciones diferenciales, y el enfoque de "computacional" asociado con algoritmos. Se puede predecir el estado futuro de un sistema susceptible a la aproximación analítica y sin averiguar lo que indica que ocupará desde ahora hasta entonces, pero en el caso de muchos autómatas celulares, tienes que ir a través de todos los estados intermedios para averiguar lo que al final será como: no hay manera de saber el futuro, excepto para observar cómo se desarrolla .... Nohay manera de saber la respuesta a alguna pregunta más rápido que lo que está pasando .... Fredkin cree que el universo es literalmente un ordenador y que está siendo utilizado por alguien, o algo, para resolver un problema. Suena como una broma good-news/bad-news: la buena noticia es que nuestras vidas tienen propósito, la mala noticia es que su propósito es ayudar a algún hacker estimaciónpi distancia para nueve jillion decimales.

Robert Wright, al comentar sobre la teoría de la física digital Fredkin

Con al menos una docena de inventores tener algún reclamo creíble para haber sido "primero" en el campo de la computación, se puede decir que el equipo no salió del sótano de un innovador solitario, sino más bien de un rico período de efervescencia intelectual en varios continentes dibujo sobre una diversidad de tradiciones intelectuales y alimentada por las exigencias de la guerra. Y si había una docena de padres de la computadora, había por lo menos un par de docenas de padres de la AI.

La idea de crear una nueva forma de inteligencia en la tierra emergió con una pasión intensa y muchas veces acrítica simultáneamente con el hardware electrónico en el que se debía basarse. La similitud de la lógica del ordenador para al menos algunos aspectos de nuestro proceso de pensamiento no pasó desapercibido para ninguno de los diseñadores de las primeras máquinas. Zuse, por ejemplo, aplica su serie Z de los ordenadores y el lenguaje Plankalkül al problema de ajedrez. Contribuciones de Turing a los fundamentos de la IA son amplios y bien conocida. 1950 artículo clásico de Turing "Computing Machinery and Intelligence" establece una agenda que de hecho ocupar el próximo cuarto de siglo de investigación: juego de juego, el lenguajenatural comprensión y traducción, demostración de teoremas, y por supuesto, el desciframiento de los códigos. 25 Incluso Nathaniel Rochester, el diseñador del primer equipo exitoso de IBM, el 701, pasó varios años desarrollando la tecnología de principios de AI, de hecho, fue uno de los principales en la Conferencia de Dartmouth de 1956, que dio a la inteligencia artificial de su nombre. 26

Tal vez el hombre extraño era John von Neumann, que se vio incapaz de imaginar que los tubos de vacío engorrosos y poco fiables que se utilizan para construir las primeras computadoras electrónicas podrían jamás competir con el cerebro humano. 27 A pesar de que el transistor se había inventado cuando von Neumann expresó su escepticismo, su aplicabilidad a la informática todavía no se había dado cuenta. Más importante que las limitaciones de hardware, sin embargo, fue la falta de esperanza, de acuerdo con von Neumann, de alguna descripción de las acciones humanas naturales y la toma de decisiones en el lenguaje preciso de las matemáticas.Hasta cierto punto, von Neumann pudo haber estado reaccionando a las expectativas poco realistas que se habían fijado en los medios populares de la época: las portadas de revistas predecían que los cerebros electrónicos sobrehumanos fueron a la vuelta de la esquina. Von Neumann hizo, sin embargo, muestran un considerable interés en la idea de expresar el conocimiento humano utilizando el formalismo de un lenguaje de programación. La profundidad de su resistencia a la idea de que al menos algunos de loscomportamientos que asociamos con la inteligencia natural en última instancia, podrían ser automatizadas es difícil de medir, von Neumann murió en 1957, poco antes de que fuera a dar una serie de conferencias en la Universidad de Yale en la probabilidad de la máquina inteligencia. 28

Cibernética: Un nuevo Weltanschauung

La aparición de la computadora, su aplicación anticipada a los problemas cognitivos, el desarrollo de los fundamentos teóricos de la computación, y la especulación relacionada sobre las implicaciones de esta nueva tecnología ha tenido un impacto profundo en los principios fundamentales de lo que podríamos llamar la visión científica del mundo. En la cibernética , el libroseminal de Norbert Wiener en teoría de la información, Wiener describe tres formas en que (y el suyo) perspectivas del mundo había cambiado para siempre. 29

Wiener, un prodigio que había estudiado con tanto Bertrand Russell y David Hilbert y recibió su Ph.D. la Universidad de Harvard a la edad de 18 años, había dominado una inusualmente amplia gama de campos intelectuales de la psicología y la neurofisiología de las matemáticas y la física. 30 Su libro estaba destinado a establecer como una nueva ciencia del campo de la cibernética,que define en su subtítulo como control y la comunicación en el animal y la máquina. En las secciones que están alternativamente dirigidas al lector no especializado y para sus colegas

matemáticos, Wiener expone sus tres premisas.

El primero es el cambio de energía a la información . Realidad Precybernetic consiste en partículas y los campos de energía que los controlan. En consecuencia, el viejo modelo de la vida estaba preocupado principalmente con la conversión de la energía en sus diversas formas bioquímicas y físicas. 31 Si la célula viva era un motor de calor a principios del siglo XX, se había convertido ahora en un pequeño ordenador. El nuevo modelo cibernético trata la información como la realidad fundamental de los seres vivos, así como en las cosas inteligentes, vivos o de otro modo. En este nuevo punto de vista, las operaciones más importantes que tienen lugar en una célula viva son las operaciones de procesamiento de información inherentes a la creación, la copia y la manipulación de las cadenas de aminoácidos que llamamos proteínas. La energía es necesaria para la transmisión y la manipulación de información en ambos animales y la máquina, pero esto se considera como incidental.

En los últimos tiempos, con circuitos de manejo de la información cada vez más pequeños y el uso de cantidades cada vez más pequeñas de energía, la energía se ha convertido de hecho relacionados con el proceso. El principal problema hoy en la medición de los sistemas de manejo de la información es la cantidad y la velocidad de sus capacidades de procesamiento de datos. Edward Fredkin ha demostrado recientemente que aunque la energía es necesaria para el almacenamiento y recuperación de información, podemos reducir arbitrariamente la energía necesaria para realizar cualquier ejemplo particular de procesamiento de información, y no hay límite inferior a la cantidadde energía requerida. 32 En teoría, al menos, la energía requerida para llevar a cabo el cálculo puedellegar a ser arbitrariamente cercano a cero. El argumento de Fredkin es significativo en el establecimiento de que el procesamiento de la información es fundamentalmente diferente de procesamiento de energía. Incluso sin argumento teórico de Fredkin, la energía requerida para el cálculo no es un tema importante hoy en día, aunque era un poco de un problema en los días de Wiener. 33 Se informó que las luces en Filadelfia haber atenuado cuando ENIAC, con sus tubos de vacío 18000, fue encendido, aunque esta historia es probablemente exagerada.

La disociación de la información y la energía también es importante desde el punto de vista económico. El valor de muchos productos hoy en día es cada vez más dominada por la computación. Como el cálculo sí se convierte en menos dependiente de las materias primas y la energía, estamos pasando de una economía basada en los recursos materiales y energéticos a una basada en la información y el conocimiento. 34

Un segundo aspecto de lo que Wiener vio como un cambio de época en la perspectiva científica se caracteriza por la tendencia a alejarse de analógico a digital de . 35 Wiener argumenta que la computación en última instancia tenía que ser "numérica. . . en lugar de sobre la base de la medición, como en el Bush analizador diferencial ". Cuando se calcula primero emergió, hubo una polémica entre lo analógico y la computación digital, con el analizador diferencial de Vannevar Bush (1890-1974), asesor científico del presidente Roosevelt, como un ejemplo muy conocido de laprimera. 36 En una computadora analógica, operaciones matemáticas se realizan sumando, restando,multiplicando o incluso de magnitudes eléctricas y luego medir la cantidad de voltaje o corriente después de que se realizan las operaciones. Un ejemplo muy sencillo es el termostato común. Mediante el uso de bucles de realimentación, fórmulas bastante complejos pueden ser representados, aunque la precisión está limitada por la resolución de los componentes analógicos. 37 En un ordenador digital o proceso, los números no son representados por cantidades de tensión o números actuales, sino más bien por el montaje de múltiples bits, donde cada bit puede ser el (generalmente representando a 1) o desactivado (generalmente representando a 0).Para muchos observadores de la época, no estaba claro qué tipo de dispositivo informático que se convertiría en dominante. Hoy en día por lo general, no encontramos la necesidad de utilizar la palabra "digital", antes de la palabra "equipo", ya que las computadoras analógicas ya no son

comunes, aunque con el tiempo de Wiener, se trataba de un modificador necesario. Wiener vio las limitaciones de la computación analógica tanto en términos de precisión y la complejidad de los algoritmos que se podrían implementar. Con un ordenador digital no hay límite teórico en cualquiera de exactitud o la complejidad computacional. 38

La tendencia de lo analógico a lo digital, que se acaba de empezar en los días de Wiener, continúa revolucionando un número cada vez mayor de las tecnologías e industrias. El disco compacto digital y cinta de audio digital están revolucionando la grabación de música. La tecnología digital está reemplazando el piano y otros instrumentos musicales acústicos y analógicos. Una nueva generación de aviones está siendo controlado por los mecanismos de control digital de alta precisiónque sustituyen los métodos analógicos y mecánicos. Teléfonos y copiadoras están convirtiendo en digital. Hay muchos otros ejemplos. 39

Sin embargo, la cuestión de si la naturaleza última de la realidad es analógica o digital sigue siendo un problema filosófico importante. A medida que nos adentramos cada vez más en procesos tanto naturales como artificiales, nos encontramos con la naturaleza del proceso a menudo se alterna entrelo analógico y representaciones digitales de información. Consideremos, por ejemplo, tres procesos relacionados con la escucha de una grabación en disco compacto: la reproducción del sonido de la grabación en disco compacto, la comprensión musical de la señal de audio por el oyente, y la naturaleza de las estructuras de datos en la música misma. 40

Consideremos en primer lugar el proceso de reproducción. La música se comunica al oyente por vibraciones del aire, que son claramente un fenómeno análogo. Las señales eléctricas enviadas al altavoz también son analógicos.Los circuitos de interpretación de los contenidos del disco compactoson, sin embargo, los circuitos digitales que está calculando los valores analógicos a reproducir como sonido. Los valores digitales calculados por los circuitos digitales se convierten en señales eléctricas analógicas por un dispositivo llamado un convertidor analógico-digital para. Por lo tanto, existe el sonido en una representación digital antes de ser convertida a analógica señales eléctricas para ser amplificadas, por lo que consideramos la tecnología del disco compacto a ser una tecnología digital. 41

Veamos ahora en estos circuitos digitales. Como en muchos productos electrónicos modernos, estos circuitos están empaquetados en pequeños circuitos integrados que contienen miles o decenas de miles de transistores cada uno. Es interesante observar que mientras que los circuitos son digitales, los transistores que los componen son dispositivos inherentemente analógicas. Los diseñadores de los propios transistores no consideran que el transistor sea un dispositivo digital, sino que son muy conscientes de su naturaleza intrínsecamente analógico. El transistor es analógica, ya que actúa como un pequeño amplificador eléctrico y trata con variables cantidades (continuos valorada) de corriente. 42 Ellos están "engañados" en la actuación digital (con valores de encendido o apagado) por thresholding (comparar valores a una constante ) sus-valorados continua características de otro modo analógico (). Pero un transistor no puede modelar un dispositivo digital perfectamente, sino que calcular el valor digital mal una pequeña fracción del tiempo. Esto no es un problema en la práctica. Usando la teoría muy información creada por Wiener y un asociado suyo, Claude Elwood Shannon, los diseñadores de circuitos digitales puede hacer que la probabilidad de que el transistor analógico funcionará mal en su papel digital, por lo bajo que pueden ignorar esencialmente esta posibilidad y por lo tanto considerar que el transistor ser un elemento digital fiable. 43

En un nivel más profundo, podemos entender los niveles continuos de corriente dentro de un transistor a ser en última instancia discreta: se componen de un gran número de electrones individuales con estados cuánticos individuales. Así que ahora estamos de vuelta a una vista digital de las cosas. Pero si tenemos en cuenta el principio de incertidumbre de Heisenberg, que nos dice que los electrones no tienen ubicaciones precisas pero sólo nubes de probabilidad de posibles

ubicaciones, estamos de vuelta a un modelo difuso (analógico) del mundo.

Analógica y la representación digital de la información.

Escuchar una grabación en disco compacto: representions analógicas y digitales de información.

A medida que nos acercamos más fino y modelos más finos del mundo, la física voltea varias veces entre las concepciones digitales y analógicas de la realidad. Consideremos ahora el camino de la música los sonidos que va hacia el oyente. Las ondas de sonido analógicas vibrar el tímpano y en última instancia entrar en la cóclea, un circuito electrónico natural que actúa como un espectro (tono) analizador. La cóclea rompe las ondas de sonido en bandas de frecuencia distintas y emite una representación codificada digitalmente del espectro variable en el tiempo del sonido. Esta representación digital entra en la corteza acústica del cerebro, donde el procesamiento se lleva a cabo por medio de técnicas que son tanto analógicos como digitales. 44

Por último, tenga en cuenta la naturaleza de la propia música con sus elementos de melodía, ritmo, armonía, expresión, y el timbre. Los tres primeros elementos, que son los elementos representados por la notación musical, son claramente digital en la naturaleza. La disponibilidad de los procesadores de la notación de la música, que son a la notación de la música lo que los procesadoresde palabra son a la lengua escrita, son un claro testimonio de la naturaleza inherentemente digitales de estos tres elementos musicales. Estructuras melódicas, rítmicas y armónicas son modelados en teoría de la música por las matemáticas de la lógica digital en lugar de la matemática de cálculo analógico. Expresión y el timbre, por otro lado, a pesar de que sin duda pueden ser representados deforma digital, sin embargo, son de naturaleza analógica. 45

Está claro que utilizamos ambos métodos digitales y analógicos en la comprensión del mundo que

nos rodea.Como vemos los fenómenos a diferentes niveles de especificidad y detalle, nos encontramos con los cambios de la naturaleza en varias ocasiones. Todavía se está debatiendo la naturaleza última de la realidad. Edward Fredkin ha propuesto recientemente lo que él llama una nueva teoría de la física que indica que la realidad última del mundo es el software (es decir, información). Según Fredkin, no hay que pensar en la realidad última como partículas y fuerzas, sino más bien en forma de bits de datos modificados de acuerdo a las reglas de cálculo. Si, de hecho, las partículas se cuantifican en términos de su ubicación y otras propiedades, a continuación,los puntos de vista del mundo como hechos de partículas y como compuestos de datos son esencialmente equivalentes. A pesar de la opinión de Fredkin ha sorprendido teóricos contemporáneos, es sólo otra manera de postular un mundo totalmente cuantificada o digital. La vista analógica alternativa sería indicar que la posición o al menos una de las propiedades de una partícula no es cuantificada pero es ya sea continua o incierta.

Independientemente de la naturaleza última del mundo, la predicción de Wiener de una concepción de la naturaleza era digital, a la vez profunda y profética. Desde un punto de vista tecnológico y económico, el enfoque digital sigue para reemplazar el análogo, la transformación de las industrias enteros en el proceso. El panorama digital también ha calado en nuestros puntos de vista filosóficos y científicos del mundo.

Un comentario adicional sobre la cuestión de la digital frente a analógica se refiere a otra controversia contemporánea. Algunos observadores han criticado la computación digital como un medio para replicar la cognición humana debido a su todo o nada la naturaleza, que se refiere al hecho de que los bits digitales son ya sea dentro o fuera sin estados intermedios. Esto, según estos observadores, contrasta con los procesos analógicos en el cerebro humano, que se ocupan de la información incierta y son capaces de equilibrar las decisiones basadas en datos "blandos". Por lo tanto, dicen, se necesitarán métodos análogos que puedan atender a las gradaciones en una escala continua de emular con éxito el cerebro.

Mi reacción a esto es que el argumento se basa en una idea falsa, pero sin embargo estoy de acuerdocon la conclusión de que vamos a ver un regreso a la computación analógica, junto con técnicas digitales, especialmente para tareas de reconocimiento de patrones. El argumento de que las técnicas digitales son todo o nada es engañosa claridad. Mediante la construcción de números (incluyendo las partes fraccionarias) de múltiples bits, técnicas digitales también pueden representargradaciones, y con un mayor grado de continuidad y precisión que las técnicas analógicas-de hecho,con cualquier grado de precisión deseado. Las nuevas técnicas de ingeniería del conocimiento que utilizan un método llamado lógica difusa pueden aplicar computación digital para la toma de decisiones de una manera que utiliza el conocimiento impreciso y relativa de una manera metodológicamente sonido. A menudo, la crítica de la computación digital está realmente dirigido a la clase de tipo de antecedente-consecuente "duro" de la lógica empleada en la primera generación de sistemas expertos. La superación de las limitaciones de este tipo de lógica no requiere recurrir a técnicas analógicas.

Hay, sin embargo, una buena razón por la que es probable que veamos un retorno a los diseños de computación analógico-digitales híbridas. La computación analógica es sustancialmente menos costoso en términos del número de componentes necesarios para ciertas operaciones aritméticas. Adición o incluso multiplicar dos cantidades en una computadora analógica requiere sólo unos pocos transistores, mientras que un enfoque digital puede requerir cientos de componentes. Con la tecnología de circuitos integrados que proporciona cientos de miles o incluso millones de componentes en un solo chip, esta diferencia no suele ser importante y la mayor precisión de cálculo digital en general gana. Pero considere la tendencia hacia el procesamiento paralelo masivo, en el que un sistema realiza muchos cálculos de forma simultánea en lugar de sólo uno a la vez, como es el caso en la arquitectura clásica ordenador de von Neumann. Para ciertos tipos de problemas, tales como el análisis de imagen visual, sería deseable ser capaz de realizar

millones de cálculos al mismo tiempo (el cálculo de las mismas transformaciones en cada píxel (punto) de una imagen de alta resolución, por ejemplo). A menudo, estos cálculos no requieren un alto grado de exactitud, de manera que realizando con técnicas analógicas serían muy rentable.Haciendo un millón de cálculos simultáneamente con métodos analógicos sería práctico con la tecnología de semiconductores de hoy, pero todavía prohibitivamente caro con técnicas digitales. Evolución aparentemente encontró la ingeniería misma disyuntiva cuando se diseñó el cerebro humano.

El tercer tema principal del tratado de Wiener se refiere a la naturaleza del tiempo. Argumenta que se ha pasado de un concepto reversible o newtoniana del tiempo a una noción irreversible o bergsoniana del tiempo. Wiener se refiere a tiempo de Newton como reversible, porque si nos quedamos un mundo newtoniano hacia atrás en el tiempo, se seguirá aplicando las leyes de Newton. La direccionalidad del tiempo no tiene importancia en la física newtoniana. Wiener utiliza Bergson, un biólogo que analizó las relaciones de causa y efecto en la biología y la evolución, comoun símbolo de la irreversibilidad del tiempo, en cualquier mundo en el que el procesamiento de la información es importante.

Informática generalmente no es reversible en el tiempo, y la razón de esto es algo sorprendente. Haydos tipos de transformaciones de computación, una en la que se conserva la información y uno en elque se destruye la información. El primer tipo es reversible. Si se conserva la información, podemosinvertir la transformación y restablecer la información en el formato que tenía antes de la transformación. Si se destruye la información, sin embargo, después de que el proceso no es reversible, ya que la información necesaria para restaurar un estado ya no existe. Considere, por ejemplo, un programa que escribe ceros en toda la memoria y en última instancia destruye (la mayoría de)

Hay dos tipos de transformaciones de computación: el preservador y el destructor.

sí. No podemos concebir una forma de revertir este proceso, ya que el contenido original de la memoria ya no están en cualquier lugar para ser recuperado. Esto es sorprendente porque pensamos ordinariamente de la computación como un proceso que crea nueva información de edad. Después de todo, se corre un proceso informático para obtener respuestas a los problemas, es decir, para crear nueva información, no para destruir la información antigua.La irreversibilidad de la computación es a menudo citado como una razón que la computación es útil: transforma la información de manera unidireccional "con propósito". Sin embargo, la derivación de la prueba de que el cálculo es irreversible se basa en la capacidad de cálculo para destruir la información, no paracrearlo. Otro punto de vista, sin embargo, es que el valor de cómputo es precisamente su capacidad

para destruir la información selectivamente.Por ejemplo, en una tarea de reconocimiento de patrones, tales como el reconocimiento de las imágenes o los sonidos del habla, conservando las características portadoras de información invariantes de un patrón, mientras que "destruir" la enorme cantidad de datos en la imagen original o sonidos es esencial para el proceso. De hecho, la inteligencia es a menudo un proceso de selección de información relevante cuidadosamente una cantidad mucho más grande de los datos no procesados. Esto es esencialmente un proceso de destrucción hábil y útil de información.

Wiener señala que un modelo de tiempo que es irreversible es esencial para los conceptos de computación, comunicación, y la inteligencia. Un ejemplo citado por Wiener entretenida es la imposibilidad de dos entidades inteligentes que tratan de comunicarse cuando están "viajando" en diferentes direcciones en el tiempo. Ninguno de los dos va a percibir al otro como sea sensible o inteligente. Energía a la información, lo analógico a lo digital, y el tiempo reversible al tiempo irreversible son todas las facetas de la misma revolución en la visión del mundo conocido como computación. Fue una revolución, tanto para el mundo en general y para sí mismo Wiener. Es interesante destacar que la práctica totalidad de las matemáticas en el libro de Wiener no es que del lógico y computacionalista sino más bien el cálculo del físico newtoniano, que comprende tradicióncientífica original Wiener.

Hay otras ideas importantes en el libro clásico de Wiener. Él da cinco principios que deberían, en suopinión, los gobiernos en el diseño de máquinas de computación, una computadora debe

• ser digital en lugar de analógica,

• ser electrónico en lugar de electromecánico,

• utilizar binario en lugar de la notación decimal,

• ser programable, contienen una dinámica (borrable) de memoria de acceso aleatorio.

Wiener dice en su introducción que él había escrito una carta a Vannevar Bush en 1940 que sugiere que estos principios y comentar sobre su importancia para las necesidades militares. Bush, siendo firmemente en el campo analógico, al parecer, no respondió.

Wiener propuso la utilización de la maquinaria informática para proporcionar prótesis eficaces para la alteración sensorial. Mediante la conversión de la información visual en una modalidad auditiva adecuada para los ciegos, o, alternativamente, la conversión de la información auditiva en una pantalla visual para personas sordas, la tecnología electrónica puede ayudar a superar la desventaja principal asociada con estas discapacidades. Sería varias décadas antes de las computadoras comenzarían a dominar estas tareas. Wiener termina la versión 1948 de la cibernética con una descripción de una estrategia recursiva para la construcción de una máquina de ajedrez ordenador. Él predice que tal máquina sería capaz de jugar a un nivel que sería "no tan manifiestamente malo como para ser ridículo."

Un tema que se repite a lo largo de este libro, así como en otros escritos de Wiener, es la necesidad de colaboración entre múltiples disciplinas si el difícil reto de los problemas cognitivos de masterización de una máquina debe ser abordado. Se articula la necesidad de invertir la tendencia hacia la especialización cada vez más estrecha en las ciencias y predice que la solución de los principales problemas de la tecnología de la segunda mitad del siglo XX requeriría el conocimiento y la experiencia que se elaborará e integrado de diversas disciplinas.La mayor dificultad en la realización de este tipo de cooperación, Wiener se siente, es el hecho de que los expertos de los diferentes campos de todo el uso de diferentes terminologías a menudo para describir el mismo fenómeno.A pesar de la predicción de Wiener fue pasado por alto en gran parte durante décadas, investigadores de la IA ahora parecen estar llegando a la conclusión de que un mayor progreso en lacreación de inteligencia artificial requiere exactamente este tipo de colaboración interdisciplinaria.

El movimiento toma forma

La década de 1940 vio la invención de la computadora electrónica digital programable, los principales desarrollos de la teoría computacional, y el surgimiento de la idea de que con el software adecuado de estas nuevas máquinas podrían simular el cerebro humano. 46 Después de todo, en algunos aspectos de las nuevas máquinas eran sustancialmente superior a la cognición humana, la solución en cuestión de minutos lo que los matemáticos simples humanos trabajaron durante meses. Con varios tratados importantes de Turing (incluyendo su papel 1950 "Computing Machinery and Intelligence", en el que Turing propone su juego de imitación, que se conoció como la prueba de Turing), de Wiener Cibernética , un documento sobre las redes neuronales por Warren McCulloch y Warren Pitts 1943 , una propuesta de Shannon en 1950 para un programa de ajedrez, yvarios otros periódicos influyentes, la agenda de AI se había fijado. 47

En la década de 1950 comenzó un progreso concreto a realizar. El progreso inicial fue tan rápido que algunos de los primeros pioneros sentían que el dominio de la función del cerebro humano podría no ser tan difícil después de todo. Después de desarrollar IPL-II (Información de Procesamiento del Lenguaje II), el primer lenguaje de AI, en 1955, Allen Newell, JC Shaw y Herbert Simon crearon un programa en 1956 llamado el Lógico Teórico (LT), que utiliza técnicas debúsqueda recursiva para resolver problemas en matemáticas. 48 Fue capaz de encontrar pruebas paramuchos de los teoremas de Whitehead y Russell Principia Mathematica , incluyendo al menos una prueba completamente original para un importante teorema que nunca había sido publicado anteriormente. 49 En 1957 Newell, Shaw y Simon crean un solucionador de problemas más sofisticado llamado el General de Problem Solver (GPS). 50 Como se ha descrito anteriormente, se utilizó el análisis de medios y fines, una variación de la técnica recursiva de LT, para resolver problemas en una variedad de dominios. Estos primeros éxitos llevaron Simon y Newell decir en undocumento de 1958 titulado "Solución de Heurística Problema: El siguiente avance en la investigación de operaciones", "En la actualidad hay en el mundo de las máquinas que piensan, que aprender y que crean. Además, su capacidad para hacer estas cosas va a aumentar rápidamente hastaque-en un futuro visible-la gama de problemas que pueden manejar será la misma extensión que el rango en el que la mente humana se ha aplicado. " 51 El papel pasa a predecir que dentro de diez años (es decir, en 1968) una computadora digital será el campeón mundial de ajedrez. Tal entusiasmo desenfrenado era ganar la crítica considerable de campo y los críticos. 52 Mientras que la predicción de ajedrez resultó ser prematura, un programa completado en 1959 por Arthur Samuel fue capaz de derrotar a algunos de los mejores jugadores de la época en el juego algo más sencillo de damas. 53

En 1956 se celebró la primera conferencia sobre la influenza aviar. Organizado por John McCarthy, que incluía una serie de futuros líderes académicos del campo, entre ellos Marvin Minsky y Arthur Samuel, así como Newell y Simon.También participaron varios pioneros de la informática, entre ellos Oliver Selfridge, Claude Shannon, y Nathaniel Rochester. 54 La conferencia ganó su notoriedad de su único logro identificable, que iba a dar a la materia de su nombre, la inteligencia artificial. McCarthy, quien se le atribuye el nombre, no está segura de si realmente lo inventó o simplemente por casualidad en una conversación, pero no tomar el crédito por haber promovido. Algunos participantes argumentaron en contra del nombre: Shannon sintió que era demasiado poco científica; Samuel criticó la palabra "artificial" con el comentario "parece que no hay nada real acerca de este trabajo." Tal vez sólo porque la frase es tan sorprendente e inquietante, tiene sobrevivido a muchos otros, incluyendo de la salchicha de Frankfurt "cibernética." 55


Patrick Winston, director del Laboratorio de Inteligencia Artificial del MIT. Su investigación implica el trabajo en el aprendizaje por analogía y resolución de problemas de sentido común.

Otros logros concretos de la conferencia son difíciles de discernir, aunque Minsky escribió un primer borrador de sus "Pasos hacia la Inteligencia Artificial," influyentes que fue reescrito varias veces (como es El estilo de Minsky) y finalmente publicado en 1963. 56 McCarthy refinó sus ideas para un lenguaje que combine lista (arborescentes) estructuras con recursividad, que se introdujo posteriormente en 1959 como LISP (lenguaje de procesamiento de listas). 57 se convirtió rápidamente en el estándar para el trabajo de AI y se ha mantenido el director idioma AI por varias revisiones importantes. Sólo recientemente con AI que haya formulado el ámbito comercial han otros lenguajes como C empezado a competir con LISP, principalmente sobre la base de la eficiencia. Probablemente, la mayor contribución de la conferencia fue que poner un número de los principales pensadores en el campo, en contacto unos con otros. Progreso, ideas y mucho entusiasmo fueron compartidas, aunque McCarthy salió de la conferencia decepcionados de que la mayor parte de sus objetivos específicos no se habían cumplido. Él pasó a fundar las dos principaleslaboratorios universitarios AI: uno en el MIT con Marvin Minsky en 1958 y uno en Stanford en 1963.

A finales de la década de 1960 todo el programa de AI fue representado por proyectos específicos. Algunos de los esfuerzos más importantes de la década, se describen en Semántica de Información Procesamiento , editado por Marvin Minsky y publicado en 1968. Estaba incluido Ph.D. de Daniel G. Bobrow Proyecto estudiante titulado, lo que podría plantear y resolver problemas de álgebra de historias de idioma Inglés naturales. 58 Estudiante informa, rivalizaba con la capacidad de los estudiantes secundarios típicos en la solución de problemas de la historia. El mismo nivel de rendimiento fue reivindicado por un programa creado por Thomas G. Evans que podría resolver la prueba IQ problemas geométricos en analogías. 59

Programas de ajedrez por ordenador siguieron mejorando en la década de 1960, aunque no tanto de las expectativas de Simón. Un programa que podría alcanzar calificaciones respetables del torneo fue creado en 1966 por Richard D. Greenblatt en el MIT. 60

Un nuevo espacio para la IA, sistemas expertos, también tiene su inicio en la década de 1960. Con el liderazgo de Edward A. Feigenbaum, ahora el director del Laboratorio de IA de Stanford, un grupo comenzó a trabajar en DENDRAL, un programa basado en una base de conocimientos que describe compuestos químicos. Se considera el sistema del mundo primer experto. 61

La década de 1960 también vio la creación de ELIZA, un programa de lenguaje natural escrito por

el profesor del MIT Joseph Weizenbaum en 1966, que simula una (es decir, de Rogers) terapeuta no directivo. ELIZA ha continuado durante más de dos décadas de recibir un alto nivel de atención, incluyendo numerosas críticas por su incapacidad para reaccionar de manera inteligente en una variedad de situaciones, desde algunos críticos AI, sobre todo Hubert Dreyfus. 62 En realidad, ELIZA nunca fue representativo del estado del arte en la comprensión del lenguaje natural, incluso en el momento de su creación. Fue una demostración del éxito de uno podría ser en la creación de unaaparentemente sistema interactivo inteligente con reglas relativamente simples. ELIZA es un buen ejemplo del principio de lograr un comportamiento complejo a partir de un sistema simple en un entorno complejo. Las personas que usan ELIZA le dotan de muy diversas aportaciones, que a menudo conducen a respuestas inesperadas y aparentemente interesantes a pesar de su relativa simplicidad. Un esfuerzo más importante en el área del lenguaje natural era el trabajo pionero de Susumu Kuno en analizadores de lenguajes Inglés: su programa de 1963 podía entender la sintaxis de las oraciones en inglés complejos.

Otra característica de atributos del trabajo de IA en la década de 1960 fue el uso de mundos de juguete. Un buen ejemplo fue Ph.D. de Terry Winograd tesis en el MIT llamado SHRDLU, que combina la comprensión del lenguaje natural con una capacidad de planificación en un mundo simulado (que se muestra en una pantalla de terminal) que consistía sólo en diferentes bloques de colores y de formas. 63 usuarios podían pedir SHRDLU para realizar tareas con preguntas y órdenesredactadas en lenguaje natural, como "Toma el bloque rojo en frente de la gran cubo y colocarlo sobre el rectángulo de color azul." El sistema comprendería las declaraciones en inglés y puede planear una estrategia para llevar a cabo la tarea. Aunque varios críticos de la IA se abalanzaron sobre la naturaleza irreal de estos mundos de juguete, era apropiado en el momento de concentrarse en los problemas de la comprensión del lenguaje y la toma de decisiones sin los caprichos de la complejidad del mundo real. 64 El siguiente paso, al pasar de los mundos de juguete para mundos reales, sigan residiendo en la atención de los investigadores de la IA.

Estudiante de Daniel Bobrow resuelve problemas de la historia del álgebra. Tenga en cuenta las etapas de análisis de la declaración original a las ecuaciones a resolver. (De Daniel G. Bobrow, "Entrada de Lenguaje Natural para un Sistema de Solución de Problemas de computadora", en Minsky, ed., Semántica Información Processing , 1968, pp.212-213)

(El problema a resolver es)

(SI EL NÚMERO DE CLIENTES TOM SE ES DOS VECES LA PLAZA DEL 20 POR CIENTO DE LA CANTIDAD DE ANUNCIOS SE CORRE, Y EL NÚMERO DE ANUNCIOS SE CORRE ES 45, ¿QUÉ ES EL NÚMERO DE CLIENTES TOM SE Q.)

(CON SUSTITUCIONES OBLIGATORIAS EL PROBLEMA ES)

(Si el número (DE CLIENTES TOM SE ES 2 VECES LA PLAZA 20 POR CIENTO DE LA CANTIDAD DE ANUNCIOS SE CORRE, Y EL NÚMERO DE ANUNCIOS SE CORRE ES 45, ¿QUÉ ES EL NÚMERO DE CLIENTES TOM SE Q.)

(CON palabras en la categoría POR FUNCIÓN EL PROBLEMA ES)

(Si el número (OF / OP) CLIENTES TOM (GETS / verbo) es 2 (TIEMPOS / OP 1) LA

(CUADRADO / OP 1) 20 (CIENTO / OP 2) (DE / OP) el número (OF / OP)

ANUNCIOS (HE / PRO) se ejecuta, y el número de anuncios (DE / OP) (HE / PRO) va a ejecutar es de 45 años, (¿QUÉ / QWORD) es el número (OF / OP) CLIENTES TOM (GETS / verbo) (Qmark / DLM ))

(LAS ORACIONES SIMPLES SON)

(El número (OF / OP) CLIENTES TOM (GETS / verbo) es 2 (TIEMPOS / OP 1) LA (PLAZA / OP 1) 20 (CIENTO / OP 2) (DE / OP) el número (OF / OP) ANUNCIOS (HE / PRO) CORRE (PERIODO / DLM)

(EL NÚMERO () ANUNCIOS DE / OP (HE / PRO) CORRE ES 45 (PERIODO / DLM)) ((¿QUÉ / QWORD) es el número (OF / OP) CLIENTES TOM (GETS / VERB) (Qmark / DLM))

(Las ecuaciones para resolver son)

(EQUAL G02515 (NÚMERO DE CLIENTES TOM (GETS / VERB))) (EQUAL (número de anuncios (HE / PRO) CORRE (45) (EQUAL (NÚMERO DE CLIENTES TOM (GETS / VERB)) (2VECES (EXPT (TIMES 0.2000 (número de anuncios (HE / PRO) CORRE)) 2))) (el número de clientes TOM SE ES 162)


(LA SUMA DE PARTICIPACIÓN DE LOIS DE UN POCO DE DINERO Y LA PARTICIPACIÓN DE BOB ES $ 4,500. PARTICIPACIÓN DE LOIS ES DOS VECES BOB'S. ENCUENTRE BOB'S Y LOIS'S SHARE.)


(SHARE DE SUMA DE LOIS UN POCO DE DINERO Y PARTICIPACIÓN DE BOB ES 4.500 DÓLARES. PARTICIPACIÓN DE LOIS es 2 veces BOB'S. ENCUENTRE BOB'S Y LOIS'S SHARE)


((Suma / OP) PARTICIPACIÓN DE LOIS (DE / OP) UN POCO DE DINERO Y LA PARTICIPACIÓN DE BOB ES 4.500 DOLARES (PERIODO / DLM) COMPARTIR LOIS ES 2 (TIEMPOS / OP 1) BOB'S (PERIODO / DLM) (FIND / QWORD) BOB'S Y LOIS'S SHARE (PERIODO / DLM))


((Suma / OP) PARTICIPACIÓN DE LOIS (DE / OP) UN POCO DE DINERO Y LA PARTICIPACIÓN DE BOB ES 4.500 DÓLARES (PERIODO / DLM)) (LOIS DE COMPARTIR ES 2 (TIEMPOS / OP 1) BOB'S (PERIODO / DLM)) ((FIND / QWORD ) BOB'S Y LOIS'S SHARE (PERIODO / DLM))


(EQUAL G02519 (PARTICIPACIÓN DE LOIS))

(EQUAL G02518 (BOB'S))

(EQUAL (PARTICIPACIÓN DE LOIS) (2 VECES (BOB'S)))

(EQUAL PLUS (PARTICIPACIÓN DE LOIS DE UN POCO DE DINERO) (PARTICIPACIÓN DEBOB)) (TIMES (4.500 dólares)))

Las ecuaciones no fueron suficientes para encontrar una solución

(Se supone que)

((BOB'S) es igual a (PARTICIPACIÓN DE BOB))

(Se supone que)

((PARTICIPACIÓN DE LOIS) es igual a (PARTICIPACIÓN DE LOIS DE UN POCO DE DINERO))

(BOB'S ES 1.500 DÓLARES)

(SHARE DE LOIS ES 3 DÓLARES)


(MARÍA ES DOS VECES TAN ANTIGUA COMO ANN fue cuando María era tan viejo como ANN es ahora. Si María tiene 24 años, ¿qué edad ANN Q.)


(MARÍA ES 2 veces la edad de ANN fue cuando María era tan viejo como ANN es ahora. Si María tiene 24 años, ¿QUÉ ES ANN Q.)


((MARIA / Persona) 2 (TIEMPOS / OP 1) TAN ANTIGUA COMO (ANN / PERSONA) fue cuando (MARY / PERSONA) era tan viejo como (ANN / PERSONA) es ahora (PERIODO / DLM)IF (MARY / PERSONA ) tiene 24 años, (¿QUÉ / QWORD) ES (ANN / PERSONA) (Qmark / DLM))


((MARIA / PERSONA) 'S EDAD ES 2 TIEMPOS / OP 1) (ANN / PERSONA)' AÑOS S G02521 Antigüedad (PERIODO / DLM))

(G02521 AÑOS (AGE MARY / PERSONA ES (ANN / PERSONA) 'S EDAD NOW (PERIODO / DLM))

((MARIA / PERSONA) 'S EDAD ES 24 (PERIODO / DLM))

((¿QUÉ / QWORD) ES (ANN / PERSONA) 'S EDAD (Qmark / DLM))


(EQUAL G02522 ((ANN / PERSONA) 'S EDAD)) (EQUAL ((MARIA / PERSONA)' S AGE) 24) (EQUAL (PLUS ((MARIA / PERSONA) 'S EDAD) (MENOS (G02521))) ( (ANN / PERSONA) 'S EDAD)) (EQUAL ((MARIA / PERSONA)' S EDAD) (2 VECES MÁS ((ANN / PERSONA) 'S EDAD) (G02521 MENOS)))))

(EDAD DE ANN ES 18) Foto por Lou Jones www.fotojones.com Joseph Weizenbaum, del MIT,pionero AI y crítico.

Una conversación con ELIZA. (Respuestas de Eliza son en mayúsculas.) (Cortesía de Avron Barr y Edward Feigenbaum)

Los hombres son todos iguales.

¿De qué manera

Están siempre nos molesta acerca de una cosa u otra.

¿Puedes pensar en un ejemplo específico

Bueno, mi novio me hizo venir aquí.

SU NOVIO HACE USTED VIENE AQUÍ

Él dice que estoy deprimido la mayor parte del tiempo.

Lamento escuchar que usted está deprimido

Es cierto. No estoy contento.

¿CREES QUE VIENE AQUÍ LE AYUDARÁ A NO SER INFELIZ

Necesito un poco de ayuda, eso parece seguro.

¿Qué significaría para usted si usted consiguió alguno AYUDA

Tal vez podría aprender a llevarse bien con mi madre.

Quiero saber más sobre su familia

...

¿QUÉ MÁS viene a la mente cuando se piensa en SU PADRE

Bullies

¿Tiene eso algo que ver con EL HECHO DE QUE TU NOVIO TE HA VENIDO AQUÍ

La edad de la recursividad

Hasta finales de la década de 1960 dos escuelas de pensamiento compitieron por la atención de los investigadores de la IA y la financiación. La escuela neural, basado en redes neuronales auto-organizativas, se inició en la década de 1940 con un artículo de McCulloch y Pitts y fue fuertementepromovida en 1960 por Frank Rosenblatt, de la Universidad de Cornell. 65 El atractivo de las redes neuronales es la idea de que un sistema de muchos elementos simples, si se configuran en la maneracorrecta, en realidad podría enseñar (organizar) propio para llevar a cabo un comportamiento inteligente. Con la publicación de Minsky y Papert de Perceptrones en 1969, esta escuela de pensamiento fue eliminado casi toda la noche. Como se mencionó anteriormente, el libro resultó varios teoremas que demuestran que ciertos tipos de problemas sencillos que nunca podrían ser resueltos con este enfoque. Ahora a finales de 1980 existe un renovado interés en un nuevo tipo de red neuronal a la que no se aplican los teoremas Minsky y Papert. 66

La escuela que sobrevivieron, lo que se podría llamar la escuela recursiva, se basaba en la idea de que un conjunto relativamente pequeño de ideas poderosas sería suficiente para capturar al menos algunas formas de inteligencia.Si vamos a estos métodos atacan problemas complicados, se podría obtener un comportamiento inteligente. Las ideas incluyen métodos de exploración (búsqueda) el "espacio" de las posibles soluciones a un problema, así como las técnicas para la definición de las normas que rigen ciertos dominios (por ejemplo, las reglas de sintaxis del lenguaje natural).

El primero de estos "poderosos" ideas es la recursividad, la idea de que el enunciado de un problema puede ser utilizado como una parte, a menudo la parte más importante, de la solución del problema. Es un concepto seductor, sino que implica que la esencia de la solución de un problema es a menudo una cuestión de poder con cuidado y precisión para indicar el problema. Este enfoque funciona sorprendentemente bien en una variedad de dominios, y muchas metodologías de IA hacenun amplio uso de la misma. Es una de las razones de que la arquitectura de computadores von Neumann, que fue incorporado por primera vez en las famosas computadoras EDSAC y BINAC eratan importante. Sin la capacidad de von Neumann para un programa almacenado, la recursión no es posible.

Examinamos una ilustración del poder de la recursividad anteriormente en el contexto de juego de juego. Para seleccionar nuestro mejor movimiento en un juego basado en normas como el ajedrez que llamamos un programa llamado Move. Mover genera todos los movimientos legales para la posición actual del tablero y luego llama a sí misma para determinar la mejor respuesta del oponente, a cada movimiento posible (que a su vez llama a sí mismo de nuevo para determinar nuestra mejor respuesta a la mejor respuesta de nuestro oponente, y así sucesivamente). De esta forma el mayor número de secuencias de movimientos y contraataque, ya que tenemos tiempo para computar se generan automáticamente. La parte más complicada de la aplicación de esta técnica es la generación de los movimientos posibles. La generación de movimientos posibles es un asunto de la programación de las reglas del juego. Por lo tanto, el corazón de la solución es de hecho implementando una indicación precisa del problema.

Una característica distintiva principal de LISP de McCarthy, históricamente lenguaje de programación primaria de la campo de AI, es su capacidad para representar fácilmente procedimientos recursivos. Otro ejemplo debería ilustrar cómo fácilmente un lenguaje recursivo se puede utilizar para resolver problemas aparentemente complejas.Considere el problema que se llama la Torre de Hanoi. Rompecabezas de esta famosa niños presenta problemas similares a muchos problemas combinatorios importantes que se encuentran en las matemáticas y otros campos.

Tenemos tres torres en la que podemos colocar discos redondos de varios tamaños. Podemos mover los discos de una torre a otra, pero sólo podemos mover un disco a la vez y no podemos poner un

disco en un disco de tamaño más pequeño. Por lo tanto, una pila legal de discos tendrá el más grande de disco en la parte inferior y el disco más pequeño en la parte superior. El problema es mover una pila de discos de una torre a otra.Consideremos en primer lugar una pila de un solo disco. Aquí la respuesta es obvia: basta con mover el disco.También es bastante fácil determinar el procedimiento para dos discos. Vamos a considerar una pila más grande.Trate de resolver realmenteel problema para una pila de siete u ocho discos-es un gran reto.

Consideremos ahora el problema general de la descripción de un método que puede determinar rápidamente laóptima procedimiento para una pila de cualquier altura arbitraria. Este problema a primera vista parece muy difícil, pero una visión sencilla nos permite utilizar el (recursivo) paradigma de autorreferencia para generar automáticamente el procedimiento óptimo para cualquierpila de altura en tres sencillos pasos. Vamos a numérelos de 1 a n , n es el más grande (abajo) en el disco. La idea es la siguiente: si vamos a mover toda la pila de la torre original a la torre de destino, en algún momento vamos a tener que mover el disco inferior. Eso es todo! Acabamos de resolver el problema. El poder de recursión es que esta observación simple es suficiente para resolver el problema entero.

A saber, si la pila se compone de un solo disco, a continuación, pasar ese disco desde la torre original a la torre de destino, y hemos terminado. De lo contrario,

• Paso 1 Puesto que sabemos que vamos a necesitar en algún momento para mover el disco inferior, que claramente tiene que mover los discos en la parte superior de la misma fuera del camino. Por lo tanto, tenemos que mover a la basura tanto de la torre original y la torre de destino. Por lo tanto, tenemos que mover la pila que consiste en todos los discos , excepto para el disco de fondo (que podemos llamar a esto el ( n - 1) pila ya que consiste en el disco 1 al disco n - 1) de la torre original de la torre libre . Aquí es donde entra en juego la recursividad de mover la pila de ( n - 1) discos es la misma Torre de Hanoi problema que empezamos, sólo por una pila pequeña. El programa de solución de la Torre de Hanoi problema simplemente llama a sí mismo en este momento para resolver el problema del traslado de la ( n - 1) pila a la torre libre. Esto no lleva a un bucle infinito debido a nuestra regla especial para una pila de un solo disco.

• Paso 2 Ahora, con todos los otros discos de la manera, podemos mover el disco inferior de la torre original a la torre de destino.

• Paso 3 Finalmente, se mueva la pila de ( n - 1) discos de la torre libre de la torre de destino. De nuevo, esto requiere una llamada recursiva. Ahora que hemos terminado.

El poder de los lenguajes de programación recursivos es que un programa puede llamar a sí mismo con la pista de mantenimiento de lenguaje de toda la autorreferencia fuertemente jerarquizado. Los tres pasos anteriores no sólo van a resolver el problema, se va a producir la solución óptima al problema de cualquier pila de altura. Genera exactamente (2 n - 1) se mueve para n discos. Si se intenta resolver el problema de manera directa por los discos en movimiento, uno rápidamente se pierde en la aparente complejidad del asunto. Para resolver el problema con la recursividad, lo único que se requiere es suficiente perspicacia para poder afirmar cómo la solución de n discos se puede construir a partir de la solución de ( n - 1) discos. La recursividad se expande de manera óptima la solución para cualquier valor de n .

Como el ejemplo anterior debería dejar claro, la recursividad es una herramienta que puede desbloquear las soluciones a los problemas que de otro modo sería enormemente difícil de entender. Una variedad de técnicas basadas en este paradigma referencia a sí misma encontrado aplicabilidad generalizada por la década de 1960. El éxito inicial de recursivo AI técnicas de investigación, por ejemplo, un comprobante de un teorema importante enMathematica Principia mucho combustible-de principios del optimismo del campo.

Un programa recursivo para la Torre de Hanoi problema

El siguiente programa, escrito en el lenguaje de programación C, genera una solución óptima al problema de la Torre de Hanoi. Trate de seguir la lógica de este programa a partir de las observaciones, incluso si usted no está familiarizado con la programación en general, o el lenguaje C, en particular. El programa está escrito como una función que se llama cuando se imprima la solución. Se le llama con parámetros que especifican la torre original, la torre de destino, la torre libre, y el número de discos. Tenga en cuenta que en esta función, cualquier cosa que aparece entre /* y * / se considera un comentario y no es parte del programa.

Tower_ of_hanoi (original, destino, libre, de número de discos)

/ * Esta función imprimirá una solución óptima al problema de la Torre de Hanoi. * /

número entero original; / * Este parámetro especifica la torre originaria. * /

destino entero; / * Este parámetro especifica la torre de destino. * /

entero libre; / * Este parámetro especifica la torre libre. * /

número entero de número de discos; / * Este parámetro especifica el número de discos. Los discos están numerados de 1 a n con n siendo el más grande (parte inferior) de disco. * /

{

si (number_of_disks == 1)

{

print ("Mover el disco 1 de la torre a torre% d% d ", destino original);

volver;

}

/ * Si el número de discos es 1, entonces este es el escape de la recursividad. Nosotros simplemente imprimimos ese disco 1 se va a mover de la torre originaria a la torre de destino y luego regresar. * /

tower_of_hanoi (original, libre, destino, number_of_disks - 1);

/ * Aquí tenemos la primera llamada recursiva donde la función tower_of_hanoi llama a sí misma. Esta llamada se mueve la (n - 1) pila (la pila que consta de todos los discos a excepción de la parte inferior uno) desde la torre de origen a la torre libre. * /

print ("Mover el disco% d desde la torre a torre% d% d ", number_of_disks, original, destino);

/ * Ahora imprimir que el disco inferior (disco n) se va a mover de la torre originaria a la torre de destino. * /

tower_of_hanoi (libre, destino, original, número de discos - 1);

/ * Mover el (n - 1) pila de la pila de la libertad de la pila de destino. * / Return; / * Ya hemos terminado! * /

} / * Fin de la función tower_of_hanoi * /

La era del conocimiento

En algún lugar alrededor de la década de 1970 un cambio conceptual importante tuvo lugar en la metodología de la IA (que es difícil elegir una fecha difícil ya que no hay papel solo se puede citar que marcó el comienzo del cambio).67 Si bien el trabajo en los años 1950 y 1960 se concentraron principalmente en la mecánica del proceso de razonamiento (de búsqueda, la recursividad, la representación de problemas, etc), se puso de manifiesto a principios de los años 1970 que tales técnicas por sí solas no eran lo suficientemente potente como para emular el proceso de toma de decisiones humana, incluso dentro de áreas de conocimiento en términos estrictos. 68 Algo faltaba, y ese algo resultó ser el conocimiento .

Algunos trabajan en la representación del conocimiento (el conocimiento acerca de cómo representar el conocimiento) se llevó a cabo con anterioridad. 69 De hecho, dos proyectos llevados acabo durante los años 1960 y descritos en Minsky Semántica Información Procesamiento fueron el programa de Bertram Raphael SIR (información semántica de recuperación) y una teoría de la memoria semántica por M. Ross Quillian, los cuales trataban con los métodos para representar el conocimiento humano. ¿Qué cambió en la década de 1970 fue el reconocimiento de la importancia relativa de los conocimientos frente a método. En los años 1950 y 1960 hubo un énfasis en el poder de las técnicas, en particular las recursivas, para emular los procesos lógicos asociados con el pensamiento. Por la década de 1970, se reconoció que las técnicas de razonamiento de programación fueron relativamente simple en comparación con la tarea de crear una base de conocimientos con la profundidad requerida para resolver problemas del mundo real.

Roger Schank señala los amplios conocimientos necesarios para comprender incluso historias simples. Si leemos la historia de un restaurante, hay una gran cantidad de información objetiva acerca de los restaurantes que damos por sentado. 70 Comprender el enunciado "Pagó la cuenta" requiere el entendimiento de que en un restaurante en el que se espera que pagar por la comida que orden, pedir comida a crédito, somos llevados un documento (generalmente al final de la comida) llama la "ficha", "cheque", o "proyecto de ley", que detalla los cargos, generalmente nos conformamos esta deuda antes de salir el restaurante, y así sucesivamente. Cuando leemos una historia, casi cada frase evoca vastas redes de conocimiento similar implícita. La dificultad en el dominio de todo este conocimiento de sentido común es que nadie se ha molestado en escribirlo todo, y la cantidad de ella es inmensa.

Dominar el conocimiento se ha convertido de hecho ser un proceso mucho más difícil de lo que el dominio de los procesos lógicos inherentes en el razonamiento deductivo o inductivo. En primer lugar, tenemos que tener una forma de estructurar el conocimiento para que sea útil. Una simple lista de todos los hechos en el mundo, si esa lista se podría construir, no ayudaría a resolver los problemas, porque tendríamos dificultades para encontrar la información correcta para adaptarse a las situaciones adecuadas. Douglas Hofstadter ofrece un divertido ejemplo del problema en Metamagical Themas . "¿Cómo sé", se pregunta, "cuando dice que te veré a las 7 en la estación de tren, que no tiene ningún sentido para virar con la condición," siempre y cuando no volcán entra en erupción en el camino, me enterrar y mi coche en el camino a la estación ", pero que sí tiene sentido razonable a arreos de la condición," siempre y cuando no hay tráfico me sostiene? "'El objetivo de las estructuras de conocimiento apropiados es para acceder rápidamente a la información que realmente pertinentes para una situación particular.Una vez que hemos construido las estructuras adecuadas para la representación del conocimiento, entonces necesitamos recoger en realidad la gran cantidad de información necesaria para resolver problemas prácticos. Por último, tenemos que integrar esta base de conocimientos con los algoritmos de toma de decisiones adecuadas.

Los años 1970 vieron una serie de esfuerzos pioneros para hacer frente al problema del conocimiento-representación. Tal vez el más famoso fue la teoría de Minsky de marcos , que describió en su artículo de 1975 "Un marco para la representación del conocimiento." 71 Un marco es una estructura de datos que pueden incluir información de complejidad arbitraria sobre un objeto o tipo de objeto, y que permite para múltiples jerarquías para entender las relaciones entre clases de objetos. Por ejemplo, podemos tener un marco de información sobre el concepto de un perro, otro para el concepto de un gato, y otro para el concepto de un mamífero. El marco de mamífero es un marco de nivel más alto que los que representan ejemplos de mamíferos, y la relación entre los niveles (por ejemplo, un perro es un tipo de mamífero) está integrado en las estructuras de marco. Cada trama permite que la información por defecto a cumplimentar o "heredado" de un marco de nivel superior. Por ejemplo, si el marco mamífero dice que los mamíferos tienen cuatro patas, esta información sería no tener que repetirse en los marcos para perros y gatos. Sin embargo, un humano marco tendría que indicar una excepción a esta información por defecto (una que especifica sólo dos piernas). La metodología de marco evita la redundancia, describe las relaciones jerárquicas, y permite la clasificación de arbitrariedad compleja. También nos ayuda a formular hipótesis útiles. Si aprendemos, por ejemplo, acerca de otro mamífero, se puede asumir que tiene cuatro patas hasta que informe de lo contrario.

Otro enfoque importante para representar el conocimiento y las relaciones de interdependencia entrelos conceptos fue descrita por primera vez en otro informe de 1975, este uno describiendo un proyecto llamado SAM (Mecanismo Guión Aplicador) de Roger Schank, Robert Abelson, et al. en la Universidad de Yale. La metodología de Schank permitido el desarrollo de los "scripts" que proporcionan la información implícita en las situaciones cotidianas tales como restaurantes. 72

La segunda parte de la cuestión del conocimiento, en realidad recoger el conocimiento, ha demostrado ser el mayor desafío. En el desarrollo de sistemas expertos modernos (sistemas basados en computadoras que emulan la capacidad de decisión de los expertos humanos), el proceso de recopilación de los conocimientos necesarios es generalmente un proceso laborioso que implica un "ingeniero del conocimiento" entrevistando a los expertos humanos apropiados y, literalmente, escribir ( en un lenguaje informático adecuado) todo el conocimiento relevante y reglas de decisión utilizados por el experto humano. El gran volumen de información en cuestión es un problema, perouno más grande es que mientras que los expertos humanos son capaces de resolver los problemas dentro de sus ámbitos de competencia, por lo general no saben cómo logran estas tareas. La habilidad que se requiere del ingeniero del conocimiento es ser capaz de extraer el proceso de toma de decisiones de los expertos del dominio a pesar de no ser conscientes de los muchos elementos de este proceso. 73

Con una metodología de primera generación para la construcción de sistemas expertos ya establecidos, se iniciaron una serie de proyectos ambiciosos en la década de 1970. Internist (ahora llamada CADUCEO), un sistema experto que diagnostica una amplia gama de enfermedades internas, se desarrolló a lo largo de la década de 1970 (y continuó en la década de 1980). En un estudio, internista era capaz de diagnosticar enfermedades dentro de al menos una especialidad con una precisión igual o mejor que los médicos humanos. MYCIN, un sistema que puede hacer diagnósticos y recomendar tratamientos para una amplia gama de infecciones bacterianas, fue desarrollado por Edward H. Shortliffe a mediados de 1970. Prospector, un sistema experto que es capaz de identificar los depósitos de energía y la geología, fue iniciado por RO Duda y sus colaboradores en el Instituto de Investigación de Stanford en 1978. En al menos un caso Prospector identificó una serie de depósitos de energía importantes pasados por alto por los expertos humanos. Finalmente, XCON, probablemente el sistema experto de mayor éxito en uso comercial hoy en día, comenzó a funcionar en 1980 configuración de sistemas informáticos complejos para Digital Equipment Corporation. Este sistema, que se ejecuta en una sola computadora VAX, es capaz de realizar tareas que de otra manera requerirían varios cientos de expertos humanos, ya

precios mucho más altos de precisión. Estos sistemas y otros, así como los problemas de la representación del conocimiento, se analizarán con mayor detalle en el capítulo 8. 74

El Departamento de Defensa de los EE.UU. a través de su agencia DARPA (Defense Advanced Research Projects Agency), financiado dos importantes iniciativas en el área de reconocimiento de patrones durante la década de 1970. El proyecto SUR (Speech Entender Investigación) financió el desarrollo de varios programas continua-habla-comprensión experimentales dirigidos a máquina reconocimiento del habla humana normal con un amplio vocabulario. Aunque el sistema más exitoso del proyecto SUR no operaba en tiempo real y se limitó a una sintaxis artificial, SUR aumentó la confianza de que la práctica, el reconocimiento de voz de alto rendimiento era factible. Un programa similar llamado IUP (Interpretación de Imágenes de programa) intento de comprensión de la máquina de las imágenes visuales.

La intensidad del esfuerzo, así como el valor práctico de la tecnología de AI crecieron enormementedurante la década de 1980. Aquí voy a mencionar brevemente dos tendencias más destacadas: la comercialización y la internacionalización de la IA. La industria de la IA creció de sólo unos pocos millones de dólares a principios de la década de 1980 a US $ 2 mil millones para el 1988, de acuerdo con DM Data, una firma líder de investigación de mercado. Muchos analistas de mercado predicen que la mayor parte del mercado de procesamiento de la computadora y la información de varios cientos de millones de dólares para 1999 será inteligente, al menos para los estándares de hoyen día.

La década de 1980 se inició con un impresionante desafío de gran alcance MITI de Japón (Ministerio de Comercio Internacional e Industria) cuando anunciaron un plan para diseñar y construir un equipo inteligente de quinta generación. Esto fue visto por muchos como un intento porparte de Japón para superar a sus competidores extranjeros y establecer el dominio sobre la industria informática internacional. 75

Como he dicho antes, la idea de que la inteligencia humana podría ser simulada parece haber ocurrido a todos los pioneros que jugaron un papel en lo que considero que es el mayor invento del siglo XX, el ordenador. Aunque la inteligencia artificial no fue nombrado hasta 1956, el concepto era de ninguna manera una ocurrencia tardía. A pesar del hecho de que los primeros ordenadores se utilizan principalmente para el cálculo numérico (como la mayoría de los ordenadores son todavía hoy), estas máquinas clásicas no eran considerados por sus creadores como meros desmenuzadoras de número. Se les ha visto desde su concepción como amplificadores del pensamiento humano, lo que Ed Feigenbaum llama "herramientas de poder para la mente." 76

El éxito temprano en los años 1950 y 1960, con lo que se pensaba que eran los problemas difíciles, como la demostración de teoremas y jugar al ajedrez, alimentado un optimismo romántico que duró poco. Fue un ejemplo de la "90-10" regla: la solución de la primera el 90 por ciento de un problema que a menudo requiere sólo el 10 por ciento del esfuerzo, y aunque el 10 por ciento restante, se exige el 90 por ciento del esfuerzo, por lo general representa el 90 por ciento de la importancia. Conla realización de la década de 1970 que el conocimiento extenso se requiere para resolver problemasprácticos, y no hay forma fácil de capturar ese conocimiento, el campo ha subido de madurez necesario.


Capítulo 7: La frontera móvil


Autor:

Ray Kurzweil

La digitalización de la información en todas sus formas, probablemente se conoce como el más fascinante de desarrollo del siglo XX.

An Wang, fundador de Wang Laboratories

Lo más probable es que pensamos, el cerebro humano es, en su mayor parte, compuesto de un gran número de sistemas distribuidos relativamente pequeños, organizados por la embriología en una sociedad compleja que es controlado en parte (pero sólo en parte) por los sistemas simbólicos de serie, que son añadido más tarde. Pero los sistemas subsimbólicas que hacen casi todo el trabajo desde abajo deben, por su propio carácter, bloquear todas las otras partes del cerebro a partir de saber mucho acerca de cómo funcionan. Y esto, a su vez, podría ayudar aexplicar cómo la gente qué tantas cosas que aún tienen esas ideas incompletas de cómo se hacen realmente esas cosas.

Marvin Minsky y Seymour Papert, el epílogo de 1988 Perceptrones

Visión

Dos tipos de pensamiento


Trate de no pensar en los elefantes. Durante los siguientes sesenta segundos, no deje que la imagen de estos enormes mamíferos con sus grandes orejas y los troncos se mecen introduzca su mente. Ahora mira a través del cuarto y enfocar su visión en un objeto. Sin cerrar los ojos o girar a la basura, no trate de determinar lo que es el objeto. Por último, considere la Torre de Hanoi problema descrito en el capítulo anterior. Durante los siguientes sesenta segundos no resuelven este problema.


Sin duda, usted está teniendo dificultades para evitar la imagen mental de un elefante. Suponiendo que el objeto que seleccionó para mirar no es desconocido para usted, usted estaba probablemente sin éxito, así como en no determinar su identidad. Por otra parte, a menos que tenga una pasión inusual para las matemáticas, probablemente está experimentando pocas dificultades para no resolver la Torre de Hanoi problema.

Hay dos tipos de procesos de pensamiento que coexisten en nuestro cerebro, y los ejercicios anteriores ilustran una de las profundas diferencias entre ellos. Tal vez lo más a menudo citado como una forma exclusivamente humana de la inteligencia es el proceso lógico que participan en la solución de problemas y jugar juegos. Una forma más ubicua de la inteligencia que compartimos con la mayoría de las especies animales más altos de la tierra es la capacidad de reconocer patrones de nuestros sentidos visuales, auditivas y táctiles. Parece que tenemos un control sustancial sobre los pasos secuenciales necesarios para el pensamiento lógico. Por el contrario, el reconocimiento de patrones, si bien es muy complejo y que implica varios niveles de abstracción, parece suceder sin nuestra dirección consciente. 1 A menudo se dice que un jugador de ajedrez maestro puede "ver" a su próximo movimiento sin tener que ir a través de todo el consciente secuencias de pensamiento requerido de los jugadores menos experimentados. Puede ser que después de haber sido expuesto a decenas de miles de situaciones de mesa, el jugador maestro es capaz de reemplazar al menos algunos de los procesos lógicos que habitualmente se utilizan para jugar a juegos con métodos de reconocimiento de patrones. 2

Hay varias diferencias clave entre estas dos formas de inteligencia, incluyendo el nivel de éxito al campo AI ha tenido en la emulación de ellos. 3 Irónicamente, nos resulta más fácil crear un matemático artificial o maestro ajedrecista de emular las habilidades de los animales. Si bien hay muchas posibilidades de animales que nuestras máquinas no han dominado, incluyendo las complejidades de la coordinación motora fina, la barrera más difícil ha sido las sutilezas de la visión, nuestro más poderoso sentido y un excelente ejemplo de reconocimiento de patrones.

Uno de los atributos que los dos tipos de pensamiento tienen en común es el uso de la imaginación. El primer ejemplo citado más arriba, imaginando un elefante, es un ejercicio directo en la imaginación. El segundo ejemplo, la identificación de un objeto, también implica imaginación,particularmente en las últimas etapas del proceso. Si la parte del objeto que estamos tratando de identificar es bloqueada o si su orientación hacia impide la vista más útil, utilizamos nuestra imaginación para visualizar en nuestra mente lo que el objeto completo podría ser similar y luego determinar si el objeto imaginado coincide con lo que pueden ver. De hecho, casi siempre usamos nuestra imaginación para visualizar un objeto, porque siempre hay aspectos que no podemos ver. 4 El término técnico para esta técnica es "hipótesis y prueba"; usamos nuestra imaginación para plantear la hipótesis de la respuesta y luego probar su validez . 5 Hipótesis y prueba también se utiliza en el pensamiento lógico. A menudo nos imaginamos una respuesta a un problema lógico basado en los métodos de la intuición que se conoce sólo parcialmente y luego trabajan con versiones anteriores a la declaración del problema inicial.

Si examinamos la naturaleza de nuestra imaginación visual, podemos obtener alguna información sobre la forma más importante en que el reconocimiento de patrones se diferencia del pensamiento basado en reglas lógicas.Consideremos de nuevo la imaginación de un elefante. Su imagen mental probablemente no incluye una gran cantidad de detalles: se trata esencialmente de un dibujo de línea, probablemente uno que se mueve (me apuesto el tronco se balanceaba atrás y adelante). El fenómeno de la línea de dibujo-el hecho de que reconocemos un dibujo lineal de un objeto (una cara, por ejemplo) como la representación de ese objeto de que el dibujo es considerablemente más simple que la imagen nos proporciona una clave importante para la naturaleza de la original, las transformaciones realizadas durante el proceso de la visión humana. Muy importante para el reconocimiento de objetos visuales es la identificación de los bordes, que nos modelo en dos

dimensiones como líneas. Si analizamos lo que se requiere para extraer los bordes de una imagen, vamos a obtener una apreciación de una forma importante en la que la percepción visual se diferencia de la lógica.

Hay muchos aspectos de la percepción visual que todavía no entendemos, pero una cierta comprensión de la identificación de la ubicación y la orientación del borde que se ha logrado. 6 Un conjunto particular de los cálculos se ha descubierto que es capaz de detectar los bordes con una precisión razonable. Existe alguna evidencia de que las técnicas similares se utilizan en el procesamiento visual por los mamíferos. La técnica se basa en dos observaciones. La primera observación es que necesitamos para suavizar los datos, los cambios que implican las regiones pequeñas, probablemente pueden considerarse como no la información que soportan el ruido visual. Por lo tanto, pequeños defectos en los bordes pueden ser ignorados, por lo menos inicialmente, en la localización de todos los bordes de una imagen. En segundo lugar, observamos que los cambios en la información visual (a través de cualquier dimensión espacial) son más importantes que la propia información. En otras palabras, estamos interesados principalmente en alteraciones súbitas y consistentes en el color o la sombra de una región a otra.

Ahora voy a describir un método para inferir los bordes de las imágenes visuales. 7 Los dos párrafossiguientes son un poco técnico. Sin embargo, no es necesario conocer todos estos detalles para apreciar algunas de las implicaciones del método. La imagen en sí está representado por una matriz bidimensional de píxeles, o puntos de información. En una imagen en blanco y negro, cada píxel puede estar representado por un único número que representa un tono de gris. En una imagen en color, se necesitan varios números (normalmente tres) para representar el color y la sombra. Podemos aprovechar esta imagen en bruto inicial y modificarlo para tomar ventaja de las dos observaciones antes citadas. La modificación se consigue mediante la aplicación de lo que se llama un filtro, en el que cada píxel tiene una influencia sobre los píxeles circundantes. Por ejemplo,un filtro de Gauss designa ciertos píxeles como la propagación de pixeles; entonces aumenta la intensidad de cada píxel en las proximidades de cada píxel de propagación sobre la base de la intensidad del píxel de propagación y la distancia al píxel vecino. La función de la intensidad de la distancia se basa en la curva de Gauss familiarizados (normal), con el pico de la curva que representa la distancia cero (es decir, el propio píxel de multiplicación). Un filtro gaussiano se aplica a una imagen haciendo cada píxel de un píxel de propagación, por lo que todos los píxeles sangran en sus píxeles circundantes. Esto tiene el efecto de suavizar la imagen, con la nitidez de la imagen resultante es una función de la anchura de la curva de Gauss. Un filtro diferente, el laplaciano, se puede aplicar entonces para detectar cambios. Este filtro reemplaza el valor de cada píxel con la tasa de cambio de la tasa de cambio (es decir, la segunda derivada) de los valores de lospíxeles.

Estos dos procesos de alisado y de determinación de las tasas de tasas de cambio-se pueden combinar en un solo filtro en el que cada píxel influye en todos los píxeles dentro de su vecindad. Este filtro, con la adecuada, si la prohibición, el nombre de "Laplaciano de un convolucionador gaussiana," tiene un gráfico con la forma de un sombrero mexicano al revés, lo que a menudo se denomina un filtro de sombrero. Como muestra la figura, cada píxel tiene una influencia positiva en los píxeles de las inmediaciones y una influencia negativa en los píxeles de una banda que rodea las inmediaciones. Una vez que el filtro de sombrero se ha aplicado, bordes pueden ser inferidos mediante la búsqueda de los cruces por cero, lugares donde los valores cambian de negativo a positivo. 8

Vamos a considerar algunas de las implicaciones de este proceso. En primer lugar, la técnica no es particularmente complicada. En segundo lugar, los experimentos han demostrado que es un éxito razonable. En general, los bordes se deducen correctamente. Hipótesis falsas se generan, pero éstas pueden ser eliminadas mediante el procesamiento posterior que incorpora conocimientos sobre los

tipos de objetos que esperamos ver en el medio ambiente y la naturaleza de sus bordes. 9 En tercer lugar, existe evidencia de que existe el hardware en el cerebro de los mamíferos para realizar este tipo de transformación. Por ejemplo, David H. Hubel y Torsten Wiesel N. de la Escuela de Medicina de Harvard han descubierto células especializadas del detector de bordes en los (primeros) capas externas de la corteza visual del cerebro humano. 10

Lo más importante es una conclusión que podemos sacar en cuanto a la cantidad de cálculos necesarios para llevar a cabo la detección de bordes. Si bien no se ha demostrado que este filtro precisa, el laplaciano de un convolucionador gaussiana, se utiliza en la visión mamífero, se puede demostrar que cualquier algoritmo que posiblemente podría realizar la detección de borde con la facilidad de humano (y aparentemente más mamífero) visión debe utilizar un filtro de centro-envolvente (un filtro en el que cada píxel influye en todos los píxeles dentro de una cierta distancia) que requiere una cantidad comparable de cálculo. Esta cantidad resulta ser vasta y está determinada por un cálculo de seis dimensiones. En primer lugar, el filtro debe ser aplicado por cada píxel, y los píxeles se organizan en una matriz de dos dimensiones. Para cada píxel debemos aplicar el filtro a todos los píxeles en una matriz bidimensional que rodea ese píxel, lo que nos da un cálculo de cuatro dimensiones. Hemos observado anteriormente que la nitidez de nuestro análisis borde era una función del tamaño de la curva gaussiana (normal) aplicado. En el filtro de sombrero combinada, el tamaño del sombrero mexicano tiene el mismo impacto.Un gran sombrero nos permitirá detectar los bordes de los objetos grandes, un pequeño sombrero detectará características más pequeñas. Por lo tanto tenemos que llevar a cabo todo este cálculo varias veces, lo que es una quinta dimensión. La sexta dimensión es el tiempo, ya que la visión tiene que ser capaz de hacer frente a las imágenes en movimiento, la totalidad de este cálculo se debe repetir muchas veces cada segundo. Sin lugar a dudas, algunas optimizaciones se pueden aplicar. Por ejemplo, si tenemos en cuenta que algunas partes de la imagen no están cambiando, no es necesario repetir todos los cálculos. No obstante, el número de cálculos requeridos se determina esencialmente por esta matriz de seis dimensiones. 11

Vamos a enchufamos algunos números para tener una idea de los órdenes de magnitud involucrados. La visión humana se estima que tiene una resolución de 10 mil posiciones a lo largo de cada uno de los dos ejes de la visión, o unos 100 millones de píxeles (De hecho, existen unos 100millones de bastones en cada ojo para detectar la forma y el movimiento y 6 millones de conos de color para detectar y el detalle fino). 12 El diámetro de instaladores Sombrero típicos utilizados en los experimentos de visión por computador rango de 10 a 30 píxeles, pero estos experimentos se basan en imágenes de sólo 1.000 píxeles de lado. Un tamaño medio razonable para un filtro sombrero humano sería de alrededor de 100 por 100 píxeles. Si asumimos unos 3 sombreros diferentes para distintos objetos grandes y una tasa de refresco de recalcular la imagen de 30 veces por segundo, tenemos el siguiente número de multiplicaciones por segundo: 10.000 x 10.000 x 100 x 100 x 3 x 30, o alrededor de 100 billones de dólares. Ahora, un ordenador personal típico puede realizar alrededor de 100 000 multiplicaciones por segundo.Por lo tanto, necesitaríamos unos mil millones de computadoras personales para que coincida con la capacidad de detección de bordes de la visión humana, y eso es sólo para un ojo! 13

Los sistemas típicos de visión por ordenador tienen especificaciones un poco menos exigentes. Típicamente resolución de la imagen es de aproximadamente 1.000 por 1.000 píxeles, lo que requiere filtros más pequeños de aproximadamente 25 por 25 píxeles. Con tres filtros de diferentes tamaños y una tasa de refresco de 30 imágenes por segundo, tenemos 1000 x 1000 x 25 x 25 x 3 x 30, o sólo 60 mil millones de multiplicaciones por segundo, lo que podría ser manejados entiempo real por un mero 600000 personales computadoras.

Esto nos lleva de nuevo al tema de la computación analógica y digital. Como se mencionó anteriormente, la necesidad de procesamiento paralelo masivo (haciendo muchos cálculos al mismo

tiempo) puede revertir, al menos parcialmente, la tendencia a alejarse de la computación analógica. Si bien es posible lograr miles de millones de cálculos por segundo digitales en nuestros más potentes superordenadores, estos sistemas son grandes y caros. Los cálculos descritos anteriormente para el filtro de sombrero no necesitan altos grados de precisión o repetibilidad, multiplicaciones por lo analógicas sería satisfactoria. Multiplicando 60 mil millones de números analógicas por segundo (600.000 elementos de cálculo cada uno realizando 100000 multiplicaciones por segundo) se puede lograr usando circuitos VLSI en un sistema relativamente compacto. Incluso los 100 billones de multiplicaciones por segundo necesarios para la visión humana, aunque fuera de la cuestión usando circuitos digitales, no es totalmente poco práctico utilizando técnicas analógicas. Después de todo, el cerebro humano realiza tareas de filtrado de imagen usando sólo esta combinación de métodos:. Masivo procesamiento analógico y computaciónparalela 14

El sistema visual humano toma una imagen con 100 millones de células especializadas (conos y bastones). Capas múltiples, cada uno de un número comparable de células, tendrían la capacidad para llevar a cabo transformaciones similares para el filtro de sombrero descrito anteriormente. De hecho, la corteza visual del cerebro contiene cientos de capas, por lo que estas etapas de filtrado son, pero los primeros transformaciones en el largo (pero rápida) viaje de procesamiento que se somete a una imagen visual. 15

Las imágenes de ambos ojos necesitan ser procesados, y luego las dos imágenes tienen que ser fusionado en uno a través de una técnica llamada estereopsis. Como resultado de tener dos ojos, podemos detectar la profundidad;., Es decir, podemos determinar la distancia relativa de los diferentes objetos que vemos 16 Debido a que nuestros ojos son un par de centímetros de distancia, el mismo objeto se movió un poco en las imágenes que reciben . La cantidad de desplazamiento se determina mediante relaciones trigonométricas simples. Los objetos distantes tendrán pocos cambios, mientras que los objetos cercanos se tendrán cambios más grandes. Sin embargo, antes de que nuestro sistema visual puede aplicar la trigonometría para el problema de la determinación de laprofundidad que necesita para alinear los objetos correspondientes en los dos campos visuales. Esto es más difícil de lo que parece. Los experimentos indican que la adecuación de la imagen de cada objeto en el campo visual de un ojo a la imagen de ese objeto en el campo visual del otro debe tenerlugar después de la detección de bordes. 17 Una vez que la detección de bordes ha tenido lugar, los bordes pueden ser emparejado utilizando técnicas de reconocimiento de patrones adicionales. 18

Una vez que los bordes son detectados y las imágenes de doble fusionan con información sobre la profundidad correspondiente, se hace posible para los procesos más sutiles de discriminación para comenzar. Los bordes y las profundidades se pueden organizar en las superficies, la textura de las superficies puede ser estimado, y por último los objetos mismos identificados. 19 En este proceso seutiliza una gran cantidad de conocimientos sobre los tipos de objetos que esperamos ver en nuestro entorno. El paradigma de la hipótesis y la prueba está claramente utiliza aquí en que la gente suele ver lo que esperan ver en una situación. Experimentos visuales han demostrado que la gente suele desconocer los objetos que no se espera si parecen ser similares a los que se anticipan. Esto indica que la prueba de las hipótesis ha dado un resultado positivo. Si un objeto extraño no coincide con nuestra hipótesis (es decir, no pasa la prueba), entonces ese objeto es probable que agarrar nuestro foco de atención.

Ahora hemos descrito una manera fundamental en la que el reconocimiento de patrones en general, y la visión en particular, difiere de los procesos lógicos del pensamiento. La esencia de la lógica es secuencial, mientras que la visión es paralela. No estoy sugiriendo que el cerebro humano no incorpora ningún procesamiento paralelo de sus análisis lógicos, pero el pensamiento lógico en general, implica considerar solamente una transformación y sus implicaciones a la vez. Cuando se habla de paralelismo en la visión humana (y en cualquier intento de emular verdaderamente la

visión en una máquina), no estamos hablando de un par de cálculos a la vez, sino de miles de millones de forma simultánea. Los pasos después de la detección de bordes también implican grandes cantidades de cálculos, la mayoría de los cuales también se llevan a cabo a través de paralelismo masivo. 20 Sólo en las etapas finales del proceso, comenzamos a razonar acerca de lo que hemos visto y por lo tanto de introducir transformaciones lógicas más secuenciales. Aunque la visión implica mucho mayores cantidades de cálculo que los procesos lógicos, que se lleva a cabo mucho más rápidamente debido a que el número de etapas de procesamiento son relativamente menos. Los billones de cálculos requeridos para el sistema visual humano para ver y reconocer una escena puede tener lugar en una fracción de segundo.

Esto explica el carácter relativamente automático (no controlada conscientemente) de la visión: estos circuitos paralelos tremendamente están constantemente procesando información y canalizando sus resultados a la siguiente etapa. No es un proceso que podemos apagar a menos que cerramos los ojos. Incluso entonces tenemos problemas para la prevención de la imaginación de la presentación de imágenes para el análisis.

El pensamiento lógico parece ser una más reciente desarrollo evolutivo de reconocimiento de patrones, uno que requiere un control más consciente sobre cada paso secuencial. 21 La cantidad de cálculos necesarios no son tan vastos, y el paralelismo menos masivo parece estar implicado. Esta es una razón por la que hemos tenido más éxito en la emulación de estos procesos más lógicos "avanzadas" en nuestras máquinas "inteligentes". A pesar de la relativamente lenta velocidad de los circuitos neuronales, el paralelismo masivo del cerebro humano lo hace capaz de mucho más de computación que las computadoras de hoy en día. Por lo tanto, la relativa falta de capacidad de computación de los ordenadores al día (menos procesamiento en paralelo), han rendido inadecuadospara un nivel de procesamiento visual comparable a la visión humana. En las tareas intensivas (y más secuenciales) menos computacionalmente de resolver los problemas y jugar juegos, incluso las primeras computadoras eran suficientes para llevar a cabo en los niveles creíbles. Por el contrario, la capacidad del cerebro para el procesamiento paralelo masivo es, al menos, una de las claves de la aparente superioridad del ser humano frente a pensamiento computadora en áreas tales como la visión. 22

El procesamiento paralelo

La realización de esta superioridad se ha centrado la atención en romper el cuello de botella de von Neumann, de los ordenadores convencionales de un solo procesador. Connection Machine de W. Daniel Hillis, por ejemplo, es capaz de 65.536 cálculos al mismo tiempo, y máquinas con un paralelismo millón de veces están en el camino. 23miles de millones de procesos simultáneos, sobre todo si los métodos análogos se combinan con la fotografía digital, no están fuera de la pregunta. 24

La comprensión de que ciertos procesos mentales críticos son inherentemente masivamente paraleloen lugar de secuencial también ha vuelto a centrar la atención en la red neural como un enfoque para la construcción de máquinas inteligentes. 25 El concepto de 1960 de una máquina de red neuronal incorporada modelos de neuronas muy simples y un número relativamente pequeño de neuronas (cientos o miles) organizados en una o dos capas.Se les proporcionó ninguna algoritmos orientados a tareas específicas y se espera que se organicen por la reordenación de las conexiones interneuronales sobre la base de la retroalimentación del instructor humano. Estos sistemas son capaces de reconocer las formas simples, pero Minsky y Papert demostraron, en sus clásicosPerceptrones , que las máquinas fueron esencialmente simplemente igualaban valores de lospíxeles individuales en contra de las plantillas almacenadas. Estas redes neuronales tempranas no eran simplemente capaz de discriminaciones más sofisticadas. 26 Como se señaló anteriormente, la escuela 1980 de las redes neuronales utiliza modelos de neuronas potencialmente más capaces que pueden incorporar sus propios algoritmos. 27diseñadores están apuntando a los sistemas con

millones de esas neuronas artificiales organizados en muchas capas. Aunque el paradigma de auto-organización sigue siendo popular, su función puede ser limitada. Algoritmos predeterminados pueden ser construidos en tanto los modelos de neurona en sí y la organización de cada capa.Por ejemplo, una capa diseñada para detectar bordes debe ser organizado de forma diferente a partir de una capa diseñado para integrar los bordes en las superficies. Por supuesto, esto es todavía muy lejos de ser el sistema visual humano, con sus miles de millones de neuronas organizadas en cientosde capas. Todavía tenemos una comprensión muy limitada de los algoritmos incorporados en la mayoría de las capas o incluso cuáles son sus funciones. Se requerirá un mayor conocimiento de estas cuestiones antes de redes neuronales pueden resolver problemas reales. Minsky y Papert siguen siendo fundamentales a la dependencia excesiva de los nuevos conexionistas sobre el paradigma de auto-organización de redes neuronales. En el prólogo a una nueva edición dePerceptrones (1988) afirman: "Nuestra posición sigue siendo lo que era cuando escribimos el libro: Creemos que este ámbito de trabajo sea inmensamente importante y rico, pero se espera que su crecimiento requiere un grado análisis del crítico que sus defensores más románticas siempre hansido reacios a perseguir, tal vez porque el espíritu del conexionismo parece propio que ir un poco a contrapelo de rigor analítico ". 28

Otra diferencia entre el pensamiento lógico y imaginal es la cuestión de la degradación gradual frente catastrófico.29 En la visión de los animales de la falla de cualquier neurona a realizar su tarea correctamente es irrelevante.Incluso las partes sustanciales de la corteza visual puede estar defectuoso, con relativamente poco impacto en la calidad del resultado final. Dejando a un lado el daño físico a los propios ojos, la capacidad del cerebro humano para procesar imágenes visuales típicamente se degrada de la misma forma que una imagen holográfica (en tres dimensiones, generada por láser) se degrada. La falta de elementos individuales restar sólo marginalmente del resultado global. Procesos lógicos son bastante diferentes. La falta de cualquier paso en una cadena de deducciones lógicas y las inferencias dooms el resto del proceso de pensamiento. La mayoría de los errores son catastróficos (en que conducen a un resultado no válido). Tenemos cierta capacidad para detectar problemas en etapas posteriores, se dan cuenta de que los supuestos anteriores deben haber sido defectuosa, y luego tratar de corregirlos, pero nuestra capacidad para hacerlo es limitada.

La diferencia entre el pensar y el pensamiento secuencial paralelo es significativa en la adquisición de habilidades.La primera vez que aprendemos a realizar una tarea de reconocimiento de patrones (el aprendizaje de un nuevo tipo de alfabeto, por ejemplo, o, en un nivel superior, un nuevo idioma),utilizamos nuestras instalaciones racionales a la razón a través de las tareas de toma de decisiones requeridas. Esto tiende a ser lenta, deliberada y consciente. 30Como "maestro" la nueva tarea, Foto por Lou Jones www.fotojones.com La promesa de procesamiento paralelo.Hidehiko Tanaka de la Universidad de Tokio diseña computadoras súper rápidas que incorporan miles de diminutos procesadores que trabajan al unísono en un solo problema.


Yuichiro Anzai, una de las principales autoridades de AI en Japón.

nuestras instalaciones paralelas toman el control y ya no tienen que pensar conscientemente a travésde cada paso. Parece justo que suceda automáticamente. Hemos programado nuestros sistemas de reconocimiento de patrones paralelos para asumir el trabajo. El proceso de reconocimiento se hace sustancialmente más rápido, y que ya no son conscientes de los pasos en el proceso. Experimentos de percepción visual-han indicado que cuando leemos, no nos realizamos el reconocimiento de caracteres individuales y de grupo a los personajes en las palabras, sino más bien reconocer palabrasenteras e incluso grupos de palabras en paralelo. Si tuviéramos a la razón a través de cada discriminación (por ejemplo, "Ahora hay un semicírculo con una línea recta a la izquierda de la misma, por lo que debe ser una p "), nuestra velocidad de lectura sería muy lento. De hecho, la velocidad de lectura de un niño es muy lento hasta que el niño ha tenido éxito en la programación de sus instalaciones de reconocimiento de patrones paralelos de reconocer primero las letras individuales, entonces las palabras, finalmente, después de años, grupos de palabras.

Existe un fenómeno similar en el lado de salida de la inteligencia humana. Cuando aprendemos a realizar una determinada tarea que implica la coordinación de los músculos (el aprendizaje de un deporte o incluso hablar un nuevo idioma), comenzamos muy deliberada y consciente de cada paso en el proceso. Después de que "amo" la nueva habilidad, somos conscientes sólo de las tareas de más alto nivel, no de los pasos individuales. Hemos pasado de la secuencia de pensamiento paralelo.

Una de las objeciones que filósofos como Hubert Dreyfus han hecho de la IA es que las computadoras parecen carecer de la capacidad para este tipo de pensamiento paralelo (la objeción seexpresa generalmente en los términos más vagos mucho que las computadoras carecen de la intuición). 31 Es cierto que los procesos puramente lógicos de la mayoría de los sistemas expertos no tienen la capacidad para lograr esta categoría vital de pensamiento masivamente paralelo. No es válida, sin embargo, a la conclusión de que las máquinas son inherentemente incapaces de utilizar este enfoque.

Se podría señalar que las máquinas incluso masivamente paralelos en última instancia a utilizar la lógica en sus transformaciones. Lógica por sí sola, sin embargo, no es el nivel apropiado de análisis para comprender tales sistemas. Es similar a tratar de entender la meteorología mediante las leyes

de la física. 32 Obviamente, las partículas de la nube no siguen las leyes de la física, pero es imposible tratar de predecir el clima a través de la física de las interacciones de partículas solo (no es que estamos mucho éxito en la predicción del tiempo, incluso con métodos "adecuados"). Como ejemplo de la debilidad de las metodologías basadas en reglas en el dominio de ciertas tareas inteligentes, considere el problema de describir cómo reconocer caras utilizando la lógica sola. El reconocimiento facial es un proceso que somos muy buenos en nuestro pesar de tener poco conocimiento de cómo funciona realmente el proceso. Nadie ha sido capaz de programar un ordenador para realizar esta tarea, en parte porque no se puede empezar a describir lo llevamos a cabo esta hazaña. En general, nos resulta mucho más fácil de reconstruir nuestros procesos mentalespara el pensamiento secuencial que para el pensamiento paralelo, porque somos conscientes de cadapaso en el proceso.

La construcción de un cerebro

Podemos sacar conclusiones de la discusión anterior sobre algunas de las capacidades necesarias para simular el cerebro humano (es decir, para emular su funcionalidad). Claramente, necesitamos una capacidad para cientos de niveles de cómputos paralelos masivos (con el paralelismo de cada etapa potencialmente en miles de millones). Estos niveles no pueden ser totalmente auto-organización, aunque los algoritmos en algunos casos permitir el "crecimiento" nuevas conexiones interneuronales. Cada nivel encarnará un algoritmo, aunque los algoritmos deben permitir el aprendizaje. Los algoritmos se implementan en dos formas: las transformaciones llevadas a cabo por los mismos y de la arquitectura de cómo se conectan las neuronas neuronas. Las múltiples capasde información paralela permiso de análisis neuronal a ser codificados en varios niveles de abstracción. Por ejemplo, en la visión, las imágenes se analizaron por primera vez en términos de bordes; superficies forman bordes; superficies forman objetos; objetos escenas de forma. 33

Otro ejemplo es el lenguaje escrito humano. Las líneas y curvas formar letras, que forman palabras, que forman frases, que forman frases, y así sucesivamente. En el lenguaje hablado, tenemos sonidosque forman fonemas, que forman palabras, y así sucesivamente. El conocimiento con respecto a las limitaciones de cada nivel de abstracción se utiliza en la capa adecuada. El conocimiento en sí mismo no se construye en (aunque algoritmos para la manipulación puede ser) y los métodos que ser proporcionada a adquirir, representar, acceder y utilizar el conocimiento específico del dominio.

Cada nivel de análisis reduce la información. En la visión, por ejemplo, comenzamos con las señales recibidas de los Hundred Million conos y bastones células en cada ojo. Esto es equivalente adecenas de miles de millones de bits de información por segundo. Representaciones intermedias en términos de superficies y calidades de superficie se pueden representar con mucho menos información. El conocimiento que finalmente extraer de este análisis es una reducción de la corriente masiva original de datos de por muchos órdenes de magnitud. Aquí también vemos la selectiva (es decir, inteligente) la destrucción de la información discutida anteriormente como el propósito de la computación. 34

El cerebro humano tiene un cierto grado de plasticidad en que las diferentes áreas del cerebro a menudo puede ser usado para representar el mismo tipo de conocimiento. Esta propiedad permite a las víctimas del movimiento que volver a aprender las habilidades perdidas mediante la formación de otras partes del cerebro que no se dañe. El proceso de aprender (o reaprender) requiere que nuestros procesos conscientes secuenciales para exponer repetitivamente los mecanismos inconscientes paralelas adecuadas para los conocimientos y las limitaciones de una tarea de reconocimiento de patrones o físico-habilidad. Hay límites sustanciales a esta plasticidad, sin embargo. La corteza visual, por ejemplo, está diseñado específicamente para la visión y no se puedeutilizar para la mayoría de otras tareas (aunque está implicado en la imaginación visual, que hace impacto en muchas otras áreas de pensamiento).

También podemos llegar a una conclusión con respecto al tipo de construcción física necesaria para lograr un rendimiento de nivel humano. El cerebro humano alcanza paralelismo masivo en todas lasetapas de su procesamiento medidos en decenas o cientos de miles de millones de cálculos simultáneos en un paquete sustancialmente menos de un pie cúbico, aproximadamente del tamaño de un ordenador personal típico. Es capaz de este inmenso nivel de rendimiento, ya que se organiza en tres dimensiones, mientras que los circuitos electrónicos se organizan actualmente en sólo dos. Nuestros chips de circuitos integrados, por ejemplo, son esencialmente plana. Con el número de componentes de cada lado de un chip se mide en los miles, estamos limitados a unos pocos millones de componentes por chip. Si, por otro lado, podríamos construir chips tridimensionales (es decir, con un millar de capas de circuitos en cada chip en lugar de sólo uno), nos gustaría añadir tresórdenes de magnitud a su complejidad: tendríamos fichas con miles de millones en lugar de meros millones de componentes. Esto parece ser necesario para lograr hardware capaz de rendimiento humano.Evolución ciertamente encontró necesario el uso de la tercera dimensión en el diseño de loscerebros animales. 35Curiosamente, una manera de que el diseño del cerebro humano utiliza la tercera dimensión es por plegado elaboradamente la superficie de la corteza cerebral para alcanzar un área de superficie muy grande.

Una razón principal de que no se utiliza la tercera dimensión es problemas térmicos. Transistores generan calor, y múltiples capas causarían circuitos de chips se derrita. Sin embargo, una solución puede estar en el horizonte en la forma de la superconductividad: a causa de su falta de resistencia eléctrica, circuitos superconductores generan prácticamente ningún calor. Esto puede permitir a los diseñadores de circuitos para reducir aún más el tamaño de cada transistor, así como de explotar la tercera dimensión inexplorada para una mejora potencial millón de veces en el rendimiento. 36

David Marr y Tomaso Poggio señalaron otra diferencia sobresaliente entre los cerebros humanos y los ordenadores de hoy en día en su primera papel en la visión estéreo en 1976. 37 Mientras que la relación de las conexiones a los componentes en un ordenador convencional es de aproximadamente 3, esta relación para la corteza de mamífero puede ser tan alto como 10.000. En un equipo que prácticamente todos los componentes y la conexión es vital.Aunque hay equipos especiales a prueba de fallos que proporcionan una pequeña medida de la redundancia, la mayoría de los ordenadores dependen de un alto grado de fiabilidad en todos sus componentes. El diseño delcerebro de los mamíferos parece usar una metodología radicalmente diferente en el que ninguno de los componentes o conexiones son cruciales; redundancia masiva permite principales partes del proceso para fallan con poco o ningún efecto sobre los resultados finales. 38

En resumen, hay dos formas fundamentalmente diferentes de pensamiento: el pensamiento lógico y el pensamiento paralelo. El pensamiento lógico es secuencial y consciente. Se trata de un control deliberado sobre cada paso. Se tiende a ser lenta y los errores en las primeras etapas se propagan a través del resto del proceso, a menudo con resultados catastróficos. La cantidad de cálculo requerido tiende a ser limitada. De este modo, los ordenadores que carecen de capacidades de procesamiento paralelo (casi todos los equipos hasta la fecha) han tenido un éxito relativo en la emulación de algunas formas de pensamiento lógico. La mayoría AI hasta mediados de la década de1980 se ha preocupado por la emulación de este tipo de resolución de problemas, con los procesos de pensamiento paralelas a menudo se pasa por alto. 39 Esto ha llevado a la crítica de la IA, a menudo con la conclusión injustificada que las computadoras son inherentemente incapaces de pensamiento paralelo.Pensamiento paralela es paralela masiva. Es capaz de procesar simultáneamente varios niveles de abstracción, con cada nivel de incorporación de conocimientos y limitaciones sustanciales. Tiende a ser relativamente rápido debido a su construcción altamente paralelo. Por lo general, se lleva a cabo sin que ninguna dirección consciente o incluso el conocimiento de la naturaleza de las transformaciones que se están realizando. Adquisición de capacidades en general, implica que la mente secuencial entrenar repetidamente la mente paralelo.

Los principios de reconocimiento de patrones

Basándose en estas observaciones, podemos describir una serie de principios que rigen los sistemas de reconocimiento de patrones de éxito. Mientras que las implementaciones y técnicas específicas serán diferentes de un dominio a otro problema, los principios siguen siendo los mismos.

Es claro que el procesamiento en paralelo es importante, particularmente en las primeras etapas del proceso, ya que la cantidad de información se reduce en gran medida por cada etapa de procesamiento. Tareas de reconocimiento de patrones en general requieren una jerarquía de decisiones. Cada etapa tiene su propia forma de representación de la información y sus propios métodos para derivar la información de la etapa anterior. Por ejemplo, en la visión que representamos los datos de imagen originales en términos de valores de intensidad de los píxeles. Segmentos de línea hipotéticos, por otro lado, son probablemente representan en términos de las coordenadas de los extremos de cada segmento, junto con información adicional acerca de lascaracterísticas de cada segmento (curvatura, el ruido del borde, sombreado, etc.) Del mismo modo, las superficies están representados por un gran número de coordenadas más información con respecto a las características de la superficie. Una variedad de métodos se han ideado para representar objetos, incluyendo el esquema primordial, el esbozo 2 ½ D, y el modelo del mundo. 40

Una cuestión clave en el análisis de cada etapa de la representación es la segmentación . En el reconocimiento de voz, por ejemplo, tenemos que dividir una muestra de habla continua en segmentos más pequeños, tales como palabras o quizás fonemas (sonidos básicos). 41 La elección de los tipos apropiados de segmentos para cada etapa es una de las decisiones más importantes en eldiseño de un sistema de reconocimiento de patrones. Una vez que los segmentos en los datos han sido localizados, que pueden ser etiquetados (descrito). En la visión, por ejemplo, una vez que hemos segmentado una escena en segmentos de línea, podemos describir la naturaleza de los segmentos. A continuación, la representación del segmento de borde en superficies y pasar a etiquetar las superficies con sus características.

Después de haber determinado las etapas de procesamiento, la representación de la información contenida en cada etapa, los segmentos que se extrae, y el tipo de etiquetado deseado para cada segmento, todavía nos enfrentamos con el corazón del problema: el diseño de métodos para hacer que el segmentación y etiquetado de decisiones. El paradigma de mayor éxito que he encontrado para conseguir esto es la de varios expertos. 42 Por lo general, los únicos métodos disponibles para realizar tareas de reconocimiento específico son las muy imperfectas. Teoría de la información nos dice que con varios independientes métodos de precisión relativamente baja todavía podemos alcanzar altos niveles de precisión si los combinamos de una manera determinada. Estas múltiples métodos, llamados expertos, se considera independiente si tienen lo que se llaman invariantes ortogonales, es decir, las fortalezas independientes. Otra forma de decir lo mismo es que los distintos expertos (a veces también llamado las fuentes de conocimiento) tienden a hacer diferentes tipos de errores. El objetivo es reunir a un grupo de expertos que lo suficientemente diversa para cada patrón que surge, al menos uno de los expertos tendrán la competencia para responder correctamente. (Por supuesto, todavía tenemos que decidir qué experto tiene razón, al igual que en la vida ordinaria! Volveré a esta pregunta.)

El reconocimiento de caracteres

Como ejemplo, considere el reconocimiento de las letras impresas. 43 Un experto útiles que podemos llamar en detectaría una característica llamada el lazo, que es un área de blanco completamente rodeado de negro. La capitalA , por ejemplo, tiene un lazo; B tiene dos. Otro expertoútil sería detectar concavidades, que son regiones cóncavas orientadas en una dirección particular. Por ejemplo, una tiene una concavidad orientada al sur, F tiene una zona cóncava mirando hacia el este, y E tiene dos concavidades orientadas al este.

Nuestro experto bucle sería competente en distinguir un O de una C en la que O tiene un bucle y C no lo hace. No sería capaz, sin embargo, de discriminar C de I (no hay bucles en cualquiera de los casos) o de O de 6 (cada uno tiene un bucle). El experto concavidad puede ayudarnos aquí, ya que es capaz de distinguir C de I y 6 de O por la presencia de una concavidad este en C y 6 . Del mismo modo, el experto concavidad por sí mismo sería incapaz de distinguir C de 6 (ya que ambos tienen una concavidad este), pero el experto bucle podría identificar 6 por su bucle único. Es evidente que los dos expertos juntos nos dan mucha más capacidad de reconocimiento de que uno solo.De hecho, utilizando sólo estos dos expertos (un detector de bucle y un detector de concavidad), podemos resolver todos los caracteres latinos 62 sans-serif, con exclusión de puntuacion ( A través de Z , una a través de z , y 0 a través de 9 ) en unas dos docenas de distintos grupos con sólo unos pocos caracteres en cada grupo. Por ejemplo, el grupo que se caracteriza por no bucles con concavidades norte y sur sólo contiene los caracteres de H y N . En otras palabras, si el experto bucle examinó un patrón e indicó que no había encontrado lazos y el experto concavidad indicado regiones cóncavas orientadas al sur y al norte, podríamos concluir que el personaje era (probablemente) o bien una H o un N . A otros expertos que examinaron la localización y orientación de los segmentos de línea o vértices angulares entonces podrían ayudarnos a establecer una identificación definitiva.

Está claro que, además de un conjunto de expertos que nos puede proporcionar la capacidad de hacer todas las discriminaciones necesarias, también es necesario un proceso de dirigir y organizar los esfuerzos de estos expertos. Este sistema, a menudo llamado el gerente de expertos, se programacon el conocimiento de que experto para utilizar en cada situación. 44 Conoce las fortalezas y debilidades relativas de cada experto y cómo

La función de bucle.

La función de concavidad.

Defectos típicos en la impresión real.

combinan sus conocimientos sobre la toma de decisiones finales. Se sabría, por ejemplo, que el experto bucle es relativamente inútil en la discriminación de 6 de O , pero muy útil para determinar si un carácter es un 6 o un C , y así sucesivamente.

En un sistema real (que se ocupa de las imágenes del mundo real), las clasificaciones son rara vez tan sencillo como los ejemplos anteriores sugieren. Por ejemplo, es muy posible que una A en realidad impreso no contenga un bucle porque un error de impresión causó que el bucle se puede romper. Un una (que debe contener un bucle) puede contener realmente dos bucles si un frotis de tinta provocó la parte superior para cerrar. Los patrones de la vida real rara vez muestran los patrones esperados perfectamente. Incluso un documento bien impreso contiene un número sorprendentemente grande de los defectos. Una manera de hacer frente a los caprichos de los patrones del mundo real es tener expertos redundantes y múltiples formas de describir el mismo tipode patrón. Hay un número de diferentes formas de describir lo que es un A debe ser similar. Por lo tanto, si uno de nuestros expertos fallidos (por ejemplo, el experto en bucle), todavía tenemos una buena oportunidad de reconocer correctamente el patrón.

Hay muchas fuentes de variabilidad. Uno, llamado ruido por razones obvias, se compone de cambios aleatorios a un patrón, en particular cerca de los bordes, causadas por defectos en el propio patrón, así como imperfecciones en el mecanismo de detección que visualiza el patrón (por ejemplo,un escáner de imágenes). Otra fuente de variabilidad se deriva de la naturaleza inherente de patrones definidos a un nivel alto de abstracción. Por ejemplo, el concepto de un Un permite una gran cantidad de variación. Hay cientos de diferentes estilos de tipo de uso común y muchos más si se consideran los estilos ornamentales. Si se considera solamente un único estilo de tipo, entonces se podría obtener el reconocimiento preciso utilizando un número relativamente pequeño de expertos. Si, por el contrario, tratamos de reconocer caracteres impresos extraídos de una amplia multitud de estilos, entonces es claro que un conjunto mucho más diversa

¿Qué letra es ésta? Douglas Hofstadter usa estas imágenes para ilustrar la superioridad de reconocimiento de patrones humano sobre las máquinas de hoy en día. Los seres humanos tienen poca dificultad para reconocer estas variaciones (aunque algunos de ellos de hecho puede ser problemático si se presenta en forma aislada).Aunque existen máquinas de hoy en día que puede reconocer con precisión las múltiples estilos de texto de uso común, ninguna máquina puede tratar con éxito con el nivel de abstracción requerido por estas formas ornamentales.

La clasificación de los caracteres sans-serif bien impreso romanas por las características del lazo y concavidad.

Desambiguar N de H utilizando un experto segmento de línea.

Las características del lazo y concavidad de 62 caracteres latinos sans-serif. Algunas de las concavidades son ambiguas o marginal. Por ejemplo, la concavidad del sur en la letra a es tan pequeño que puede ser pasado por alto por el experto en la concavidad. Así, en un sistema práctico de una se clasificarían en tanto el "tiene una concavidad del sur" y "no tiene concavidad del sur" categorías. Para tener en cuenta fuentes de tipo múltiple mayoría de personajes, de hecho, tener múltiples clasificaciones.

de expertos se requiere. 45 Permitir tal variabilidad en los patrones que se reconozca también complica la tarea del gestor experto.

Dado que la clasificación de los patrones en el mundo real a menudo no es clara, es deseable que nuestros expertos para ofrecer sus "opiniones" en una escala continua. En lugar de afirmar que este patrón tiene un lazo, sería de mayor valor para el experto para indicar su nivel relativo de la confianza en la presencia de este tipo de propiedad (por ejemplo, "No es un 95 por ciento de probabilidad de que exista un lazo en este patrón, un 3 por ciento de probabilidad de que haya dos bucles "). Un resultado menos-que-cierto podría indicar que el experto bucle casi encontró un bucle,que el "bucle" que se encuentra es roto por unos pocos píxeles. Incluso si el bucle está cerrado del todo, siempre existe la posibilidad de que en realidad no debería estar allí en absoluto, pero es sólo un artefacto de un error de impresión o escaneo. Si todos los expertos proporcionan sus análisis en términos de probabilidades, entonces el gestor experto puede utilizar teoría de la información de combinar estos resultados de una manera óptima.

En los casos de distorsión de impresión significativa, incluso la percepción humana puede fallar en el nivel de las letras individuales. Sin embargo, a menudo somos capaces de corregir los defectos deimpresión mediante el uso de nuestro conocimiento del contexto del lenguaje. Por ejemplo, si tenemos problemas para distinguir una t de unac debido a la mala impresión, por lo general, mirar (consciente o inconscientemente) en el contexto de la carta.Podríamos determinar, por ejemplo, que "el equipo" tiene más sentido que "compucer." Esto introduce el concepto de expertos que utilizan el conocimiento de las limitaciones de los niveles más altos de contexto. Sabiendo que "compucer" no es una palabra en Inglés, pero que "la computadora" se nos permite eliminar la ambigüedad de un patrón de otro modo ambiguo. Del mismo modo, en el ámbito del reconocimiento de voz, la única manera posible de distinguir la palabra hablada "a" de "demasiado" y de "dos" (todo lo cual suena idéntica) es de contexto. En la frase "Voy a la tienda," podemos eliminar "demasiado" y "dos"de la consideración por confiar en nuestro conocimiento sintáctico de nivel superior. Experimentos de percepción indican que el reconocimiento de patrones humano depende en gran medida de ese tipo de discriminación contextual. El intento de reconocer las letras impresas y sin un contexto palabra, la voz humana, sin un contexto de oración, y timbres musicales sin un contexto melódico reduce drásticamente la precisión de la percepción humana. Del mismo modo, las máquinas se ocupan de tipos muy variables de patrones requieren una amplia participación de expertos de contexto con un conocimiento sustancial sobre sus dominios. Un experto de la palabra al contexto en un sistema de reconocimiento de caracteres requiere el conocimiento de todas las posibles palabras en la lengua. Un experto sintáctico en un sistema de reconocimiento de voz requiere el conocimiento de las posibles secuencias de palabras. Una vez más, un experto que puede decir: "'tisis' tiene una probabilidad de 0.0001", es más valioso que uno que sólo puede decir: "es posible" tisis "."

Todos los expertos mencionado de acuerdo con los conceptos relativamente abstractos. Concavidad no es un concepto perfectamente definido. La detección de esta propiedad no es sencilla y requiere de un programa relativamente complejo. Una categoría muy diferente de expertos, expertos de bajo nivel (a diferencia de los expertos de alto nivel que se describen más arriba), se ocupan de las características que son transformaciones simples de los datos de entrada originales. Por ejemplo, en cualquier tipo de reconocimiento visual que podría tener una propiedad de bajo nivel asociado a cada píxel cuyo valor es simplemente el valor del píxel. Esto es, por supuesto, la propiedad más

simple posible. Una propiedad nivel ligeramente más alto (pero todavía bajo dique podían detectar la cantidad de negro en una región particular de la imagen. Para

Variedades de de bajo nivel (mínimos) conjuntos de propiedades.

ejemplo, un T tenderán a tener más negro en la región superior de la imagen de una L , que tienden a ser más negro en la región inferior. En el uso real, las propiedades mínimas tienden a ser más compleja que en los dos ejemplos anteriores, pero, no obstante, utilizar transformaciones sencillas ybien definidas de la entrada original.

Resulta que tales propiedades de bajo nivel son muy útiles en el reconocimiento de patrones cuandolos posibles tipos de patrones son muy limitados. Por ejemplo, en el reconocimiento de caracteres, si restringimos el problema a un solo estilo de tipo, entonces un sistema construido en su totalidad con los expertos en propiedad de bajo nivel es capaz de un alto nivel de precisión (potencialmente menos de un error en más de diez mil impresa caracteres).Este problema limitado es atacada con frecuencia con comparación de plantillas, llamado así porque se trata coincida con la imagen en cuestión a las plantillas almacenadas de cada letra en el juego de caracteres. 46coincidente Plantilla (y otros métodos de extracción mínima-propiedad) también funcionan bien para reconocer impresa cartas sacadas de un pequeño número de tipos de letra. Si estamos tratando de reconocer cualquier estilo nonornamental tipo (llamado omnifuente, o inteligente, reconocimiento de caracteres), a continuación, un enfoque mediante la extracción de la propiedad sólo un mínimo que no funciona en absoluto. En este caso, debemos utilizar los expertos de alto nivel (más inteligentes) que se basanen conceptos topológicos abstractos tales como bucles, concavidades, y segmentos de línea. Las propiedades mínimas aún pueden desempeñar un papel importante, sin embargo. Afortunadamente, el material impreso no suele combinar varios estilos de tipo en algo como una manera aleatoria. Cualquier documento en particular (por ejemplo, un libro o una revista) tenderá a utilizar un número limitado de tipos de letra de una manera consistente. 47 Cuando una máquina de reconocimiento de caracteres omnifuente encuentra por primera vez un nuevo documento, no tiene más remedio que utilizar sus expertos inteligentes (su experto bucle, experto concavidad, etc) para reconocer a los personajes. A medida que comienza con éxito a reconocer personajes, sus expertos de alto nivel en realidad puede formar a sus expertos de nivel inferior para hacer el trabajo, y su gerente de experto (que dirige el proceso general de reconocimiento) pueden empezar a depender más de los expertos de nivel inferior para el reconocimiento. Los expertos de alto nivel entrenan los de nivel inferior mediante la presentación de ejemplos reales de personajes reconocidos y les decía, en esencia, "Estos son ejemplos de personajes, ya que en realidad aparecen en este documento, y esto es lo que creemos que sus identificaciones correctas sean . "Las ventajas de un proceso de aprendizaje, tales automática incluyen tanto la velocidad y la precisión. Los expertos de nivel inferior no sólo son potencialmente mucho más rápido, sino que también puede ser menos sensible al ruido de la imagen.

Para volver al primer tema de este capítulo, los expertos de alto nivel en un sistema de este tipo de reconocimiento de caracteres son representativos del análisis lógico, mientras que los expertos de nivel inferior representan un tipo más paralelo de pensamiento. Los expertos de nivel inferior utilizan algoritmos mucho más simples, por lo que son más susceptibles de procesamiento paralelo masivo, lo cual es una razón importante por su potencial ventaja de la velocidad.

Curiosamente, experimentos de percepción indican que el sistema visual humano funciona de una manera similar.Cuando nos encontramos con un nuevo tipo de letra, para reconocerlo, nos basamos en nuestra comprensión conceptual de impresión (un tipo lógico de análisis), y nuestras velocidadesde reconocimiento son relativamente lentas. Una vez que nos acostumbramos a el estilo, nuestro proceso de reconocimiento se vuelve menos analítico y nuestra velocidad y aumentar la precisión sustancialmente. Este es otro ejemplo de nuestra mente lógica entrenar nuestra mente paralelo.

El paradigma de reconocimiento de patrones se ha descrito anteriormente es común a la mayoría de los problemas de reconocimiento de gravedad: múltiples etapas de procesamiento sobre la base de una jerarquía de niveles, el procesamiento paralelo masivo (sobre todo en las primeras etapas), segmentación y etiquetado, múltiples expertos en ambos niveles altos y bajos, gestión experta, desambiguación mediante las restricciones de los niveles más altos de contexto, y el aprendizaje a partir de ejemplos reales de reconocimiento. 48 El contenido real del paradigma, sin embargo, difiere sustancialmente de un lugar a otro problema. La mayor parte de la tecnología de cualquier sistema de reconocimiento de patrones éxito es de dominio específico , es decir, que se basa en la naturaleza detallada de los tipos de patrones para ser reconocidos. De vez en cuando uno escucha las reclamaciones relativas a un sistema de reconocimiento de patrones de uso general que puede reconocer cualquier tipo de caracteres de patrones impresos, palabras habladas, mapas, independientemente terreno tierra de su origen. Como se mencionó anteriormente, si bien estos sistemas reconocen muchos tipos de patrones, que llevan a cabo estas tareas mal. Para llevar a cabo cualquier tarea específica de reconocimiento de patrones bien con tasas comercialmente aceptables de exactitud requiere un conocimiento sustancial profundamente arraigado en los algoritmos y específico para el ámbito de la investigación.

El Mundo Real

Mirando el mundo real

Están llevando a cabo intentos de emular las capacidades generales de la visión humana en varios de los principales laboratorios de IA. Se trata de un ambicioso proyecto para crear un sistema de ojo-cabeza artificial en el Laboratorio de Visión MIT bajo la dirección de Tomaso Poggio. 49 El trabajo del MIT incluye la detección de bordes (utilizando el convolucionador Gauss Laplace descrito anteriormente y otros algoritmos similares), la fusión de imágenes estéreo para proporcionar información sobre la profundidad, la comprensión percepción del color, la reconstrucción de superficies y sus propiedades, el seguimiento de las trayectorias de objetos en movimiento, y el problema fundamental de describir el contenido de lo que se ve. Uno de los aspectos más interesantes del trabajo del MIT es el desarrollo de un nuevo tipo de equipo que combina el control digital con gran paralelismo analógico. 50Los experimentos llevados a cabo por Poggio, su socio Christof Koch, y otros ya han sugerido que aparezca el sistema nervioso humano ser capaz de paralelismo sustancial (cientos) de analógicas cálculos dentro de una solaneurona .

Este trabajo es un ejemplo del paradigma de varios expertos. Un número de sistemas diferentes, cada uno con un amplio conocimiento de un aspecto específico de la tarea visual-percepción, se combinan en el sistema ojo-cabeza MIT. 51 Por ejemplo, un experto que está desarrollando Anya Hurlbert y Tomaso Poggio utiliza el conocimiento de lo espectral (color) de reflectancia de las superficies para ayudar a describir ellos. 52 El proyecto también aborda las cuestiones de la integración de la percepción visual con el control mecánico de un robot e incluye una cabeza con

dos cámaras de estado sólido para los ojos (es decir, las cámaras con un chip especial llamado un dispositivo de carga acoplada como una retina electrónica).

Un centro importante para el desarrollo de sistemas de visión y su aplicación al campo de la robótica es el Instituto de Robótica (RI) en la Universidad de Carnegie-Mellon, bajo la dirección delpionero AI Raj Reddy. Un proyecto particularmente ambicioso en RI, financiado por la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) es un vehículo autónomo llamado Terregator (Terrestrial Navigator) que combina un sistema de alta resolución de visión, procesamiento en paralelo, y las capacidades de toma de decisiones avanzadas. 53

En vista del fuerte compromiso japonés a la aplicación de la robótica a las técnicas de producción, los investigadores japoneses han atacado a la visión como una prioridad de fotos de Lou Jones www.fotojones.comVisión por computador pionero Tomaso Poggio en el MIT Vision Lab.


Raj Reddy, director del Instituto de Robótica de la Universidad Carnegie-Mellon. Reddy ha sido pionera en el desarrollo de reconocimiento de voz, la visión artificial y robótica. Ahora trabaja en laTerregator (Terrestrial Navigator) para la Agencia de Proyectos de Investigación Avanzada de

Defensa (DARPA), Reddy predice que los futuros sistemas de robótica de visión con el tiempo revolucionar la conducción y ofrecer coches con el eficaz control de colisión y capacidades carretera siguiente.

tema de investigación. Basándose en el trabajo de Poggio y sus asociados, Yoshiaki Shirai (del Laboratorio Electrotécnico, Ibaraki, Japón) y Yoshiro Nishimoto (del Laboratorio de Investigación, Kobe Steel, Kobe, Japón) están tratando de construir un sistema práctico para la fusión de imágenesestéreo. Basado en el hardware paralelo, el sistema Shirai-Nishimoto utiliza un Laplaciano de un convolucionador de Gauss (un filtro de sombrero), así como las técnicas de coincidencia de modelos más avanzados. Esfuerzos de desarrollo japonesas están haciendo hincapié en la integración de la visión con control robótico en tiempo real para proporcionar una nueva generaciónde robots que puedan ver su entorno, percibir y entender las características relevantes de los objetos,y la razón sobre lo que han visto. Hirochika Inoue y Hiroshi Mizoguchi (de la Universidad de Tokio) han desarrollado un sistema que puede detectar, reconocer y rastrear rápidamente objetos en movimiento en tiempo real.

Un enfoque prometedor para organizar el paralelismo masivo requerido para las tareas de reconocimiento de patrones es desarrollar chips especializados para llevar a cabo esas tareas que requieren más cálculo. Un investigador perseguir este enfoque es Carver Mead A. (del Instituto de Tecnología de California), uno de los pioneros en el desarrollo de metodologías de diseño de circuitos integrados a gran escala. Mead y sus colaboradores han desarrollado un chip artificial retina que realiza tareas tan temprana de la visión como la detección de bordes y el ajuste de la imagen de los efectos de diferentes niveles de iluminación. 54 Una de las innovaciones del enfoque de Mead es su confianza en paralelo masivo circuitos analógicos para proporcionar la mayor parte de la computación. Mead también está trabajando en un chip artificial-cóclea basado en principios similares.

Mientras que la investigación apenas comienza en sistemas que emulan la gama completa de procesamiento visual humano, máquinas que realizan tareas más limitadas de la percepción visual ya han encontrado aplicaciones comerciales importantes. Por ejemplo, el reconocimiento óptico de caracteres (OCR) era una industria de $ 100 millones en 1986 y se prevé que crezca a varios cientosde millones de dólares en 1990. 55 Las aplicaciones incluyen la lectura en voz alta para ciegos, así como la exploración impreso y escrito documentos para la entrada en la palabra sistemas de procesamiento, edición electrónica, procesamiento de transacciones y bases de datos. Foto por Lou Jones www.fotojones.com ver y creer. En el Centro de Investigación de Tsukuba en Japón, la investigación de Yoshiaki Shirai en robótica se centra en el desarrollo de sistemas de visión en tres dimensiones.


Hirochika Inoue, un pionero en sistemas de visión robótica, de la Universidad de Tokio.


Makoto Nagao de la Universidad de Kyoto explora el reconocimiento de patrones por medio desombras y superficies.

Los sistemas que utilizan técnicas de reconocimiento de patrones están revolucionando el manejo de las huellas digitales de los organismos encargados de hacer cumplir la ley. Un sistema llamado Sistema Automático de Identificación de huellas dactilares (AFIS), desarrollado por NEC de Japón permite a las agencias de los Estados Unidos para identificar rápidamente los sospechosos de huellas dactilares o incluso pequeños fragmentos de huellas dactilares de forma inteligente a juego contra las huellas almacenadas de cientos de miles de hombres detenidos anteriormente y las mujeres. Un informe de la Oficina de Estadísticas de Justicia EE.UU. declaró: "AFIS bien podría tener el mayor impacto de cualquier desarrollo tecnológico sobre la eficacia de la aplicación de ley, desde la introducción de las computadoras para su uso generalizado en el sistema de justicia penal en la década de 1960." 56 AFIS es capaz de la identificación de un sospechoso en varios minutos, los métodos manuales que sustituye tomaron meses o incluso años.

Técnicas similares se utilizan en los dispositivos de seguridad. Sistemas fabricados por Fingermatrix, Thumbscan, y otras empresas incluyen un pequeño escáner óptico en el cual una persona inserta el dedo. 57 El dispositivo lee rápidamente patrón de dedo de la persona y utiliza técnicas de reconocimiento de patrones para que coincida contra imágenes almacenadas. El sistema puede controlar la entrada a las áreas restringidas y proteger la información en las computadoras delacceso no autorizado. Estos sistemas podrían eventualmente sustituir las cerraduras comunes y

claves en casas y automóviles.

Una de las mayores aplicaciones de los sistemas de visión comerciales hasta ahora se pueden encontrar en las fábricas, donde se utilizan los sistemas para la inspección, el montaje, y el control del proceso. Estos sistemas suelen utilizar cámaras de estado sólido con especializada Foto por Lou Jones www.fotojones.com Robert Shillman


The Machine Vision System Cognex.

electrónicos para digitalizar las imágenes en movimiento y establecen las primeras fases de cálculo complejas de procesamiento. 58 Una computadora de propósito general con un software personalizado ofrece a los mayores niveles de análisis. Uno de los más sofisticados de estos sistemas ha sido desarrollado por Cognex Corporation, fundada por Robert Shillman y un equipo deinvestigadores del MIT AI en 1981. Uno de los productos Cognex puede escanear los productos fabricados por el streaming en una cinta transportadora y detectar y reconocer dicha información

como números de serie en relieve en metal o incluso de vidrio. Otros productos Cognex pueden identificar objetos específicos y su orientación para la inspección y para ayudar a los ensambladoresrobóticos.Otros proveedores importantes de los sistemas de visión incluyen Automatix, Defracto, Perceptrón, robótica Sistemas de Visión, y vista de la ingeniería. Un jugador importante ha sido General Motors, que ha proporcionado a las inversiones y los contratos para varios de los jugadores. Según DM datos, los ingresos globales de la industria de fábrica-visión eran más de $ 300 millones en 1987 y se prevé que llegará a $ 800 millones en 1990. 59

Los sistemas militares representan otra de las principales aplicaciones de la visión artificial. 60 La capacidad de escanear y reconocer el terreno a muy baja altura es un elemento crucial del misil de crucero, que se puede iniciar a miles de kilómetros de su objetivo previsto. Modernos aviones de combate tienen una capacidad similar para realizar un seguimiento del terreno y proporcionar a los pilotos con una pantalla actualizada continuamente de la ubicación y la trayectoria de la aeronave. Las armas inteligentes (bombas, misiles y otras municiones) utilizan una variedad de mecanismos de detección, incluyendo la visión para localizar, identificar y alcanzar los objetivos previstos.

El advenimiento de las armas que se pueden ver se ha traducido en cambios profundos en la táctica y estrategia militar. Tan recientemente como en la guerra de Vietnam, que era generalmente necesario para lanzar enormes cantidades de armas ciegas pasivas en patrones relativamente indiscriminados para asegurar la destrucción de un objetivo. Modernas tácticas de batalla enfatizan en cambio la destrucción muy específica de los enemigos con las armas que pueden reconocer su objetivo. Misiles inteligentes permiten a los aviones, barcos y submarinos para destruir blancos a distancias relativamente seguras. Por ejemplo, un avión puede lanzar un misil inteligente de destruirun buque de decenas o incluso cientos de kilómetros de distancia, bien fuera del alcance de los cañones de la nave. Una nueva generación de patrón-basado de reconocimiento de uso de aviones no tripulados sistemas de visión para navegar y lanzar armas sin tripulaciones humanas. 61 Los sistemas de visión y otras tecnologías de reconocimiento de patrones también están desplegados en las tácticas defensivas para reconocer a un misil, pero tal defensa es generalmente mucho más difícil que la ofensa. El resultado es un mayor grado de vulnerabilidad de los objetivos de este tipo de movimiento lento como tanques y barcos.

Un área de creciente importancia es la aplicación de reconocimiento de patrones para la medicina. El diagnóstico médico es, después de todo, una cuestión de percibir patrones relevantes de los síntomas, resultados de exámenes y otros datos de diagnóstico. Sistemas experimentales pueden ver imágenes de una variedad de máquinas de imágenes fuentes de rayos X, TAC (tomografía axial computarizada) escáneres y MRI (imágenes por resonancia magnética) Sistemas-yproporcionar diagnósticos tentativos. Pocos, si alguno, los profesionales médicos están listos para reemplazar a sus propias percepciones con las de este tipo de sistemas, pero muchos están dispuestos a aumentar su propio análisis. A menudo, un sistema automático detectará y reportar un diagnóstico que el análisis manual hubiera pasado por alto. 62

Una aplicación médica particularmente prometedor es el análisis de imágenes de células de la sangre. Ciertos tipos de cáncer se pueden diagnosticar mediante la búsqueda de precursor revelador Foto por Lou Jones www.fotojones.com Shigeru Eiho, director de Ingeniería de la Universidad de Kyoto, con su sistema de imagen médica. células malignas en una muestra de sangre. Análisis de muestras de sangre de los técnicos humanos suelen incluir el examen de sólo alrededor de un centenar de células. En el momento en una célula maligna se manifiesta en una muestra tan pequeña, el cáncer es a menudo demasiado avanzado como para ser tratada con eficacia. Sin obstáculos por la fatiga o el tedio y capaz de funcionar a velocidades cientos de veces mayor que los técnicos humanos "técnicos" artificiales utilizando técnicas de reconocimiento de patrones puede buscar signos de cáncer en los cientos de miles o incluso millones de células y por

lo tanto potencialmente detectar la presencia de la enfermedad en una etapa tratable.

En última instancia, las aplicaciones médicas de reconocimiento de patrones tendrán un enorme beneficio. Las pruebas médicas comprende una fracción importante de toda la medicina y cuesta varios cientos de millones de dólares por año. El examen de las imágenes y otros datos que resulten de estas pruebas es muy tedioso para los técnicos humanos, y muchos estudios han citado el relativamente bajo nivel de precisión que los resultados.Muchos médicos ordenan rutinariamente pruebas para ser llevadas a cabo por duplicado sólo para mejorar su precisión. Una vez que las computadoras han llegado a dominar las tareas de reconocimiento de patrones necesarios, existe la posibilidad de una transformación importante de las pruebas médicas y de diagnóstico.

Una de las áreas de la medicina que ya está siendo revolucionado es la imagen médica. 63 Usando una variedad de técnicas de mejora de imagen basados en computadoras, los médicos ahora tienen acceso a las vistas sin precedentes dentro de nuestros cuerpos y cerebros. Técnicas similares también permiten a los científicos a visualizar extremadamente pequeños fenómenos bioquímicos tales como virus por primera vez.

Uno de los resultados más sorprendentes de procesamiento de imágenes y reconocimiento tuvo lugar hace poco, cuando Lillian Schwartz observa la notable unidad de las mitades yuxtapuestas de la "Mona Lisa" y el invertido "Autorretrato" de Leonardo da Vinci. La investigación adicional por Schwartz la llevó a identificarse Leonardo como el modelo utilizado para completar la "Mona Lisa", sugiriendo con ello una notable conclusión de los 500 años de edad, enigma de la identidad de la famosa pintura. 64

Escuchando el mundo real

Otro sentido humano que las computadoras están tratando de emular está oyendo. Mientras que la entrada a la sensación auditiva implica sustancialmente menos datos que el sentido visual (alrededorde un millón de bits por segundo de las dos orejas frente a unos cincuenta mil millones de bits por segundo de ambos ojos), los dos sentidos son de una importancia comparable en nuestra comprensión del mundo. Como experimento, trate de ver un programa de noticias de la televisión sin sonido. A continuación, intente escuchar una emisión similar sin mirar el cuadro. Es probable que encuentre más fácil seguir las noticias con los suyos oídos solos que con solo sus ojos.Prueba el

mismo experimento con una comedia de situación, el resultado debe ser el mismo.

Parte de la importancia de nuestro sentido auditivo es la estrecha relación del lenguaje verbal en nuestro proceso de pensamiento consciente. Una teoría popular hasta hace poco sostuvo que el pensamiento fue subvocalizó discurso. 65 Mientras que ahora reconocemos que nuestros pensamientos incorporan tanto el lenguaje como las imágenes visuales, la importancia crucial del sentido auditivo en la adquisición de conocimientos es ampliamente aceptada.

La ceguera es a menudo considerado como un obstáculo más grave que la sordera. Una consideración cuidadosa de las cuestiones, sin embargo, muestra que esto es una idea falsa. Con las técnicas modernas de movilidad, personas ciegas con la formación adecuada tienen pocas dificultades para viajar de un lugar a otro, las máquinas de lectura puede proporcionar acceso al mundo de la impresión, y la experiencia de personas con discapacidad visual pocas barreras a la comunicación con otras personas en grupos y reuniones grandes o pequeñas . Para los sordos, sin embargo, no es una barrera para la participación en una actividad de comprensión muy fundamentallo que otras personas están diciendo en contacto de persona a persona, por teléfono y en reuniones. La personas con discapacidad auditiva a menudo cortada de la comunicación humana básica y sentir ira ante el fracaso de la sociedad para dar cabida o entender su situación.

Escuchamos muchas cosas: la música, el habla, los variados ruidos de nuestro entorno. De ellos, los sonidos que son los más importantes en términos de la interacción y el aprendizaje sobre el mundo son los de la voz humana.Apropiadamente, el ámbito del reconocimiento auditivo que ha recibido lamayor atención es el de reconocimiento del habla en humanos y máquinas.

Al igual que con la visión humana, las etapas del procesamiento auditivo humano que la mayoría denosotros conocemos son los primeros. A partir del trabajo de Stephanie Seneff, Richard Goldhor, y otros en el Laboratorio de Voz MIT y desde el trabajo similar en otros laboratorios, tenemos algún conocimiento de las transformaciones específicas aplicadas por el nervio auditivo y las primeras etapas de la corteza auditiva. Al igual que con la visión, el conocimiento de los detalles de las etapas posteriores es relativamente leve, debido principalmente a la incapacidad de acceder a estos circuitos interiores del cerebro. Dado que es difícil para nosotros analizamos el sistema auditivo humano directamente, el grueso de la investigación en el reconocimiento de voz hasta la fecha se hadedicado a las máquinas de enseñar a comprender el habla. Al igual que con la visión, el éxito de estos esfuerzos puede proporcionarnos teorías viables en cuanto a cómo podría funcionar el sistema auditivo humano, y estas teorías puede posteriormente ser verificado por la experimentación neurofisiológica.

Examinemos el reconocimiento de voz automático (ASR) en términos del paradigma de reconocimiento de patrones se ha descrito anteriormente para la visión. El habla es creado por el tracto vocal humano, que, como un complejo instrumento musical, tiene un número de diferentes formas de configuración de sonido. Las cuerdas vocales vibran, creando un sonido agudo característico. La longitud y la tirantez de las cuerdas vocales determina terreno de juego de la misma manera que la longitud y la tirantez de una cuerda de violín o piano determina terreno de juego. Podemos controlar la tensión de nuestras cuerdas vocales (por lo tanto nuestra capacidad de cantar).Damos forma a los armónicos producidos por nuestras cuerdas vocales que vibran al mover la lengua, los dientes y los labios, que tiene el efecto de cambiar la forma del tracto vocal. El tracto vocal es una cámara que actúa como una tubería en un órgano de tubos, las resonancias armónicas que enfatizan ciertos matices y disminuyen otros.Por último, controlamos una pequeña pieza de tejido llamada colgajo alveolar, que abre y cierra la cavidad nasal.Cuando la aleta alveolar es abierta, la cavidad nasal proporciona una cámara de resonancia adicional similar a la apertura de otro tubo de órgano.

Además del sonido agudo producido por las cuerdas vocales, se puede producir un sonido noiselike

por la corriente de aire a través de la cavidad del discurso. Este sonido no tiene connotaciones específicas, sino que es más bien un complejo espectro de muchas frecuencias mezclados entre sí. Al igual que los tonos musicales producidos por las cuerdas vocales, los espectros de estos sonidos de ruido también están conformados por las cambiantes resonancias del tracto vocal en movimiento. 66

Este aparato nos permite crear los diversos sonidos que componen el habla humana. Mientras que muchos animales se comunican con otros de su especie con el sonido, los humanos somos únicos ennuestra capacidad de dar forma sonora a un lenguaje. Sonidos vocales (/ a /, / e /) son producidos por la formación de los armónicos de las cuerdas vocales que vibran en bandas de frecuencia distintas llamadas formantes. Sonidos sibilantes (/ s /, / z /) son creadas por la corriente de aire a través de configuraciones particulares de la lengua y los dientes. Plosive consonantes (/ p /, / k /, / t /) son sonidos transitorios creados por el movimiento de percusión de los labios, lengua y cavidad bucal. Sonidos nasales (/ n /, / m /) se crean mediante la invocación de las resonancias de la cavidad nasal.67

Cada una de las varias docenas de sonidos básicos, llamados fonemas, requiere un movimiento complejo que implica una coordinación precisa de las cuerdas vocales, la aleta alveolar, la lengua, los labios y los dientes.Normalmente hablamos de unos 3 palabras por segundo. Así, con un promedio de 6 fonemas por palabra, hacemos unos 18 gestos fonéticos complejos cada segundo. Lo hacemos sin pensar en ello, por supuesto.Nuestros pensamientos permanecen en el conceptual (es decir, el más alto) nivel de la jerarquía de idioma. En nuestros primeros dos años de vida, sin embargo, pensamos mucho sobre cómo hacer que los sonidos del habla (y cómo de manera significativa la cadena de ellos juntos). Este es otro ejemplo de nuestro secuencial (lógico) mente consciente la formación de nuestro paralelo (reconocimiento de patrones) mente.

Los mecanismos descritos anteriormente para la creación de los sonidos del habla-vocales vibraciones espinal, el ruido del aire al entrar, los gestos articulatorios de la boca y la lengua, la formación de las cavidades producir diferentes tipos de vocales y nasales de vibración. Un físico mide estas frecuencias de vibración como frecuencias, los percibimos como tonos. A pesar de que normalmente consideramos el discurso como un solo sonido variable en el tiempo, en realidad es una combinación de muchos sonidos diferentes, cada uno de los cuales tiene una frecuencia diferente. Con esta idea, la mayoría de los sistemas de ASR comerciales comienzan mediante la ruptura de la forma de onda de voz en un número de diferentes bandas de frecuencias. Un sistema ASR comercial o de investigación típica producirá entre tres y algunas bandas de frecuencia docena. La parte delantera del sistema auditivo humano hace exactamente la misma cosa; cada una de las terminaciones nerviosas de la cóclea (oído interno) responde a diferentes frecuencias y emite una señal digital pulsada cuando se activa mediante un tono apropiado. La cóclea diferencia varios miles de solapamiento de las bandas de frecuencia, lo que da el sistema auditivo humano su extremadamente alto grado de sensibilidad a la frecuencia. Los experimentos han demostrado que elaumento del número de la superposición de las bandas de frecuencia en un sistema de ASR (y por lotanto acercándolo a los miles de bandas del sistema auditivo humano) aumenta sustancialmente la capacidad de ese sistema para reconocer el habla humana. 68

Típicamente, el procesamiento en paralelo se utiliza en el análisis de frecuencia de front-end de un sistema de ASR, aunque no tan masivo como en los sistemas de visión, ya que la cantidad de datos es mucho menor. (Si uno tuviera que acercarse a los miles de bandas de frecuencia utilizadas por el sistema auditivo humano, entonces se requeriría el procesamiento paralelo masivo.) Una vez que la señal de voz se ha transformado en el dominio de la frecuencia, es normalizada (ajustado) para eliminar los efectos de la el volumen y el ruido de fondo. En este punto, podemos detectar una serie de características de señales de banda de frecuencia y considerar los problemas de segmentación y etiquetado.

Al igual que en los sistemas de visión, la extracción de la propiedad mínima es una técnica popular. Se puede utilizar como un conjunto de características, ya sea que los datos de frecuencia normalizada en sí o varias transformaciones de estos datos. Ahora, en la adecuación de tales conjuntos mínimos de propiedad, tenemos que considerar el fenómeno del tiempo no lineal de compresión. 69 Cuando hablamos, cambiamos nuestra velocidad de acuerdo con el contexto y otros factores. Si hablamos una palabra con mayor rapidez, no aumentamos la tasa uniforme a lo largo de toda la palabra. La duración de ciertas partes de la palabra, como las consonantes oclusivas, se mantendrá prácticamente constante, mientras que otras partes, como vocales, serán sometidos a la mayor parte del cambio. En el apareamiento una palabra hablada a una plantilla almacenada, tenemos que alinear los eventos acústicos correspondientes, o el partido nunca tendremos éxito. Este problema es similar a la coincidencia de señales visuales en la fusión de las imágenes estéreo de nuestros dos ojos. Una técnica matemática llamada programación dinámica ha sido desarrollado para llevar a cabo esta alineación temporal. 70

Al igual que con los sistemas de visión, características de alto nivel también se utilizan en los sistemas de ASR.Como se mencionó anteriormente, el discurso se compone de cadenas de fonemas,que comprenden el "alfabeto" básico de la lengua hablada. En Inglés y otras lenguas romances europeas, hay cerca de 16 vocales y 24 consonantes; japonés utiliza principalmente sólo 5 vocales y15 consonantes. La naturaleza de un fonema particular (tal como / a /) es un concepto abstracto de la misma manera que la naturaleza inherente de un carácter impreso (tales como Una ) es: ni puede ser simplemente definido. La identificación de fonemas en el lenguaje humano requiere algoritmos inteligentes y reconocimiento de características de alto nivel (algo así como los bucles y concavidades que se encuentran en caracteres de imprenta). La tarea de segmentación de voz en intervalos de tiempo diferentes que representan diferentes fonemas es también una tarea formidable. El espectro de variables en el tiempo de las frecuencias que caracterizan a un fonema enuna foto por Vladimir Sejnoha y la cortesía de Kurzweil Applied Inteligencia no lineal alineación deeventos de habla. Las líneas en el medio gráfico muestran la alineación óptima de las spectographs de dos expresiones de la palabra "más" dicho por el mismo orador femenino. contexto puede ser dramáticamente diferente en un contexto diferente. De hecho, en muchos casos no hay intervalo de tiempo correspondiente a un fonema particular puede ser hallado, detectamos sólo de la influencia sutil que tiene en fonemas que lo rodean.

Al igual que con la visión y el reconocimiento de caracteres, tanto de alto nivel y características de bajo nivel tienen valor en los sistemas de reconocimiento de voz. Para reconocer un vocabulario relativamente pequeño (unos pocos cientos de palabras) para un solo altavoz, la detección de características de bajo nivel y comparación de plantillas mediante programación dinámica suele ser

suficiente, y los sistemas más pequeños vocabulario utilizan este enfoque. Para los sistemas más avanzados, una combinación de técnicas suele ser necesario:. En general, varios expertos y un gestor experto que conoce las fortalezas y debilidades de cada 71

Expertos de contexto de alto nivel también son vitales para los sistemas de gran vocabulario. Por ejemplo, los fonemas no pueden aparecer en cualquier orden. De hecho, muchas secuencias son imposibles de articular (trate de decir "ptkee"). Más importantes, sólo ciertas secuencias de fonemascorresponderán a una palabra o fragmento de palabra en la lengua. En un nivel superior, la sintaxis y la semántica de la lengua ponen restricciones sobre los posibles órdenes de palabras. Mientras queel conjunto de fonemas es similar de un idioma a otro, los factores contextuales difieren dramáticamente. Inglés, por ejemplo, tiene más de 10.000 sílabas posibles, mientras que los japoneses sólo 120 ha.

El aprendizaje también es vital en el reconocimiento de voz. La adaptación a las características particulares de cada altavoz es una poderosa técnica en cada etapa del proceso. El aprendizaje debe tener lugar en una serie de niveles diferentes: las relaciones de frecuencia y tiempo que caracteriza acada fonema, el dialecto (pronunciación) los patrones de cada palabra, y los patrones sintácticos de posibles frases y oraciones.

En suma, vemos en el reconocimiento de voz el paradigma completo de reconocimiento de patronesque primero que encontramos en los sistemas de visión y reconocimiento de caracteres: procesamiento paralelo en el front-end, la segmentación y etiquetado, múltiples expertos en ambos niveles altos y bajos, la gestión de expertos, de desambiguación por expertos de contexto, y el aprendizaje a partir de ejemplos reales de reconocimiento. Pero mientras que el paradigma es la misma, el contenido es dramáticamente diferente. Sólo una pequeña parte de la tecnología en un sistema de ASR éxito consiste en técnicas de reconocimiento de patrones clásicos. La mayor parte se compone de un amplio conocimiento acerca de la naturaleza del lenguaje humano y el lenguaje:. La forma de los sonidos del habla y los fonología, la sintaxis y la semántica del lenguaje hablado 72

Reconocimiento automático del habla está recibiendo una atención considerable debido a su potencial para aplicaciones comerciales. 73 Aprendemos a entender y producir el lenguaje hablado en nuestro primer año de vida, años antes de que podamos entender o crear el lenguaje escrito. Por lo tanto, ser capaz de comunicarse con los ordenadores que utilizan el lenguaje verbal proporcionaría una modalidad óptima de comunicación. Una meta importante de la IA es hacer que nuestras interacciones con los ordenadores más natural e intuitiva. Ser capaz de conversar con ellos,hablando y escuchando es una parte vital de ese proceso.

Durante años los sistemas de ASR se han utilizado en situaciones en las que los usuarios tienen necesariamente sus manos y los ojos ocupados, por lo que es imposible el uso de teclados de ordenador ordinarios y pantallas de visualización. Por ejemplo, un técnico de laboratorio examinar una imagen a través de un microscopio u otro equipo técnico puede hablar resultados en el micrófono de un sistema de ASR sin dejar de ver la imagen que se examina.Del mismo modo, los trabajadores de la fábrica pueden verbalizar los datos de inspección y otra información sobre la producción o el piso de la tienda directamente a un ordenador sin tener que ocupar las manos con unteclado.Otros sistemas están empezando a automatizar las transacciones comerciales de rutina a través de líneas telefónicas. Este tipo de aplicaciones de telecomunicaciones incluyen la verificación de tarjetas de crédito, la entrada de pedidos de ventas, acceso a bases de datos y registros de inventario, la realización de otras operaciones bancarias y financieras, y muchos otros.

Las aplicaciones mencionadas son por lo general muy estructurados y por lo tanto requieren que el sistema ASR para reconocer solamente un pequeño vocabulario, por lo general unos pocos cientos de palabras o menos. Los mercados más importantes son proyectadas para los sistemas que pueden manejar vocabularios que son relativamente no restringido y mucho más grande, digamos, diez mil

palabras o más. La aplicación más obvia de los grandes sistemas de ASR de vocabulario es la creación de documentos escritos por voz. La creación de documentos escritos es una actividad omnipresente ejercida por casi todo el mundo en las oficinas, escuelas y hogares. Simplemente copiar todos los documentos escritos creados cada año es una industria de $ 25 mil millones. Decenas de miles de millones de dólares se gastan cada año en la creación de obras originales escritas de los libros a los memorandos entre oficinas. Ser capaz de dictar un documento a una máquina basada en computadora y ver el documento aparece en una pantalla a medida que se dictó tiene ventajas obvias en términos de velocidad, precisión y comodidad. Sistemas de dictado degran vocabulario basados ASR están empezando a ver el uso por los médicos en la redacción de informes médicos y por muchos otros profesionales.

También existen importantes aplicaciones de la tecnología ASR a los discapacitados. Las personas que no pueden utilizar sus manos porque de tetraplejía (parálisis debido a las lesiones de la médula espinal), parálisis cerebral u otra discapacidad neurológica pueden seguir creando documentos escritos, interactuar con las computadoras, y de alguna manera controla su entorno hablando con un ordenador equipado con ASR. Ciertos tipos de daños cerebrales causan el habla de una persona que se va arrastrando las palabras y distorsiona. Mientras que tales patrones del habla son irreconociblespor los oyentes humanos (a menos que hayan recibido una formación especial), se distorsiona de manera consistente y por lo tanto puede ser reconocida por la máquina. Un sistema que consta de unsistema de ASR para reconocer la voz distorsionada conectado a un sintetizador de voz puede actuarcomo traductor, lo que permite a la persona a ser entendido por otros. La investigación se ha llevadoa cabo en el Hospital Infantil de Boston, el Dr. Howard Shane en la asistencia a las personas con discapacidad, tanto a mano y las personas con problemas de habla usando ASR. De tal vez el mayorbeneficio potencial para los discapacitados, y también representa el mayor reto tecnológico, sería undispositivo basado en ASR para sordos que podría proporcionar una lectura visual de lo que dice la gente.

Hay tres atributos fundamentales que caracterizan a un sistema ASR en particular: tamaño del vocabulario, los requisitos de formación y su capacidad para manejar el habla continua. El tamaño del vocabulario es el número de diferentes palabras que un sistema puede manejar a la vez. Creación del texto requiere un amplio vocabulario básico, así como la posibilidad de añadir palabras adicionales al vocabulario personal activo de cada usuario individual. Para la mayoría de otras aplicaciones, pequeños vocabularios son suficientes.

La mayoría de los sistemas ASR requieren cada usuario para que el sistema en sus patrones de pronunciación particulares. Normalmente, esto se logra haciendo que el usuario proporciona el sistema con una o más muestras habladas de cada palabra en el vocabulario. Sin embargo, para los sistemas de gran vocabulario, hablando cada palabra en el vocabulario a menudo no es práctico. Es preferible que el sistema ASR puede inferir cómo es probable que pronunciar las palabras en realidad nunca se hablan a la máquina que habla. A continuación, el usuario necesita para entrenar el sistema en sólo un subconjunto del vocabulario completo.

Algunos sistemas de pequeña vocabulario han sido preprogramado con todos los patrones dialécticos anticipados de la población que se espera utilizar el sistema y por lo tanto no requieren ningún tipo de formación previa de cada usuario. Esta capacidad, llamada independencia del altavoz, se requiere generalmente para los sistemas basados en el teléfono, en un solo sistema se puede acceder por un gran grupo de usuarios.

La mayoría de los sistemas comerciales hasta la fecha requieren que los usuarios hablar con pausas breves (normalmente alrededor de 100 milisegundos) entre las palabras. Esto ayuda a que el sistemade tomar una decisión de segmentación crucial: donde las palabras empiezan y terminan. Hablando con tales pausas reduce la velocidad de un altavoz típico en un 20 a 50 por ciento. Existen sistemas de ASR que pueden manejar de habla continua, pero se limitan a pequeños vocabularios

hoy. Sistemas continuo del habla que pueden manejar grandes vocabularios se espera que a principios de 1990.

Otras características que son importantes en la descripción de los sistemas de ASR prácticos incluyen la tasa de precisión, tiempo de respuesta, la inmunidad al ruido de fondo, los requisitos para la corrección de errores, y la integración de la capacidad de reconocimiento de voz con aplicaciones informáticas específicas. En general, no es conveniente insertar simplemente un sistema de reconocimiento de voz como un front-end para aplicaciones de computadoras comunes. Los requisitos humanos para el control de aplicaciones informáticas por voz son sustancialmente diferentes de las de los dispositivos más convencionales de entrada, tales como teclados, por lo que el diseño del sistema global tiene que tener esto en cuenta.

Mientras que los sistemas ASR siguen estando muy por debajo del rendimiento humano, sus capacidades están mejorando rápidamente, y las aplicaciones comerciales están echando raíces. A partir de 1989 los sistemas ASR o bien podría reconocer un vocabulario extenso (10.000 palabras o más), reconocer el habla continua, o proporcionar la independencia de altavoces (sin formación de usuarios), pero podrían ofrecer sólo una de estas capacidades a la vez. En 1990, los sistemas comerciales se introdujeron que la independencia del altavoz combinado con la capacidad de reconocer un gran vocabulario. Yo esperaba que fuera posible a principios de 1990 para combinar dos de estos atributos en el mismo sistema. En otras palabras, vamos a ver los sistemas de vocabulario grandes que pueden manejar el habla continua, mientras que aún requieren de entrenamiento para cada altavoz, no habrá sistemas de altavoces independientes que pueden manejar el habla continua, pero sólo para los pequeños vocabularios, y así sucesivamente. El Santo Grial de reconocimiento de voz es combinar todos los tres de estas habilidades, al igual que el reconocimiento de voz humana.

Otros tipos de percepción auditiva

Ejemplos de las aplicaciones de reconocimiento de patrones para la percepción auditiva que no sea el reconocimiento del habla. Un campo muy relacionado con ASR es la identificación del hablante, que trata de identificar de forma fiable la persona que habla por su perfil de voz. Las técnicas utilizadas son extraídos del campo de ASR. Las aplicaciones comunes incluyen control de entrada yacceso.

Las aplicaciones militares de reconocimiento auditivo patrón consisten principalmente en buques y detección de submarinos. No es posible ver a través del océano, pero las ondas sonoras pueden viajar a través del agua para las largas distancias. Mediante el envío de ondas de sonido y el análisisde los patrones reflejados, vehículos marinos pueden ser reconocidos. Uno de los retos es caracterizar correctamente los patrones de diferentes tipos de submarinos y buques frente a las ballenas y otros fenómenos naturales submarinos.

También hay un número de aplicaciones médicas. La exploración del cuerpo con ondas de sonido seha convertido en una poderosa herramienta de diagnóstico no invasivo, y se están desarrollando sistemas para aplicar las técnicas de reconocimiento de patrones con los datos de los escáneres sonograma. Tal vez la aplicación médica más importante radica en el área de escuchar el corazón humano. Muchas irregularidades en los latidos del corazón (arritmias) ocurren con poca frecuencia. Así que una técnica ha sido desarrollada que implica registrar un electrocardiograma durante un período de 24 horas. En tal Holter seguimiento del paciente pasa por un día normal, mientras que una unidad portátil hace una grabación de su patrón de corazón. La grabación se revisaentonces en una pantalla especial por un técnico humano a las 24 veces la velocidad normal, por lo que requiere una hora de análisis. Pero la lectura de un electrocardiograma a 24 veces en tiempo real durante una hora es muy exigente y los estudios han indicado una importante tasa de errores. Utilizando técnicas de reconocimiento de patrones, los ordenadores han sido programados para analizar la grabación en varios cientos de veces en tiempo real y por lo tanto tienen el potencial

para proporcionar costos más bajos y mayor precisión. Sistemas similares se utilizan para controlar las funciones vitales de los pacientes de cuidados críticos. Eventualmente sistemas de reloj de pulsera serán capaces de supervisar nuestras funciones vitales sobre una base continua. Los pacientes cardíacos podrían ser contadas por sus relojes de pulsera para frenar o tomar otras medidas apropiadas si se determina que están overexerting sí mismos o de otra manera de entrar en dificultades.

Junto a la voz humana, quizás el tipo más importante de sonido que estamos expuestos a música. Sepodría argumentar que la música es la más fundamental de las artes: es el único universal a todas lasculturas conocidas.Las cualidades musicales de tonos creados por los instrumentos acústicos complejos, como el piano o el violín tienen efectos psicológicos únicos, sobre todo cuando se combina con los otros elementos de la música (melodía, ritmo, armonía y expresión). ¿Qué es lo que hace un sonido de piano de la manera que lo hace? Cada sonidos de piano un poco diferente, pero todos ellos son reconocibles como el mismo tipo de instrumento. Esto es esencialmente una cuestión de reconocimiento de patrones, y una visión de la respuesta ha proporcionado la capacidad de recrear esos sonidos usando sintetizadores basados en computadoras. También proporciona la capacidad de crear completamente nuevos sonidos sintéticos que tienen la misma riqueza, la profundidad, y la relevancia musical como sonidos producidos acústicamente. 74

Análogos a los otros sentidos humanos se están desarrollando también. Sistemas de análisis químico-están empezando a emular las funciones del gusto y del olfato. Una variedad de sensores táctiles se han desarrollado para proporcionar los robots con un sentido del tacto para aumentar su vista.

En su conjunto, las solicitudes de reconocimiento de patrones comprenden plenamente la mitad de la industria de la IA. Es sorprendente que muchas discusiones de AI dan a esta zona por completo. A diferencia de los sistemas expertos y otras áreas que enfatizan principalmente las reglasy relaciones lógicas, el campo de reconocimiento de patrones combina ambos tipos paralelos y secuenciales de pensar. Debido a su necesidad de enormes cantidades de cómputo, sistemas de reconocimiento de patrones tienden a requerir la vanguardia de las arquitecturas informáticas avanzadas.


Capítulo 8: La búsqueda del conocimiento


Autor:

Ray Kurzweil

Un hombre es enviado a prisión por un período de diez años. El comedor también sirve como un auditorio, y hay una etapa en un extremo. Después de la cena, uno de los presos corre hacia el escenario y grita: "Cuatrocientos ochenta y siete." Todo el mundo se echa a reír. Al día siguiente, que es lo mismo: Después de la cena alguien salta al escenario, le grita, "Dos mil seiscientos veintidós años," y todos los prisioneros reímos a carcajadas. Esto continúa durante un par de semanas, y finalmente el hombre le pregunta a su compañero de celda lo que está pasando. "Bueno", dice el compañero de celda, "Es como esto. La biblioteca de la prisión tiene un libro grande y gordo llamado Los Diez Mil Mejores Chistes, y todolo que he estado aquí tanto tiempo que sabemos que el libro de memoria. Si


alguien quiere contar una broma, sólo gritan el número de la broma en Los Diez Mil Mejores Chistes, y si es un gracioso, todo el mundo se ríe. "

En la cena de esa noche, el hombre decide mostrar a los otros presos que él es un buen tipo. Antes de que nadie más puede llegar a la etapa, se lanza hasta allí y grita: "¡Cinco mil novecientos ochenta y seis!" Pero para su horror, nadie grietas una sonrisa. Hay incluso un par de gemidos. Se escabulle de nuevo a su celda para consultar con su compañero de celda.

"Nadie se rió! ¿No es a los cinco mil nine ochenta y sixth broma una buena? "

"Claro que es una buena idea", dice el compañero de celda. "Old cinco mil novecientos ochenta y seis es uno de los mejores."

"¿Por qué no se ha reído nadie?"

"¿No le dijiste cosas bien."

Una broma antigua como volvió a contar de la Mente Herramientas por Rudy Rucker

Conocimiento y Sistemas Expertos

El conocimiento no es la misma que la información. El conocimiento es información que se ha comparado, en forma, interpretarse, seleccionado, y se transforma, y el artista en cada uno de nosotros todos los días recoge la materia prima y hace de ella un pequeño artefacto-y, al mismo tiempo, una pequeña gloria humana. Ahora hemos inventado máquinas para hacer eso, al igual que nosotros inventamos máquinas para extender nuestros músculos y nuestros otros órganos. De forma humana típica, pretendemos nuestras nuevas máquinas para todos los fines habituales, desde la mejora de nuestras vidas para llenar nuestras carteras. Si ellos azotan a nuestros enemigos, no nos importaría que sea ....

El animal racional se, tal vez inevitablemente, hecha la máquina de razonar. Con todos los riesgos aparentes en un audaz ejemplo, algunos dicen imprudente, embarque en tierra sagrada, hemos ido por delante de todos modos, sostiene tenazmente a lo que el sabio en todas las culturas en todo tiempo han enseñado: las sombras, sin embargo oscuro y amenazante, no debe nos impidió llegar a la luz.

Edward A. Feigenbaum y Pamela McCorduck, la quinta generación

¿Qué es el conocimiento?

Hechos por sí solos no constituyen conocimiento. Para que la información sea de conocimiento, debe incorporar las relaciones entre las ideas. Y por el conocimiento sea útil, los vínculos que describen cómo interactúan los conceptos deben ser de fácil acceso, actualizadas, y manipulados. Lainteligencia humana es notable en su capacidad para realizar estas tareas. Sin embargo, es casi más notablemente débil en almacenar de forma fiable la información en que se basa el conocimiento. 1 Las fortalezas naturales de los ordenadores son más o menos lo contrario. Tienen, por tanto, se convierten en poderosos aliados de la inteligencia humana en su capacidad para almacenar de forma fiable y recuperar grandes cantidades de información de manera rápida, pero por el contrario, han sido lentos para dominar el conocimiento verdadero. El diseño de las estructuras de datos informáticos que pueden representar la compleja red de relaciones dentro y entre las ideas ha sido una búsqueda de la inteligencia artificial a partir de su inicio. Se han propuesto muchos enfoques que compiten. El siguiente ejemplo ilustra las características de varios enfoques, incluyendo la metodología de cuadros, primero propuesto por Minsky a mediados de 1970. 2

Cada cuadro representa un concepto a veces referido como un objeto o marco. Una relación importante, es una clase de , se refiere a un grupo de entidades que conforman un subconjunto propio de un conjunto más amplio. El principio de la herencia nos dice que las características de un conjunto se aplican a la totalidad de sus subconjuntos (y todos sus subconjuntos, etc) a menos que haya una indicación específica en contrario. Por lo tanto, podemos concluir que los mamíferos, siendo una subclase de animales, ingieren proteínas, a pesar de que este hecho no se indica explícitamente. También podemos concluir que los mamíferos, siendo en última instancia, una subclase de los objetos, son visibles o tangibles. La relación es un ejemplo de se refiere a un subconjunto con un solo miembro. Por lo tanto, a pesar de que poco se revela explícitamente en el marco de Ray Kurzweil, el principio de la herencia nos permite inferir mucho. Podemos concluir que las acciones de Ray con el resto de la especie humana un intelecto superior (aunque después de leer este libro, uno podría querer introducir una excepción en este caso). Puesto que él es un hombre, no podemos concluir que alimenta su joven con leche, pero podemos determinar que es de sangre caliente, suele ser móvil, y persiste en el tiempo. Tomamos nota de que Suave y sedoso, aunque de las especies de felinos, no hereda la característica de una cola, pero sin embargo es domesticado, carnívoro, y así sucesivamente.

Otros tipos de relaciones, tipos que no implican la herencia de características, también se muestran en el gráfico.Pertenece y fue comido por los ejemplos de relaciones binarias que dos objetos singulares o marcos pueden tener entre sí. Estas relaciones también se pueden describir utilizando estructuras jerárquicas. Por ejemplo, ama, odia , yes celoso de todo podría ser ejemplos de tiene sentimientos por .

Algunas áreas de conocimiento son más susceptibles a este tipo de análisis jerárquico que otros. Taxonomía, el estudio de la clasificación de los organismos, es uno de los más eficaces. Los biólogos han tenido un gran éxito en la construcción de una estructura de árbol complicada que incorpora la práctica totalidad de los muchos millones de especies terrestres conocidas (incluyendo especies de casi un cuarto de millón de escarabajos solo). 3 El sistema requiere un mínimo de siete niveles:

• Animalia Reino

• Chordata phylum

• Clase de los mamíferos

• Orden Primate

• Familia Homidae

• Homo género

• Homo sapiens especie

Clasificaciones más complejas también son posibles:

• Animalia Reino

• Metazoos subreino

• Chordata phylum

• Vertebrata subfilum

• Tetrapoda superclase

• Clase de los mamíferos

• Theria subclase

• Eutheria Infraclase

• Cohorte Ferungulata

• Ferae superorder

• Orden Carnivora

• Fissipeda suborden

• Canoidea superfamilia

• Familia de los cánidos

• Caninae subfamilia

• Canis género

• Canis lupus especies (Wolf)

Aunque persisten algunas controversias (incluyendo, irónicamente, la colocación exacta de nuestra propia especie), el sistema ha demostrado ser una herramienta muy útil para organizar el conocimiento biológico. 4 Otras áreas tienen más dificultades con la clasificación jerárquica. Considere el sistema Dewey Decimal conocido para la clasificación de los libros. A través de tres niveles de expansión de diez veces, Melvil Dewey (1851-1931) ideó 999 categorías para la biblioteca de la universidad de Amherst en 1873. 5 Su sistema ya ha sido refinado para proporcionar un número virtualmente ilimitado de subdivisiones, por ejemplo,

• 540 Química

• 541 Química física y teórica

• 541.3 química física

• 541,34 soluciones

No hay duda de que el sistema es útil. La organización de las bibliotecas serían inmensamente difícil sin ella, o algún sistema similar (por ejemplo, la Biblioteca del Congreso de sistema). Sin embargo, los libros no siempre caen en una categoría ordenada, especialmente con el rápido desarrollo de nuevos temas interdisciplinarios. Será interesante ver cómo se clasifica este libro: la informática, la filosofía, la historia de la tecnología, el humor? Desde libros a menudo tratan temas complejos que pueden abarcar múltiples áreas del conocimiento, una sola posición en una jerarquía es a menudo un compromiso insatisfactorio. Esto no quiere decir que la clasificación jerárquica de los organismos funciona perfectamente: no es así. Pero es interesante observar que todos los organismos, incluso el más bajo, tiene una o más "padres", que a su vez tenían uno o más padres de familia, y así sucesivamente. Si dejamos de lado el mestizaje, la colección completa de todos los organismos individuales que han vivido alguna vez la forma de uno o más árboles gigantescos con miles de millones de hojas. Obviamente no existe tal organización igualmente fundamental árbol para todos los libros.

Un ambicioso intento de organizar todo el conocimiento humano en una sola jerarquía está contenida en la sección Propædia de la decimoquinta edición de la Encyclopaedia Britannica , publicada en 1980. El Propædia, que se describe como un "esquema de conocimiento", es un intentode 800 páginas de codificar todo el conocimiento , al menos la que figura en las 30.000 páginas restantes de la enciclopedia. Por ejemplo, el dinero se encuentra bajo 534D1:

• 5 La sociedad humana

• 53 La producción, distribución y utilización de la riqueza

• 534 La organización de la producción y distribución

• 534D arreglos institucionales que faciliten la producción y la salida

• 534D1 La naturaleza y características de dinero

Las relaciones jerárquicas entre las relaciones laterales.

El Propædia hace permitir múltiples clasificaciones. Cada entrada, tal como 534D1, proporcionará un número de referencias en la parte principal de la enciclopedia. A la inversa, cualquier sección de la enciclopedia es probable que tenga múltiples referencias a la misma desde la Propædia. El Propædia necesita tiempo para entender, pero es un éxito sorprendente en vista del amplio alcance del material que cubre.

Esquemas de clasificación jerárquica han proporcionado una herramienta de organización de gran alcance para la mayoría de las ciencias. Está claro, sin embargo, que tenemos que ir más allá de las estructuras arborescentes para representar la mayoría de los conceptos. La clave para el diseño de estructuras de datos que pretenden representar los conceptos son los enlaces cruzados (es decir, las relaciones no jerárquicas). Tenga en cuenta las estructuras, llamadas redes semánticas, representados en las figuras. 6 Las líneas verticales siguen representando dichas relaciones jerárquicas como parte y es una . Los vínculos horizontales , sin embargo, dan los conceptos de sus formas distintivas. Aquí vemos el mismo tipo de estructura (con diferentes formas, por supuesto), que representan dos ideas muy diferentes: el concepto de un arco y de una escala musical . Un arco o la escala se pueden implementar en un número virtualmente ilimitado de formas, pero todas esas manifestaciones pueden compartir la misma representación conceptual.

Los vínculos horizontales son ellos mismos conceptos y, obviamente, pueden ser muy variados. Ellos también pueden ser representados por las redes. Las cajas, a veces llamadas objetos, también pueden ser personas o redes simples. Por lo tanto, cada red se puede referir a otras redes para representar tanto los enlaces cruzados y los objetos. Las líneas verticales siguen representando relaciones jerárquicas simples.

Las redes semánticas y otros sistemas similares son un éxito razonable en la representación de la forma y el contenido de las ideas abstractas para su uso en bases de conocimientos informáticos. La creación de estas redes no es fácil, sin embargo, y esto ha demostrado ser un importante cuello de botella. Un aspecto importante de la investigación actual AI es crear un software que puede crear automáticamente este tipo de estructuras a partir de ejemplos de un concepto. 7

Tales estructuras de datos como las redes semánticas proporcionan una metodología formal para la representación de una amplia clase de conocimiento. A medida que se almacenan y manipulan en una computadora con facilidad, son una herramienta de gran alcance y práctico para la captura y el aprovechamiento de los patrones inherentes en al menos algunos tipos de ideas. Dado que los humanos tratan rutinariamente con los conceptos abstractos de una manera sumamente sutil, podemos inferir que las estructuras de datos en nuestras propias mentes deben ser al menos tan

poderosa como estas redes (que son, de hecho, mucho más potente).Aunque poco se conoce directamente sobre las estructuras de datos que utilizamos, podemos sacar algunas pistas a partir de observaciones de nuestro propio comportamiento y patrones de pensamiento.

En primer lugar, está claro que rara vez, o nunca, modelo de las relaciones entre las entidades con vínculos individuales. 8 Cada vez que experimentamos o entramos en contacto con un concepto, añadimos enlaces que refuerzan las estructuras propias de un concepto. Para un concepto común que puede tener millones de enlaces que expresan las mismas o similares asociaciones. En efecto, las relaciones de clave no pueden codificarse de manera explícita en absoluto sino más bien implícita por el patrón general de las estructuras de datos. Esta redundancia tiene varias implicaciones. En primer lugar, estas estructuras de conocimiento no están sujetos a fallas catastróficas si las partes del hardware fallan. Una estimación calcula en 50.000 el número de neuronas que mueren cada día en un cerebro humano adulto (y este proceso se acelera con la edad), sin embargo, nuestros conceptos e ideas no se deterioran necesariamente con el hardware. El enorme número de enlaces también nos ayuda a apreciar tanto la unidad como la diversidad de un concepto. Probablemente tenemos millones de enlaces que indican o sugieren que una silla en general, tiene cuatro patas. El vínculo entre una silla y cuatro piernas es, pues, fuertemente establecida. Los enlaces se refieren a (o evocar) experiencias que hemos tenido con las sillas y así relacionarse con recuerdos de particulares sillas que hemos conocido. La diversidad que es posible dentro del concepto de una silla es por lo tanto también capturado. La redundancia masiva también es responsable de nuestra capacidad (o incapacidad) para hacer frente a lo que se llama disonancia cognitiva (una pieza de información que parece contradecir la creencia o entendimiento bien establecida). 9 Si de repente experimentamos pruebas, pruebas, incluso fuerte, que un idea o concepto que tenemos no es válido, no actualizamos inmediatamente todas nuestras estructuras de conocimiento para reflejar esta nueva visión. Somos capaces de almacenar esta idea aparentemente contradictoria justo al lado de los conceptos que ya teníamos. A menos que se refuerza la nueva idea, con el tiempo se extinguirán, abrumado por la gran cantidad de enlaces que representan nuestras concepciones anteriores. No hay evidencia de un mecanismo en el cerebro para evitar o eliminar conceptos contradictorios, y que a veces son bastante cómodos con las ideas que parecen ser incompatibles. Por lo tanto, las ideas que se presentan varias veces al principio de nuestra vida por nuestros padres o la cultura no son fácilmente modificables, incluso si nuestras experiencias adultas son aparentemente incompatibles. En general, se necesita una exposición repetida a una nueva idea de cambiar nuestras mentes. Esta es una razón por la que los medios de comunicación son tan poderosos. Ellos tienen la capacidad de llegar a grandes audiencias de forma reiterada y por lo tanto son capaces de tener un efecto mensurable sobre nuestras estructuras de datos. 10 La presentación de una idea una vez, incluso si la idea es poderosa y verdadera, no suelen tener un impacto significativo.

Hay un fuerte vínculo entre nuestras emociones y nuestro conocimiento. Si la información se presenta de una manera que provoca una respuesta emocional, somos mucho más propensos a cambiar nuestras estructuras de conocimiento (y por tanto nuestras mentes). Por esta razón, la televisión, que tiene mucho más potencial que los medios impresos para llegar a la mayoría de la gente emocionalmente, tiene un mayor impacto correspondientemente. Los anuncios de televisión son a menudo minidramas que intentar involucrarnos emocionalmente para que el mensaje subyacente tendrá su impacto deseado. 11

Nuestro conocimiento está también estrechamente ligado a nuestra capacidad de reconocimiento de patrones. Las personas tratan el concepto de la cara de una persona en particular la misma facilidad que con el concepto de un arco o de una escala musical. Pero todavía tenemos que diseñar estructuras de datos basadas en la informática que pueden representar con éxito las características únicas de un rostro, aunque para los conceptos visuales más simples (como la forma de una zona industrial, o la forma de la letra A ) representaciones similares a las redes semánticas Se utilizan

activamente.

Una indicación de que usamos estructuras similares a las redes semánticas es nuestra capacidad de saltar desde el concepto a concepto a través de los enlaces cruzados. El pensamiento de la taxonomía nos puede llevar a pensamientos de los primates, que pueden llevar a los monos, que pueden llevar a los plátanos, que pueden llevar a la nutrición, que pueden llevar a la dieta, que pueden llevar a la próxima fiesta de Acción de Gracias, que pueden llevar a una particular, miembrode la familia, y así sucesivamente. Claramente tenemos toda nuestra información semántica, con susenlaces de forma masiva redundantes, organizados en una sola gran red. Conceptos individuales no se identifican como tales. Se requiere una gran cantidad de pensamiento disciplinado y estudio que llamar explícitamente a cabo (y describir) las ideas individuales. La capacidad de traducir nuestras redes mentales en lenguaje coherente es una habilidad difícil, uno que seguimos luchando, incluso con los adultos.

Una cuestión interesante es la cantidad de conocimiento que somos capaces de dominar. Se estima que el cerebro humano contiene del orden de 100 mil millones de neuronas. 12 Ahora nos damos cuenta de que las neuronas individuales son cada uno capaz de recordar mucho más que uno o varios bits de datos originalmente pensado posible. Un método de almacenamiento de la información está en la fuerza de cada conexión sináptica. Una neurona puede tener miles de este tipo de conexiones, cada uno potencialmente almacenar un número análogo.También se especula que ciertos recuerdos a largo plazo se codifican químicamente en los cuerpos celulares de las neuronas. Si estimamos la capacidad de cada neurona en unos 1.000 bits (y esto es probablemente baja en varios órdenes de magnitud), que le da al cerebro una capacidad de 100 billones (10 14 bits). Una red semántica típico basado en ordenador requiere sólo unos pocos miles de bits para representar un concepto. Debido a la redundancia, sin embargo, nuestros redes semánticas humanos necesitan cantidades mucho mayores de almacenamiento. Si, como un cálculo aproximado, se supone un factor de redundancia de medio de varias decenas de miles de personas, esto nos da alrededor de 100 millones de bits por concepto, y esto da una capacidad total de 1 millón de conceptos por el cerebro humano. Se ha estimado que un "maestro" de un dominio particular del conocimiento (ajedrez, medicina, etc) ha dominado unos 50.000 conceptos, que es aproximadamente el 5 por ciento de la capacidad total, de acuerdo con la estimación anterior.

La inteligencia humana no es, sin embargo, en función del número de conceptos que puede almacenar, sino más bien de la coherencia de nuestros conceptos, nuestra capacidad de crear conceptos significativos de la información que estamos expuestos, los niveles de abstracción que son capaces de hacer frente con nuestra capacidad de articular estos conceptos, y quizás lo más importante, nuestra capacidad de aplicar conceptos de maneras que van más allá de la información original que los creó. Este último rasgo es a menudo considerado como un componente clave de la creatividad. 13 Como Roger Schank y Christopher Owens señalan en su artículo de este libro, que puede ser capaz de modelar este componente esencial de la creatividad mediante técnicas de IA. Estamos empezando a comprender algunos de los mecanismos que nos permitan aplicar un concepto mental fuera de su dominio original y en última instancia, pueden ser capaces de enseñar alos ordenadores a hacer lo mismo. Y mientras que los humanos tienen éxito en su capacidad para reconocer y aplicar los conceptos de manera creativa, estamos lejos de ser consistentes en nuestra capacidad para hacerlo. Las computadoras pueden probar en última instancia mucho más a fondo ensus intentos de buscar todo el conocimiento conceptual posiblemente relevante en la solución de un problema. 14

El conocimiento-search trade-off

El cerebro humano utiliza un tipo de circuitos que es muy lento. Nuestras neuronas pueden realizar un cálculo análogo en unos 5 milisegundos, que es por lo menos 10 000 veces más lento que un computador digital. Por otra parte, el grado de paralelismo supera inmensamente cualquier

arquitectura de computadores que todavía tenemos que diseñar. El cerebro tiene cerca de 100 mil millones de neuronas, cada una con cerca de 1.000 conexiones con otras neuronas, o alrededor de 100 billones de conexiones, cada una capaz de un cálculo. Si el 1 por ciento de ellos están activos, que produce 1 billón de cálculos en 5 milisegundos, o alrededor 200000000000000 cálculos por segundo. A partir de este análisis Raj Reddy concluye que para tareas como la visión, el lenguaje y el control del motor, el cerebro es más poderoso que las supercomputadoras 1000, sin embargo, paraciertas tareas simples, tales como la multiplicación de números digitales, es menos potente que el microprocesador de 4 bits encontrado en una calculadora de diez dólares. 15

Está claro que el cerebro humano no es secuencial suficientemente rápido para realizar largas búsquedas sobre las implicaciones de su base de conocimientos. Sin embargo, con un gran número de neuronas y un número aún mayor de conexiones, por ejemplo, es capaz de almacenar una gran cantidad de conocimientos altamente organizada y el acceso a este conocimiento en paralelo. Por lo tanto, una estrategia típica del cerebro humano es para acceder a la memoria de situaciones analizadas anteriormente, ya que no es capaz de realizar una gran cantidad de análisis en un problema en tiempo real. La estrategia es muy diferente para los ordenadores que utilizan la serie convencional (es decir, no paralela) de la arquitectura. No es la velocidad secuencial suficiente para realizar una amplia búsqueda recursiva en el espacio del problema, pero el conocimiento a menudo insuficiente sobre un dominio particular que confiar demasiado en las situaciones previamente analizadas.

Un ejemplo dramático de esta diferencia se encuentra en el juego de ajedrez, nuestro problema laboratorio por excelencia para la exploración de enfoques para la inteligencia. Debido a la velocidad secuencial lento del pensamiento humano, el maestro de ajedrez tiene tiempo sólo para considerar tal vez 100 puestos en las juntas, a pesar de que es capaz de tomar ventaja de una gran capacidad de memoria de las situaciones previamente analizadas. 16

El conocimiento-search trade-off en el ajedrez

Maestro de ajedrez humano

Maestro de ajedrez por ordenador

Número de normas o situaciones memorizados30.000-100.000

200-400 *

Número de posiciones en el tablero considerados para cada movimiento 50-2001,000,000-100,000,000

* Muchos de los programas de ajedrez de ordenador tienen bibliotecas extensas de las posiciones de partida, por lo que puede ser una cantidad apreciable de conocimientos utilizados en el principio del juego. La cifra de 200 a 400 reglas serefiere a los juegos de mediados y finales.

Debido a sus capacidades de reconocimiento de patrones de gran alcance, el maestro de ajedrez puede reconocer similitudes en estas situaciones anteriores, incluso si el partido no es perfecto. Se estima que el maestro de ajedrez ha dominado 30.000 a 100.000 dichas posiciones en el tablero. Losprincipales actores de la máquina, en el desempeño a niveles comparables, se han utilizado tradicionalmente muy poco conocimiento de ajedrez más allá de las reglas. HiTech, por ejemplo, utiliza sólo unos pocos cientos de reglas heurísticas para ayudar a su búsqueda, pero es capaz de examinar millones de puestos en las juntas para cada movimiento.

En consecuencia, constatamos que existe un trade-off entre el conocimiento y el cálculo necesario para la búsqueda recursiva, con lo humano y la máquina se acerca al ajedrez estar en los extremos opuestos de la curva.17 Como dice Raj Reddy, "En caso de duda, brote "lo que significa que el surgimiento de un árbol de búsqueda recursiva por la inteligencia de la máquina a menudo puede

compensar su relativa falta de conocimiento. Por el contrario, nuestro conocimiento humano compensa la incapacidad del cerebro para llevar a cabo una amplia búsqueda secuencial en tiempo real. La figura ilustra el conocimiento-search trade-off, de nuevo con los enfoques de personas y máquinas para el ajedrez en los extremos opuestos. 18

Esto nos lleva a la cuestión de la cantidad de conocimiento es suficiente. Curiosamente, en las áreasde conocimiento tan diversas como el tamaño del vocabulario de un experto, el número de correspondencias síntoma de enfermedad conocidos por un specializt médica, y el número de puestos en las juntas memorizadas por un maestro de ajedrez, el número de "trozos" de conocimiento que poseen por un maestro humano de cualquier disciplina particular que parece estaren el rango de 30.000 a 100.000. 19 También estamos encontrando que se necesita una cantidad comparable de normas de producción en nuestros sistemas expertos basados en máquinas con el fin de prever la suficiente profundidad de la cobertura y evitar la fragilidad que fue evidente en la primera generación de tales sistemas. Esta toma de conciencia acerca de la memoria a largo plazo de un experto humano contrasta con las observaciones de la memoria humana a corto plazo, lo que parece ser unas 10.000 veces más pequeño.

Estas percepciones son alentadores con respecto a las perspectivas a largo plazo para la inteligencia artificial. La inteligencia de la máquina es intrínsecamente superior a la inteligencia humana en su capacidad para realizar alta velocidad de búsqueda secuencial. A medida que nuestros métodos mecánicos para la representación, el aprendizaje, y la recuperación de trozos de conocimiento mejorar, no hay ninguna razón por la cual nuestros equipos no pueden, finalmente, superar el límite de 100.000 trozo aproximado del conocimiento humano dentro de dominios específicos. Otra ventaja de la inteligencia de la máquina es la relativa facilidad de intercambio de bases de conocimientos. Los seres humanos son capaces de compartir el conocimiento, pero esto requiere un lento proceso de la comunicación humana y el aprendizaje. Las computadoras pueden agrupar de forma rápida y eficiente sus bases de conocimiento.

El llamado chunking del conocimiento se ha convertido en un tema importante en la investigación en IA. Un sistema reciente llamado SOAR creado por Allen Newell y sus colegas es capaz de crear automáticamente sus propios trozos de conocimiento y con ello aprender de la experiencia. 20 Es capaz de realizar la búsqueda recursiva, pero también se aprovecha de los conocimientos derivados de una serie de fuentes, incluyendo su propio análisis de su propio búsquedas, información suministrada directamente por sus maestros humanos, y la corrección de sus propios juicios. Como se adquiere más experiencia en un área particular del problema, de hecho es capaz de responder a las preguntas más rápidamente y con mayor precisión. 21

La organización de un sistema experto

Los sistemas expertos tienen la intención de replicar la toma de decisiones de un experto humano dentro de los dominios estrechamente definidos. Estos sistemas tienen tres componentes principales:. Con una base de conocimientos, reglas de decisión, y un motor de inferencia 22

La base de conocimientos está diseñado para capturar las ideas y los conceptos inherentes al dominio en cuestión. Como se mencionó anteriormente, la creación de este tipo de bases de conocimiento es un proceso difícil y laborioso. Aunque la creación de este tipo de bases de conocimiento de forma automática (o semiautomática) es un centro de investigación en IA, las bases de conocimiento de la mayoría de los sistemas expertos en uso hoy en día se han creado eslabón por eslabón por humanos "ingenieros del conocimiento." Las bases de conocimiento a menudo incorporan estructuras similares a los analizados anteriormente para representar los conceptos y relaciones entre conceptos que son importantes para el dominio. También pueden incluir bases de datos de información con una estructura más uniforme.

Las reglas de decisión se describen los métodos para tomar decisiones. En XCON, un sistema que configura equipos para Digital Equipment Corporation, una regla típica puede afirmar que si un modelo de ordenador en particular necesita más de seis tarjetas de expansión, requiere de un chasis de expansión. 23 Si hay un chasis de expansión, a continuación, debe haber también determinados cables de expansión y demás. A partir de 1987 XCON incorporado más de 10.000 tales normas. Según se informa, está haciendo el trabajo de más de 300 expertos humanos con considerablemente mayor precisión. XCON fue desarrollado como un sistema experto sólo después de varios intentos anteriores que utilizan metodologías de programación más convencionales habíanfracasado. 24

La primera generación de sistemas expertos han utilizado reglas de decisión duros con antecedentes firmes y ciertas consecuencias. La mayoría de la toma de decisiones humana, por otro lado, se basa en observaciones de incertidumbre y fragmentarias y menos de ciertas implicaciones. Si los humanos dejamos de considerar la información a menos que fuera relativamente cierto, nos quedaríamos con muy poca base para hacer la mayoría de las decisiones. Una rama de las matemáticas llamada lógica difusa ha surgido para proporcionar una base óptima para el uso de normas y observaciones probabilísticos. 25

El tercer componente del sistema experto, el motor de inferencia, es un sistema para aplicar las reglas de la base de conocimientos para tomar decisiones. Muchos sistemas expertos en uso hoy en día usan las computadoras estándar en serie (mainframes, minicomputadoras y computadoras personales) con un software especial para realizar el razonamiento deductivo e inductivo requerido por las reglas de decisión. Para los sistemas expertos más sofisticados ahora ser creado, este enfoque no será lo suficientemente rápido en muchos casos. El número de inferencias que deben serconsiderados (es decir, el número de reglas que deben aplicarse a cada concepto o punto de referencia en la base de conocimientos) explota exponencialmente a medida que tanto la base y el número de reglas de conocimiento se expande. Sistemas creados en la década de 1980 incluyen típicamente varios cientos a varios miles de reglas con las bases de conocimiento de manera similar modestos. Para los sistemas que se están creadas con decenas de miles de reglas y mucho más extensas bases de conocimiento, las computadoras son de serie de fotos de Lou Jones www.fotojones.com Toshi Doi, pionero del disco compacto. Doi está desarrollando una estación de trabajo inteligente llamado NES. menudo demasiado lento para proporcionar tiempos de respuesta aceptables. Motores de inferencia especializados que incorporan sustancial (y eventualmente masiva) paralelismo se construyen para proporcionar la potencia de cálculo requerida. Como se señala más adelante el proyecto japonés de computadoras de quinta generación prevé la computadora personal de la década de 1990 como proveedor de muy alta velocidad, motores de inferencia altamente paralelos capaces de manipular rápidamente los conceptos abstractos. 26

Poner el conocimiento al trabajo

Zeppo: Tenemos que pensar !

Chico (con un gesto de la mano desdeñosa): No, ya lo intentó dat.

Los hermanos Marx, citado en Mind Herramientas por Rudy Rucker.

El conocimiento tiene una propiedad importante. Cuando usted le da a la basura, nola pierdes.

Raj Reddy, Fundaciones y Grandes Desafíos de la Inteligencia Artificial (1988)

El codificante actual del conocimiento científico y profesional en términos de que un ordenador podía entender comenzó a mediados de la década de 1960 y se convirtió en un foco importante de lainvestigación en IA en los años 1970. Edward Feigenbaum, Bruce Buchanan, y sus colegas de la Universidad de Stanford fueron pioneros en el esfuerzo por establecer el campo que ahora se conoce como ingeniería del conocimiento. 27 Su primer esfuerzo, llamado DENDRAL, fue uno de los primeros sistemas expertos. Iniciado en 1965 y se desarrolló a lo largo de la década de 1970, se materializa un amplio conocimiento del análisis de la estructura molecular, la cual fue seleccionada simplemente como una ilustración de la capacidad de un sistema basado en computadora para dominar un área del conocimiento científico. Un objetivo primordial del proyecto fue investigar cuestiones de la filosofía de la ciencia, incluida la construcción y la validez de las hipótesis. Surgió, sin embargo, como una herramienta de valor práctico en los laboratorios universitarios e industriales. Gran parte del interés y la metodología de los sistemas expertos, que dieron origen a una industria importante durante la década de 1980, se puede remontar a DENDRAL. 28

Un proyecto de seguimiento, Meta-DENDRAL, fue un primer intento de romper el cuello de botellade conocimiento y aprendizaje. Presentado con datos acerca de nuevos compuestos químicos, Meta-DENDRAL era capaz de concebir de forma automática nuevas reglas para DENDRAL. Los problemas que el equipo de Meta-DENDRAL enfrentó incluyen tratar con datos parciales y con frecuencia inexactas y el hecho de que varios conceptos a menudo se entrelazan en el mismo conjunto de datos. El problema de aprendizaje era de ninguna manera resuelve los trabajadores Meta-DENDRAL, pero sí aliviar el trabajo del conocimiento, ingeniero humano, y muchas de las técnicas de meta-DENDRAL siguen siendo el foco de la investigación del aprendizaje en la actualidad. 29

Los sistemas expertos en medicina

Con el éxito de DENDRAL y Meta-DENDRAL por la década de 1970, Feigenbaum, Buchanan, y otros se interesaron en la aplicación de técnicas similares a un conjunto más amplio de aplicaciones y formaron el Proyecto de Programación heurístico, lo que hoy se conoce con el nombre del Laboratorio de Sistemas de Conocimiento . Tal vez su esfuerzo más conocido, MYCIN, un sistema experto para diagnosticar y recomendar tratamiento curativo para las enfermedades infecciosas se ha desarrollado a lo largo de la década de 1970. En 1979 nueve investigadores en la revista de la Asociación Médica de Estados Unidos una comparación de la capacidad de MYCIN para evaluar los casos complejos que involucran la meningitis al de los médicos humanos. 30 En lo que se ha convertido en un importante estudio, se seleccionaron diez casos de infección, incluyendo tres viral,uno tuberculosa, uno de hongos, y uno bacteriana. Para cada uno de estos casos, los diagnósticos y las recomendaciones de tratamiento se obtuvieron de MYCIN, un miembro de la facultad de Enfermedades Infecciosas de Stanford, un residente y un estudiante de medicina. Un equipo de evaluadores se compararon los diagnósticos y recomendaciones para todos los casos, sin el conocimiento de quién (o qué) ellos habían escrito, contra el curso real de la enfermedad y la terapiareal siguió. Según los evaluadores, MYCIN hizo tan bien o mejor que cualquiera de los médicos

humanos.Aunque el dominio de esta evaluación fue limitado, la conclusión fue objeto de gran atención por parte tanto de las comunidades médicas y de informática, así como los medios de comunicación generales. Si un equipo pudo igualar la inteligencia humana en el diagnóstico médicoy la recomendación de tratamiento, aunque dentro de un área limitada de la especialización, no parecía haber ninguna razón para que los dominios no podían ampliarse considerablemente. También era evidente que estos sistemas podrían eventualmente mejorar en el juicio humano en términos de la constante aplicación de la vasta (y aumentando rápidamente) la cantidad de conocimiento médico.

El éxito de MYCIN se tradujo en un alto nivel de interés y la confianza en los sistemas expertos. 31 Una importante industria fue creado en la década siguiente. 32 De acuerdo con DM de datos, la firma de investigación de mercado, la industria de sistema experto creció de $ 4 millones en 1981 a $ 400 millones en 1988 y un estimado de $ 800 millones en 1990. 33

Más allá de la atención que se centra en la disciplina de la ingeniería del conocimiento, MYCIN fuesignificativo en otros aspectos. Introdujo la metodología ahora estándar de una base y la inferencia motor de conocimiento independiente, así como el objetivo recursivas algoritmos dirigidos del motor de inferencia. 34 Además, MYCIN no acaba de dar conclusiones de diagnóstico, sino que también podría explicar su razonamiento y citar las fuentes en la literatura médica. De mayor importancia fue el uso de MYCIN de su propia versión de la lógica difusa, es decir, razonamiento basado en la evidencia y las reglas incierto, como se muestra en la siguiente regla, que también incluye la justificación y la referencia:

MYCIN Regla 280

SI:

La infección que requiere tratamiento es la meningitis, y

El tipo de la infección es hongos y

Los organismos no fueron vistos en la mancha de la cultura, y

El paciente no es un host comprometido y

El paciente ha estado en un área endémica para coccidiomycoses y

La raza del paciente es uno de: Negro, Asiática, India, y

El antígeno del criptococo en el LCR no fue positiva

ENTONCES:

Hay pruebas que sugieren (0.5) que cryptococcus no es uno de los organismos (que no sean los que se observan en cultivos o frotis) que podrían estar causando la infección.

AUTOR:

YU

JUSTIFICACIÓN:

Razas de piel oscura, especialmente filipinos, asiáticos y Negro (en ese orden) tienen una mayor susceptibilidad a coccidiomycoses meningitis.

LITERATURA:

Stevens et al. El miconazol en coccidiomicosis. Am. J. Med. 60:191-202, Feb 1976.

Entre mediados y finales de 1970 se han creado una serie de mejoras para MYCIN, incluyendo TEIRESIAS, una herramienta de creación de conocimiento y EMYCIN (para MYCIN Esencial), una versión portátil (es decir, aplicable a otras aplicaciones) del motor de inferencia de MYCIN. 35 Estas herramientas se aplicaron a otras tareas, incluyendo un sistema llamado PUFF para la interpretación de las pruebas pulmonares. 36 Durante la década de 1980 las técnicas establecidas por MYCIN se aplicaron a sistemas más sofisticados, incluyendo neomicina, un sistema de consulta con un dominio más amplio de los conocimientos médicos de MYCIN, y ONCOCIN, un sistema para el diseño de la oncología (tratamiento del cáncer) protocolos de quimioterapia. 37 Las innovaciones introducidas por estos sistemas posteriores incluyen bases de conocimiento jerárquicas que van más allá de las reglas de decisión y la capacidad de entablar un diálogo con el usuario para provocar síntomas, llame para pruebas y de entrada adicionales y clarificar el razonamiento. 38

Un sistema particularmente ambicioso llamado CADUCEO (antes Internista) fue desarrollado en la Universidad de Pittsburgh para el diagnóstico dentro del amplio campo de la medicina interna. A partir de 1982 CADUCEO contenía más de 100.000 asociaciones entre los síntomas y las enfermedades y cubrió aproximadamente el 70 por ciento de los conocimientos pertinentes en el campo. 39 El rendimiento del CADUCEO se comparó con la de los médicos humanos en casos extraídos de la revista New England Journal of Medicine. En una amplia gama de categorías de diagnóstico CADUCEO era en realidad más preciso que los médicos humanos. 40

Un diálogo típico con el sistema de diagnóstico de la leucemia EMYCIN. (Cortesía de los Imperial Cancer Research Fund Laboratorios, Londres)

04 de octubre 1984 16:15 in (EMYCIN) EMYCIN.EXE.20515 por J-Fox

4-Oct-84 61:14:42

PERSONA-1

(1) ¿Qué es la persona llamada

** ANNIE boddie

(2) ¿Qué es el sexo Annie Boddie

** HEMBRA

(3) ¿Qué edad es Annie Boddie

** 3

La primera muestra de Annie Boddie será denominado:

MUESTRA-1

(4) ¿Qué fue MUESTRA-1 (sangre, médula ósea, etc)

** MÉDULA

(5) ¿Cuál es el recuento de blastos en MUESTRA-1

** UNK

(6) ¿Cuál fue el resultado Tdt

** 20

(7) ¿Cuál es el resultado C-ALL

** 0

(8) ¿Cuál fue el diagnóstico clínico de Annie Boddie

* UNK

(9) ¿Cuál es el resultado lg Sm

** 50

(10) ¿Cuál fue el resultado roseta ratón

** UNK

(11) ¿Existe una masa mediastinal

** UNK

(12) ¿Cuál fue el resultado roseta Sheep

** UNK

(13) ¿Cuál fue el resultado de HLA-DR

** UNK

(14) ¿Cuál fue el resultado de Kappa

** POR QUÉ [Es decir, ¿por qué es importante para determinar el porcentaje de células positivas Kappa?]

[1 0,0] Esto ayudará a determinar el tipo de células leucémicas. Ya se ha establecido que

[1 0,1] el tipo de célula leucémica es de células B

Por lo tanto, si

[1 0.2] (1) El porcentaje de células Kappa positivos dividido por el porcentaje de células positivas lambda

es mayor que o igual a 6, o

(2) células positivas La lambda porcentaje dividido por el porcentaje de células positivas Kappa

es mayor que o igual a 3

a continuación, existe evidencia sugerente débilmente (0.4) que el tipo de célula leucémica es-de células B monoclonales

[Artículo 032]

[Volver a la pregunta 14.]

** POR QUÉ [Es decir, ¿por qué es importante para determinar el tipo de células leucémicas?]

[2.0] El tipo de célula leucémica es uno de los 2 parámetros clave asociados con una muestra. El valor

de este parámetro siempre se determina en cuanto se menciona una MUESTRA.

[2.1] El tipo de célula leucémica es muy importante en la determinación del diagnóstico [como, por ejemplo, en

REGLA 055].

[Volver a la pregunta 14.]

** 62

(15) ¿Cuál fue el resultado Lambda

** 62

(16) ¿Hay otras muestras de Annie Boddie

** NO

No he podido sacar conclusiones definitivas sobre el diagnóstico.

Un diálogo con TEIRESIAS, un asesor de inversiones computarizado. (Tomado de Jean-LouisLauriere, "Representación del Conocimiento y Uso. Parte 1, Sistemas Expertos,"Tecnología y Ciencias de la Informática 1 [1983], no. 1:15)

TEIRESIAS: Las siguientes inversiones parecen ser los más adecuados en este momento: Varian Corporation y Teléfonos y Telégrafos (AT & T) de Estados Unidos. ¿Eso es correcto?

Experto: No.

TEIRESIAS: ¿Hay alguna falta?

Experto: Sí, Digital Equipment y Data General.

TEIRESIAS: ¿Hay alguna que no deben estar presentes?

Experto: Sí, AT & T.

TEIRESIAS: ¿Me gustaría orientar la búsqueda de errores?

Experto: Si.

TEIRESIAS: Comencemos entonces con AT & T. He utilizado el artículo 27 para llegar a esa conclusión: Como (1) el campo de la inversión no se ha definido, (2) que se espera ganancias están por encima de 10%, (3) la inversión debe ser a largo plazo, por lo que AT & T es una opción plausible, (0,4). ¿Es correcta la regla?

Experto: Si.

TEIRESIAS: ¿Hay una premisa que no debería haber sido evaluada como verdadera?

Experto: Sí, número 1.

TEIRESIAS: llegué a ninguna conclusión sobre la cuestión de la esfera de la inversión. ¿Debería haber llegado con algo preciso?

Experto: Si. La tecnología avanzada

TEIRESIAS: Pruebas en todas las reglas que podrían haber concluido a favor del campo de la tecnología avanzada de todo fracasaron porque las premisas marcadas eran falsas .... Eran estas dos reglas correcta?

Experto. Sí.

TEIRESIAS: Si cualquiera de ellos no se han aplicado?

Experto: No.

TEIRESIAS: ¿Hay una regla que falta?

Experto: Si.

TEIRESIAS: OK, así que necesitan una regla que me permita deducir que el campo debería haber sido la tecnología avanzada. ¿Quieres darme una regla de ese tipo?

Experto: Si tramo impositivo del cliente es de 80%, si el cliente está dando seguimiento a la tendencia del mercado con cuidado, entonces es obvio (0.8) que la inversión debe hacerse en alta tecnología.

TEIRESIAS: La nueva regla se llama la regla 383. Así es como yo lo entiendo: si (1) el pago de impuestos de los clientes tienen un 50%, si (2) el mercado ha seguido una tendencia al alza recientemente, si (3) el cliente gestiona sus activos con cuidado, entonces la inversión debe hacerse en la alta tecnología (0.8). ¿Es eso cierto?

Experto: No.

TEIRESIAS: ¿Deben cambiarse las premisas?

Experto: Sí, el cambio (2).

TEIRESIAS: ¿Y si (2) se transforma en '(2) el cliente sigue el mercado cuidadosamente, harían eso?

Experto: Si.

TEIRESIAS: Entonces, sin duda, va a querer eliminar la (3). ¿Cierto?

Experto: Si.

TEIRESIAS: (Repetición de R383, entonces :) No me gusta criticar, Randy, pero no te das cuenta de que por lo general, las normas que afectan a los campos de inversión que mencionan categoría impositiva del cliente y la forma en que sigue el mercado también mencionar la experiencia del cliente en hacer inversiones? ¿Debo tratar de formular una tercera premisa?

Experto: Si.

TEIRESIAS: ¿Qué le ocurre: el cliente tiene un grado moderado de experiencia en la inversión?

Experto: OK.

TEIRESIAS: La mayor parte de estas reglas también se dan a una conclusión sobre el nivel deseadode riesgo para la inversión. ¿Debo tratar de dar ese tipo de conclusión aquí?

Experto: No.

TEIRESIAS: (repetición de corregir R383, entonces :) Por favor dígame brevemente por qué usted ha añadido esta regla.

Experto: El sistema no había entendido que podía especificar el campo de la inversión, lo que llevó con el artículo 27 que se aplica de forma incorrecta.

TEIRESIAS: R383 ha sido añadido a la base de conocimientos. La consulta se iniciará de nuevo para comprobar si esta regla es de hecho bien fundada o no. Póngase cómodo, esto podría tomar algún tiempo ... Resultados, sugirieron inversiones: Varian Corporación, datos generales, Digital Equipment. Bueno, parece que todo ha sido corregido, ¿no es así?

Experto: Si.

No es de extrañar que la medicina sería la primera de dominio profesional para atraer la atención significativa en el conocimiento de la ingeniería. El conocimiento médico está muy organizado, y lavinculación de los síntomas y los resultados de las pruebas de diagnóstico y las medidas correctivas se describe en la literatura médica con gran detalle. Aunque el proceso de conocimiento de ingeniería sigue siendo laborioso, el conocimiento está suficientemente bien organizado para las técnicas de sistemas expertos. Los sistemas descritos anteriormente están entre docenas de sistemas expertos médicos existentes o en fase de desarrollo. Algunos de estos sistemas ya están contribuyendo a la atención médica. 41 PUFF, por ejemplo, se utiliza de forma rutinaria en el CentroMédico del Pacífico en San Francisco. Sus informes son examinados por un fisiólogo pulmonar asistir, que modifica no más de 5 por ciento de los informes de hojaldre. Muchos pacientes han tenido sus programas de tratamiento para el cáncer recomendados por ONCOCIN, que también son cuidadosamente revisados. Aunque una gran cantidad de desarrollo de sistemas expertos médicos seha hecho y su uso real como asesores está comenzando, estos sistemas todavía han tenido relativamente poco impacto en la práctica médica en general. Hay cuatro razones para ello. En primer lugar, la comunidad médica está comprensiblemente conservador con respecto a cualquier nueva tecnología, por no hablar de un enfoque completamente nuevo para el diagnóstico. Incluso como consultores, estos diagnósticos cibernéticas tendrán que demostrar su valía en varias ocasiones antes de que se les da un papel importante. En segundo lugar, el hardware de estos sistemas requieren ha sido caro hasta hace poco. Este factor está desapareciendo rápidamente: la última generación de ordenadores personales tiene poder suficiente para ejecutar muchas de estas aplicaciones. En tercer lugar, muchos de estos sistemas no están suficientemente desarrolladas para el uso práctico. A menudo son "frágiles", cayendo a pedazos cuando los casos están fuera de sus lugares estrechos de especialización. Con el fin de proporcionar un nivel consistente y predecible deservicio, las bases de conocimiento requieren un enorme refinamiento. 42 Los sistemas más avanzados, como CADUCEO, están empezando a llegar a profundidades suficientes de conocimiento médico. Por último, la cuestión de la competencia de un nuevo tipo de experto médico (uno sin un título de médico) es un problema real. Dado que la profesión médica tiene el control efectivo de la prestación de servicios médicos, la resistencia a cualquier nuevo tipo de competencia no es de extrañar. Para tener éxito, los vendedores de estos servicios tendrán que posicionarse claramente como herramientas que harán que sus usuarios más competitivos con sus pares humanos.

Los sistemas expertos en otros campos

Teniendo en cuenta la gravedad de muchas de las decisiones médicas, el lento ritmo de aceptación de los sistemas expertos en medicina es comprensible. En el ámbito financiero, la situación es bastante diferente. Aquí la tecnología de sistema experto es a menudo adoptada con entusiasmo. También esto quizás no sea sorprendente.Los profesionales financieros se utilizan para la toma de decisiones imperfecto. Esperan que una cierta fracción de las decisiones que está mal. Demostraciones prácticas que un sistema experto financiero puede igualar ya menudo sobrepasar la calidad de la toma de decisiones humanas dentro de un área bien definida de especialización son más propensos a ser fácilmente aceptado. 43

Por ejemplo, Syntelligence ha creado un sistema para la industria de seguros llamado Underwriting Advisor, que proporciona asesoramiento sobre el análisis de riesgos y la fijación de precios para las diferentes líneas de seguros, incluida la indemnización de los trabajadores, la propiedad, la responsabilidad, y de otros tipos. Un sistema particularmente exitosa es Asistente de la Authorizer, lo que reduce el tiempo de transacción de un autorizador de crédito American Express en un 20 a 30por ciento y ha reducido los informes, los malos juicios caros en alrededor de 75 por ciento.

Las solicitudes están proliferando en una amplia variedad de campos. Un sistema desarrollado en el SRI Internacional pidió Prospector recibido mucha atención cuando se informó de que ha identificado la ubicación de un depósito de pórfidos de molibdeno a partir de los datos de exploración Pretaladrar fácilmente disponibles. 44 A pesar de este descubrimiento en particular teníamás científica que la importancia económica, el potencial de los sistemas expertos para mejorar las probabilidades para las apuestas muy caros implicados en el descubrimiento de los recursos naturales ha impulsado una inversión sustancial en la ingeniería del conocimiento por las industrias de la energía y los minerales.

Una conversación con Prospector. (Las respuestas humanas comienzan con un doble asterisco.) (Cortesía de Edward Feigenbaum)

Estoy considerando la posibilidad de una (Tipo-A depósito de pórfido de cobre-PCDA) en el área objetivo.

Las siguientes preguntas tienen por objeto establecer la naturaleza de la creación petrotectonic.

1 ¿En qué medida cree usted que: (el área de destino se encuentra en una cinta móvil margen continental)?

** -2

Las siguientes preguntas están destinadas a determinar la naturaleza del entorno regional.

2 ¿En qué medida cree usted que: (hay intrusivos graníticos en la región)?

5 **

3 ¿En qué medida cree usted que: (la región contiene una gran cantidad de acciones pequeñas)?

** -3

....

8-Hasta qué punto cree usted cree que: (rocas ígneas de la región tienen la textura porfídica)?

** ¿Por qué

Estoy tratando de establecer si algunas de las rocas intrusivas en su área tienen texturas sugerentes de un hypabyssal al entorno subvolcánico. Texturas Pórfido resultantes del rápido enfriamiento y la cristalización de un fundido de silicato que contiene grandes granos minerales son indicativos de niveles relativamente poco profundas de emplazamiento.

8-Hasta qué punto cree usted cree que: (rocas ígneas de la región tienen la textura porfídica)?

5 **

Mi certeza en (la textura y morfología del sistema intrusivo sugieren una subvolcánico (entorno regional hypabyssal) es ahora: 4.924.

¿Quieres continuar esta labor?

** No

Teknowledge es la creación de un sistema para la General Motors que ayudará a la mecánica de garaje en el diagnóstico y reparación de problemas de control de motor en los motores de inyección de combustible de GM rápidamente. Con la creciente complejidad de los diseños de automóviles modernos, manteniendo las habilidades y conocimientos de la mecánica hasta la fecha se ha convertido en un problema importante. Un sistema basado en computadora es una forma eficiente para proporcionar conocimientos actualizados continuamente a miles de lugares en todo el mundo. Un sistema similar llamado el Sistema de Diagnóstico Servicio Bay, que está desarrollando el Grupo Carnegie para la Ford, se describe en el artículo de Jeff Pepper en este libro.

El éxito de Digital Equipment Corporation con XCON ha dado lugar a un extenso programa de desarrollo de sistemas expertos que abarcan la mayoría de los aspectos del negocio de diciembre, incluyendo XSEL (herramienta de venta de expertos), un sistema experto que corresponda a los productos diciembre a las necesidades del cliente; ISA (Asistente para programación inteligente), que horarios de fabricación y de la actividad de taller; IDT (Herramienta de Diagnóstico Inteligente), que ayuda a los técnicos humanos en el diagnóstico de los productos manufacturados que no superen las pruebas de verificación, y NTC (red Solución de problemas Consultor), que diagnostica problemas en la red informática. 45

Una encuesta realizada por el reportero de Inteligencia Artificial Aplicada mostró que el número de sistemas expertos que trabajan aumentó de 700 a finales de 1986 a 1.900 a finales de 1987. Había 7.000 sistemas en desarrollo a finales de 1986 y 13.000 a finales de 1987. Esto ha aumentado a decenas de miles de sistemas en 1990. El área de aplicación más popular es la financiación, con el segundo control de la fabricación y la culpa diagnóstico tercero. Con el número de sistemas expertos en rápida expansión, una porción significativa de los ingresos de la industria de sistemas expertos proviene de la venta de las herramientas para crear sistemas expertos. Estos incluyen las lenguas de especialidad como PROLOG y ambientes en el conocimiento de ingeniería, a veces llamados conchas, como las embarcaciones de Conocimiento del Grupo Carnegie, ART (Herramienta de razonamiento automatizado) de Inferencia Corporation, y KEE (Ingeniería del Conocimiento para el Medio Ambiente) de IntelliCorp. 46

Algunas de las aplicaciones más avanzadas están siendo creados por el Departamento de Defensa deEE.UU., como parte de su Iniciativa de Computación Estratégica (SCI)-que no debe confundirse con la Iniciativa de Defensa Estratégica más controversial (SDI), aunque ambos SCI y SDI implicanaplicación extensiva del patrón -reconocimiento y tecnologías en el conocimiento de ingeniería. 47 SCI prevé la creación de cuatro prototipos avanzados. El vehículo autónomo de la tierra es un vehículo robótico no tripulado que puede evitar los obstáculos, realizar maniobras tácticas y llevar a cabo los planes de ataque y defensa mientras que viaja a velocidades de hasta 40

millas por hora. Se espera que su sistema experto de a bordo para realizar inferencias 7000 (aplicaciones de reglas) por segundo. Esto requerirá claramente el procesamiento en paralelo, como los sistemas expertos típicos implementadas en equipos de serie rara vez alcanzan velocidades de más de 100 inferencias por segundo.Sistema de Visión del SCI proporcionará un análisis en tiempo real de datos de imágenes de armas inteligentes y aviones de reconocimiento. Se espera que el uso de computadoras proporcionando 10-100000000000 instrucciones por segundo, lo que requerirá de procesamiento paralelo masivo. Asociado del piloto será un conjunto integrado de nueve sistemas expertos diseñados para proporcionar una amplia gama de servicios para los pilotos en situaciones de combate, incluyendo la planificación de las tácticas de la misión, el seguimiento del estado de lossistemas clave, navegación y orientación. 48 El sistema contempla la comunicación con el piloto a través de reconocimiento de voz y visuales avanzados. Por último, el Sistema de Gestión de la Batalla de SCI ayudará a los comandantes de los aviones navales en la coordinación de los recursos y tácticas durante los conflictos.

Una cuestión confrontar aplicaciones de defensa es la complejidad de los sistemas de software requeridos y la inherente dificultad de probar estos sistemas en condiciones reales. La aviónica centrales de un avión de combate típico a finales de 1980 utilizaron alrededor de 200.000 líneas de software; se espera que el avión de combate de la década de 1990 para requerir a un millón de líneas. En total, se calcula que los militares de EE.UU. en 1990, utiliza alrededor de 100 millones delíneas de código, que se espera se duplique en cinco años. Aseguramiento de la calidad de este tipo de sistemas de software extensos es un problema urgente que los planificadores están empezando a abordar.

A medida que nos acercamos a la próxima generación de sistemas expertos, tres cuellos de botella han sido reconocidos y están siendo atacados por los investigadores en los Estados Unidos, Europa y Japón. Motores de inferencia que utilizan el procesamiento en paralelo se están desarrollando paraprocesar el conocimiento y las reglas sustancialmente mayores bases que se están desarrollando. El número de inferencias por segundo que necesitan ser manejadas a menudo crece exponencialmente con el tamaño de la base de conocimientos. Con ser sistemas expertos Foto por Lou Jones www.fotojones.com diseño inteligente chip. En un laboratorio de investigación de NEC en Kawasaki, Japón, el diseño asistido por ordenador del sistema (CAD) genera un modelo para un chip VLSI. aplicado a situaciones de este tipo en tiempo real como la vigilancia de las centrales nucleares y la coordinación de los sistemas de armas, la necesidad de una respuesta rápida es obvio . 49

Tal vez el problema más importante está abordando es el aprendizaje. 50 bases de conocimiento Building a mano es muy laborioso. Los métodos para la automatización de este proceso se han convertido en un foco importante de desarrollo tanto académico y comercial. EURISKO, un sistemadesarrollado en Knowledge Systems Laboratory de Stanford y ahora está perfeccionando en la microelectrónica y tecnología de Computer Corporation, ha demostrado su capacidad para generar sus propias reglas, ya que resuelve problemas y recibe retroalimentación de los usuarios. 51 Varios sistemas expertos nuevas son capaces de crecer sus propias bases de conocimiento, simplemente mediante la observación de los tomadores de decisiones del hombre haciendo su trabajo. Esto es particularmente factible en aplicaciones financieras, ya que en la mayoría de los casos, las decisiones financieras, así como los datos que se basan en, ya son de fácil acceso por las comunicaciones informáticas.

Por último, otro tema importante es el uso adecuado de la información incierta y fragmentaria. Es bien sabido que el uso efectivo de la información es vital para la toma de decisiones más humano, pero la investigación reciente de Robert Hink y David Woods en Expert Systems Design ha arrojadoalgunas dudas sobre cómo los humanos cualificados están en él. 52 Hink y Woods encontraron que para la mayoría de la gente, incluidos los expertos humanos dentro de sus dominios, la capacidad deequilibrar los riesgos y tomar decisiones óptimas que implica resultados probabilísticos es sorprendentemente bajo. 53 Por ejemplo, en algunos casos sujetos elegiría una oportunidad para un gran premio con una pequeña probabilidad de más de un menor pero cierta recompensa a pesar de que el valor expectante (la recompensa multiplicada por la probabilidad de que lo recibe) de la recompensa más grande era sustancialmente menor. Uno podría atribuir este comportamiento a un disfrute de la toma de riesgos y un deseo general de alcanzar grandes recompensas. En otros casos, estos mismos temas se seleccionan la opción más conservadora a pesar de que en estos casos su valor expectante fue menos. Los patrones de toma de decisiones no eran ni óptimo ni consistente. A menudo, la forma en que están redactadas las preguntas tenía más efecto sobre las opciones que los hechos subyacentes. Estos hallazgos son consistentes con la observación de sentido común que algunas personas muestran consistentemente mejor rendimiento a ciertos tipos de tareas, incluso cuando una considerable incertidumbre está involucrado. Ejemplos clásicos son los juegos de cartascomo el póquer, en el que los jugadores expertos casi siempre están a la cabeza, a pesar de que un elemento significativo de la casualidad se tratara. Estos jugadores son, evidentemente, capaz de aplicar reglas probabilísticas de una manera más coherente y una metodología sólida que sus oponentes. Hink y Woods encontraron que la validez y coherencia de la toma de decisiones de la mayoría de la gente, incluso dentro de las áreas de competencia profesional de las personas reconocidos, era mucho más bajo de lo que esperaban. La importancia de esta observación para la comunidad en el conocimiento de ingeniería es mixto. La mala noticia es que la elaboración de las bases de conocimiento de sonido y normas seguirá siendo difícil, ya que incluso los expertos en dominios humanos no son muy eficaces en su aplicación, además de frecuente falta de conocimiento de sus propias reglas de decisión. La buena noticia es que existe una oportunidad considerable para los sistemas expertos basados en computadoras para mejorar en la toma de decisiones humana en aquellos ámbitos en los que el conocimiento y los procesos de toma de decisiones pueden ser captados y aplicados. 54

Idioma: La Expresión de Conocimiento

Gracie: Un camión golpeó Willy.

George: ¿Qué camión?

Gracie: El camión que no tenía las luces encendidas.

George: ¿Por qué no tienen las luces encendidas?

Gracie: No tiene por qué. Era de día.

George: ¿Por qué el conductor del camión ver Willy?

Gracie: No sabía que era Willy.

Una rutina de comedia de Burns y Allen, citado por Roger Schank para ilustrar los problemas de comprensión del lenguaje

Este es el queso que la rata que el gato que el perro se comió poco perseguido.

Marvin Minsky, The Society of Mind (citando una sentencia válida de que los seres humanos tienen dificultades para el análisis)

Escuadrón Ayuda Dog Bite Víctima

Libro del Titular de periódico meteduras de pata

Las aves pueden volar, a menos que sean los pingüinos y los avestruces, o si llegan a estar muerto, o han roto las alas, o están confinados a jaulas, o tienen sus pies atrapados en cemento, o haber sufrido tan terrible como para hacerlos psicológicamente incapaces de vuelo.

Marvin Minsky, La sociedad de la mente (que ilustra la dificultad de expresar con precisión el conocimiento)

"Está bien, ¿dónde escondiste?"

"Hide qué?"

"Ya lo sabes."

"¿Dónde crees?"

"Oh."

Una "conversación casado" citado por Nicholas Negroponte del MIT Media Lab para ilustrar la importancia del conocimiento compartido en la interpretación del lenguaje natural

Ningún conocimiento es completamente reducible a las palabras, y ningún conocimiento es totalmente inefable.

Seymour Papert, Mindstorms

Estudiantes del pensamiento humano y el proceso de pensamiento siempre ha prestado especial atención al lenguaje humano. 55 Nuestra capacidad para expresar y comprender el lenguaje es a menudo citado como principal característica diferenciadora de nuestra especie. El lenguaje es el medio por el que compartimos nuestro conocimiento. Aunque sólo tenemos muy limitado el acceso a los circuitos reales y algoritmos embebidos en nuestro cerebro, el lenguaje en sí es bastante visible. El estudio de las estructuras y los métodos de la lengua nos da un laboratorio de fácil accesopara el estudio de la estructura del conocimiento humano y el proceso de pensamiento detrás de él. El trabajo en este laboratorio shows, como es lógico, que el lenguaje no es menos compleja o sutil de un fenómeno que el conocimiento que trata de transmitir.

Hay varios niveles de la estructura del lenguaje humano. El primero en ser estudiado de forma

activa era la sintaxis, las normas que regulan la forma en que están dispuestas las palabras y las palabras juegan papeles. Reglas sintácticas regulan la colocación de los sustantivos, verbos y otros tipos de palabras en una oración y también el control de la conjugación verbal y otros elementos de la estructura de la oración. Aunque el lenguaje humano es mucho más complejo, las similitudes en las estructuras sintácticas de las lenguas humanas y de la computadora fueron advertidos por los investigadores de AI en la década de 1960. Un gol tempranero AI era dar un ordenador la capacidadde analizar frases en lenguaje natural en el tipo de diagramas de oraciones que los niños de escuela primaria aprenden. Uno de los primeros sistemas de este tipo, desarrollado en 1963 por Susumu Kuno de Harvard, fue interesante en su revelación de la profundidad de la ambigüedad en el idioma Inglés. Kuno le pidió a su analizador computarizado de lo que la frase "El tiempo vuela como una flecha" significa. En lo que se ha convertido en una respuesta conocida, el equipo respondió que no estaba muy seguro. Podría significar (1) que el tiempo pasa tan rápido como una flecha pasa. O tal vez (2) es un mandamiento que nos dice que el tiempo de las moscas de la misma manera que un momento de flecha moscas, es decir, "El tiempo vuela como una flecha lo haría." O (3) podría ser una orden que nos dice que sólo el tiempo esas moscas que son similares a las flechas, es decir, ". Eltiempo vuela, que son como una flecha" O tal vez (4) significa que el tipo de moscas conocido como "el tiempo vuela" tiene una afición por las flechas: "Los tiempos de las moscas como flechas. " 56

Se hizo evidente a partir de esta y otras ambigüedades sintácticas que la comprensión del lenguaje requiere tanto de una comprensión de las relaciones entre las palabras y el conocimiento de los conceptos de las palabras. Subyacentes 57 Es imposible entender la frase sobre el tiempo (o incluso de comprender que la oración es, en efecto hablando sobre el tiempo y no las moscas) y sin un dominio de las estructuras de conocimiento que representan lo que sabemos sobre el tiempo, moscas, flechas, y cómo estos conceptos se relacionan entre sí. Una tecnología AI llamado análisis semántico intenta aplicar el conocimiento de los conceptos asociados a las palabras para el problema de la comprensión del lenguaje. Un sistema de armado de este tipo de información, tenga en cuenta que las moscas no son similares a las flechas (que por lo tanto destruir la tercera interpretación arriba). (A menudo hay más de una manera de resolver las ambigüedades del lenguaje. La tercera interpretación también se podría haber resuelto sintácticamente señalando que "al igual que" en el sentido de "similar a" normalmente requiere acuerdo de número entre las dos fotos por www.fotojones Lou Jones . com Una pantalla japonesa en el Instituto de Tecnología de Tokio. objetos que se comparan.) También tenga en cuenta que no hay ningún tipo de moscas conocidas como pasa el tiempo (lo que probablemente knock out de la cuarta interpretación). Otro tipo de análisis, conocido como análisis pragmático, intenta aplicar el vasto caudal de conocimientos prácticos sobre el mundo para resolver más ambigüedades. En la aplicación de esta técnica a nuestros resultados anteriores, utilizamos esas cositas de conocimiento que las moscas no han demostrado una gran afición por las flechas, y que las flechas no pueden y no tienen tiempo de nada, y mucho menos las moscas, para seleccionar la primera interpretación como la única posible, .

La ambigüedad del lenguaje es mucho mayor que puede ser aparente. Durante un proyecto de análisis sintáctico del lenguaje en el discurso Lab del MIT, Iglesia Ken encontró una frase publicadaen una revista especializada, con más de un millón de interpretaciones sintácticamente correctas!

Está claro que se necesita una gran cantidad de conocimientos para interpretar incluso la frase más simple. De hecho, algunos de los más grandes sistemas basados en el conocimiento se han desarrollado en el área de la comprensión del lenguaje y la traducción. La traducción es claramente imposible sin la comprensión. Desde famoso artículo de 1960 de Bar-Hillel, "una demostración de la Nonfeasibility de alta calidad de la traducción completamente automática", los investigadores hancomprendido la necesidad de que el ordenador entiende tanto la sintaxis y la semántica del texto en un idioma antes de intentar una traducción a otro idioma. 58 El sistema de traducción asistida por ordenador Logos, por ejemplo, utiliza alrededor de 20.000 comprensión y reglas de traducción para traducir textos técnicos alemanes en Inglés y todavía ofrece resultados que son sólo alrededor del 80por ciento tan preciso como un traductor humano. Investigadores Logotipos estiman que necesitarían cerca de 100.000 normas para alcanzar los niveles de rendimiento humano, incluso en el dominio restringido de textos técnicos. 59

La comprensión del lenguaje humano en un dominio relativamente sin restricciones sigue siendo demasiado difícil para las computadoras de hoy. Más allá de la resolución de ambigüedades sintácticas y semánticas, hay muchas cuestiones relativas a los supuestos tácitos y conveniencia. Si digo: "El pan está listo para comer", se puede suponer que no es el pan que va a hacer el comer, sin embargo, si yo digo: "El pollo está listo para comer", no está tan claro que la intención de comer quién. En este caso, se necesita más información contextual. La resolución de este tipo de ambigüedades de una manera general requiere un amplio conocimiento y la capacidad de acceder fácilmente la información más relevante. Si le pido a alguien que acaba de conocer, ¿Qué hacer? Probablemente no estoy interesado en escuchar acerca de las cosas que yo, obviamente, ya sé, como comer, respirar, dormir, pensar (aunque si alguien quería ser evasivo, estas muy bien podrían ser las respuestas adecuadas). Si pregunto, ¿Quieres algo de comer o no? sería técnicamentecorrecta de responder sí, incluso si no quieres algo de comer. 60Una vez más, evitando interpretaciones excesivamente literales del lenguaje requiere vastas colecciones de conocimiento que nadie tiene todavía molestado en recoger. Estamos, de hecho, sólo ahora está empezando a conocer cuáles son los conocimientos para recoger y cómo recogerla.

La capacidad de los seres humanos forma rápida y precisa para resolver ambigüedades sintácticas no es perfecto, sin embargo, y una gran cantidad de humor se basa en este tipo de confusión. Skona Brittain cita el siguiente ejemplo:

Juan: Yo quiero ir a la cama con Marilyn Monroe de nuevo esta noche.

Jane: ¿Otra vez?

Juan: Sí, he tenido este deseo antes.

Una complicación adicional en la comprensión del lenguaje es el uso omnipresente de las expresiones idiomáticas. Considere lo siguiente: "Se rompió el hielo por la educación de su cliente más reciente de la publicidad. 'Estamos patinando sobre hielo delgado con éste, "dijo ella," el problema en la promoción de su nuevo producto es sólo la punta del iceberg. "' Aunque hay tres referencias a hielo, estas frases, obviamente, no tienen nada que ver con hielo. Más allá de las tres expresiones idiomáticas relacionadas con el hielo, la frase "que aparezca" también es idiomático, es decir, la introducción de un tema al hablar de ello. Cada lenguaje presenta una historia o analogía que de alguna manera debe ser integrado con el resto de la materia. Comprender el lenguaje tanto, puede requerir un conocimiento de la historia, los mitos, las alusiones y referencias literarias, y muchas otras categorías de la experiencia humana compartida. 61

Cuando hablamos con los otros seres humanos, se supone que comparten con nosotros un enorme núcleo de conocimientos y la comprensión sobre el mundo y los temas que planeamos hablar. 62 Estos supuestos varían de acuerdo a quién le estamos hablando y lo mucho que Sabemos que tenemos en común. Hablando con compañeros de trabajo o los buenos amigos, obviamente, nospermite hacer más suposiciones que hablar con un desconocido en la calle, aunque incluso en este caso a menudo asumimos conocimiento compartido de los equipos deportivos, los acontecimientos actuales, la historia, y muchos otros temas. Pero al hablar (o escribiendo) a las computadoras, hay una comprensión del conocimiento de sentido común humano puede aún suponer. Si bien el procesolento y arduo de enseñar los conocimientos básicos del mundo de las computadoras ha comenzado, la estrategia de mayor éxito en la creación de aplicaciones viables de lenguaje natural basados en computadoras ha sido limitar el dominio del discurso a una zona donde prácticamente todo el conocimiento relevante puede haber capturado. Uno de los primeros ejemplos de este enfoque fue 1970 MIT tesis de Terry Winograd SHRDLU. 63SHRDLU entiende comandos en Inglés natural, siempre y cuando las órdenes se referían sólo a un mundo artificial compuesto por diferentes bloques de colores. Si bien las limitaciones de los mundos de juguete de SHRDLU y otros sistemas similares fueron criticados en los años 1960 y 1970, resulta que tales dominios fuertemente constreñidos tienen valor práctico. 64 Por ejemplo, el mundo de las bases de datos de ordenador no es más complicado que el mundo de bloques de colores, pero pasa a ser uno que muchas personas de negocios interactúan a diario. Uno de los más exitosos programas de lenguaje natural-entendimiento, intelecto, de la Inteligencia Artificial Corporation, permite a los usuarios hacer preguntas en Inglés naturales relativos a la información en sus bases de datos. 65 Debido a que el dominio es suficientemente limitada, el sistema Intellect puede basarse principalmente en sintáctica reglas, aunque el conocimiento semántico y pragmático también ha sido incorporada. Los sistemas competitivos desarrollados por Cognitive Systems, una empresa fundada por Roger Schank, dependen más de las representaciones explícitas de conocimiento semántico y pragmático. Por medio de la metodología de la escritura de Schank, bases de conocimiento similares pueden ser utilizados tanto para la comprensión del lenguaje y la toma de decisiones. 66 Por ejemplo, un sistema experto llamado cortesano, creado por Sistemas Cognitivos para un banco belga, puede proporcionar asesoramiento cartera en respuesta al lenguaje natural los comandos. 67

Tal vez el mayor mercado para los sistemas de lenguaje natural es la traducción. 68 la traducción de textos técnicos (principalmente) por medio de técnicas tradicionales es un negocio de miles de millones de dólares en la actualidad. Mientras que los sistemas informatizados de traducción aún noson suficientemente precisos para funcionar sin ayuda, se puede aumentar significativamente la productividad de un traductor humano. Uno de los retos en el desarrollo de la traducción computarizada Foto por Lou Jones www.fotojones.com Larry Harris, presidente de la Inteligencia Artificial Corp. (AIC) y desarrollador de sistemas de lenguaje natural. Programa el intelecto del AIC permite a los ejecutivos de interactuar con sus sistemas de bases de datos utilizando Inglés ordinaria. sistemas es que cada par de lenguas representa un problema de traducción diferente, o mejor dicho, cada par de lenguas representa un par de problemas. Un enfoque interesante para la simplificación de esta dificultad está siendo perseguido por DLT, una firma holandesa que se está desarrollando traductores para seis idiomas desde y hacia una lengua de raíz estándar. Ellos usan una forma modificada del esperanto, una lengua del siglo de edad, originalmente propuesto como un lenguaje universal, como una representación intermedia. En su sistema, una traducción del Inglésal Francés, se llevaría a cabo en dos etapas, Inglés Esperanto y Esperanto al Francés. Esperanto fue seleccionado debido a que es particularmente bueno en representación de conceptos en una forma no ambigua, por lo que es ideal como un lenguaje conceptual de la raíz. Traduciendo entre 6 idiomas diferentes ordinariamente requieren 30 traductores diferentes (6 idiomas, cada uno para ser traducido a otros idiomas 5), pero con el enfoque DLT, sólo 12 están obligados (6 traductores de los 6 idiomas en Esperanto y 6 más de Esperanto espalda a los 6 idiomas). Además, como DLT señala, los sistemas de traducción de que van de Esperanto a otro idioma son relativamente simples. 69

Quizás la obra más intensiva en la traducción automática de idioma se está persiguiendo a una serie de centros de investigación japoneses, entre ellos la Universidad de Kyoto y el Instituto de Tecnología de Tokio. Ministerio de Comercio Internacional e Industria de Japón ha citado los sistemas de traducción Inglés-Japonés Japonés-Inglés y tan vital para la economía de Japón.

Una de las principales barreras para un uso más generalizado de la tecnología informática es la comunicación entre el ser humano y la máquina. La mayoría de las personas, incluso los que tienen formación técnica en campos distintos de la ciencia de la computación, encontrar la sintaxis especializada requerida por la mayoría de las aplicaciones informáticas para ser intimidante y confuso. Existe un considerable acuerdo en que la mejor manera de interactuar con las computadoras sería la misma forma en que interactuamos con nuestros compañeros humanos y asistentes: por hablar las cosas en un lenguaje natural. Proporcionar esta capacidad requerirá la integración de reconocimiento de voz de gran vocabulario (reconocer cuáles son las palabras del discurso) con un alto nivel de comprensión de lenguaje natural (la comprensión de lo que significan las palabras). Aunque estas funciones no están aún suficientemente desarrollados para sustituir el teclado o las sintaxis informáticos especializados que ahora se utilizan para la mayoría de las aplicaciones informáticas, el mercado de lenguaje natural está empezando a tomar fuerza para una variedad de aplicaciones. DM Data estima que el mercado de lenguaje natural (sin incluir el reconocimiento de voz) en $ 80 millones en 1987 y proyecta un mercado de US $ 300 millones en 1990. 70

Una vez más, nos encontramos con que la fuerza relativa de la máquina y la inteligencia humana son muy diferentes. Los seres humanos aprenden a escuchar y comprender el lenguaje hablado. Mástarde nos enteramos de que hablar. Las computadoras, por otro lado, han estado generando la salida impresa en lenguaje natural desde su inicio y sólo recientemente han comenzado a entenderlo. Asimismo, la capacidad de los ordenadores para hablar precedió su capacidad para reconocer el lenguaje hablado. Otro ejemplo: los seres humanos adquieren el dominio de la lengua escrita a una edad mucho más tarde que el lenguaje verbal. Aquí también historia de la informática se ha revertido esta secuencia. Como último ejemplo, las computadoras de hoy pueden comprender frases en lenguaje natural que se ocupan de investigaciones financieras "complejas" y aún así tropiecen en frases "simples" que los niños puedan entender. Este fenómeno es ampliamente incomprendido. El popular personaje de robot R2D2 (de Star Wars fama) Foto por Lou Jones www.fotojones.com traducción de idiomas en la actualidad involucra seres humanos bilingües que hacen abundante uso de un diccionario.


Jun-Ichi Tsujii de la Universidad de Kyoto, una autoridad en la traducción automática de idiomas.


La historia de dos países. Los teclados en este equipo muestra tanto caracteres en inglés y japonés. El consejo superior permite la entrada directa de los ideogramas japoneses. Desarrollado en el Instituto de Tecnología de Tokio, este sistema de traducción automática puede traducir el textode los dos idiomas de forma casi instantánea.


se supone que entender muchos idiomas humanos todavía no puede hablar (que no sea con chirridos"computerlike" y otros ruidos), lo que da la impresión errónea de que la generación de lenguaje humano (y el habla) es mucho más difícil que entenderlo.

Poniendo todo junto: La Edad de Robots

Soy incapaz de cometer un error. HAL, de Stanley Kubrick y 1968 la película de Arthur C. Clarke, 2001: UnEspacio Odyssey

1. Un robot no debe dañar a un ser humano o, por inacción, permitir que un ser humano sufra daño.

2. Un robot debe obedecer las órdenes dadas por los seres humanos, excepto cuando tales órdenes entren en conflicto con la primera ley.

3. Un robot debe proteger su propia existencia, hasta donde esta protección no entreen conflicto con la primera o segunda ley.

Las tres leyes de Isaac Asimov de la robótica

En RUR ., una obra escrita en 1921, el dramaturgo checo Karel Capek (1890-1938) describe la invención de las máquinas mecánicas inteligentes destinados como sirvientes para sus creadores humanos. Llamado robots, terminan por no gustar a sus amos y tomar el asunto en sus propias manos "." Después de tomar el mundo, deciden derribar todos los símbolos de la civilización humana. Al final de la obra de teatro que han destruido toda la humanidad. Aunque Capek utilizó por primera vez la palabra "robot" en su 1917 historia corta "Opilec", creando el término de la palabra checa "robota", que significa trabajo obligatorio, y "Robotnik", que significa siervo, RUR (para "Los robots universales de Rossum") introducido la palabra a ser de uso popular. Capek destina sus máquinas inteligentes para estar mal en su perfección, su último racionalidad desdeñosa de la fragilidad humana. Aunque es un juego mediocre, que tocó la fibra mediante la articulación de la difícil relación entre el hombre y la máquina y el éxito logrado ampliaen dos continentes. 71 El espectro de la inteligencia de las máquinas esclavizando a sus creadores, o al menos competir con la inteligencia humana para el empleo y otros privilegios, ha seguido impresionando a sí mismo en la conciencia pública.

Aunque carece de encanto humano y la buena voluntad, los robots de Capek reunidos todos los elementos de la inteligencia artificial: la visión, la percepción auditiva, sensibilidad al tacto, reconocimiento de patrones, toma de decisiones, juicio, conocimiento extenso del mundo, la coordinación motora fina para la manipulación y locomoción, e incluso un poco de sentido común. El robot como imitación o sustituto de un ser humano se ha mantenido el concepto popular. La primera generación de robots modernos, sin embargo, muy lejos de esta visión antropomórfica. 72 El Unimation 2000, el más popular de la década de "robots", fue sólo capaz de mover su brazo en varias direcciones y apertura y cierre de los puntos de sujeción. No tenía sentidosy podía mover su brazo con sólo dos o tres grados de libertad (direcciones de movimiento) de los

seis posibles en el espacio tridimensional. Las aplicaciones típicas de estos primeros robots, introducidas durante la década de 1970, participan mover objetos de un lugar a otro (de una capacidad llamada de recogida y colocación).

Dispositivos más sofisticados, como el T3 de la compañía estadounidense de Cincinnati Milacron (La Herramienta de Mañana), los robots KUKA alemanes, y los robots japoneses Hitachi, se introdujeron en la década de 1980.Estos robots de segunda generación pueden moverse con cinco o seis grados de libertad, puede afectar a los movimientos más precisos, son más rápidos, y tienen garras más delicadas. Los movimientos de estos robots se pueden programar, pero todavía tenían ninguna disposición para la ejecución condicional, es decir, las operaciones condicionadas a que algún evento externo. Dado que estos robots aún no tienen forma de detectar su entorno, no hay entradas en los que basar cualquier toma de decisiones. Estos robots de segunda generación se hizo muy conocido para la soldadura y la pintura de aerosol, sobre todo en la industria automotriz. 73

La tercera generación, introducido a mediados de 1980, comenzó a mostrar un mínimo de inteligencia. Robots de PUMA este de generación-Unimation, IBM de 7535 y 7565, y el ferrocarril de Automatix serie contienen ordenadores de uso general integrados con la visión y / o sistemas de sensores táctiles. En 1987 los sistemas de visión robótica solamente habían convertido en una industria de $ 300 millones, con estimaciones de $ 800 millones para 1990. 74lenguajes de programación especializados, como VAL de Unimation y LMA de IBM, permiten que estos robots para tomar decisiones sobre la base de los cambios en su entorno. 75 Tal sistemas pueden, por ejemplo, encontrar las piezas industriales con independencia de su orientación e identificar y utilizarde manera apropiada en las tareas de montaje complejas. 76

Con la flexibilidad y la sofisticación de los robots mejorando cada año, la población de robots industriales ha aumentado desde unos pocos cientos en 1970 a varios cientos de miles a finales de ladécada de 1980. Algunos se utilizan en las fábricas que están prácticamente totalmente automatizados, tales como las instalaciones de Allen Bradley para la fabricación de arrancadores de motor eléctrico (ver la película que acompaña a este libro). 77 Los únicos seres humanos en esta fábrica supervisan el proceso desde una cabina de cristal, mientras que el control de los ordenadorestodo el flujo de trabajo de órdenes de compra electrónicamente enviados a los productos enviados. 78 Aunque ha comenzado la era de las fábricas workerless, el impacto más significativo a corto plazo de esta última generación de robots es en los entornos en los que trabajan junto a sus compañeros de trabajo humanos. Cada vez más, las nuevas fábricas están diseñados para incorporar ambos montadores humanos y de la máquina, con el flujo de materiales monitoreado y controlado por computadoras. 79

Con la llegada de la tercera generación, la diversidad de tareas que se están realizadas por los robotsse ha ampliado considerablemente. 80 Un robot llamado Oracle está esquilando ovejas en el oeste deAustralia. Una llamada rm3 es el lavado, debarnacling, y la pintura de los cascos de los barcos en Francia. Varias operaciones docena cerebrales se han realizado en Long Beach Memorial Hospital en California con la ayuda de un brazo robótico para la perforación de precisión del cráneo. En 1986 la policía de Dallas utilizaron un robot para entrar en un apartamento en el que un sospechoso había atrincherado. El fugitivo asustado salió corriendo del apartamento y se rindió. 81 El Departamento de Defensa de EE.UU. está utilizando robots submarinos construidos por Honeywell para desarmar a las minas en el Golfo Pérsico y en otros lugares. Miles de los robots se utilizan rutinariamente en los laboratorios de bioingeniería para realizar las operaciones extremadamente delicadas requeridos para cortar y conectar las piezas minuto de ADN. Y los robots caminantes se utilizan en plantas de energía nuclear para llevar a cabo operaciones en áreas demasiado peligrosas para los humanos. Uno de estos robot, Odex de Odetics, se parece a una araña gigante, con sus seis patas. 82

La próxima generación de robots tomará varios pasos más en la reproducción de la sutileza de la capacidad perceptiva humana y el movimiento, al tiempo que conserva las ventajas inherentes de una máquina en la velocidad, la memoria, la precisión, repetibilidad y operación incansable. Chips especializados se están desarrollando que proporcionará los cálculos paralelos masivos necesarios para un nivel sustancialmente más elevado de la percepción visual. Sensores táctiles Igualmente sofisticados se están diseñando en manos de un robot. Manipuladores con decenas de grados de libertad se combinan la capacidad de levantar los dos objetos muy pesados y los delicados sin romper el último. Inteligencia "local" Estos robots 'estará totalmente integrada en los sistemas de control computarizados de una fábrica moderna. 83

Los precursores de estos robots de la década de 1990 están empezando a competir con la destreza y la inteligencia humana en muchos frentes. Un robot desarrollado por Russell Anderson, de los Laboratorios Bell puede derrotar a los oponentes más humanos en Ping Pong. 84 Otros dos robots que juegan ping-pong, un Inglés y uno japonés, recientemente se conocieron en San Francisco para un partido. Una mano robot desarrollado en la Universidad de Utah puede romper un huevo, la caída de los contenidos en un recipiente, y luego improvisar una mezcla omelet todo a varias veces la velocidad de un maestro de cocina. 85 El Stanford / JPL mano, fotos de Lou Jones www.fotojones.com Es más difícil de lo que parece. Un brazo robot en el Museo de Ciencias de Boston apilar bloques.


Tsuneo Yoshikawa, director de Ingeniería Robótica en la Universidad de Kyoto, con sus alumnos.

diseñado por Kenneth Salisbury y otros investigadores del MIT, es un robot de tres dedos que puederealizar estas tareas complejas como girar una tuerca de mariposa . Un esfuerzo de colaboración en curso entre la Universidad de Utah Centro de Diseño Biomédica y el Laboratorio de Inteligencia Artificial del MIT tiene como objetivo la construcción de una parte que "los niveles de rendimiento de exposiciones más o menos equivalente a la parte natural del ser humano", según Stephen

Jacobsen, el jefe de diseño de la proyecto. Un robot activado por voz para proporcionar a los pacientes tetrapléjicos servicios personales tales como el afeitado, cepillarse los dientes, la alimentación y la recuperación de alimentos y bebidas está siendo desarrollado por Larry Leifer y Stefan Michalowski bajo una subvención de la Administración de Veteranos (ver la película que acompaña a este libro). 86

Una particularmente impresionante robot llamado Wabot-2 fue desarrollado en la década de 1980 a mediados y finales de la Universidad de Waseda en Tokio y refinado por Sumitomo Electric. 87 Estetamaño humano (y semejante a la humana) robot de 200 libras es capaz de la lectura de partituras a través de su ojo de la cámara y, a continuación, con sus diez dedos y dos pies, tocando la música de un órgano o teclado sintetizador. Cuenta con un total de 50 articulaciones y puede afectar a las llaves a un ritmo de 15 por segundo, comparable a un tecladista experto. Su ojo de la cámara proporciona una resolución relativamente alta para un robot. El uso de un dispositivo de carga acoplada (CCD) de detección de la matriz, que tiene una resolución de 2.000 por 3.000 píxeles (en comparación, los ojos de una persona con buena vista puede resolver cerca de 10.000 por 10.000 puntos). Wabot-2 también tiene un sentido de la audición: puede rastrear el tono de un cantante humano que está acompañando y ajustar el tempo de su jugar en consecuencia. Por último, el robot tiene rudimentaria Foto por Lou Jones www.fotojones.com Hurahiko Asada, un experto en robótica de la Universidad de Kyoto. Asada fue pionero en la aplicación del motor de accionamiento directo para mejorar la coordinación motora fina robots.


Ken Salisbury del MIT Laboratorio de Inteligencia Artificial afina los diestros Stanford-JPL mano robot. capacidades de reconocimiento de voz y síntesis y se puede participar en conversaciones sencillas. Hay una limitación estricta de la complejidad de la partitura musical que pueda leer, y la música se deben colocar con precisión por un asistente humano. No obstante, Wabot-2 es una

impresionante demostración del estado de la técnica robótica a finales de 1980.

Otro robot estado-of-the-art desarrollado casi al mismo tiempo fue un modelo a media escala de un northropi Quetzalcoatlus (más conocido como pterodáctilo, un dinosaurio alado que vivió hace 65 millones de años). La réplica, desarrollado por el pionero del vuelo humano-accionado Paul MacCready, podría volar agitando sus alas robóticas, al igual que su antecesor reptil. Por desgracia, en una demostración para la prensa, el invento de MacCready se estrelló, lo que provocó una pérdida de interés público en el mismo. Se ha volado con éxito, sin embargo, y representa una integración particularmente sofisticado de sensores y actuadores con tiempo real de toma de decisiones por los ordenadores de a bordo. 88

No es sorprendente que el mayor apoyo del mundo de la investigación robótica es el Departamento de Defensa de EE.UU., que prevé una amplia gama de funciones para los combatientes robóticos enla década de 1990 y principios de siglo XXI. Un camión de pie con las piernas flexionadas grasa está siendo desarrollado por el Ejército de los EE.UU. para terrenos sin caminos. 89 La Fuerza Aérea de EE.UU. está desarrollando una serie de aviones sin piloto, o volando robots, que pueden realizar una variedad de misiones de reconocimiento y ataque. 90 primeras versiones de tales naves robot juega un papel vital en la destrucción israelí de 29 (SAM) sitios rusos tierra-aire de misiles en el Valle de Bekaa en una sola hora durante su invasión del Líbano en 1982.

El campo de la robótica es donde todas las tecnologías de IA se reúnen: la visión, reconocimiento depatrones, la ingeniería del conocimiento, la toma de decisiones, con lenguaje natural Foto por Lou Jones www.fotojones.comAnita Flynn del Laboratorio de Inteligencia Artificial del MIT con un amigo robot. comprensión, y otros. A medida que las tecnologías subyacentes maduran y como el creciente cuerpo de los diseñadores de robots se pone mejor a la integración de estas tecnologías diversas, los robots se convertirán cada vez más omnipresente. 91 Ellos tenderán nuestros campos y ganado, construir nuestros productos, ayudar a nuestros cirujanos, con el tiempo, incluso nos ayudarán a limpiar nuestras casas. Esta última tarea ha resultado ser uno de los más difíciles. Como hemos visto con otros problemas de la IA, inteligencia artificial primero se ha desplegado con éxito en situaciones en las que se celebran los eventos impredecibles al mínimo. No es de extrañar, por tanto, que el sector manufacturero fue la primera aplicación exitosa de la tecnología robótica, ya que las fábricas pueden ser diseñados para proporcionar un ambiente predecible y relativamente bien organizados para los robots para trabajar, lo contrario, los entornos de nuestros hogares cambian rápidamente y el presente muchos obstáculos imprevisibles. 92 Por lo tanto, los siervos robóticos eficaces en el hogar probablemente no aparecerán hasta que a principios del próximo siglo. Para entonces, sin embargo, la tecnología robótica se han transformado dramáticamente los sectores productivos y de servicios de la sociedad. 93

Un asunto internacional

En 1981 la japonesa poderoso Ministerio de Comercio Internacional e Industria (MITI) anunció planes para desarrollar un nuevo tipo de ordenador. Este nuevo equipo sería de al menos mil veces más potentes que los modelos de 1981, tendría la inteligencia para conversar con sus usuarios humanos en el lenguaje hablado natural, se puede programar con amplias selecciones de conocimiento en todos los ámbitos, tendría un nivel humano de toma de decisiones capacidad, y se sentaba en un escritorio. Ellos llamaron a este nuevo tipo de máquina de un ordenador de quinta generación. Las primeras cuatro generaciones se han caracterizado por el tipo de componentes electrónicos, que usaron los primeros tubos de vacío, siendo los segundos transistores, los circuitos integrados, tercera y la cuarta VLSI chips (integrados muy gran escala). La quinta generación de ordenadores, por el contrario, se caracteriza por algo diferente, por su inteligencia. 94 Con el historial del MITI de haber liderado la industria japonesa de dominio en la electrónica de consumo y una amplia gama de otros campos de alta tecnología, el anuncio fue un éxito de taquilla. MITI formó el Instituto de Tecnología de Computadoras de Nueva Generación (ICOT) para llevar a cabo su proyecto. ICOT comenzó el desarrollo de actividades en el año 1982 con una financiación de aproximadamente $ 1 billón (un medio de MITI y media de la industria) durante diez años. 95

En los Estados Unidos y Europa el fantasma de la pérdida de la industria informática de importanciaestratégica llevó a consultas urgentes en los más altos niveles del gobierno y la industria. 96 Pocos meses después de ICOT comenzó el desarrollo, se había iniciado una importante respuesta de la industria americana. Veintiún empresas líderes de informática y electrónica de América, entre ellos Control Data, Digital Equipment, Honeywell, NCR, Sperry, y Bell Communication Research, habían formado una nueva compañía llamada Microelectronics and Computer Technology Corporation (MCC). Esta colaboración se pretende poner en común dinero y talento investigador desuperar varios cuellos de botella en la investigación informática avanzada que ningún miembro del consorcio tenía los recursos para resolver por sí solo. 97 IBM no fue invitado a unirse debido a las preocupaciones con respecto a las leyes antimonopolio. La legislación especial seguía siendo necesario y fue firmado por el presidente Reagan en 1984. 98 presupuesto de investigación de MCC de alrededor de $ 65 millones por año se dirige a una amplia variedad de AI, la interfaz humana, y los problemas de ordenador y arquitectura. Los objetivos primarios de la investigación MCC son el desarrollo de técnicas de empaquetado de circuitos integrados y herramientas de diseño asistidas por computadora que le darán a las empresas estadounidenses una ventaja práctica en el mercado deelectrónica de todo el mundo. MCC espera desarrollar una estación de chips de diseño que permitiráa un pequeño grupo de ingenieros para diseñar completamente un chip VLSI encargo avanzado en menos de un mes, mientras que uno o dos años ahora requieren. MCC también ha identificado el procesamiento paralelo como el medio más eficaz para lograr los aumentos masivos en la capacidadde procesamiento requerida para las futuras aplicaciones de la IA.

Además de MCC, la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA), que hafinanciado históricamente una parte importante de la investigación estadounidense AI base universitaria, ha aumentado su financiación AI. Ahora está invirtiendo más de $ 100 millones por año.

La respuesta de Inglés para la impugnación del Japón era un programa de $ 500 millones llamado Programa Alvey, después de que Juan Alvey, que se había propuesto y se convirtió en su presidente. 99 A diferencia de MCC, que realiza el 97 por ciento de su investigación en la casa, Alvey no tiene laboratorio de investigación de su poseer. Con el financiamiento principalmente del gobierno, Alvey ha proporcionado el dinero para más de 100 universidades, empresas y laboratoriospara llevar a cabo la investigación en una amplia variedad de AI, VLSI, ingeniería de software, interfaces hombre-máquina, y otras tecnologías informáticas avanzadas. Alvey ha planificado una

serie de "manifestantes" para integrar los resultados de su investigación, pero su énfasis principal esalentar a los laboratorios de investigación avanzada en Inglaterra para poner alta prioridad a las tecnologías de información y formar a una nueva generación de ingenieros del conocimiento y los informáticos. 100

En 1984 la Comunidad Económica Europea (CEE) formó el Programa Estratégico Europeo de Investigación en Tecnologías de la Información (ESPRIT). 101 Este programa de $ 1.5 mil millones financiado empresas, universidades y laboratorios gubernamentales de toda Europa en prácticamente todas las áreas de la tecnología informática, incluyendo la automatización de oficinas, robótica y fabricación asistida por ordenador. 102

En muchos sentidos, el anuncio original MITI perfectamente calculado para crear una respuesta intensa. Además de la preocupación cada vez mayor en los Estados Unidos y Europa en la competencia japonesa para los mercados comerciales, hubo una creciente conciencia de que la tecnología de AI, que había sido un foco de la investigación académica en gran medida desde hace más de 25 años, estaba ahora a punto de transformar radicalmente la forma en que las computadorasse utilizan y para tener un impacto de largo alcance en la sociedad. Los MCC, DARPA, Alvey, y ESPRIT respuestas al desafío MITI eran sólo la punta del iceberg. La enorme publicidad que proyecto informático de la quinta generación de Japón recibió y las conferencias posteriores, libros, investigaciones del Congreso y otras formas de debate ayudó a establecer las prioridades de la industria y la investigación universitaria y el desarrollo en todo el mundo. 103

Unos trozos de conocimiento.


Capítulo 9: La Ciencia del Arte


Autor:

Ray Kurzweil

El gran descubrimiento del siglo XX en el arte y la física por igual, es una fuerza


de reacción y la transformación de la línea de montaje impersonal de arte del sigloXIX y la ciencia.

Marshall McLuhan, The Gutenberg Galaxy

Las Artes Musicales

En una época como la nuestra, en la que la habilidad mecánica ha alcanzado la perfección insospechada, las obras más famosas se pueden escuchar la misma facilidad que uno puede tomar un vaso de cerveza, y sólo cuesta diez céntimos, al igual que las máquinas de pesaje de funcionamiento automático. ¿No debemos temer esta domesticación de sonido, esta magia que cualquiera puede llevar desde un disco a su voluntad?¿Será que no traer a perder la fuerza misteriosa de un arte que se podría haber pensado indestructible?

Claude Debussy, La Revue SIM (1913)

Colaboración con las máquinas! ¿Cuál es la diferencia entre la manipulación de la máquina y la colaboración con él? A veces he experimentado un estado de tensión dinámica creciente en mí de lo que parece ser un estado de receptividad mutua entre la máquina y yo. Tal estado podría requerir horas de exploración preparatoria concentrado, persuasión de las máquinas, la conexión, por decirlo así, las propias sensibilidades, las propias terminaciones nerviosas a la totalidad de los controles desintonía-up. Y, de repente, una ventana se abría en un vasto campo de posibilidades,los plazos se desvanecería, y las máquinas parece convertirse en elementos humanizados de la red interactiva que ahora consiste de uno mismo y de la máquina, siendo obediente pero lleno de sugerencias a la controles maestros de la imaginación. Todo parecía posible: uno se inclinó en el horizonte y lo apartó y hacia adelante hasta agotamiento total pondría en y, una a una, las terminaciones nerviosas dejaron de conectarse, las posibilidades se contrajeron, y una reversión automática a las soluciones de rutina era una señal de peligro seguro dejar de fumar. Una palmadita cariñosa en un control aquí y allá no iba a ser resistido. Interruptores y luces apagadas! Si hay un poco sin terminar de la conversación entre usted y las máquinas, o bien tomar nota de todos los controles o dejarlos solos hasta mañana. Retomando las circunstancias exactas de los períodos que se acaba de describir no es fácil. Mañana puede parecer todo frío acero, cobre yplástico de colores. La persuasión puede tener que empezar todo de nuevo.

Vladimir Ussachevsky (compositor y pionero de la música electrónica), Electronic Tape Music

La tecnología informática está teniendo un gran impacto en todos los campos, incluyendo las artes creativas.Mientras que las artes visuales están comenzando a sentir el impacto de los avances en gráficos por ordenador y tecnologías de la imagen, la revolución de las computadoras en la música ya está en marcha. 1 Una de las razones de que la transformación de la música es más a lo largo tiene que ver con la mucho mayor " ancho de banda "(comunicación y capacidad de memoria) que se requieren para las imágenes, en comparación con los sonidos.Con la tecnología digital ya se puede almacenar, analizar, modificar y volver a crear sonidos con una precisión igual a la del sistema auditivo humano. 2 Para hacer lo mismo con las imágenes visuales requiere una cantidad dememoria y potencia de procesamiento que sigue siendo todo un reto para hoy computadoras. Otra de las razones tiene que ver con el hecho de que la teoría de la música está más desarrollado y cuantitativa de la teoría de las artes visuales.

Como se mencionó anteriormente, una transformación histórica está teniendo lugar en la industria

de instrumentos musicales de distancia de la tecnología acústica del piano y el violín y hacia la tecnología informática del sintetizador. 3 La llegada y aceptación ahora entusiasta de los instrumentos digitales sigue una larga tradición . La música siempre ha utilizado las tecnologías más avanzadas disponibles: los oficios de ebanistería del siglo XVIII, las industrias metalúrgicas delsiglo XIX, y la electrónica analógica de la década de 1960. Esta última-la ola se crea la electrónica digital y la inteligencia artificial de la década de 1980-se hacen de nuevo los cambios históricos en el camino de la música.

Hasta hace poco, la técnica de instrumento de juego estaba íntimamente ligada a los sonidos creados. Si querías sonidos de flauta, se tenía que utilizar la técnica de tocar la flauta. Las técnicas de juego derivados de los requisitos físicos de la creación de los sonidos. Ahora que el vínculo se haroto. Si te gusta la técnica de tocar la flauta (o acaba de pasar a haber aprendido), ahora se puede utilizar un controlador de viento electrónico que juega muy parecido a una flauta acústica todavía crea los sonidos no solo de la flauta, sino también de prácticamente cualquier otro instrumento, acústica o electrónica. De hecho, ahora hay controladores que emulan la técnica de juego de la mayoría de los instrumentos acústicos más populares, incluyendo piano, violín, guitarra, batería, y una variedad de instrumentos de viento. Puesto que ya no estamos vinculados a la física de la creación de sonidos acústicos, una nueva generación de controladores está emergiendo que no se parece a ningún instrumento acústico convencional sino que intenta optimizar los factores humanos de la creación de música con los dedos, los brazos, los pies, la boca , y la cabeza.

Controladores Música y generadores de sonido (o sintetizadores) pueden ser unidos entre sí mediante una interfaz electrónica estándar de la industria llamada MIDI (Musical Instrument DigitalInterface). 4 MIDI, que emplea un enlace de comunicación de bajo costo, ha permitido a los sintetizadores desarrollados independientemente, reguladores, secuenciadores (computarizados dispositivos que pueden recordar y reproducir secuencias de notas) y otros dispositivos de modificación de sonido para comunicarse e interactuar con los demás. MIDI incluso se ha utilizado para controlar la iluminación del escenario y otros efectos visuales. Otro protocolo de la industria llamado código de tiempo SMPTE (Society of Motion Picture y Television Engineers) permite interconectar dispositivos de manipulación de sonido a vídeo. MIDI y código de tiempo SMPTE juntos están facilitando el desarrollo de sistemas basados en computadoras que están revolucionando la producción de vídeo y audio de la misma manera que el software electrónico de la publicación, los ordenadores personales y las impresoras láser han transformado la forma en que se crean los documentos impresos.

Además de los nuevos controladores de la música, nuevos sonidos para ser controladas se están creando a un ritmo acelerado. Mientras que los sonidos del piano y otros instrumentos acústicos siguen siendo los sonidos de la elección, se mezclan habitualmente con nuevos sonidos que se acercan a la riqueza y la complejidad de los sonidos acústicos, pero nunca se han escuchado antes. 5 La creación de una obra musical, como un canción pop se utiliza para

. Un estudio de música en casa que utiliza el instrumento musical Interfaces digitales (MIDIs) implica la creación de una serie de elementos fijos: melodía, ritmo, armonía, letras, y la orquestación, dice. Ahora un elemento completamente nuevo, la invención de nuevos timbres, ha añadido. Esto ha llevado a la aparición de un nuevo tipo de músico, quien se especializa en el diseño de sonido. Raros en estos días es la canción pop de éxito que no introduce un nuevo timbre de la paleta del mundo de la música de los sonidos.

Técnicas de modificación de sonido se están desarrollando tan rápidamente como nuevos sonidos y métodos de control. Ahora es posible con ordenadores personales y software apropiado para sacar una nota musical, romperlo en todos sus componentes de frecuencia, formar de nuevo la amplitud (o volumen) sobre de cada componente, y luego volver a montar el sonido. 6 Como la mayoría de los experimentos, muchos tales intentos no producen nada de valor, pero los experimentos que tienen éxito son la creación de un repertorio cada vez más amplio de nuevos timbres, musicalmente relevantes. Una amplia variedad de técnicas de modificación de sonido se puede utilizar fuera de línea durante la edición de una composición multi-instrumental y controlar en tiempo real durante lainterpretación.

La tecnología digital ha superado muchas de las limitaciones convencionales de instrumentos acústicos. Todos los sonidos ahora se pueden reproducir de forma polifónica y ser capas (es decir, interpretado simultáneamente) o en secuencia entre sí. 7 Además, ya no es necesario para reproducirmúsica en tiempo real. 8 Tradicionalmente, música ha dependido a menudo de hazañas casi sobrehumanas de dedo acrobacias. Mientras que las habilidades de juego técnicas se siguen utilizando con buenos resultados por los virtuosos, la ausencia de tales habilidades ya no representa un obstáculo para la creación de música. La música puede llevarse a cabo a una velocidad y se reproduce en otro, sin cambiar el tono u otras características de las notas. Además, es posible editar una secuencia grabada mediante la inserción, cambio y supresión de notas en mucho la misma manera que se edita un documento de texto con un procesador de textos. De este modo, la música puede ser creado que sería imposible de realizar en tiempo real. 9

El ordenador como compositor

Los sistemas expertos y otras técnicas de IA también están proporcionando nuevos métodos para componer música. Un músico puede proporcionar sus propias ideas originales para una composición y permitir que el equipo se encargue del resto de la obra mediante sistemas que han sido programados con un amplio conocimiento sobre el proceso de composición musical. 10 Uno deestos sistemas que pueden componer la música de forma automática, el Compositor Cibernética, fuedesarrollado por Charles Ames y Michael Domino. El Compositor Cibernética compone piezas enteras de forma automática, mientras que los sistemas similares permiten al músico para contribuirsus propias ideas musicales. Por ejemplo, se puede escribir la melodía y el ritmo y permitir que el software de sistema experto para generar la progresión armónica, la línea de bajo que camina, el acompañamiento de tambor, o cualquier combinación de estas partes. Estos sistemas serán de creciente valor en la enseñanza de la composición musical y la teoría, así como en permitir que los compositores se concentren en aquellos aspectos del proceso de composición en la que se puede añadir más creatividad. 11 también aumentando en popularidad son sistemas que permiten al músicode forma interactiva cambiar los parámetros de una pieza en tiempo real en esencia, la improvisación asistida por ordenador. Por ejemplo, para el Macintosh no Jam Factory, M, ratón de la música, y Ovaltine. 12 Otras ayudas electrónicas para compositores incluyen sistemas que puedengenerar automáticamente la notación de música de alta calidad. Los ejemplos incluyen Final, Compositor Profesional, y un avanzado sistema actualmente en desarrollo por Don Byrd. 13

Sistemas de IA es probable que tengan un impacto importante en la educación musical. En lugar deltipo de auto-play tedioso y simplón de características que se encuentran en los órganos de origen,

los futuros instrumentos musicales para el hogar contendrán acompañantes musicales inteligentes que pueden ayudar a enseñar música y ofrecer a niños y adultos con una experiencia musical más rica en las primeras etapas del teclado desarrollo de habilidades. 14

Reflejo de las opciones ensanchamiento en los sonidos y el control musical es un reconocimiento cada vez mayor a la música popular de diversas tradiciones musicales. Iniciado en parte por los Beatles hace casi dos décadas y alimentado por muchos otros innovadores musicales, la música popular se ha expandido desde sus raíces afro-americanas para incluir hoy a los ritmos, estilos, melodías y armonías del folk y las tradiciones clásicas de todo el mundo.

Así, los músicos de hoy en día se enfrentan a una asombrosa variedad de opciones: un conjunto cada vez más amplio de sonidos, los controladores de la música, técnicas de sonido de modificación, los métodos de secuenciación, herramientas de composición, y las tradiciones, incluso la música. Todo esto no significa necesariamente que el trabajo del músico más fácil: por lo general, no es conveniente utilizar una gran cantidad de sonidos y técnicas de procesamiento en unasola obra. De hecho, gran parte de la música popular ha sido criticado por el uso excesivo de las técnicas electrónicas.

El objetivo de la música, sin embargo, sigue siendo el mismo: la comunicación de emociones e ideas de músico a oyente a través del sonido, utilizando los elementos de la melodía, ritmo, armonía, timbre y expresión. El reto para el artista musical es la misma que para todos los artistas: para tomar decisiones, para seleccionar los timbres y melodías correctas para expresar sus ideas musicales.

Las Artes Visuales

Una imagen puede ser colocado en algún lugar entre estos dos antípodas:

Realismo = Abstracción

Abstracción Realismo =

Wassily Kandinski, el problema de la forma (1912)

Como mencioné anteriormente, la revolución de las computadoras en las artes visuales está muy pordetrás de la gran transformación ya está teniendo lugar en las artes musicales. En la música, las computadoras ya no son una novedad, pero ahora son el motor más fuerte de la cara cambiante de lacreación musical. En las artes visuales todavía hay una tendencia generalizada a ver el ordenador como un intruso, como algo ajeno al proceso creativo. 15Esta inclinación se ve reforzada por el hecho de que el arte digital tiene hasta hace poco limitada por la resolución limitada de la mayor pantalla del ordenador pantallas y dispositivos de salida en papel. 16 Desde hace varios años los dispositivos basados en computadoras han sido capaces de crear, modificar y gestionar los sonidos, sin comprometer la calidad y la exactitud del resultado. La situación comparable en las artes visuales sólo ahora está volviendo posible. El resultado es que el arte de ordenador, mientras que uncampo creativo y cambiante, aún no está en la corriente principal. El reconocimiento de que el ordenador es una herramienta viable y potente para la expresión artística con capacidades únicas debería ser más generalizado en la década de 1990, ahora que la última generación de ordenadores personales está proporcionando la capacidad de crear gráficos comparables a otros medios artísticos. 17

Algunas de las ventajas de las técnicas de arte basadas en la informática sobre los métodos manuales se aplican a cualquier dominio-por ejemplo, la facilidad de la revisión, de hacer copia de seguridad y archivado de copias, de hacer muchos tipos de transformaciones globales (en la música,la transposición, en el arte, el cambio de tamaño o color). El ordenador también permite el uso de

técnicas que de otro modo sería imposible de realizar.

Los métodos para el uso de la computadora para crear arte visual varían. El método más sencillo es simplemente usar la pantalla como una ventana sobre una lona simulada. El programa de MacintoshMacPaint y muchas aplicaciones más recientes popularizaron el ordenador como un bloc de dibujo, pero también hicieron evidentes algunas de sus limitaciones, incluyendo la incapacidad para representar el detalle fino, el aspecto irregular de las líneas curvas, y para muchos de estos sistemas,la falta de de color. Más recientes de alta resolución muestra gráficos de color ahora están empezando a ofrecer una calidad de imagen comparable a la de las buenas diapositivas de 35 mm. 18 La primera de las ventajas de utilizar una pantalla de computadora como un lienzo es la disponibilidad de técnicas de procesamiento de imagen que sería imposible el uso de pinturas y lápices ordinarios.Entre las decenas de técnicas disponibles, los usuarios pueden modificar los matices, la reconstrucción de superficies, sintetizar antecedentes naturales y artificiales, crear reflejos y distorsionar formas. 19

Una técnica simple es la repetición automática y la rotación de imágenes. Si la imagen original es compleja, esto requeriría una enorme habilidad, por no mencionar el tiempo, para llevar a cabo de forma manual. El uso de un ordenador, los artistas pueden ver fácilmente cualquier objeto desde cualquier orientación, con perspectivas precisas si se desea. 20 Pero pocos artistas estarían contentoscon estas técnicas exóticas si los efectos más comunes que siempre han utilizado no estaban disponibles. Así como cada instrumento musical proporciona su propio conjunto único de métodos para la modificación de sonido (vibrato, pizzicato, y otros en un violín, por ejemplo), cada método de creación de arte visual proporciona técnicas para la creación y modificación de color y forma. Las pinturas de aceite proporcionan una capacidad de mezclar y fundir los colores, pasteles proporcionan ciertos tipos de matices, y así sucesivamente. Con las mejoras en la tecnología de visualización y técnicas de procesamiento de imágenes, artistas en un lienzo equipo pronto será capaz de simular todas estas técnicas en un solo medio, al tomar ventaja de los métodos que serían imposibles con las pinturas y disolventes reales. 21

fotos de Lou Jones www.fotojones.com

Infografía de Tokio.

Tal vez la mayor ventaja de la computadora da al artista es la capacidad de experimentar y cambiar la mente de uno.Hacer esto es bastante difícil con las pinturas reales, pero es una de las ventajas inherentes de la lona de ordenador.

La vida artificial

Una forma inusual de la aplicación de las computadoras para el arte visual se llama la vida artificial. 22 Esta técnica utiliza el ordenador para crear un entorno simulado con "organismos" simulados controlados por un código "genético". 23 El artista ofrece el código genético y las reglas para la procreación y la supervivencia. El ordenador simula decenas o incluso miles de generaciones de evolución simulada. Las "criaturas" resultantes y el medio ambiente pueden ser muy hermoso. El artista es, pues, como un dios deísta que crea un punto de partida y luego se desataun proceso recursivo de repetitivo re-creación. 24 El valor artístico de esta técnica no debería ser sorprendente. Después de todo, la evolución real de duda ha creado una miríada de formas bellas. De hecho, la propia estética a menudo se considera tener sus raíces en la belleza de la creación natural. El enfoque de la vida artificial para la creación de arte es imitar este tipo de diseñofinal.

Fractales

La vida artificial es considerada una técnica recursiva, ya que cada nueva generación de vida artificial engendra al siguiente. 25 La aplicación definitiva de la recursividad para el diseño implica la matemática de los fractales. Las imágenes del fractal se derivan de una rama de las matemáticas llamada geometría fractal, ideado en 1970 por IBM Research Fellow Benoit Mandelbrot. 26 Un método para generar una imagen del fractal es a través de un procedimiento recursivo en el que las partes específicas de una imagen (por ejemplo, cada línea recta ) se sustituyen repetidamente con partes más complejas. Mediante el uso de varias figuras de partida y transformaciones, una gran variedad de modelos se pueden generar.

En realidad, hay varios tipos de fractales. He estado discutiendo fractales geométricos. En lugar de utilizar exactamente la misma transformación en cada etapa, que puede permitir que un proceso aleatorio para controlar las transformaciones (saltarse al azar algunos de los pasos, por ejemplo). Enestos fractales caóticos, los patrones son menos regulares y, por extraño que parezca, más natural. 27 Esta observación condujo Mandelbrot para realizar el potencial de aplicación de los fractales para describir una amplia variedad de fenómenos naturales, incluyendo las tendencias económicas, la progresión de la epidemia, la organización de proteínas, y la estructura de la música.28

Fractales tienen un número de propiedades interesantes. A diferencia de la mayoría de las formas generadas matemáticamente, la naturaleza de un fractal es la misma en todas las escalas de aumento. Ampliar un fractal mil veces, y todavía tiene el mismo aspecto. Magnify otra veces mil, y de nuevo, ningún cambio esencial. Esta cualidad paradójica describe un sorprendente gran número de fenómenos naturales bastante bien. El ejemplo más famoso es el de las costas. Mapas de las costas tienen el mismo aspecto dentado, independientemente de su magnitud. 29Otro ejemplo importante es la formación de nubes. Fotos de nubes parecen el mismo si uno mira a una nube de 10pies o una nube de 100 millas. 30

De hecho, fractales perfectos mantienen el mismo aspecto en todas las escalas. Pero fractal como formas en el mundo real tiene esta propiedad, llamada auto-similitud, sólo hasta cierto punto. 31 En una pantalla gráfica, el límite es la granularidad de la pantalla, lo que se conoce como el tamaño de píxel. 32 En el universo como un conjunto, que resulta ser un fractal esponja, el píxel corresponde a la galaxia. Dentro de las galaxias, un tipo diferente de fractal conocido como un verticilo fractal gobierna la organización de estrellas. 33

La palabra "fractal" se deriva de la frase " fraccional dimensión. " 34 Por su infinitamente pequeños detalles, de una forma perfecta fractal en realidad tiene longitud infinita a pesar de que reside en unasuperficie de dos dimensiones finitas. De acuerdo con la geometría fractal, por lo tanto, tiene una dimensionalidad en algún lugar entre el de un segmento de línea ordinario, que tiene una dimensionalidad de 1, y una superficie, que tiene una dimensionalidad de. 2 35 Por ejemplo, el copo de nieve de Koch tiene una dimensionalidad de 1,26 , sólo un poco mayor que la costa de Gran Bretaña, que se considera que tiene dimensiones 1.25. La esponja galáctica ha estimado a tener alrededor de 2,2 dimensiones. 36

Para las ciencias y las disciplinas de la ingeniería, la geometría fractal proporciona una poderosa herramienta para la comprensión de la dinámica de la turbulencia, caos, y otros patrones impredecibles. 37 Para las artes visuales, la geometría fractal proporciona una metodología igualmente poderosa para la creación de imágenes que pueden ser naturales, espectacular, o ambos. Los fractales son capaces de generar nubes realistas, árboles, arbustos, lagos, montañas, playas, paisajes y otras imágenes similares. 38 Por ejemplo, George Lucas utilizó la técnica para

crear las lunas de Endor en su película El Retorno del Jedi . Puede crear ambientes que, si bien es muy alienígena de aspecto, parecen ser el resultado de procesos naturales. 39

El ordenador como artista

Otro uso de la computadora para crear imágenes artísticas es proporcionar un ordenador con un conjunto de reglas y otras estructuras de conocimiento que explican los procesos de dibujo, la composición, y el diseño y para dejar que sea el artista. Probablemente el principal exponente de este enfoque es Harold Cohen. Cohen ha programado más de 1000 normas para la creación de dibujos complejos, y su equipo utiliza éstos para dirigir una máquina de dibujo robótica para crear los dibujos. 40 Estos pueden ser de las personas, plantas u objetos abstractos. Cohen tiene la intención claramente las imágenes como arte, y de hecho, su trabajo ha sido muy aclamado. Cohen, quien es considerado un maestro colorista, a menudo colores en los dibujos de su robot manualmente. Su última ambición es construir una colorista robot programado con su propia teoría de la coloración.

El ordenador como artista plantea una serie de preguntas interesantes. Primero, ¿quién es el artista? Cohen afirma que él es, y su equipo no ha sido programado para quejarse. En segundo lugar, ¿por qué molestarse? ¿Por qué no simplemente hacer los dibujos directamente? Estas dos preguntas también se refieren a la computadora como compositor.

Estas son preguntas importantes, y hay, en mi opinión, varias respuestas. En primer lugar, el arte porordenador es un medio perfectamente lícito para crear arte. La computadora no es más que una herramienta, un medio a través del cual el artista (o músico) se expresan a sí mismo.

En segundo lugar, la obra de arte es, en cierto sentido, más interesante. Podemos considerar que el programa en sí como la obra de arte que se manifiesta de forma diferente cada vez que elegimos verlo (o escucharlo). Es una obra de arte que puede cambiar su apariencia tan rápidamente como el programa puede generar un nuevo dibujo.Dado que el estilo es inconfundiblemente similar en cada una de esas manifestaciones, todas las manifestaciones razonablemente pueden ser consideradas como una sola obra. Se puede señalar, sin embargo, que no es inusual que los múltiples trabajos de un artista que exhiben un grado de similitud tal. Podemos, por lo tanto, considere un programa como el de Cohen a ser un artista en sí, o una obra de arte, o ambas cosas.

En tercer lugar, las propias reglas nos dan una declaración objetiva y rigurosa de la teoría de la obra y por lo tanto un grado sin precedentes de conocimiento de su estructura. La comprensión de la frontera entre los propios y los aspectos expresivos de arte que podríamos sentir pueden (todavía) no se expresan con una precisión tal normativa también proporciona una valiosa perspectiva.

Las reglas también tienen valor educativo. En el arte, mucho se sabe acerca de la perspectiva, la composición, el dibujo de los diferentes tipos de formas, y otras facetas del arte visual. Estas facetasse pueden expresar en términos precisos. Del mismo modo, una gran parte se puede decir con precisión matemática con respecto a la naturaleza del ritmo, progresiones armónicas, las estructuras de los diferentes géneros de las melodías, y los otros elementos de la música. Creación de reglas que pueden a su vez crear trabajos satisfactorios enteras de arte (o la música) nos ayuda a comprender, y por lo tanto de enseñar, los aspectos objetivos de la creación artística.

Finalmente, tales sistemas pueden tener valor práctico. En la música que pueden realizar tareas de composición mediante la creación automática de líneas de bajo, acompañamientos rítmicos pasos, yasí sucesivamente. En las artes visuales, después de que el artista indicado sus intenciones, a los auxiliares cibernéticos podrían terminar un dibujo, realizando tareas de sombreado, la coloración, lacreación de la perspectiva, el equilibrio de los tamaños de los objetos para el equilibrio compositivopropio, y otras tareas. En este modo de operación, tales asistentes basados en computadoras siempreestarían trabajando bajo el ojo cuidado (o el oído) del artista.

Dichos asistentes automáticos ya han sido aprovechados activamente en la creación de la animación, donde las tareas de creación de cientos de miles de imágenes (más de mil por minuto de película) es formidable. Sistemas de animación basados en computadoras han aumentado sustancialmente la productividad de los animadores humanos. 41 Otra área de arte comercial donde las estaciones de diseño por computadora ya son de valor práctico sustancial está en el diseño de moda y el diseño.

Como en el mundo de la música, el papel de la computadora no es desplazar la creatividad humana, sino más bien para verla ampliada. Es una herramienta, como un pincel, pero una de potencial únicoy virtualmente ilimitada. Es evidente que los grandes artistas de la antigüedad deben haber tenido muchas ideas más allá de las que tenían el tiempo para expresar realmente. Mediante la reducción de las muchas tareas involucradas, los ordenadores pueden dar a los artistas la oportunidad de realizar más de sus visiones artísticas.

También, muchas técnicas informáticas permiten la expresión de formas que son simplemente imposible de realizar en cualquier otra forma. Debido a que los resultados de algunos de estos métodos, como la generación recursiva fractal, son impredecibles hasta que sean juzgados, la computadora puede ser un socio con el artista en la exploración de la imaginación del artista.

Por último, el equipo puede abrir el mundo de la expresión artística a más participantes. Muchos de nosotros tenemos ricas imaginaciones visuales y un buen sentido del juicio estético, pero carecen delas habilidades técnicas para expresar nuestra imaginación, utilizando materiales y técnicas artísticas convencionales. La incapacidad para dibujar una línea recta (como los anuncios solían decir) puede que no sea una barrera para convertirse en un artista efectiva y exitosa. 42

fotos de Lou Jones www.fotojones.com

animación automatizada en Kawasaki.

Las Artes Literarias

En todo caso mis propios ensayos y disertaciones sobre el amor y su dolor sin fin yel placer perpetuo serán conocidas y comprendidas por todos ustedes que leen estoy hablar o cantar o cantar sobre ello a sus preocupados amigos o enemigos

nerviosos. El amor es la pregunta y el tema de este ensayo. Vamos a comenzar con una pregunta: ¿la lechuga amor filete? Esta pregunta es implacablemente duro e inevitablemente difícil de contestar. He aquí una pregunta: ¿tiene un electrón aman un protón, o es el amor de un neutrón? He aquí una pregunta: ¿puede un hombre ama a una mujer, o, para ser específicos y para ser precisos, no Bill encanta Diane? La respuesta interesante y crítica a esta pregunta es: ¡no! Está obsesionado y enamorado de ella. Él está loco y loco por ella. Ese no es el amor a la carne y la lechuga, del electrón y el protón y el neutrón. Esta tesis se demuestra que el amor de un hombre y una mujer no es el amor de carne y lechuga. El amor es interesante para mí y fascinante para usted, pero es doloroso para Bill y Diane. Eso es amor!

Un poema de Barba del Policía Está Construido mitad (el primer libro escrito en su totalidad por un ordenador) por Racter (un programa de William Chamberlain y Thomas Etter)

Bill canta a Sarah. Sarah canta a Bill. Tal vez lo harán otras cosas peligrosas juntos. Ellos pueden comer cordero o un derrame cerebral entre sí. Pueden cantar de sus dificultades y su felicidad. Ellos tienen amor, pero también tienen máquinas de escribir. Eso es interesante.

Racter, Barba del Policía Está Construido Medio

eones de profundidad en el hielo

Yo pinto todos los tiempos en una espiral

golpear el lodo se ha roto

eones de profundidad en el hielo

Veo vez gelificado en una espiral

pffftt el lodo se ha roto

todo verde en las hojas

Huelo dark pools en los árboles

chocar la luna ha huido

todo el blanco en los brotes

I flash picos de nieve en la primavera

golpee el sol se ha empañado

Haiku poemas escritos por un programa de Margaret Masterman y Robin Wood McKinnon

En las artes literarias, las computadoras ya un beneficio práctico importante son. De gran impacto es el procesador de textos simple. No es una tecnología de AI en sí, procesamiento de palabra se deriva de los editores de texto desarrollados durante la década de 1960 en los laboratorios de IA del MIT y otros lugares. 43 también asistir al oficio de la escritura de texto son cada vez más sofisticados de fotos de Lou Jones www.fotojones.com David Boucher, Harry George, y el sistema

de publicación de escritorio Interleaf.


correctores ortográficos, las damas de sintaxis inteligente, correctores de estilo, diccionarios en línea, diccionarios de sinónimos, y otras bases de datos lingüísticas. 44 de valor práctico para los poetas es el diccionario on-line de rima que proporciona rimas y medias rimas con determinados patrones rítmicos.

Los escritores de no ficción están empezando a utilizar la creciente gama de bases de datos disponibles en casi todos los temas. Como las bases de conocimiento del mundo cambian gradualmente desde el papel a los servicios públicos de información en línea que se puede acceder de forma inteligente a través de las telecomunicaciones, la productividad de la investigación se verá muy mejorado. En última instancia, las computadoras serán capaces de llevar a cabo proyectos de investigación sobre la totalidad de las peticiones verbales de sus jefes humanos. 45

Revistas y periódicos escritos han beneficiado durante los últimos diez años a partir de los sistemas en línea, tales como los proporcionados por Atex y otras empresas, que faciliten todos los aspectos de la creación material, incluyendo la creación y edición de texto, preparación de gráficos y el diseño. La nueva industria de la autoedición, por primera vez por Xerox, Foto por Lou Jones www.fotojones.com Mitch Kapor, fundador de Lotus Development Corp. y desarrollador de Lotus 1-2-3 y Agenda. Interleaf, Apple y otros, proporciona escritores con su propia capacidad de publicación personal mediante el uso de un ordenador personal ordinario y una impresora láser. 46

Un nuevo género de los sistemas expertos para los ordenadores personales están apareciendo ahora que presten asistencia en la organización de las ideas. Estos sistemas permiten a los usuarios explorar un conjunto de pensamientos, patrones de preaviso y similitudes, y desarrollar esquemas que luego se deban concretar en texto.Algunos de estos sistemas están destinados a ser utilizados entiempo real como pensamientos desarrollan e incluyen capacidades para organizar una variedad de actividades. Un buen ejemplo de este tipo de software es la Agenda de Lotus, desarrollado por Mitch Kapor. 47

Los sistemas expertos también pueden aplicarse al seguimiento de las historias complejas, caracterizaciones y las interacciones de los personajes de esas obras prolongados de ficción como novelas largas, serie de novelas y series de drama de la televisión. (Un sistema que puede ayudar con el desarrollo de personajes y tramas de las telenovelas se describe en Michael Lebowitz: "Todo el trabajo y ningún juego hace HAL un Programa Dull" en este capítulo.)

Más difícil de todo sería un sistema que en realidad podría escribir o sustantivamente ayudar con la escritura de la prosa o verso de la misma manera que los sistemas expertos están empezando a ayudar al compositor y artista gráfico. Se han hecho esfuerzos para lograr esto, y algunos están representados en los epígrafes al inicio de esta sección y en el artículo "A (tipo de) Test de Turing" en este capítulo. El equipo, sin duda, tiene un papel que desempeñar en la generación de texto, y generadas por ordenador en prosa y verso es un campo pequeño pero floreciente. Los resultados, sinembargo, son significativamente menos exitoso hasta la fecha que en las artes musicales y visuales. La prosa de Racter tiene su encanto, pero es algo demencial-que suena, sobre todo debido a su conocimiento bastante limitado de lo que está hablando. 48 encajados profundamente en el lenguaje escrito es el conocimiento, el conocimiento extenso, diverso y intrincadamente organizada,la gran mayoría de los cuales aún no ha sido capturado. Con los sistemas de traducción de idiomas que actualmente contemplan sólo el 80 a 90 por ciento de precisión en textos técnicos, todavía no esrealista (hasta bien entrada la primera mitad del siglo siguiente) para esperar que las computadoras tengan facilidad suficiente con el lenguaje para generar texto literario de calidad sin asistencia. 49 Elpodría objetarse que hay una profundidad comparable de conocimientos en las obras de la música y de las artes visuales. Esto es muy cierto. La razón por la cual los ordenadores han tenido un mayor éxito en la asistencia con el proceso creativo en estas áreas es que tenemos una mejor comprensión de las estructuras de la superficie de la música y las artes visuales (especialmente la primera) de lo que hacemos por la literatura. Pero incluso en estos campos, la responsabilidad final de hacer una

declaración artística sigue siendo la provincia del artista humano.


Capítulo 10: Visions


Autor:

Ray Kurzweil

Yo nunca pienso en el futuro, se trata a tiempo.

Albert Einstein

Lo que es posible que podamos hacer ahora, lo que es imposible tardará un poco más.

Un proverbio de hoy en día

Cada producto electrónico que se venden hoy en día es obsoleto.

Fred Zieber, Vicepresidente Senior de Dataquest

Los problemas del mundo no pueden posiblemente ser resueltos por escépticos o cínicos cuyos horizontes están limitados por las realidades obvias. Necesitamos hombres que puedan soñar cosas que nunca fueron.

John F. Kennedy

Escenarios


Desde la fundación de la industria de la informática hace casi medio siglo, uno de sus rasgos más sobresalientes y constantes ha sido el cambio. Funciones por costo unitario se ha incrementado de manera exponencial desde hace décadas, una tendencia que no muestra signos de disminuir. Cuandoasistí a MIT a finales de 1960, miles de estudiantes y profesores compartieron una sola computadora, una IBM 7094 con 294.912 bytes de almacenamiento central (organizado


como 65.536 palabras de 36 bits cada uno) y una velocidad de alrededor de 250.000 instrucciones por segundo. Uno necesita una considerable influencia para obtener más de unos pocos segundos detiempo de computadora por día. Hoy en día, uno puede comprar un ordenador personal con diez veces la velocidad y la memoria de unos pocos miles de dólares. En Metamagical Themas , Doug Hofstadter cita un trabajo real que se llevó a 10 personas con calculadoras electromecánicas diez meses para llevar a cabo a principios de 1940, fue renovado en un IBM 704 a principios de 1960 en 20 minutos, y ahora tomará solo unos pocos segundos en un . ordenador personal 1 David Waltz señala que la memoria de hoy, después de ajustar por la inflación, los costos de un solo 1/100000000 de lo que lo hizo en 1950. 2 Si la industria del automóvil avanzado tanto en los últimos dos decenios, un automóvil típico de hoy haría costará alrededor de dos dólares (el doble derendimiento de precio cada 22 meses en promedio se ha traducido en un factor de mejora de alrededor de 2000 en 20 años, lo que es comparable a la diferencia entre el 7094 de finales de 1960 y un ordenador personal con un chip de Intel 80386 hoy en día). 3 Si nos remontamos a los primerosequipos basados en relés, una computadora personal de hoy es casi un millón de veces más rápido en una pequeña fracción del costo. Muchos otros ejemplos de este progreso abundan. 4

Además de la potencia básica de la computación tal como se mide por la velocidad y capacidad de memoria, las nuevas tecnologías de hardware y de software han mejorado en gran medida nuestra capacidad para interactuar con los dispositivos de ordenador. A través de los años 1940 y 1950 más de comunicación con los ordenadores era a través de las juntas con cables enchufables, a través de las décadas de 1960 y 1970, con los carretes de cinta de papel perforado, pilas de tarjetas de papel perforadas, y las impresiones de impresoras de líneas. Hoy en día la llegada de la alta resolución de las pantallas gráficas, el ratón, tabletas gráficas, impresoras láser, cámaras ópticas, escáneres de reconocimiento de voz y otras tecnologías han proporcionado una gran cantidad de maneras para que los seres humanos y las máquinas de comunicar.

Los avances en el software han aprovechado estos recursos de hardware cada vez más potentes paraampliar la productividad de la mayoría de las profesiones. Hace veinte años, las computadoras se utilizan principalmente por las grandes corporaciones para el procesamiento de transacciones y por los científicos (de vez en cuando por los científicos de la computación para explorar el poder de la informática). Hoy en día la mayoría de los trabajadores-profesionales, oficinistas, obreros, agricultores tienen muchas ocasiones para utilizar métodos que se basan en el equipo. Recuerdo que, hace quince años, incluso pensando en cambiar las proyecciones de negocios de mi compañía era considerado como un esfuerzo muy serio, sino que tomaría los días de departamento de finanzaspara moler a través de los números de examinar un solo escenario. Hoy en día con los programas dehojas de cálculo, es posible considerar una docena de planes alternativos y determinar sus implicaciones en menos de una hora. Hace veinte años, las únicas personas que interactúan con las computadoras eran expertos en informática y un pequeño grupo de estudiantes que están aprendiendo el nuevo campo de la computación algo arcano. Hoy las computadoras aparecen por doquier en los escritorios de oficina, en las cocinas, en las salas de juegos, en las tiendas de comestibles, y en las escuelas primarias.

¿Continuarán estas tendencias? Algunos observadores han señalado que una tendencia exponencial no puede continuar para siempre. Si una especie, por ejemplo, ocurre en un nuevo nicho ambiental hospitalario, puede multiplicar y expandir su población de manera exponencial durante un período de tiempo, pero finalmente sus propios números de agotar el suministro de alimentos disponibles y otros recursos y se detiene la expansión o incluso se invierte. Sobre esta base, algunos sienten que después de cuatro décadas, la mejora exponencial en el poder de la computación no puede seguir asípor mucho tiempo. Predecir el final de esta tendencia es, en mi opinión, muy prematura. Es, por supuesto, es posible que con el tiempo vamos a llegar un momento en que la tasa de mejora se desacelera, pero no parece que estamos en cualquier lugar cerca de llegar a ese punto. Hay más que suficientes nuevas tecnologías de computación están desarrollando para asegurar la continuación de

la duplicación de la evolución de los precios (el nivel de rendimiento por unidad de costo) cada 18 a24 meses durante muchos años.

Con los materiales y metodologías, el progreso en los próximos diez años, por lo menos en términosde velocidades de computación y las densidades de memoria sólo convencionales, parece relativamente seguro. De hecho, los chips con 64 millones de bits de RAM (memoria de acceso aleatorio) y chips de procesadores deportivos velocidades de 100 millones de instrucciones por segundo están en la mesa de dibujo ahora y es probable que esté disponible a principios de 1990. Arquitecturas de procesamiento paralelo, algunos incluyendo el uso de la computación analógica, son un medio adicional de la ampliación de la potencia de los ordenadores. Más allá de los métodos convencionales, una amplia variedad de técnicas experimentales podría acelerar aún más estas tendencias. Superconductor, por ejemplo, mientras que un reto para implementar de forma práctica, tiene el potencial de romper la barrera térmica que actualmente limita geometrías deviruta. Como mencioné anteriormente, la combinación resultante de las geometrías de los componentes más pequeños con la utilización efectiva de la tercera dimensión podría proporcionar una mejora millón de veces en potencia de los ordenadores. Una variedad de nuevos materiales, como el arseniuro de galio, también tiene el potencial de mejorar sustancialmente la velocidad y la densidad de los circuitos electrónicos. 5 Y ópticos circuitos de computación con la luz en lugar de electricidad-puede multiplicar computación velocidades por factores de muchos miles. 6

¿Será software mantener el ritmo? A menudo se dice que el ritmo de los avances en la ingeniería de software y las aplicaciones que va a la zaga del avance sorprendente de la tecnología de hardware. Los avances en el software son quizás más evolutivo que revolucionario, pero en muchoscasos las técnicas de software ya están disponibles que están a la espera para el hardware lo suficientemente potente como para hacerlos prácticos. Por ejemplo, las técnicas para el reconocimiento de gran vocabulario del habla pueden adaptarse para reconocer el habla continua pero requieren sustancialmente mayor velocidad de cálculo. La visión es otra aplicación con el mismo requisito. Hay muchas técnicas y algoritmos que ya se entienden, pero están a la espera para los ordenadores más potentes que las haría económicamente factible. 7 Entre tanto, nuestra comprensión de los métodos de IA, la sofisticación de nuestras bases de conocimiento, el poder de nuestras tecnologías de reconocimiento de patrones, y muchas otras facetas de software de inteligencia artificial continúan creciendo.

¿Dónde está todo esto nos lleva? La gente en el campo de la computación están acostumbrados a oírhablar de la velocidad de la rápida mejora y la densidad de los semiconductores. La gente en otras profesiones oyen inevitablemente informes del mismo curso. Numbing son los extremadamente pequeños números que se utilizan para medir los tiempos de computación y los enormes números que se utilizan para la capacidad de la memoria, el tiempo medido en una billonésima de segundo y la memoria en miles de millones de caracteres. ¿Qué impacto son estos acontecimientos que van a tener? ¿Cómo va a cambiar la sociedad? ¿Cómo va a cambiar nuestras vidas diarias? ¿Qué problemas se resolverán o creado?

Uno puede tomar varios enfoques para tratar de responder a estas preguntas. Tal vez lo más instructivo es considerar ejemplos específicos de dispositivos y escenarios que tienen el potencial de cambiar profundamente la forma en que nos comunicamos, aprender, vivir y trabajar. Estos ejemplos concretos representan sólo algunas de las formas en que la computadora y otras tecnologías avanzadas se forma a nuestro mundo futuro. Estos ejemplos se basan en las tendencias que ya son evidentes. En mi opinión, es prácticamente seguro (salvo una calamidad mundial) que todos estos escenarios se llevará a cabo. La única incertidumbre es precisamente cuando. Voy a tratar de proyectar tendencias actuales hacia el futuro y estimar cuando es probable que veamos cada ejemplo.

Obviamente, cuanto más hacia el futuro que miremos, el más incierto el calendario de estas

proyecciones se convierten. La historia de la IA está repleta de ejemplos de los problemas que fueron ya sea subestimado o (menos frecuente) sobrestimada. Una gran ironía en la historia temprana de AI es que muchos de los problemas de pensamiento más difíciles demostrar teoremas originales, jugar al ajedrez-que resultó ser fácil, mientras que las tareas de reconocimiento "fáciles" problemas en patrones que hasta un niño puede realizar-se convirtieron a ser el. más desafiante 8 Sin embargo, creo que ahora tenemos una comprensión más sofisticada de la dificultad de muchos de estos problemas, por lo que voy a tratar de la ingrata tarea de hacer proyecciones específicas. Por supuesto, para cuando usted descubre que mis predicciones eran del todo mal, ya será demasiado tarde para obtener un reembolso por el precio de compra de este libro.

Como ya he mencionado, estas proyecciones se basan en tendencias que ya son evidentes. Lo que esmás difícil de anticipar son avances. Cualquier intento de haber predicho el futuro a principios de este siglo tendrían casi seguro que daba a la computadora, así como la energía atómica, la televisión, el láser, y de hecho, la mayoría de la electrónica. Después de pasar por los escenarios, discutiré algunos avances posibles que pueden resultar de la investigación actual. En el siguiente capítulo ofrezco una discusión sobre el impacto global de estos desarrollos son propensas a tener en nuestras instituciones educativas, sociales, políticos, médicos, militares y económicos.

El teléfono traducir

Koji Kobayashi, presidente de la poderosa corporación japonesa NEC, tiene un sueño. Algún día, según Kobayashi, la gente será capaz de llamar a cualquier persona en el mundo y hablar, sin importar el idioma que hablen. Las palabras serán traducidas de lengua a lengua en tiempo real mientras hablamos. 9

Se requieren tres tecnologías para lograr el sueño de Kobayashi: reconocimiento automático de voz (ASR), traducción de idiomas (LT), y la síntesis de voz (SS). Los tres existen en la actualidad, pero no casi en forma suficientemente avanzada. Veamos cada uno de estos requisitos.

ASR tendría que estar en el nivel "santo grial", es decir, la combinación de gran vocabulario (relativamente sin restricciones), aceptando la entrada de voz continua, y que ofrece una independencia de los altavoces (no formación del sistema en cada voz). Posiblemente, el último requisito podría ser aliviado en las primeras versiones de este sistema. Los usuarios de esta capacidad pueden estar dispuestos a pasar quince minutos el entrenamiento del sistema en su voz. Dicha inscripción se requeriría sólo una vez. La combinación de la primera vocabulario dos elementos-gran y continuo del habla y nos llevará a principios y mediados de la década de 1990. Adición de la independencia del altavoz nos llevará otros varios años.

LT requiere sólo la capacidad de traducir el texto, no habla, ya que la tecnología ASR estaría traduciendo entrada de voz en la lengua escrita. La capacidad de LT haría

El teléfono traduciendo.

no requiere traducciones de alta calidad literaria, sino que tendría que realizar sin ayuda. Sistemas LT hoy requieren ayuda humana. LT Completamente automática de calidad suficiente, probablemente estará disponible en la misma época que el ASR necesaria está disponible. Debe tenerse en cuenta que cada par de idiomas requiere un software diferente (pasando del francés al Inglés es un problema diferente de ir de Inglés a francés). Aunque muchos aspectos de la traducciónserán similares desde un conjunto de idiomas a otro, la tecnología LT varía en calidad y disponibilidad de acuerdo con las lenguas implicadas.

SS es el más fácil de las tres tecnologías Kobayashi requiere. De hecho, está disponible hoy en día. Aunque no es del todo natural, voz sintética generada por los mejores sintetizadores es bastante comprensible y sin entrenamiento. Naturalidad está mejorando, y los sistemas de SS debe ser completamente adecuado para el momento en los sistemas ASR y LT necesarios están disponibles.

Por lo tanto, podemos esperar que la traducción de los teléfonos con niveles razonables de rendimiento de al menos los idiomas más populares principios de la primera década del próximo siglo. Con las continuas mejoras en el rendimiento y la reducción de costos, estos servicios podrían generalizarse a finales de esa década. El impacto será otro paso importante en el logro de la "aldea global" prevista por Marshall McLuhan (1911-1980) hace más de dos décadas. 10 La superación de la barrera del idioma resultará en una economía y una sociedad integrada con más fuerza mundial. Vamos a ser capaces de hablar con mayor facilidad a más gente, pero nuestra capacidad deentender mal unos a otros a permanecer en reposo.

El asistente inteligente

Usted está pensando en comprar un artículo caro de bienes de equipo y desea analizar los diferentes medios de financiación disponibles. Aspectos a tener en cuenta son el balance de su empresa actual,otros requisitos de flujo de efectivo esperados, el estado de varios mercados financieros, y las futuras proyecciones financieras. Usted le pide a su asistente inteligente para escribir un informe que propone los métodos más razonables para financiar la compra y analiza el impacto de cada uno. El equipo que participa en diálogo hablado suficientes para aclarar la solicitud y luego procedea llevar a cabo su estudio. En el curso de su investigación, se accede a la hoja de balance y proyecciones financieras de las bases de datos de su empresa. Se contacta con la base de datos de Dow Jones por teléfono para obtener información sobre los mercados financieros actuales. Hace varias llamadas a otros ordenadores para obtener los cargos financieros más recientes de los diferentes instrumentos financieros. En un caso, se habla de un ser humano para aclarar algunos detalles sobre un plan de arrendamiento con opción de recompra. Se habla con el vicepresidente de marketing de su empresa para obtener su nivel de confianza en el logro de las proyecciones de ventas para los dos años siguientes. A continuación, organiza y presenta la información en un informe escrito completo con gráficos en color. El informe se presenta a usted el día siguiente, desde que tomó tanto tiempo para llegar a los dos humanos involucrados. (Si hubiera sido capaz de llevar a cabo la investigación a través de la comunicación con otros equipos, se habría requerido sólo unos pocos minutos.) Otros servicios prestados por su asistente computarizado incluyen el seguimiento cuidadoso de su horario, incluyendo la planificación de su viaje de una cita a otra . El sistema planifica su trabajo para usted, haciendo tanto de él mismo, ya que es capaz de hacer y entender cuál es la parte de la misma que tiene que hacer usted mismo.

Cuando veremos el sistema anterior depende de qué tan inteligente asistente que nos gustaría tener. Existen precursores del crudo hoy. ASR-Large vocabulario se ha integrado con los programasde gestión de base de datos para proporcionar los sistemas que puedan responder a tales comandos (que plantea la voz) como, comparar las ventas de nuestra región occidental para nuestros tres principales competidores comprensión de lenguaje natural y.Estos sistemas son, por supuesto, muy limitados en su capacidad para resolver problemas, pero los esfuerzos para integrar ASR con accesoa base de datos ya han comenzado.

El aspecto más difícil de la visión es la resolución de problemas, teniendo conocimiento de sentido común suficiente y la capacidad de razonamiento para entender qué información se necesita para resolver un problema particular. Requeridos son los sistemas expertos en muchas áreas de la actividad que se centran menos estricta que los sistemas expertos de hoy en día. Uno de los primeros asistentes inteligentes es probable que sea uno que ayuda a obtener información de las bases de datos a través de las telecomunicaciones. 11 Se ha hecho evidente a un número de desarrolladores de software que existe una necesidad de mejorar sustancialmente la facilidad de acceso a la información a partir de tales sistemas de datos de base como Compuserve, Delphi, La Fuente, de diálogo, Dow Jones, Lexis, Nexis, y otros. Tales sistemas de bases de datos se están ampliando en gran medida el volumen y la diversidad de la información disponible, pero la mayoríade las personas no saben dónde encontrar la información adecuada que necesitan. La primera generación de programas de asistente de oficina ahora se están desarrollando que sabe cómo obteneruna amplia variedad de información sin necesidad de solicitudes precisamente establecidos. Espero que dentro de unos años estos sistemas estarán ampliamente disponibles, y algunos de ellos tomaré ASR para la entrada.

Así, a principios y mediados de la década de 1990 se verá por lo menos parte de la visión de arriba en uso: acceso flexible a la información de cada vez más variados servicios de información de todo el mundo, visitado por los sistemas que entienden el lenguaje humano, así como la sintaxis y (al menos en cierta medida) la semántica de lenguaje natural. Ellos apoyan a sus propias bases de datosy poder acceder a los conocimientos específicos de cada organización. Usted será capaz de obtener información de una manera flexible y sin tener que saber qué servicio de base de datos tiene la información o la forma de utilizar cualquier utilidad de la información en particular.Conforme pasanlos años 1990, estos sistemas se pueden integrar con los sistemas expertos para resolver problemas en muchas áreas de la actividad. El nivel de inteligencia implícita en el escenario anterior describe una compra de capital-equipos probablemente se verá en la primera década del próximo siglo.

El campeonato del mundo de ajedrez

Como se señaló anteriormente, los mejores jugadores de la máquina de ajedrez están compitiendo con éxito en el nivel superior-maestro nacional, derrotando regularmente todos menos unos 700 jugadores. 12 Todas las máquinas de ajedrez usan alguna variante del algoritmo recursivo llamado minimax, una estrategia cuyos requisitos de cómputo se multiplican por alguna constante para cada movimiento adicional antes de que se analiza. Sin un enfoque totalmente nuevo, que por lo tanto tenemos que avanzar exponencial de la potencia de cálculo para obtener ganancias en el rendimiento gameplaying lineales (aunque en realidad estamos haciendo progreso exponencial de hardware). El análisis que di antes estima que la potencia de los ordenadores necesarios para lograr de juego de ajedrez del campeonato del mundo debería estar disponible entre los 9 y 54 años a partirde ahora. Esta estimación se basa en los continuos aumentos previstos en las velocidades de los microprocesadores individuales. Si tenemos en cuenta la creciente popularidad de las arquitecturas de procesamiento paralelo, el resultado será mucho más cerca de la parte corta de este rango. Algunos de los otros escenarios de esta sección se requieren avances significativos tanto en potencia de hardware y sofisticación de software. A mi juicio, la capacidad de una máquina para jugar al ajedrez campeonato es principalmente una función de la primera. Algunos de los posibles avances en el hardware electrónico se explica a continuación será directamente aplicable a la cuestión de ajedrez.Por ejemplo, si tenemos éxito en el aprovechamiento de la tercera dimensión en la fabricación de chips (es decir, la construcción de circuitos integrados con cientos o miles de capasde circuitos activos en lugar de sólo uno), vamos a ver una gran mejora en el procesamiento en paralelo: cientos o miles de procesadores en un solo chip. Tomando en consideración sólo anticipó el progreso en las metodologías de circuito de fabricación convencionales y el desarrollo continuo de las arquitecturas de procesamiento paralelo, siento que un campeón mundial de ajedrez de ordenador es una expectativa razonable para el final del siglo.

¿Cuál será el impacto de este desarrollo? Para muchos, como yo, será simplemente el paso de un hito largamente esperado. Sí, el ajedrez es un juego inteligente (es decir, se requiere inteligencia para jugar bien), sino que representa un tipo de inteligencia que se adapta particularmente bien a las fuerzas de inteligencia de las máquinas temprano, lo que antes llamé nivel-2 de inteligencia (véase "La fórmula recursiva y tres niveles de inteligencia ").Mientras nivel 3 inteligencia sin duda beneficiarse de la creciente poder del hardware de la computadora, también requerirá mejoras sustanciales en la capacidad de los ordenadores para manipular conceptos abstractos.

Los defensores del ajedrez humano juegan a menudo dicen que cuando las computadoras pueden eventualmente derrotar a todos los jugadores humanos, las computadoras no son capaces de utilizar los métodos más abstractos e intuitivos que los seres humanos utilizan. 13 Por ejemplo, la gente puede eliminar de consideración ciertas piezas que, obviamente, no tienen relación con la situación estratégica actual y por lo tanto no es necesario considerar secuencias de movimientos que implicanesas piezas. Los seres humanos también son capaces de recurrir a una gran cantidad de experiencia en situaciones similares anteriores. Sin embargo, ninguna de estas habilidades es incompatible con el algoritmo recursivo. La capacidad de eliminar de consideración ramas del árbol de expansión de las posibilidades de movimiento-contramovimiento no vale la pena la búsqueda es una parte importante, se llama poda, de cualquier programa de minimax. Basándose en una base de datos de las posiciones anteriores de la Junta es también una estrategia común en los programas de ajedrez más avanzados (especialmente al principio del juego). Se estima que los maestros de ajedrez humana han memorizado entre 20.000 y 50.000 tableros de ajedrez. 14 Aunque impresionante, es claro que esto es de nuevo un área donde las máquinas tienen una clara ventaja. Hay un pequeño problema en un equipo dominar a millones de posiciones en el tablero (cada uno de los cuales se han analizado con gran profundidad de antelación). Por otra parte, es factible para los equipos para modificar dichos puestos en las juntas previamente almacenados para usarlos incluso si no coinciden precisamente una posición actual.

Puede muy bien ser que los jugadores humanos despliegan métodos de abstracción que no sea recordando las posiciones del tablero anteriores, la poda y se mueven de expansión. Hay poca evidencia, sin embargo, que para que el juego del ajedrez tales estrategias heurísticas son inherentemente superiores a una estrategia recursiva sencilla combinada con el poder computacional masivo. 15 de Ajedrez, en mi opinión, es un buen ejemplo de un tipo de problema inteligente resolver bien adaptado a los puntos fuertes del primer medio siglo de la inteligencia artificial. Para otros tipos de resolución de problemas (nivel 3 problemas), la situación es diferente.

No todo el mundo va a aceptar con alegría la llegada de un campeón de ajedrez por computadora. Campeones de ajedrez humanos han sido ampliamente considerado como héroes culturales, especialmente en la Unión Soviética; consideramos el campeonato mundial de ajedrez como un gran logro intelectual. Si alguien pudiera calcular hojas de cálculo en su cabeza lo más rápido (o más rápido que) un ordenador, tendríamos, sin duda, lo consideramos como un prodigio asombroso, pero no como un gran intelecto (de hecho, en realidad sería un idiota sabio). Un campeonato de ajedrez por computadora es probable que cause un cambio decisivo en la forma en que muchos observadores consideran la inteligencia artificial (aunque tal vez por las razones equivocadas). Más constructiva, sino que también puede causar una apreciación más aguda para los únicos y diferentes puntos fuertes (por lo menos para el futuro inmediato) de la máquina y la inteligencia humana.

La máquina de contestación de llamadas telefónicas inteligentes

El asistente del teléfono inteligente contesta el teléfono, conversa con la persona que llama para determinar la naturaleza y la importancia de la llamada (de acuerdo a sus instrucciones), se interrumpe en caso de necesidad, y te encuentra en una emergencia. Este último puede llegar a ser relativamente fácil una vez que la tecnología celular móvil está completamente desarrollado. Si los

teléfonos celulares se vuelven lo suficientemente compacto y de bajo costo, la mayoría de la gente sería capaz de llevar a ellos, tal vez en sus relojes de pulsera. Esto plantea algunas cuestiones interesantes de la vida privada. Muchas personas, como la capacidad de estar lejos de sus teléfonos, que no necesariamente quieren que sean accesibles a las llamadas de teléfono en todo momento. Porotra parte, se podría considerar irresponsable de estar disponible para el contacto en el caso de una emergencia. Pero frente a este problema será más una cuestión de la evolución de las costumbres sociales de la inteligencia artificial.

Los otros aspectos de la situación anterior requieren las mismas habilidades de la máquina como el asistente inteligente: comunicación bidireccional de voz, comprensión del lenguaje natural, y la resolución de problemas automatizada. En cierto modo, esta aplicación puede ser más difícil que el asistente de oficina. Para un asistente cibernético que nos relacionamos con, mucha gente estaría dispuesta a dedicar tiempo a aprender cómo utilizar esta tecnología si realmente les ayudó a realizarsu trabajo. Puede que no importa si no logra manejar todas las interacciones con gracia, con tal de que proporciona una ganancia global de la productividad. Por otro lado, podríamos establecer un estándar más alto para una máquina pensada para interactuar con nuestros amigos y asociados.

El chófer cibernético

¿Cuándo ordenadores conducir nuestros coches? Sin grandes cambios en los métodos de control de tráfico, la llegada del coche de auto-conducción no es probable que por un largo tiempo. A diferencia de reconocimiento de caracteres, la visión de fábrica, y tareas similares que involucran entornos visuales limitados, la conducción en las carreteras existentes requiere toda la gama de la visión humana y las habilidades de reconocimiento de patrones.Además, debido a las consecuenciasdel fracaso son tan graves, nos exigimos un alto nivel de rendimiento de un sistema de este tipo antes de confiar en ella. (Por otro lado, con 50.000 muertes de tráfico cada año en las carreteras estadounidenses, el estándar de desempeño humano está lejos de ser perfecto.)

Sin embargo, hay una forma más simple del chofer cibernético que es más fácil de construir y aún podría lograr una fuerte reducción en el impulso de las muertes, así como reducir sustancialmente eltedio de la conducción. Si los sensores especialmente diseñados y dispositivos de comunicación fueron colocados en las principales avenidas, los coches se podían comunicar con la carretera, así como con otros coches. Ellos podrían entonces ser colocados en piloto automático. Carreteras seríanesencialmente convertirse ferroviaria eléctrica que nuestros coches podrían unirse y salir. El sistemade comunicación requerida sería similar al complejo que ya existe para los teléfonos celulares. Los algoritmos integrados en cada vehículo y en las carreteras mantendrían las distancias de seguridad entre los coches y se manejar una variedad de situaciones. 16 A pesar de que hay un sistema específico ha sido desarrollado, la tecnología subyacente existe hoy en día para hacer frente a la situación de estado estacionario de la conducción de automóviles en un carretera y el mantenimiento de la velocidad y la distancia adecuada. Pero la situación se complica más cuando seconsideran varias otras contingencias. En primer lugar, tenemos que ser capaces de coger el coche por una carretera controlada por ordenador. Es de suponer que nos conduciría a un camino de acceso, donde nuestro conductor de equipo cerraba en el sistema de comunicación de la carretera, que se haría cargo de (en conjunto con la inteligencia de nuestra propia computadora del coche). Al bajar de la carretera es quizás más difícil. El sistema tiene en cuenta la posibilidad de que el conductor se ha dormido o es de otra manera no está listo para reanudar el control manual. El mejor protocolo podría ser para el sistema para llevar el coche a un alto en una posición de salida y en ese momento se espera que el conductor humano a tomar el relevo.La inteligencia de la máquina también tendría que hacer frente a las posibilidades de fracaso-no sólo el hardware de la computadora en sí misma, sino también del motor, neumáticos, y otras partes del vehículo. Además,los diseñadores de este tipo de sistemas también tendrán que considerar la posibilidad de que personas o animales errantes a la carretera.

Incluso con todas estas complicaciones, desde un punto de vista técnico, carreteras inteligentes representan un problema sustancialmente más fácil que crear un controlador automático que puede hacer frente a situaciones de tráfico en su estado actual. Una de las principales barreras no técnicas para la creación de un sistema de carretera inteligente, sin embargo, es que se requiere un alto gradode cooperación entre los fabricantes de automóviles y las agencias gubernamentales que administran nuestras carreteras (y conductores). No es una innovación que puede ser introducido en un pequeño número de usuarios pioneros, sino que debe aplicarse a la vez por lo menos en algunas carreteras y en todos los vehículos que pretendan acceder a este tipo de carreteras. Presumiblemente, los coches no equipados con tales equipos de guiado automático no se permitiría en carreteras inteligentes. Una vez más, la tecnología de telefonía celular es similar: no era factible hasta que tanto el equipo del teléfono portátil y los sistemas de comunicación informatizados generales estaban en su lugar. Aún así, yo esperaría que tal sistema se introducirá gradualmente. Al principio iba a ser presentado en una o unas pocas carreteras principales, con carácter experimental. Si tiene éxito, se extendería a partir de ahí.

La tecnología para lograr esto debe estar disponible en la primera década del próximo siglo. Pero debido a la toma de decisión política está involucrada, es difícil predecir cuándo va a recibir prioridad suficiente para garantizar su aplicación. A pesar de la tecnología celular móvil también implicó la coordinación de un sistema complejo, que ha crecido rápidamente, ya que crea una oportunidad empresarial.

El escenario más avanzado del coche completamente sin conductor nos llevará hasta bien entrada laprimera mitad del siglo siguiente. Otro enfoque podría ser la de olvidar por completo las carreteras y reemplazarlos con vehículos voladores controlados por ordenador que puede ascender y descenderverticalmente. Hay, después de todo, mucho más espacio al aire libre en tres dimensiones de la que hay en nuestras carreteras de una sola dimensión. Ya hay planes en marcha para instalar un sistema para prevenir colisiones basado en satélites que reducirá drásticamente las colisiones de avión a finales de siglo. Los vehículos voladores previstos serían sobre el tamaño de los coches de hoy en día, y sería aún más fácil de usar. 17

Tarjetas de crédito y claves invisibles

Durante la década de 1990 veremos los sistemas de identificación de individuos altamente fiables que utilizan técnicas de reconocimiento de patrones aplicados a la exploración de huellas dactilares y patrones de voz. Tales sistemas típicamente se combinan el reconocimiento de un atributo personal (una huella dactilar o el patrón de voz) con una contraseña que el usuario escribe pulg La contraseña evita que un falso reconocimiento de causar un problema. El sistema de reconocimiento impide el acceso no autorizado por parte de un ladrón que adquiere la contraseña de alguien.

Hoy se suelen llevar una serie de llaves y tarjetas para facilitarle acceso a, y uso de, nuestras casas, autos, oficinas y una amplia variedad de servicios financieros. Todas estas llaves y tarjetas podrían eliminarse con la adopción generalizada de las tecnologías de identificación de individuos confiables. La aceptación de esta tecnología es probable que se aceleró por la pérdida de confianza en las firmas manuscritas causadas por la explosión de la publicación electrónica.

Por desgracia, este tipo de tecnología también es capaz de ayudar a Gran Hermano seguimiento y control de las transacciones y los movimientos individuales.

ASICs instantánea

Una de las innovaciones recientes notables en la tecnología de hardware es el advenimiento del circuito integrado de aplicación específica (ASIC), en el que todo un sistema electrónico complejo se coloca en un solo chip de bajo costo. El advenimiento de la ASIC ha proporcionado productos que son complejos, diversos, personalizado y altamente miniaturizado. Como Allen Newell señala

en el artículo siguiente de este capítulo, se podría considerar como una tecnología casi mágica: una vez que se desarrolla un ASIC, ofrece un enorme poder computacional a muy bajo costo, tarda casi no ocupan espacio, y casi no utiliza la electricidad. La principal barrera para un mayor despliegue de esta tecnología es la muy largos y costosos ciclos de ingeniería necesarios para diseñar esos chips.La promesa de ASIC instantáneos es la capacidad de diseñar un circuito integrado tan fácilmente como se escribe un programa de computadora de alto nivel y, una vez diseñada, para tener el chip real disponible inmediatamente.

El desarrollo de la tecnología instant-ASIC es un objetivo principal del Departamento de Defensa de EE.UU.. Aparte de sus aplicaciones militares obvias, también se acelerará en gran medida la disponibilidad de los productos de consumo innovadores. Del mismo modo que la dificultad de la programación de las primeras computadoras fue rápidamente reconocido como un importante cuellode botella, por lo que es el proceso de diseño difíciles detrás de chips avanzados de hoy en día. De hecho, este último está recibiendo una intensa atención por parte de todos los principales actores de la industria de los semiconductores. Se espera que a principios de 1990 diseñadores serán capaces de escribir programas de chips (cuya producción es una pieza de silicio) con la misma facilidad y tan rápidamente como los programas de ordenador. 18 La disponibilidad de la tecnología instant-ASIC eliminará la mayoría de los fines de la poca diferencia sigue siendo hoy en día entre la ingeniería de hardware y software. Se acelerará la tendencia hacia el conocimiento como el principal componente de valor en nuestros productos y servicios.

Personas artificiales y los medios de comunicación del futuro

En lugar de describir la visión que tengo en mente, me acercaré a la idea de la gente artificial, comenzando con lo que es factible en la actualidad. Considere las criaturas artificiales que interactuamos en los juegos computarizados y programas educativos. Un ejemplo temprano y el primer es Pac Man, una criatura artificial capaz de responder e interactuar con nosotros de cierta manera limitados. Uno podría no consideran Pac Man para ser mucho de una criatura, y mucho menos una persona jurídica. Es una especie de caricatura de un pez con un repertorio limitado de movimientos. Del mismo modo, nuestra gama de respuestas emocionales a los que es muy estrecho,pero sirve como un punto de partida útil.

Ahora consideremos lo que es hoy, una década después de la primera posible introducción de Pac Man y otros juegos de ordenador. Imágenes de vídeo razonablemente realistas de rostros humanos pueden ser completamente sintetizadas y animados. Los experimentos en los laboratorios de los medios de comunicación avanzadas tales como el Laboratorio de Medios del MIT han creado imágenes generadas por computadora pero realistas completamente sintéticos de rostros humanos que se pueden mover y expresar una amplia gama de respuestas y emociones.

Imaginemos el siguiente paso: los juegos de ordenador y programas educativos interactivos que utilizan imágenes humanas generadas sintéticamente. En lugar de simplemente reproducir una secuencia animada previamente almacenada, tales programas podrían comenzar con las estructuras de conocimiento que representan los conceptos que se expresan a continuación, traducir cada concepto en el lenguaje hablado y articulado movimientos faciales y corporales. Tendríamos así ver y oír imágenes-no almacenados previamente sino que son creadas en el tiempo de las personas que son razonablemente realista real. Los movimientos y los sonidos del habla se calculan según sea necesario a partir de un intento de expresar ciertas ideas y emociones. Estas personas artificiales estarían respondiendo a nuestras acciones en el marco del programa.

Tomemos varios pasos más. Añadir el reconocimiento de voz y la comprensión del lenguaje natural. Añadir otra varias generaciones de una mejor resolución de imagen y potencia de cálculo para un realismo visual mucho mayor. Agregar una capacidad de resolución de problemas más sofisticados y más inteligencia para proporcionar una mayor sutileza de la personalidad. Nuestra persona artificial es cada vez más como una persona real y menos como Pac Man.

Las solicitudes incluirán juegos muy realistas, las películas que podrían incluir al espectador como participante, y los programas educativos que se implicaran al estudiante a aprender de la experiencia directa. Benjamin Franklin podría llevar a un niño en una visita guiada de la Filadelfia colonial. En lugar de un recorrido visual en lata, este artificial Ben Franklin podía responder a las preguntas, involucrar al niño en el diálogo, personalizar el recorrido en función de los propios intereses expresados del niño, y de otra manera proporcionar una experiencia atractiva. Se podría debatir Abraham Lincoln o tomar Marilyn Monroe en una cita. Como con cualquier medio creativo,las posibilidades sólo están limitadas por nuestra imaginación. Como otro ejemplo, el asistente inteligente podría incluir una persona completa con la apariencia, acento, y personalidad. Conforme pasó el tiempo, estas personas jurídicas continuarían creciendo en sofisticación, el realismo, la capacidad comunicativa e interactiva y, por supuesto, la inteligencia. En última instancia, podrían desarrollar un sentido del humor.

Cabe señalar que la personalidad no es un atributo que puede ser pegado en una máquina inteligente. Una personalidad es casi seguro que un subproducto necesario de cualquier comportamiento complejo lo suficiente como para ser considerado inteligente. Las personas que ya hablan de la personalidad de los paquetes de software que utilizan. Dar forma a la personalidad de las máquinas inteligentes será tan importante como la conformación de su inteligencia. Después de todo, ¿quién quiere una máquina odiosa?

Tales personas artificiales eventualmente podrían utilizar la tecnología holográfica proyectada en tres dimensiones (un método para la creación de imágenes tridimensionales que no requieren el uso de gafas especiales).Actualmente, la mayoría de los hologramas son imágenes tridimensionales estáticas, aunque algunos utilizan varias imágenes para proporcionar una sensación de movimiento. El MIT Media Lab ha logrado crear la primera imagen holográfica tridimensional del mundo generado íntegramente por ordenador. 19 La capacidad de proyectar un holograma completo de datos de la computadora es un paso importante en la tecnología de imágenes. Si un ordenador puede proyectar un holograma, a continuación, puede ser hecho para proyectar cualquier número. En última instancia, con la potencia de los ordenadores suficiente, las imágenes se podrían generar con la suficiente rapidez a aparecer de manera realista a moverse. Los movimientos no serían almacenadas previamente sino más bien computado en tiempo real para responder a cada situación. Por lo tanto, nuestro pueblo artificiales en última instancia, puede ser realista, de tamaño real, de imágenes tridimensionales con una resolución suficientemente alta y la sutileza de movimiento para ser indistinguible de la gente real. Estos futuros monitores también podrán proyectar ambientes enteros junto con el pueblo.

Existe la preocupación de hoy en relación con el poder de la televisión para dar forma a nuestros puntos de vista y participar de nuestras emociones y la atención. Sin embargo, la televisión es esencialmente no interactiva, de baja resolución, y plano. Un medio que proporciona una resolucióncasi perfecta y las imágenes tridimensionales e interactuaba con nosotros de una manera inteligente y natural sería mucho más poderoso en su impacto emocional, posiblemente demasiado poderoso para muchas personas (reales). El aprovechamiento y la regulación de estos medios de comunicación del futuro, sin duda, será un área de mucho debate y controversia.

La adopción de las tecnologías de los medios avanzados que se describen aquí se iniciará a finales de 1990 y madurar en la primera mitad del próximo siglo. Las aplicaciones incluyen el entretenimiento, la educación, la realización de transacciones comerciales, incluso compañerismo.

Otro enfoque

Un enfoque totalmente diferente al concepto de personas artificiales encuentra en la zona de la robótica. Los robots de la primera generación, al igual que la primera generación de imágenes generadas por ordenador de la criatura (imágenes esencialmente de robots), no eran ni inteligente ni realista. Estábamos tan poco probable que confundir un robot fábrica temprano para una criatura

natural, por no hablar de una persona, ya que estábamos a confundir Pac Man para una imagen de un animal real. Una vez más, las sucesivas generaciones de la tecnología han proporcionado una mayor inteligencia, sutileza y naturalidad. La unidad principal de la tecnología robótica se encuentra en aplicaciones prácticas en las industrias manufactureras y de servicios. Es cierto que para la mayoría de estas aplicaciones, su semejanza con los seres humanos o para cualquier otra criatura natural, es de poca relevancia. Sin embargo, habrá aplicaciones para robots naturales (a veces llamados androides) como profesores, artistas y compañeros. Mascotas robóticas primitivos ya han creado un nicho en la industria del juguete.

Creación de una imitación robótico razonablemente natural de una persona es aún más difícil que la creación de una imagen mediática convincente de una persona. Cualquier robot autónomo, humanoide o de otra manera, tiene que ser capaz de deambular en un entorno natural, lo que requiere la visión de propósito general y un alto grado de coordinación motora fina. Robots autónomos para explorar ambientes hostiles, como los reactores nucleares y las superficies de otros planetas, existen hoy en día. El uso rutinario de los robots autónomos en situaciones más convencionales es probable que comience a finales de siglo. Los robots que sean convincentes razonablemente gente artificial no aparecerán hasta bien entrado el próximo siglo.

Marvin Minsky ha dicho a menudo que una buena fuente de conocimientos sobre la realidad de la ciencia de la computación de mañana se puede encontrar en la ciencia ficción de hoy. Isaac Asimov en sus robots del amanecerdescribe una sociedad de dos siglos a partir de ahora en la que la gente vive al lado de una generación omnipresente de siervos robóticos, compañeros, guardias y profesores. Dos de los protagonistas son una bella mujer de ciencias y su amante, un robot "humaniforme" "macho".

Al pasar el test de Turing

Científicos de la Universidad de Valle Claro informaron hoy que un programa de ordenador que habían creado fue un éxito en pasar el famoso test de Turing. Los científicos en computación de todo el mundo están celebrando el logro de este hito largamente esperado. Alcanzado de su casa de retiro, Marvin Minsky, considerado como uno de los padres de la inteligencia artificial (AI), elogió el logro y dijo que se había alcanzado ahora la era de las máquinas inteligentes. Hubert Dreyfus, un crítico persistente del campo de la IA, elogió el resultado, admitiendo que él finalmente había equivocado.

El advenimiento de las computadoras que pasan la prueba de Turing es casi seguro que no producenel tipo por encima de la cobertura. Haremos más probable leer lo siguiente:

Científicos de la Universidad de Valle Claro informaron hoy que un programa de ordenador que habían creado fue un éxito en pasar el famoso test de Turing. Los informáticos se llegó en tiempo dela prensa expresaron escepticismo considerable sobre la realización. Alcanzado de su casa de retiro, Marvin Minsky, considerado como uno de los padres de la inteligencia artificial (AI), criticó el experimento, citando una serie de deficiencias en el método, incluyendo la selección de un "juez" humano no familiarizados con el estado del arte en la IA. También dijo que no hay suficiente tiempo se le había permitido para que el juez entrevistar al papel de ordenador y el humano.Hubert Dreyfus, un crítico persistente del campo de la IA, desestimó el informe como el bombo habitual que hemos llegado a esperar del mundo AI y desafió a los investigadores de usarlo como el juez humano.

Alan Turing fue muy precisa impreciso al afirmar las reglas de su prueba ampliamente aceptada para la inteligencia artificial. 20 Hay, por supuesto, no hay razón por qué una prueba para la inteligencia artificial debería ser menos ambigua que nuestra definición de la inteligencia artificial. Está claro que la llegada de la aprobación de la prueba de Turing no vendrá en un solo día. Podemos distinguir los siguientes hitos:

Nivel 1 Computadoras pasan posiblemente estrechas versiones de la prueba de Turing de credibilidad. Una variedad de programas de ordenador son cada éxito en la emulación de la capacidad humana en algún área: el diagnóstico de enfermedades, componiendo música, dibujos originales, de emitir juicios financieros, jugando al ajedrez, y así sucesivamente.

Nivel 2 Es bien sabido que las computadoras pueden alcanzar niveles humanos o altos de rendimiento en una amplia variedad de tareas inteligentes, y se basó para diagnosticar enfermedades, hacer juicios financieros, etc

Nivel 3 Un único sistema informático pasa sin duda la prueba de Turing completo, aunque existe una considerable controversia con respecto a la metodología de pruebas.

Nivel 4 Está bien establecido que los ordenadores son capaces de pasar el test de Turing. Ninguna persona razonable familiarizado con el campo en duda la capacidad de los ordenadores para hacer esto. Las computadoras pueden participar en un rango relativamente sin restricciones del discurso inteligente (y participar en muchas otras actividades inteligentes) a niveles humanos o superiores derendimiento.

Estamos en el nivel 1 en la actualidad. Una amplia gama de sistemas expertos puede igualar o mejorar el desempeño humano dentro de las áreas de especialización estrechamente definidos (y aún así inteligentes). Los juicios de los sistemas expertos están empezando a confiar en ella en una variedad de campos técnicos y financieros, a pesar de la aceptación en el área médica es mucho máslento. Además, el éxito de la computadora en una variedad de actividades artísticas está empezando a ser por lo menos que puede ser comparable.

Nivel 2 está a la vista y debe ser alcanzado alrededor del final del siglo. Como los sistemas expertoscrecen en sofisticación y lograr interfaces humanas más naturales, vamos a empezar a confiar en su experiencia tanto como (o más que) la sociedad humana depende de sus antepasados sabio idiota hoy.

Probablemente vamos a empezar a ver los informes de nivel 3, y artículos de prensa similar a la segunda, dada anteriormente, durante la primera década del próximo siglo, con la controversia continua por lo menos durante varias décadas a partir de entonces. Los primeros informes es casi seguro que implicar limitaciones significativas al reto propuesto en un principio de Turing. Estamoscerca de tener la tecnología subyacente (si no el programa en sí) hoy si utilizamos jueces suficientemente ingenuos y les proporcionamos con relativamente poco tiempo para hacer sus determinaciones.

Nivel 4 es lo que Turing tenía en mente cuando predijo el éxito en el año 2000. El logro de este nivel es mucho más difícil que cualquiera de los otros tres. Requiere avanzada comprensión de lenguaje natural, amplia base de conocimientos de información de sentido común, y los algoritmos de toma de decisiones, capaces de una gran sutileza y la abstracción. La predicción de Turing, hecho en 1950, no es casi seguro que se cumplirá en el año 2000.Pongo el logro de nivel 4 en algún momento entre 2020 y 2070. Si esto resulta ser el caso, entonces Turing habrá estado fuera por un factor de entre 1,4 y 2,4 (70 a 120 años frente a su predicción de 50 años), que en realidad no es malo para una predicción a largo plazo. Por supuesto, no hay ninguna seguridad de que mi predicción será más precisa que la de Turing.

Como se mencionó anteriormente (ver El debate continúa ), Hubert Dreyfus ha indicado que admitir que estaba equivocado (y se ha equivocado durante toda su carrera profesional) si se le puede engañar como el juez humano en una prueba de Turing. ¿Ocurrirá esto? Si asumimos que Dreyfus se encuentra en buen estado de salud y, además, que los continuos avances en la tecnología de la bioingeniería él (y el resto de nosotros) permiten vivir más tiempo que la esperanza media de vida de hoy en día, entonces es muy posible. Personalmente, yo estaría dispuesto a apostar por ella.

Conclusión

Los escenarios anteriores proporcionan sólo una pequeña muestra de las formas en que se puede esperar máquinas inteligentes del futuro para tocar nuestras vidas. Los ordenadores de hoy en día, mudo como son, ya se han infiltrado en prácticamente todas las áreas de trabajo y el juego. Las burocracias de nuestra sociedad no podrían funcionar sin sus extensas redes de computadoras. Si se añade sólo la inteligencia fuertemente enfocado de la siguiente fase de la era de las máquinas inteligentes para la capacidad de memoria prodigiosa y la velocidad de las computadoras de hoy en día, la combinación será una formidable. Nuestros coches, relojes, camas, sillas, paredes, pisos, escritorios, libros, ropa, teléfonos, casas, electrodomésticos y prácticamente todo lo demás que entran en contacto con la voluntad de ser inteligente, el seguimiento y el mantenimiento de nuestras necesidades y deseos. La era de las máquinas inteligentes no se iniciará en un día determinado, sino que es un fenómeno que ha comenzado ya, con la amplitud y profundidad de la inteligencia de las máquinas cada vez más cada año. Turing predice un tiempo cuando la gente hablaba de forma natural sobre las máquinas pensantes sin esperar a nadie que los contradiga o se sorprenda. No estamos allí hoy, pero el día llegaremos tan gradualmente que nadie (excepto unos pocos autores) sedará cuenta de que cuando lo hace.

Avances

Ralph Gomory, director científico de IBM, predijo en 1987 que dentro de una década las unidades centrales de procesamiento de los superordenadores tendrán que concentrarse en un espacio de tres pulgadas cúbicas.El núcleo superordenador de la década de 1990 será adecuado para un ordenador portátil.

George Gilder

Hardware

Como señalé anteriormente, una continuación de la misma tasa de mejora exponencial de hardware parece probable en el futuro previsible, incluso si se consideran sólo las mejoras a través de métodos convencionales. El progreso sigue avanzando en la fabricación de circuitos integrados con geometrías cada vez más pequeños, lo que permite así que un número cada vez mayor de elementos que se coloquen en un solo chip. Como se estaba escribiendo este libro, los diseñadores estaban pasando la marca de varios millones de transistores por chip. La llegada de arquitecturas de procesamiento paralelo también está contribuyendo a la expansión de la cantidad de cálculos que podemos dedicar a la inteligencia de las máquinas. 21

Al mismo tiempo, los investigadores están experimentando con una serie de materiales exóticos y técnicas que, si perfeccionado, podrían proporcionar un salto cuántico en la potencia de cálculo. En lugar de "sólo" la duplicación ordenada del poder ordenador cada 18 a 24 meses, existe la posibilidad de un aumento relativamente brusco en un factor de miles o incluso un millón.

Probablemente el más prometedor es el potencial de los superconductores para eliminar prácticamente las limitaciones térmicas que ahora gobiernan geometrías de viruta. Como se mencionó anteriormente, el calor generado por la resistencia en circuitos limita lo pequeños que podemos construir cada transistor. Pero los superconductores no ofrecen ninguna resistencia eléctrica, por lo que los circuitos superconductores no generan calor. Así un circuito superconductorintegrado podría utilizar transistores que son más pequeños por lo menos un factor de diez en cada una de las dos dimensiones, para una mejora de cien veces en el número de componentes.Dado que estos componentes también operar diez veces más rápido, la mejora general es aproximadamente mil.Además, con la ausencia de calor, podríamos construir un chip con mil capas de circuitos en lugar de sólo uno.Este uso de la tercera dimensión espacial es otro factor de mejora de cada mil, para una mejora potencial global del millón a uno.

El único problema hasta ahora es que nadie sabe aún de una manera práctica para construir diminutos transistores utilizando materiales superconductores. A principios de los intentos de aprovechar los circuitos superconductores integrados, utilizando una tecnología llamada unión Josephson, nunca llegó a la viabilidad comercial. 22 Uno de los problemas con los primeros intentosfue la necesidad de enfriar los circuitos de tan cerca del cero absoluto de helio líquido que muy costosa tuvo que ser utilizada para que se enfríen. Pero los recientes avances en superconductor han proporcionado materiales que pueden proporcionar superconductor a temperaturas mucho más altas,por lo nitrógeno líquido, en menos de una décima parte del coste de helio líquido, pueden ser utilizados. Existe incluso la posibilidad de que los materiales que pueden proporcionar la superconductividad a temperatura ambiente, el Santo Grial de la superconductividad en desarrollo. Los últimos materiales exhiben considerable fragilidad, sin embargo, que presenta una dificultad importante en la creación de los diminutos cables necesarios. 23 Si bien los desafíos son enormes, el beneficio potencial de los circuitos superconductores integrados es tan enorme que los principales esfuerzos están en marcha en tres continentes (América del Norte, Europa y Asia). 24

Otro enfoque se está explorando es el desarrollo de los circuitos que utilizan la luz en lugar de electricidad. Hay dos ventajas potenciales de la luz. En primer lugar, la luz es más rápido. La velocidad de la luz es considerado como un límite de velocidad fundamental de que el universo estáobligado a seguir. La electricidad en los cables se mueve alrededor de un tercio más rápido. Más importante, la luz láser puede contener millones de señales adyacentes que cada uno lleva la información independiente. Por lo tanto, existe el potencial para proporcionar un procesamiento paralelo verdaderamente masiva, con cada señal de luz que proporciona una ruta de cálculo separada. Técnicas ópticas ya están revolucionando las comunicaciones (con fibra óptica) y la memoria (discos ópticos);. La promesa de la computación óptica revolucionaría la computación en sí 25

Hay desventajas, sin embargo, en que los tipos de cálculos que se pueden realizar ópticamente son algo limitadas.Una máquina de computación óptica paralela masiva sería muy adecuado para ciertastareas de reconocimiento de patrones, en particular los que utilizan la detección de características debajo nivel, pero no podría ser fácilmente adaptado a los tipos convencionales de la computación. Para esto, la superconductividad parece más prometedora.Una computadora paralela masiva utilizando superconducción podría proporcionar un enorme número de procesadores en paralelo que podría utilizar cada técnicas de software convencionales.

Un tercer enfoque aún más exótico es construir circuitos utilizando técnicas de bioingeniería, esencialmente a crecer circuitos en vez de hacerlas. Tales circuitos se construyen de las mismas proteínas que forman la base de la vida en la tierra. Estos circuitos orgánicos serían tres dimensiones, al igual que los circuitos en el cerebro de los seres vivos naturales son tridimensionales. Ellos se enfriaron de la misma manera que los cerebros se enfrían naturales: por líquidos bloodlike que circulan a través de un sistema de capilares. Nosotros no construir estos circuitos; que crecerían en mucho de la misma manera que el cerebro de un organismo natural crece: su crecimiento y reproducción serían controlados por genes constituidos por ADN ordinaria. Aunque todavía en una etapa temprana, se han logrado avances significativos en el desarrollo de este tipo de circuitos orgánicos. Alambres y circuitos sencillos ya han sido cultivados. 26

Todavía otro enfoque, llamado la computación molecular, tiene superposición sustancial con los tresde las técnicas anteriores. 27 computación molecular intentos de emplear la luz y los granos más finos posibles de la materia (para la informática, probablemente moléculas) para proporcionar técnicas para la manipulación y almacenamiento de la información. El objetivo de la computación molecular es masivamente máquinas en paralelo con los circuitos tridimensionales crecido como cristales.

Como ya he mencionado, el objetivo de todas estas investigaciones es proporcionar una gran mejoraen la capacidad y velocidad de cálculo. Cabe destacar que el valor de hacerlo no es principalmente para acelerar las aplicaciones existentes de ordenadores. Acelerar el cálculo de una hoja de cálculo que ahora lleva unos pocos segundos a unos pocos microsegundos es de poco valor. La verdadera emoción está en ser capaz de resolver problemas importantes que hasta ahora han demostrado ser intratable. Ya señalé la enorme cantidad de cálculos necesarios para emular la visión a nivel humano. Debido a que la cantidad de cálculo que proporciona el sistema visual humano no está todavía disponible en una máquina, todos los intentos de máquina de visión hasta la fecha se han visto obligados a hacer concesiones sustanciales. Las enormes mejoras en la velocidad y la capacidad se discutió anteriormente proporcionarían la potencia de cálculo necesaria para emular la funcionalidad de nivel humano.

Software

Si se perfeccionaron los chips superconductores tridimensionales o uno de los otros avances que acabamos de describir y hardware de la computadora fueron repentinamente su expansión en la capacidad en un factor de miles o incluso un millón, el impacto en muchas áreas problemáticas no sería inmediata. Mientras que la expansión sustancial de poder de computación es uno de los requisitos para dominar los problemas tales como la visión, hay otros requisitos también. También necesitamos continuo perfeccionamiento de nuestros algoritmos, una mayor capacidad para representar y manipular abstracciones, más conocimiento representado en forma de equipo, y una mayor capacidad para capturar y manipular el conocimiento.

Dos puntos clave son la pena hacer sobre posibles mejoras en la tecnología informática. En primer lugar, los avances y el software me parecen ser incompatibles, sobre todo en lo que respecta a los temas de la inteligencia artificial. Aplicaciones de la IA son tan complejos, y los problemas de interfaz humana necesarias tan exigente, que ninguna de las tecnologías de software subyacente es probable que surgen repentinamente sobre nosotros.Inevitablemente, las soluciones a diversos problemas de comprensión de AI-imagen, la comprensión del habla, comprensión del lenguaje, resolución de problemas, se resuelven gradualmente y poco a poco, con cada nueva generación de una tecnología que proporciona una mayor sutileza y profundidad. Cada nuevo paso adelante revelanuevas limitaciones y los problemas que se abordan en la próxima generación de la tecnología o producto. Un aspecto que a menudo se produce cuando el nivel de desempeño en un área determinada es superior a un umbral crítico, y esto permite que la tecnología para salir de un entorno de investigación en aplicaciones comerciales prácticas. En cierto sentido, el movimiento global de AI comenzó a pasar ese umbral durante la década de 1980, cuando se mudó de una industria apenas visible con unos pocos millones de dólares al año de ingresos en 1980 a un billón de dólares en 1986, con cuatro mil millones se espera en 1990, de acuerdo con la DM de datos. A menudo parece que un gran avance se debe haber hecho, debido a que una tecnología se convirtió en lo suficientemente potente como para ser comercialmente viable. Pero invariablemente, la tecnología subyacente fue creado durante un período prolongado de tiempo. AI no es la excepción.


Capítulo 11: El impacto en ...


Autor:

Ray Kurzweil

Es difícil de predecir, especialmente el futuro. Niels Bohr, físico


Empleo y Economía

Si cada instrumento podría llevar a cabo su propio trabajo, obedeciendo o anticipándose a la voluntad de otros .... si el transporte podría tejer, y el pick tocar la lira, sin una mano que los guíe, los obreros principales no necesitarían sirvientes, ni los amos de esclavos.

Aristóteles

Si las máquinas pudieran ser tan mejorado y multiplicado, entonces todas nuestras necesidades corporales podría ser totalmente satisfecho, sin la intervención de la mano de obra humana, no habrá nada para obstaculizar toda la humanidad se convierta en filósofos y poetas.

Timoteo Walker, ensayista, 1831

Maquinaria realizará todo el trabajo-autómatas dirigirá todas las actividades y las únicas tareas de la raza humana será la de hacer el amor, el estudio y ser feliz.

Los Estados Unidos Review, 1853

Cuando la gente considera el impacto de la inteligencia computacional, pocas áreas generan tanta controversia como su potencial para influir en los patrones de empleo. Otras áreas de la educación, la medicina, incluso la guerra-evocar menos pasión. En la educación, la preocupación se expresa a veces sobre los ordenadores reemplazan instructores humanos, pero los observadores astutos se dan cuenta que la instrucción asistida por computadora tiene la intención de competir con los libros, no los profesores. 1 Hay vacilación comprensible que depender de los juicios diagnósticos de los sistemas expertos médicos, incluso cuando han demostrado habilidades superiores en algunas áreas,pero pocos esperan una confianza indebida en tales sistemas sin etapas extenuantes para comprobar su fiabilidad. Ciertamente, hay controversia en torno a las aplicaciones militares, pero incluso aquí hay cierto reconocimiento de que el muy señalado orientación proporcionada por las armas "inteligentes" pueden causar la destrucción indiscriminada menos que la táctica de la escopeta requeridos por las generaciones anteriores de sistemas de armas (más sobre esto más adelante). La cuestión de los puestos de trabajo, por el contrario, afecta a una preocupación fundamental e inmediata de la mayoría de la gente. Mientras que las máquinas han estado compitiendo con el trabajo humano por siglos en la física de dominio, el más reciente concurso para mental, el trabajo es más una amenaza, tanto económica como psicológicamente.

Puntos de vista sobre el impacto de esta última ola de automatización varían dramáticamente con el observador.Algunos aclaman la capacidad de las máquinas para eliminar la pesadez mental, de la misma manera que una generación anterior de máquinas nos libera de la esclavitud del trabajo físicoduro. Otros apuntan a un futuro sombrío en el que las oportunidades de empleo siguen siendo sólo para unos pocos privilegiados.

Este problema raramente se acercó desapasionadamente. La mayoría de los puntos de vista están muy influenciados por una serie de supuestos sociales e ideológicas. Yo no pretendo ser inmune a esa influencia, pero yo siento que un examen de las tendencias a largo plazo del pasado y los intentos de proyectar estas tendencias en el futuro puede ayudar a esclarecer estas cuestiones. La mayor parte de la automatización que ha tenido lugar en la historia humana se ha producido en los últimos cien años. Como señalé en el prólogo, las tendencias macroeconómicas durante ese período fueron bastante positivos. Jobs creció 10 veces en los Estados Unidos (12 millones en 1870 para 116 millones en 1985) con el porcentaje de la población de los EE.UU. un trabajo remunerado al pasar de 31 por ciento a 48 por ciento. Más significativamente, el producto nacional bruto per cápita, así como la potencia media de ingresos de empleos, el aumento de 600 por ciento en dólares constantes durante el mismo período. 2 La calidad del empleo ha mejorado, así, una fracción mucho

mayor de puestos de trabajo que proporciona la satisfacción más allá de el cheque de pago. No obstante, el impacto de la automatización en el empleo ha sido un tema controvertido durante todo este período. Uno de los impedimentos a la reflexión sobria sobre el tema es que la realidad de la pérdida de empleos y el impacto emocional y social resultante son mucho más fáciles de ver que la posibilidad de nuevos empleos y nuevas industrias. A principios de este siglo, los empleos en las fábricas y en la agricultura fueron desapareciendo a un ritmo rápido. Predicciones calamitosas de estas tendencias en espiral hacia el desastre no eran infrecuentes. No fue posible para los líderes en el momento de decir, no se preocupe, millones de puestos de trabajo se crearán en la industria eléctrica, y después de eso, la industria electrónica y de computación crearán millones más. De hecho en el momento en que hubiera sido imposible prever incluso la existencia de estas industrias. El fenómeno continúa en la actualidad, con las nuevas tecnologías de fabricación de reducir rápidamente el número de puestos de trabajo de producción. Fabricación de hoy ofrece una cuarta parte de todo el empleo; a principios del próximo siglo se espera que proporcione relativamente pocos puestos de trabajo. 3 El impacto social y político de estos puestos de trabajo perdidos se sentía mucho más fuerte que las futuras oportunidades que sin duda estarán allí.

Más perspectiva puede ser adquirida por intentar manera más rigurosa posible proyectar estas tendencias hacia el futuro. Un amplio estudio utilizando un modelo informático detallado de la economía de EE.UU. se llevó a cabo recientemente por Wassily Leontief, Faye Duchin, y sus colegas en el Instituto de Análisis Económico (AIE). 4 El estudio indica la continua expansión del producto interno bruto per cápita y potencia media de ingresos de los trabajadores estadounidenses. Se proyecta una demanda en rápida disminución de los empleados de oficina y otras categorías de trabajadores semicalificados y no calificados y una reducción de trabajadores de la fábrica, aunque este último será parcialmente compensado por el aumento general de la actividad económica. Se proyecta una fuerte reducción de la necesidad de trabajadores calificados de metal, debido a un mayor uso de la automatización de fábrica, incluyendo los robots y máquinas herramientas computarizadas. Por el contrario, se proyecta un fuerte aumento de la necesidad de losprofesionales, en particular de los ingenieros (incluyendo specializts informáticos), y para los profesores. 5

El hallazgo más importante del estudio es que el factor limitante en el crecimiento económico futuro será la disponibilidad de una mano de obra debidamente capacitada. 6 Habrá un montón de puestos de trabajo a principios del siglo XXI, pero sólo si la sociedad proporciona un número suficiente de trabajadores con cualificaciones adecuadas para ocuparlos. Como las fábricas se reconstruyen para sustancialmente menos personal, cuello tanto azul y blanco, como la agricultura sigue siendo mecanizada, como las industrias de servicios comienzan a automatizar, habrá un aumento correspondiente en la demanda de los trabajadores del conocimiento que puedan diseñar, construir, programar, y ejecutar las máquinas inteligentes del futuro. Por lo menos tan importante como los trabajadores del conocimiento son los maestros para entrenarlos. Puesto que el poder y la riqueza en la era de las máquinas inteligentes serán cada vez consistirá en el conocimiento y la habilidad, la capacidad de desarrollar y fomentar nuestros recursos intelectuales humanos se convierte en desafío más apremiante de la sociedad.

El estudio de la AIE analiza una serie de escenarios que difieren en los supuestos sobre la velocidad con la cual la sociedad puede incorporar nuevas tecnologías informáticas y de dotar a los trabajadores con las habilidades necesarias. En consecuencia, los escenarios difieren dramáticamente en sus niveles de empleo previstos y el progreso económico. Por supuesto, el modelo económico utilizado por la AIE, no importa el grado de detalle, no por cualquier medio de eliminar la incertidumbre con respecto al futuro. Es difícil predecir qué tan rápido se adopte una determinada tecnología y se integra en el lugar de trabajo. A menudo, las predicciones de cambios rápidos son prematuros. Por ejemplo, se esperaba la llegada de las máquinas de control numérico enla década de 1960 para revolucionar rápidamente metalmecánica, pero la nueva tecnología avanzó

poco hasta que se integró con las computadoras en la década de 1970. 7 Por otra parte, algunas tecnologías se mueven más rápidamente que cualquier experto predijo, como fue el caso con la rápida informatización de las oficinas durante la década de 1980.Una comparación de los diferentes escenarios de estudio de la AIE sí deja claro, sin embargo, que la principal variable que determinaráel ritmo de progreso económico continuo y el continuo crecimiento en la disponibilidad de empleo es la calidad y disponibilidad de la educación y la formación adecuada. Curiosamente, la conclusiónes la misma para ambos países avanzados y subdesarrollados. 8

La naturaleza del trabajo

La mayoría de las fábricas construidas hoy en día emplean sustancialmente menos trabajadores que las fábricas que sustituyen. Incluso si no se emplea la tecnología robótica, la informatización de la manipulación de materiales y el flujo de trabajo ya ha reducido sustancialmente el contenido de mano de obra directa de la mayoría de los productos. No hay duda de que esta tendencia continuará y se intensificará en los próximos dos decenios. A principios del próximo siglo un número relativamente pequeño de técnicos y otros profesionales será suficiente para hacer funcionar todo el sector de producción de la sociedad.

Si bien el empleo de un número sustancialmente menor de personas, el advenimiento de las tecnologías de fabricación controlados por ordenador permitirá un grado de personalización individual de los productos no viables hoy. Hace dos siglos, cada artículo era inevitablemente un poco diferente, ya que se hace a mano. Durante la primera revolución industrial de la innovación de la producción en masa reduce sustancialmente la individualización de los productos. Durante la segunda revolución industrial la innovación de fabricación extremadamente flexible aumentarla. 9 Por ejemplo, los consumidores serán capaces de sentarse en sus ordenadores personales y diseñar su propia ropa a su propia mediciones precisas y requisitos de estilo mediante el diseño amigable, con ayuda de computadora de software. Cuando el usuario emite el comando "Make ropa", los parámetros de diseño y las mediciones se transmitirán a una planta de fabricación de distancia, donde se harán y se envían dentro de las horas de la ropa.

Dado que el empleo en la fábrica disminuye, el empleo en la oficina será estable o aumentar. Sin embargo, lo que hacemos en las oficinas va a cambiar sustancialmente. 10 Trabajo de oficina desaparecerá en gran medida.Completar una tendencia ya en marcha, a principios del próximo siglo,las computadoras se escriba nuestras cartas e informes, de forma inteligente mantener nuestros archivos y registros, y ayudar a organizar nuestro trabajo.Las áreas que probablemente continuará requiriendo la intervención humana significativa, sobre todo durante la primera mitad del próximo siglo, será la comunicación, la enseñanza, el aprendizaje, la venta, la toma de decisiones estratégicas, y la innovación. Mientras que las computadoras sin duda impactará todas estas áreas, seguirán siendo el foco principal de los esfuerzos humanos en la oficina. Como señalé anteriormente, el oficinista del próximo siglo se habrá mantenido el contacto con humanos y la inteligencia artificial.

El concepto de un documento se someterá a un cambio sustancial. Extremadamente alta resolución pantallas fáciles de vista se volverán tan común y tan fácil de leer como el papel. Como resultado deello, vamos a rutinariamente crear, modificar, manipular y leer documentos sin su vez se convirtieron al formato de papel. Los documentos se incluyen una variedad de tipos de información más allá del mero texto e imágenes. Incluirán rutinariamente voz, la música y otras anotaciones de sonido. Incluso la parte gráfica de los documentos se hará más flexible: puede ser una imagen tridimensional animada. Además, los documentos se ajustarán en cuanto a que se incluya el conocimiento y la flexibilidad necesaria para responder de forma inteligente a las entradas y las reacciones del lector subyacente. 11 Por último, los documentos no necesariamente están ordenadas secuencialmente como están en este libro: serán capaces patrones intuitivos de flexibles que reflejen

la compleja red de relaciones entre las ideas (se trata de "hipertexto" de Ted Nelson). 12

Con la aceleración continua de la velocidad del cambio, la idea de entrenar a alguien para un comercio de toda la vida será cada vez menos válido que lo es hoy. En su lugar, tendremos que enseñarles a nuestros niños cómo seguir aprendiendo a lo largo de su vida adulta. Se estima que el trabajador típico del siglo XXI va a hacer cambios en la manera en que trabajan una o dos veces cada década, los cambios que íbamos a tener en cuenta ahora los principales cambios de carrera. 13 Por lo tanto, la principal habilidad que se requiere para el empleo en el lugar de trabajo de el futuro será la capacidad de adaptarse y continuar creciendo intelectualmente.

Un cambio constructivo en nuestro concepto de trabajo será la de pensar en el proceso de aprendizaje como partedel trabajo, en lugar de simplemente como un requisito previo para el trabajo. El trabajador del futuro puede gastar tanto como la mitad de su tiempo a aprender en lugar de sólo hacerlo. Una tendencia hacia este concepto ya se puede discernir entre los empleadores más ilustrados. Los empleadores que ofrecen educación en el puesto de trabajo y el pago de sus empleados a adquirir nuevas habilidades es probable que surja como una tendencia importante a finales de siglo.

La tendencia hacia el trabajo como un componente vital de la gratificación y la satisfacción personal también es probable que se intensifiquen en las próximas décadas. Es de esperar que las divisiones entre el trabajo por un lado y el aprendizaje, la recreación y las relaciones sociales, por elotro se disolverán como el trabajo se convierte en integrado con las otras facetas de la vida más plenamente.

Educación

El sentido común no es una cosa simple. En cambio, es una inmensa sociedad de ganada práctica las ideas-de multitud de reglas de vida aprendido y excepciones, disposiciones y tendencias, los saldos y los cheques.

Marvin Minsky, The Society of Mind

Toda la instrucción dada o recibida por vía de argumento procede de conocimiento pre-existente.

Aristóteles, Analíticos

La búsqueda de la verdad es de una manera dura y en otro fácil ya que es evidente que ninguno de nosotros puede dominarlo completamente, ni te lo pierdas por completo. Cada uno de nosotros añade un poco a nuestro conocimiento de la naturaleza y de todos los hechos reunidos surge una cierta grandeza.

Aristóteles, 350 BC

Mi conclusión sobre el impacto de las máquinas inteligentes en materia de empleo se basa en la educación y su papel fundamental en la configuración del futuro de la economía mundial. Esto me lleva a considerar el impacto de esta nueva tecnología en la educación en sí. 14 Hasta ahora, el impacto de las computadoras ha sido modesto. De mucha mayor efecto han sido las otras tecnologías de los medios de televisión, cine y música grabada. Si bien es cierto que cientos de miles de ordenadores han encontrado su camino en las escuelas, un número mucho mayor han encontrado su camino en los hogares. En los videojuegos caseros han hecho sentir su presencia, la tecnología digital es evidente en una amplia variedad de productos electrónicos de consumo, y las calculadoras son ubicuos.Sin embargo, el contenido y el proceso de la educación sigue siendo en gran parte sin cambios, existe la continua dependencia de los libros que, como Minsky dice, "no

hablan el uno al otro." 15 La revolución de las computadoras, que está transformando radicalmente el trabajo de la oficina y de la fábrica , todavía no ha dejado su impronta en las escuelas.

La enorme popularidad en las aulas estadounidenses de la Apple II, que ahora es de varias generaciones atrás en tecnología de hardware, es un testamento a la naturaleza conservadora de la institución de enseñanza (y la falta de recursos adecuados). Seymour Papert, creador de LOGO, el principal lenguaje de programación educativa, se compara el espectro de una clase entera de niños que comparten una computadora a la de un salón de clases que comparten un lápiz. Un lápiz, de acuerdo con Papert, es probablemente mejor que nada, pero no es probable que conduzca a una "revolución del lápiz".

Sin embargo, las computadoras se están infiltrando en las escuelas. La importancia de esto tiene más que ver con sentar las bases para el futuro que con su impacto actual. Antes de que cualquier transformación fundamental del proceso de aprendizaje puede tener lugar, una masa crítica tiene que ser alcanzado en las capacidades de las computadoras personales, su disponibilidad para la población estudiantil, su portabilidad, la sofisticación de software educativo, y su integración en el proceso de aprendizaje. 16 Consideremos la situación cuando se alcanza una masa crítica. Esta situación, en mi opinión, los siguientes ocho desarrollos:

• Cada niño tiene una computadora. Las computadoras son tan comunes como los lápices y libros.

• Se trata de dispositivos portátiles portátiles sobre el tamaño de un libro grande.

• Incluyen pantallas de muy alta resolución que son tan fácil de leer como los libros.

• Incluyen una variedad de dispositivos para la introducción de información, incluyendo un teclado y una bola de seguimiento (o, posiblemente, un ratón).

• Apoyan a la comunicación de voz de dos vías de alta calidad, incluyendo la comprensión de lenguaje natural.

• Son extremadamente fácil e intuitivo de usar.

• Una gran variedad de servicios interactivos de alta calidad inteligente y entretenida de cursos está disponible.

• Los ordenadores están integrados en redes inalámbricas.

Mi énfasis en la inteligencia de cursos necesita explicación. Gran parte de la enseñanza asistida por ordenador disponible (CAI) proporcionan poco más que ejercicios repetitivos que podrían haber sido previstas con la misma facilidad por los libros. 17 Los mejores programas no proporcionan una medida de la interacción, con secuencias que dependen de las áreas específicas de debilidad de la estudiante, pero aún desarrollan poco sentido de los verdaderos puntos fuertes y débiles del estudiante. CAI actualmente en desarrollo tiene un objetivo más ambicioso.Todos tenemos modelos del mundo que usamos para entender y responder a los eventos y para resolver problemas, ya se trate de situaciones de la vida real o los ejercicios de clase. Si cometemos un error, puede ser simplemente una cuestión de unos pocos hechos que faltan o incorrectos. Pero más a menudo reflejaun defecto estructural en la organización de nuestro conocimiento. Un buen profesor intenta comprender el modelo que el estudiante está usando. Entonces, si el modelo del estudiante, y no sólo su base de datos, está defectuoso, el profesor diseña una estrategia para modificar el modelo para reflejar con mayor precisión la materia. Tales investigadores como John Seely Brown en el Centro de Investigación de Palo Alto de Xerox están tratando de desarrollar una tecnología CAI queserá capaz de modelar las relaciones en los conocimientos que se imparten, diagnosticar los modelos supuestamente más débiles que un estudiante está empezando con, desarrollar una estrategia para actualización de los modelos de los estudiantes a los deseados, y ofrecer experiencias de entretenimiento y atractivos para llevar a cabo la estrategia de recuperación. 18 El objetivo es mejorar de forma incremental los modelos mundiales del estudiante. Como Seymour

Papert señala, no se puede aprender algo menos que "ya casi lo sabe."

Las redes inalámbricas permiten el fácil intercambio de de cursos, presentaciones de los estudiantes de trabajos, examenes, las respuestas de cursos y otras creaciones, correo electrónico y otras comunicaciones (por ejemplo, notas de amor). Al estar conectado a redes internacionales de información, los niños tendrán acceso inmediato a las grandes bibliotecas del mundo directamente desde sus mochilas escolares. Además de ser capaz de forma rápida de acceder a prácticamente todos los libros, revistas, bases de datos y otros materiales de investigación, existirá asistentes inteligentes de software para ayudar a los estudiantes a encontrar rápidamente la información que están buscando.

La visión anterior de una estación de trabajo educativo óptimo, obviamente, no saldrá de repente. Algunos aspectos de la misma se están haciendo disponibles ahora; otras surgirán en la próxima década. 19 Un ordenador personal con los atributos necesarios debería estar disponible a finales de este siglo. Con los diez años de retraso histórico del campo de la educación en la adopción de las nuevas tecnologías informáticas, podemos esperar un nivel de masa crítica de utilización omnipresente de esa tecnología a finales de la primera década del siglo XXI. 20 Si la sociedad se despierta a la central papel de la educación en la determinación de nuestro futuro bienestar económico, entonces el plazo para la aplicación generalizada de esta tecnología puede ser comprimido. Sin embargo, seguirá siendo así en la primera década del siglo siguiente, antes de una amplia transformación del proceso educativo se ha completado.

Vamos visualizamos la educación todavía varias décadas más en el futuro. En la segunda mitad del próximo siglo, las tecnologías de los medios futuros descritos anteriormente serán tan extendida como las diversas tecnologías de vídeo de hoy. El mayor impacto de los medios de comunicación del futuro estará en la educación. Una tarea, por ejemplo, podría ser la de participar en la Convención Constituyente de 1787 y debatir sobre los padres fundadores de la separación de poderes entre las tres ramas del gobierno de EE.UU.. Una asignación posterior podría ser la de negociar el texto final, en nombre de la rama ejecutiva: ver si se puede conseguir una mejor oferta para la presidencia de los poderes de guerra. Su presentación sería los debates reales que usted participó en, y su profesor les relojes de la misma manera que lo hizo originalmente: en un entorno proyectado en tres dimensiones totalmente realista holográfica con resolución casi perfecta. Los padres fundadores que usted interactúa con personas artificiales extremadamente realistas que pueden oír usted, entender lo que está diciendo y responder a usted al igual que los padres fundadores originales puedan tener. Se pueden programar para tolerar un joven estudiante irrumpir en su convención constitucional y comprometerlos en el debate. También pueden tener una mejor comprensión del lenguaje contemporáneo que los padres fundadores reales de hace doscientos años se podría esperar que hayan tenido.

Para aquellos de nosotros que no quieren esperar a que se perfeccionan estas tecnologías de los medios futuros, podemos volver ahora mismo y comprometer a los padres fundadores de debate. Sólo tenemos que usar nuestra imaginación.

Comunicaciones

¿De qué beneficio duradero ha sido el uso del hombre de la ciencia y de los nuevos instrumentos que su investigación trajo a la existencia? En primer lugar, han aumentado su control sobre su entorno material. Han mejorado su comida, su ropa, su refugio, sino que han aumentado su seguridad y lo liberó en parte de la esclavitud de la existencia desnuda. Ellos le han dado un mayor conocimiento de sus propios procesos biológicos de manera que él ha tenido una libertad progresivade la enfermedad y una mayor duración de la vida. Ellos son esclarecedoras las interacciones de sus funciones fisiológicas y psicológicas, dando promesa de una mejora de la salud mental.

La ciencia ha proporcionado la comunicación más rápida entre los individuos, sino

que ha proporcionado un registro de ideas y ha permitido al hombre para manipulary hacer extractos de ese registro para que el conocimiento evoluciona y perdura durante toda la vida de una raza y no la de un individuo.

Vannevar Bush, As We May Think , 1945

A principios del próximo siglo, los ordenadores personales serán dispositivos portátiles portátiles que contengan la tecnología del teléfono celular para la comunicación inalámbrica con las personas y las máquinas. Nuestras computadoras portátiles serán puertas de acceso a las redes internacionalesde bibliotecas, bases de datos y servicios de información.

Podemos esperar que los ordenadores personales de 2010 a tener un considerable conocimiento de dónde encontrar el conocimiento. Ellos estarán familiarizados con los tipos de información contenidos en nuestras propias bases de datos personales, en las bases de datos de las empresas y organizaciones a las que tenemos acceso, así como a todos los servicios de suscripción y de información pública disponibles a través de (inalámbrica) de telecomunicaciones. Como se describió anteriormente, hemos de ser capaces de pedir a nuestros ordenadores personales para encontrar, organizar y presentar diversos tipos de información. El equipo tendrá la inteligencia para nosotros participar en el diálogo para aclarar nuestras peticiones y necesidades, para acceder al conocimiento de otras máquinas y personas, y para hacer presentaciones organizadas e incluso entretenimiento.

El software debe ser altamente estandarizado por el final de este siglo. En general, los paquetes de software disponibles en el mercado funcionará en cualquier computadora con capacidad suficiente. Protocolos y formatos estándar estarán en el lugar para todos los tipos de archivos: de texto, hojas de cálculo, documentos, imágenes y sonidos. El papel se considere una nueva forma de almacenamiento de información. Con la tecnología de alta precisión y rápida disponible para carácter y reconocimiento de documentos, papel será un medio de fácil acceso por las personas y lasmáquinas.

De hecho, el advenimiento del documento electrónico no ha causado el fin del papel. La llamada "oficina sin papeles" en realidad se utiliza más el papel que su predecesor. Consumo de EE.UU. de papel para los documentos impresos aumentó de 7 millones de toneladas en 1959 a 22 millones en 1986. 21 el uso comercial estadounidense creció desde 850 mil millones de páginas en 1981 a cerca de 2,5 billones de páginas en 1986 y se espera que llegue a los 4 billones de páginas en 1990. 22 Mientras que las computadoras hacen posible manejar documentos sin papel, sino que también aumentan en gran medida la productividad de la producción de documentos de papel.

Teléfonos incluirán sistemáticamente la capacidad de vídeo. Más tarde, en el siglo siguiente, las imágenes de vídeo se ha mejorado para convertirse en altamente realista, en movimiento, tres proyectadas, imágenes holográficas tridimensionales, con una resolución casi perfecta. Una llamadatelefónica con un amigo o socio de negocios será muy parecido a visitar a esa persona. Parecerá queestán sentados con usted en su sala de estar o en la oficina. La única limitación será que no se puedetocar uno al otro.

Incluso esta limitación con el tiempo se puede superar. Una vez que creamos imitaciones robóticos de personas que son extremadamente realistas en términos de ver y sentir, una persona imitador robótico podría hacerse para mover exactamente de la misma manera que los cientos persona real, omiles de kilómetros de distancia. Por lo tanto, si dos personas que están aparte querían pasar tiempojuntos, iban a reunirse con cada una imitadora robótico de la otra. Cada imitador se movería exactamente de la misma manera (y casi al mismo tiempo) como la persona real a distancia por medio de comunicación de alta velocidad y las técnicas robóticas. En otras palabras, usted levanta un brazo, y sus imitadoras cientos robóticos de kilómetros de distancia de su brazo ascensores

exactamente de la misma manera. Uno de los problemas a superar será el retardo de comunicaciones ligero si los dos seres humanos son unos pocos miles de kilómetros de distancia. Lainteligencia artificial puede ser capaz de ayudar aquí anticipando movimientos. El uso de este tipo de servicio de comunicación de finales del siglo XXI, las parejas no necesariamente pueden tener que estar cerca unos de otros para mantener sus relaciones románticas.(Todavía no he comprobado con mi esposa sobre esto, sin embargo.)

El advenimiento de videoteléfonos, incluso de un tipo de dos dimensiones convencional, se coloquenuevas demandas en la etiqueta de teléfono. Puede que no siempre quieren participar en una llamada con vídeo. Habrá, por supuesto, siempre estará la opción de convertir la imagen fuera (en cualquier dirección), pero hacerlo puede implicar una explicación que por el momento no tenemos que lidiar. (De hecho, la adopción generalizada de la tecnología celular, incluso sin imágenes, también poner una tensión en la etiqueta de teléfono. Ahora es posible estar "lejos" de nuestros teléfonos cuando estamos ocupados. Pero si todo el mundo tiene un teléfono en su muñeca reloj, puede ser más difícil de evitar contestar el teléfono.)

Un impacto importante de la tecnología avanzada de comunicaciones será la naturaleza de nuestras ciudades.Ciudades desarrollaron primero para facilitar la fabricación y el transporte y por lo tanto tienden a situarse cerca de los puertos y ríos. Con carreteras y ferrocarriles que proporcionan una mayor flexibilidad en el transporte de mercancías y personas, un propósito principal de la ciudad se desplazó a la comunicación. Congregando personas en un solo lugar facilita su capacidad para cumplir y hacer negocios. Pero si somos capaces de "cumplir" con cualquier persona, independientemente de dónde estamos y nuestros ordenadores podemos compartir fácilmente la información a través de redes de telecomunicaciones inalámbricas, la necesidad de que las ciudades disminuirá. Ya nuestras ciudades se están extendiendo, y esta tendencia se acelerará a medida que las tecnologías de la comunicación anteriormente descritos estén disponibles. En última instancia, vamos a ser capaces de vivir en cualquier lugar y todavía trabajar, aprender y jugar con la gente en cualquier otro lugar en el mundo. El mundo se convertirá en una ciudad, la última realización de la visión de McLuhan de la aldea global.

Guerra

Cuando todo lo demás falla, el futuro sigue siendo.

Bovee cristiana

El conocimiento es poder y permite que los sabios de conquistar y sin derramamiento de sangre y llevar a cabo acciones que superan a todos los demás.

Sun Tzu (filósofo dinastía Chou y estratega militar), El Arte de la Guerra (siglo IV aC)

La guerra y la posibilidad de que la guerra está tomando un giro paradójico en la última mitad del siglo XX. Cada vez hay más dependencia, por lo menos por las naciones más desarrolladas, en las armas "inteligentes" y una rápida evolución de este tipo de armas. Los misiles pueden ser lanzados desde el aire, tierra o mar a cientos y en algunos casos miles de kilómetros de sus objetivos previstos. Estas armas a encontrar su camino a su destino utilizando una variedad de otras tecnologías informáticas de reconocimiento de patrones y. Asistentes del piloto, por ejemplo, están comenzando a proporcionar a los pilotos con un copiloto electrónico que ayuda a volar, navegar, localizar objetivos enemigos, trayectorias de armas de la trama, y otras tareas. Enfrentamientos militares recientes que utilizan este tipo de tecnología han dado lugar a la destrucción más precisa de los objetivos enemigos y daños sustancialmente menos involuntaria de poblaciones e instalaciones civiles vecinos (aunque todavía hay algunos errores en estos sistemas). Entre los establecimientos militares que pueden permitirse el uso rutinario de estas tecnologías, una profunda

reconsideración de las tácticas militares está en marcha. La idea principal es reemplazar las estrategias de escopeta con la localización exacta cuidado de objetivos.

No todos los países tienen acceso a estas nuevas tecnologías. Mientras que Irán e Irak no poseen pequeñas cantidades de este tipo de armas avanzadas, todavía utilizan principalmente armas y tácticas de batalla de la Segunda Guerra Mundial del vintage durante su reciente guerra. La Unión Soviética en Afganistán también utilizó armas relativamente poco sofisticados y tácticas. Esto refleja una realidad fundamental en el equilibrio de poder entre Oriente y Occidente: las fuerzas del Pacto de Varsovia están a menos de una década detrás de las fuerzas de la OTAN en la IA y las tecnologías informáticas. De hecho, nuestra principal estrategia en la lucha contra las fuerzas numéricamente superiores de la Unión Soviética y sus aliados es confiar en nuestra superioridad en la inteligencia de nuestras armas convencionales (o no nucleares) como la primera línea de defensa y en nuestra amenaza nuclear como la segunda línea . 23

De acuerdo con esta segunda línea, los Estados Unidos y la OTAN han estado dispuestos a hacer una declaración de no primer uso de armas nucleares, diciendo que nos podemos usar armas nucleares en caso de un ataque convencional en Europa. Sin embargo, si podemos mejorar nuestras armas inteligentes pero convencionales a un punto en el que nuestra confianza en la estrategia de primera línea se ha mejorado lo suficiente, entonces los aliados occidentales estarían en condicionesde emitir una no primer uso promesa y renunciar a la amenaza nuclear en Europa. Los recientes cambios políticos en Europa del Este y la aparente colapso del comunismo en muchos países pueden acelerar dicho desarrollo. Hay programas de desarrollo de activos para crear una nueva generación de, por ejemplo, tierra-tierra y aire-a-tierra misiles antitanques que son capaces de ser lanzados desde cientos de kilómetros de distancia, siga trayectorias irregulares, búsqueda inteligentede sus objetivos, localizar, y destruirlos. 24 Una vez perfeccionado, estos misiles podrían ser lanzados sin el conocimiento preciso de la ubicación de las posiciones enemigas. Ellos están siendo diseñados para utilizar una variedad de visión artificial, reconocimiento de patrones, y las tecnologías de comunicación para dar vueltas y fiable localizar vehículos enemigos. Las fuerzas amigas se evitarían por una combinación de la comunicación electrónica y la identificación de reconocimiento de patrones. En la medida en que los objetivos amistosos se evitan mediante la comunicación electrónica, la fiabilidad y la seguridad de los protocolos de codificación, otra área importante de la investigación informática avanzada, obviamente, será crucial. Avances anticipados en armamento inteligente fue un factor importante detrás de la recomendación de cuatro ex asesoresestadounidenses de alto rango, incluyendo a Robert McNamara y McGeorge Bundy, para un estadounidense de no primer uso promesa en la edición de primavera 1982 de Relaciones Exteriores . 25

Un resultado de estos cambios es la perspectiva de la destrucción de la guerra civil disminuida, peropocos observadores están anunciando este desarrollo. La razón de esto es, por supuesto, los enormesaumentos en la capacidad de destrucción de armas que también se han producido. Como aterrador ydestructivo como las armas atómicas que pusieron fin a la Segunda Guerra Mundial fueron, las superpotencias ahora poseen el poder más de un millón de veces más destructivo. Los niños que crecen hoy en día pertenecen a la primera generación en la historia que nace en una época en la que la completa destrucción de la raza humana es al menos plausible. Los expertos pueden debatir si o no "invierno nuclear" (el cambio global catastrófico en el clima que algunos científicos han predicho que seguir un cambio a gran escala de armas nucleares) realmente tiene el potencial de poner fin a toda la vida humana. El final de la raza humana nunca antes se había debatido seriamente como una posibilidad.Ya sea una guerra nuclear total en realidad destruir toda la vida humana o no, la destrucción abrumadora que sin duda producirán ha creado un nivel sin precedentesde terror, en que todos los habitantes del mundo viven ahora.Irónicamente, el temor de un conflicto nuclear ha mantenido la paz: no ha habido una guerra mundial durante casi medio siglo. Es una paz de la que tomamos confort limitado.

Las tecnologías más evidentes de este cambio radical en la destrucción potencial de la guerra son, por supuesto, la fisión y la fusión nucleares. El potencial para una catástrofe en todo el mundo no sería posible, sin embargo, sin equipo para disparar armas, que dependen en gran medida de la inteligencia computacional para llegar a sus destinos. El poder de las municiones convencionales también ha crecido considerablemente, y las inhibiciones sociales y políticas en contra de su uso son mucho menores que las de las armas nucleares. Por lo tanto, la posibilidad de eliminar las armasnucleares del teatro europeo evoca paradójicamente temor de que tal desarrollo que Europa sea "seguro" para una guerra convencional que todavía sería mucho más destructiva que la Segunda Guerra Mundial. Esta dualidad en el desarrollo de la tecnología de los militares advenimiento de lasarmas para la lucha contra las armas en lugar de la población civil y la posibilidad de mucho mayor destrucción continuará.

Vamos a considerar la tecnología y la estrategia de varias décadas militares en el próximo siglo, momento en que estas tendencias deberían haber madurado completamente. En ese momento las armas voladores (misiles, aviones robot, y municiones de vuelo) serán altamente autosuficientes. Ellos serán capaces de ser lanzados desde prácticamente cualquier lugar de la tierra o desde el espacio y aún así la búsqueda de sus objetivos mediante el uso de una combinación de tecnologías de visión y reconocimiento de patrones avanzados. Ellos obviamente tendrá la capacidad de evitar o contrarrestar las armas defensivas destinadas a su destrucción. Claramente, una importancia estratégica primordial será la sofisticación, de hecho, la inteligencia, tanto de la ofensiva y los sistemas de defensa de tales armas. Geografía ya está perdiendo su importancia estratégica y debe ser un factor relativamente menores desde hace varias décadas a partir de ahora. Tales vehículos lentos como tanques y barcos, así como los puestos de combate, ya sea por tierra, mar, aire, o desde el espacio, van a ser vulnerables a no ser defendida por las matrices de las armas inteligentes.

La mayoría de las armas de hoy destruyen sus objetivos con explosiones o, con menor frecuencia, las balas. Dentro de las próximas décadas, es probable que las armas láser y rayos de partículas serán perfeccionados. Esto proporcionará este tipo de armas que se mueven rápidamente como los misiles de diversos medios de ofensa y defensa.

Aviones, sobre todo los más cercanos al combate, no requerirán de pilotos. Con la tecnología electrónica lo suficientemente sofisticada, no hay razón por qué los aviones no pueden ser dirigidas desde lejos por la inteligencia ya sea humana o de la máquina. Por supuesto, comunicaciones fiablesy seguras serán esenciales para evitar que un enemigo de tomar el control de los aviones robot a control remoto. De hecho, las tres Cs -comando, control y comunicación se están convirtiendo en la piedra angular de la futura estrategia militar. 26

En general, las interacciones de las futuras armas tienden a ser tan rápido que los reflejos humanos no van a ser el criterio principal del éxito táctico. Armas utilizarán una variedad de su ofensiva táctica y las capacidades defensivas en cuestión de segundos o incluso milésimas de segundo al reunirse los sistemas enemigos comparables. En estos encuentros, la electrónica y el software más capaz y confiable prevalecerán claridad.

Recuerdo que cuando era niño que lee un cuento sobre una civilización muy avanzada que se había proscrito la guerra y lo reemplazó con una forma más refinada de conflicto. En lugar de recurrir a las armas mortales, dos sociedades que desafían entre sí por la supremacía participan en una partida de ajedrez. Cada sociedad puede seleccionar su mejor jugador master o utilice un comité. Que yo recuerde, nadie pensaba utilizar la inteligencia artificial para esta tarea. Quien ganó el conflicto bordo ganó la guerra y, al parecer, el botín de guerra. ¿Cómo esto se aplica no se discutió, pero uno puede imaginar que la guerra en el futuro podría no ser tan diferente de este cuento. Si los reflejos humanos y la toma de decisiones con el tiempo humano, al menos en un nivel táctico, se reemplazan con la inteligencia artificial, y luego dos sociedades podían dejar sus máquinas pelean

fuera del conflicto y hacerles saber quién gana (o tal vez sería obvio que había prevalecido) . Sería conveniente que el conflicto real se llevó a cabo en algún lugar remoto, como el espacio exterior. Aquí, el cumplimiento de las prerrogativas del ganador es obvia: la sociedad perdida habrá perdido a sus defensores de la máquina, lo que convertirá en indefensión. No tendrá más remedio que someterse al vencedor.

Este escenario difiere en un aspecto importante de la historia sobre la resolución de conflictos a través del ajedrez.En los términos que he usado antes, ajedrez representa el nivel 2 de inteligencia y por lo tanto susceptibles de técnicas de software recursivas combinados con cantidades masivas de energía de la computadora. Armas de lucha, por otro lado, requieren nivel 3 inteligencia (la capacidad de resumen), así como las formas avanzadas de reconocimiento de patrones. También requieren fiabilidad . Un aspecto controvertido de esta nueva tecnología es la medida en la que podemos confiar en estos sistemas extremadamente complejos, teniendo en cuenta la limitada oportunidad vamos a tener que probarlos en condiciones de tiempo de guerra realistas. Esta cuestiónes especialmente relevante para las redes de comunicaciones altamente centralizados necesarios para el mando y control. 27

¿Podemos tener algún consuelo de esta visión? Es muy posible que los enfrentamientos militares décadas, por tanto, pueden implicar relativamente pocas bajas, sobre todo de carácter civil. Por otro lado, no hay garantía de que la guerra se verá limitado a las armas armas de combate. La táctica de la celebración de grandes poblaciones civiles como rehenes seguirá teniendo sus adeptos entre los estrategas militares. Lo que está claro, sin embargo, es que un cambio profundo en la estrategia militar está empezando a tener lugar. Las piedras angulares de la fuerza militar desde el comienzo de la historia registrada a través de los últimos tiempos-la geografía, la mano de obra, potencia de fuego, y la batalla-estación defensas están siendo reemplazados por la sofisticación de la inteligencia y las comunicaciones por ordenador. Los seres humanos se dirigirá la estrategia de batalla, pero incluso en este caso los equipos jugarán un papel crucial. Sin embargo, los humanos seguirán siendo los factores determinantes de éxito militar. La fuerza militar será una función de la complejidad de la tecnología, pero los líderes de una sociedad, científicos, ingenieros, técnicos y otros profesionales será crear y utilizar la tecnología. Al menos, eso es probable que siga siendo el caso para el próximo medio siglo.

Medicina

A 28-articulado bípedo adaptador de base de auto-equilibrio, una planta de reducción electro-química, integral con estibas segregados de extracto especial de energía en baterías de almacenamiento para su posterior actuación de miles de bombas hidráulicas y neumáticas con motores conectados y, a sesenta y dos mil millas de capilares;. . . todo el complejo mecanismo extraordinario guiada con exquisita precisión de una torreta en la que se encuentra telescópica y auto-registro y rango de grabación buscadores microscópicas, un espectroscopio, etc, y el controlde la torreta está estrechamente aliado con una toma de aire acondicionado y de escape, y una toma principal de combustible. . .

R. Buckminster Fuller, "una definición de un hombre"

Una proyección de las tendencias actuales nos da la siguiente imagen de la medicina a principios del próximo siglo: Una variedad de sistemas de reconocimiento de patrones se han convertido en una parte vital de diagnóstico.Los análisis de sangre serán analizadas de manera rutinaria por los técnicos cibernéticos. Análisis de sangre rutinario de hoy implica generalmente un técnico humano examinar solamente cerca de 100 células y distinguir sólo unos pocos tipos de células, y la prueba de sangre de principios del siglo XXI implicará el análisis automático de miles o incluso un millón de células de la sangre, así como un bioquímico de complejos análisis. Con este tipo de análisis extensa, células precursoras y productos químicos que indican las primeras etapas de muchas

enfermedades se pueden detectar de forma fiable. La mayoría de la gente va a tener este tipo de dispositivos en sus hogares. Una muestra de sangre se extrae sin dolor sobre una base rutinaria y rápidamente analizada.

Electrocardiogramas serán analizados en su totalidad por computadora, de hecho, existen prototiposde esta tecnología en la actualidad. Nuestros relojes supervisarán las funciones cardíacas y otros procesos biológicos que pueden requerir atención inmediata, además de diagnosticar problemas menos graves. Seguimiento informatizado especialmente potente asistirá a cualquier persona en unasituación de cuidados especiales, tales como un hospital, guardería o asilo de ancianos.

Además de los análisis de sangre no habrá casi completa dependencia del diagnóstico por imagen no invasivas (como sonido y proyección de imagen de resonancia de partículas). Las imágenes en papel al instante generados incluirán resultados de diagnóstico de la computadora. Las imágenes en sí habrá visitas generadas por ordenador de gran realismo de los interiores de nuestro cuerpo y cerebro, en lugar de la frecuencia confusas, difíciles de interpretar las imágenes de algunos de los dispositivos de imagen actuales. Mientras que los diagnosticadores humanos continuarán por muchos años para examinar las imágenes de las máquinas de rayos X, escáneres CAT, escáneres de resonancia magnética nuclear y escáneres sónicas, un alto grado de confianza en última instancia, secolocará en la capacidad de los sistemas computarizados para detectar y diagnosticar problemas de forma automática.

Lifetime registros de los pacientes y las historias se mantienen en nivel nacional (o internacional) debancos de datos coordinados en lugar del sistema desorganizado actual de registros parciales, fragmentados ya menudo ilegibles. Estos registros incluirán todos los datos de imagen, las lecturas completas de nuestros análisis de sangre en casa y sistemas de monitoreo de pulsera. El software inteligente estará disponible para habilitar esta extensa base de datos para ser analizados y se accederápidamente tanto por expertos humanos y máquinas.

Los sistemas expertos influirán en prácticamente todas las decisiones de diagnóstico y tratamiento. Estos sistemas expertos tendrán acceso a la salida de más recientes análisis de imagen ybioquímicos de un paciente, así como a todo el archivo de todos estos exámenes anteriores y datos monitorizados. También tendrán acceso a todos los datos de investigación disponibles a nivel internacional y se actualizarán a diario con los últimos avances de la investigación. Los informes escritos de estos sistemas expertos serán revisados por los médicos humanos en casos críticos o complejos, pero para los problemas más habituales se basaron las opiniones de la máquina sobre con poca o ninguna revisión. 28

El diseño de fármacos será completamente diferente de los métodos presentes. La mayoría de los medicamentos en el mercado hoy en día fueron descubiertos accidentalmente. Además de sus efectos beneficiosos, a menudo causan un número de efectos secundarios indeseables. Además, sus efectos positivos son a menudo indirecta y no totalmente eficaz. En contraste, la mayoría de las drogas de principios del siglo XXI se han diseñado específicamente para llevar a cabo sus misiones en las maneras más eficaces y menos dañinos. Diseñadores de medicamentos funcione en potentes estaciones de trabajo de diseño asistido por ordenador que tendrán acceso a los modelos matemáticos relativamente completos de todos nuestros procesos bioquímicos. Los ingenieros de diseño de fármacos humanos especificarán los parámetros clave de diseño, y el equipo llevará a cabo la mayor parte de los cálculos de diseño detallados. Software de simulación bioquímica humana permitirá que los medicamentos de la prueba con el software antes de que se fabrican las drogas reales. 29 se seguirá exigiendo pruebas en humanos en la mayoría de los casos (al menos estoserá cierto en la primera mitad del próximo siglo, pero los simuladores de última instancia suficientemente fiables de que el proceso de múltiples etapas largas de animales y pruebas en humanos ahora requerido se reducirá sustancialmente.

Una clase de medicamentos será similar a las armas inteligentes descritos en la sección anterior. Estos medicamentos estarán células vivas reales con una medida de inteligencia. Al igual que las células de nuestro sistema inmunológico naturales, van a ser lo suficientemente inteligente como para identificar un patógeno enemigo (bacterias, virus, etc) y de destruir o evitará. Una vez más, como las células inmunes, una vez que hayan completado sus misiones, pueden ya sea de auto-destrucción o permanecer de guardia para defenderse de una futura invasión de patógenos. Otra clase de fármacos ayudará a superar las enfermedades genéticas. Genes diseñadas por ordenador se distribuirán a nuestras células por virus especialmente diseñados, que esencialmente "infectar" el cuerpo con la información genética deseada. 30

Las operaciones quirúrgicas se hacen un amplio uso de ayudantes robóticos. En tipos de cirugía querequieren un rendimiento muy precisa, por ejemplo, en la cirugía ocular, la operación real se llevará a cabo por el robot, con médicos humanos que supervisan la operación.

La investigación será similar al diseño de fármacos. La mayoría de la investigación se llevará a cabo en el software que simula los procesos bioquímicos humanos. Los experimentos que ahora tomar años se llevarán a cabo en cuestión de minutos. Informes será instantánea, con resultados clave de alimentación en las bases de datos que permiten el acceso de otros seres humanos, así como por los sistemas expertos informáticos. 31

¿Estas innovaciones mejorar nuestra salud y bienestar? La respuesta es casi seguro que sí. Las enfermedades del corazón y el cáncer son propensos a ser conquistado a principios del próximo siglo. Por supuesto, tenemos la oportunidad en este momento para reducir drásticamente la incidencia de estas enfermedades mediante la aplicación de lo que ya se sabe sobre el papel crucial de la dieta y el estilo de vida. Pero eso es un tema para un libro diferente.

Ya hemos duplicado la esperanza de vida en Europa, Japón y los Estados Unidos desde el comienzode la primera revolución industrial hace dos siglos. Existe el potencial para aumentar sustancialmente nuevo a finales del siglo XXI.

Con las máquinas de jugar un papel tan cruciales y diversas, lo que van a los médicos y enfermeras del siglo XXI hacer? Su función principal será en la investigación y en la organización de los conocimientos médicos. Comités con la inteligencia humana y la máquina revisarán todos los resultados de la investigación con miras a la incorporación de nuevas normas y recomendaciones ennuestros sistemas expertos. Hoy en día los nuevos conocimientos de investigación se filtra en la comunidad médica de una manera lenta, inconsistente e irregular. El futuro difusión de conocimientos y recomendaciones será muy rápida. Los médicos seguirán participando en las decisiones médicas estratégicas y revisarán las recomendaciones de diagnóstico y tratamiento en loscasos complicados. Sin embargo, algunos de la nueva tecnología va a pasar por alto el médico. Habrá una tendencia hacia las personas que toman la responsabilidad de su propia salud y la utilización de métodos de diagnóstico directamente y correctivas computarizados.

Un área que todavía habrá que prestar atención humana a principios del siglo XXI será la comodidad y el cuidado.Las máquinas no van a jugar un papel importante en este caso, hasta versiones adultas de las tecnologías de los medios avanzados descritos anteriormente estén disponibles más adelante en el siglo.

La discapacitados

Una primaria de mis intereses es la aplicación de la tecnología informática a las necesidades de los discapacitados. A través de la aplicación de la tecnología informática, las desventajas asociadas con las principales discapacidades sensoriales y físicas en gran medida se pueden superar en la próxima década o dos. Estoy convencido de esto: el desarrollo debido a la coincidencia de la suerte de las fortalezas de la inteligencia artificial temprano con las necesidades de los discapacitados. La típica

persona con discapacidad no se encuentra una habilidad o capacidad específica, pero es otra cosa que un ser humano con inteligencia normal y capaz. En general, es posible aplicar la inteligencia fuertemente centrado de las máquinas de hoy en día para mejorar estas deficiencias. Una máquina de lectura, por ejemplo, se refiere a la incapacidad de una persona ciega o disléxicos a leer, probablemente la desventaja más importante asociado con la discapacidad de la ceguera.

En los primeros años de vida del siglo XXI de las personas con discapacidad será muy diferente de lo que son hoy.Para los ciegos, máquinas de lectura serán dispositivos de bolsillo que pueden escanear al instante no sólo páginas de texto, sino también a los signos y símbolos que se encuentran en el mundo real. Estas máquinas serán capaces de leer con la entonación esencialmente perfecto y con una amplia variedad de estilos de voz. También serán capaces de describir las imágenes y gráficos, traducir de un idioma a otro, y facilitar el acceso a las bases y las bibliotecas en línea de conocimientos a través de redes inalámbricas. La mayoría de las personas ciegas y con dislexia tendrán ellos, y ellos pueden estar en todas partes en el resto de la población.

Las personas ciegas llevarán ayudas a la navegación computarizados que llevará a cabo las funciones de los perros lazarillos, sólo que con una mayor inteligencia de los navegadores de hoy endía caninos. Los intentos hasta ahora en asistentes electrónicos de navegación para ciegos no han demostrado su utilidad. A menos que un dispositivo de este tipo incorpora un nivel de inteligencia por lo menos comparable a un perro lazarillo, no es de mucho valor. Esto es particularmente cierto ya que la formación de movilidad moderna puede proporcionar a una persona ciega equipado sólo con un bastón normal con habilidades de viaje importantes. Conozco personalmente a muchos ciegos que pueden viajar por la ciudad e incluso de todo el mundo con facilidad. Con las ayudas a lanavegación inteligentes del futuro, viajar habilidades para ciegos será aún más fácil.

En última instancia, dispositivos compactos se construirán que combinan la lectura y capacidades de navegación con la capacidad de proporcionar descripciones inteligentes de escenas del mundo real en una base de tiempo real. En esa etapa de la evolución de la máquina probablemente son llamados con mayor precisión al ver las máquinas. 32 una máquina de este tipo sería como un amigoque podría describir lo que está pasando en el mundo visible. El usuario ciego puede pedir el dispositivo (verbalmente o de alguna otra manera) para más detalles sobre la descripción, o podría hacerle preguntas. Los sensores visuales de un dispositivo de este tipo se podrían construir en un par de anteojos, aunque puede ser igual de bien que el pin en la solapa del usuario. De hecho, estos ojos artificiales necesitan no sólo esperan, sino que pueden también mirar en todas las direcciones. Y pueden tener una mejor agudeza visual que los ojos normales. Todos podemos quererusarlos.

Los sordos se llenará con máquinas que pueden mostrar lo que dice la gente de la audición. La tecnología subyacente requerido es el Santo Grial de reconocimiento de voz: la combinación de reconocimiento de gran vocabulario con independencia del altavoz y el habla continua. Las primeras versiones de conversión de voz a texto ayudas para sordos deben aparecer en la próxima década. Audiencia artificial también debe incluir la capacidad de traducir inteligentemente otras formas de información auditiva, como la música y los sonidos naturales, en otras modalidades, como la visión y el tacto.

Finalmente podemos encontrar canales adecuados de comunicación directamente en el cerebro para ofrecer espectáculo realmente artificial y el oído. Pero en cualquier caso, sin duda habrá progreso enla restauración de la audición perdida y de la vista.

Los discapacitados físicos (parapléjicos y tetrapléjicos) tendrán la capacidad de caminar y subir escaleras restauradas, capacidades que superen las limitaciones de acceso severas rueda sillas imponen. Los métodos para lograr esto incluyen dispositivos robóticos exoesqueléticas o dispositivos ortopédicos con motor, como se les llama. Estos dispositivos serán tan fáciles de poner

como un par de medias y serán controlados por el movimiento de los dedos, movimiento de la cabeza, el habla, y quizás eventualmente pensamientos. Otra opción, que ha mostrado resultados prometedores en experimentos en una serie de institutos de investigación, es la estimulación eléctrica directa de los músculos de las extremidades. Esta técnica se vuelve a conectar con eficacia el enlace de control que fue roto por el daño de la médula espinal.

Los que no tienen uso de sus manos será controlar su entorno, crear un texto escrito, y de interactuarcon los ordenadores que utilizan reconocimiento de voz. Ya existe esta capacidad. Prótesis de manos artificiales controladas por voz, movimiento de la cabeza, y tal vez con el tiempo por la conexión mental directa, restaurarán la funcionalidad manual.

Se realizaron progresos sustanciales en cursos para tratar la dislexia (dificultad en la lectura por razones neurofisiológicas diferentes al deterioro visual) y problemas de aprendizaje. Estos sistemas también proporcionarán experiencias de aprendizaje más ricas para retrasados.

Tal vez la mayor desventaja asociada con discapacidades sensoriales y físicas es sutil e insidioso: el prejuicio y la falta de comprensión a menudo exhibidos por el público en general. La mayoría de laspersonas con discapacidad no quieren compasión o caridad, sino que quieren ser respetados por su propia individualidad y la inteligencia.Todos tenemos dificultades y limitaciones, las de una personaciega o sorda puede ser más obvio, pero no son necesariamente más penetrante o limitar. He trabajado con muchas personas con discapacidad, y sé por experiencia personal que son tan capaces como los demás trabajadores y estudiantes de la mayoría de las tareas.No puedo pedirle a un ciego conducir un paquete a través de la ciudad, pero yo le puedo pedir a dar un discurso o un proyecto deinvestigación. Un trabajador de la visión de futuro puede ser capaz de conducir un coche, pero, sin duda, tendrá otras limitaciones. La falta de comprensión de que muchas personas tienen de las personas con discapacidad es evidente en muchas maneras, algunas obvias y otras sutiles. A modo de ejemplo, he tenido la siguiente experiencia en muchas ocasiones, mientras que comer una comida con una persona ciega en un restaurante. El camarero o camarera me preguntan si mi amigo ciego quiere postre o si quiere crema en su café.Mientras el camarero o camarera obviamente pretende ningún daño o falta de respeto, el mensaje es claro. Puesto que no hay indicación de que lapersona ciega también es sordo, la implicación es que él no tiene que ser lo suficientemente inteligente como para hacer frente a lenguaje humano.

Un beneficio adicional no poco importante de la tecnología inteligente para los discapacitados debe ser una alteración sustancial de estas percepciones negativas. Si las desventajas derivadas de discapacidad se reducen significativamente, si las personas ciegas pueden leer y navegar con facilidad, si las personas sordas pueden mantener conversaciones normales en el teléfono, entonces podemos esperar que la percepción del público para cambiar también. Cuando las personas con discapacidad ciegos, sordos, y otros ocupan su lugar junto a nosotros en las escuelas y el lugar de trabajo y llevar a cabo con la misma eficacia que sus compañeros no discapacitados, vamos a empezar a ver estas discapacidades como meros inconvenientes, como los problemas más difíciles de superar que los pobres la escritura o el miedo a hablar en público o cualquiera de los otros desafíos de menor importancia que nos enfrentamos.

Música

Yo. . . comenzar a sentir un impulso irresistible para convertirse en un primitivo y para crear un mundo nuevo.

August Strindberg, de una carta

Tomemos un poco de bien entrado el próximo siglo para una visión de la música que las tendencias actuales se han establecido plenamente. Todavía habrá instrumentos acústicos alrededor, pero serán principalmente de interés histórico, al igual que clavecines son hoy. Incluso los pianistas de

concierto aceptarán pianos electrónicos como plenamente el equivalente de los mejores pianos acústicos. Todos los matices de sonido, incluyendo resonancias interstring, serán capturados. Por supuesto, para un pianista, el tacto de un piano es importante, no sólo el sonido.Acciones del piano con las acciones magnéticos variables en el tiempo fielmente emular la sensación de los mejores pianos de cola top-of-the-line. Los pianistas se prefieren las versiones electrónicas porque son más confiables, tienen amplias capacidades adicionales, y siempre están en perfecta sintonía. Estamos cerca de esta visión hoy. Controladores emulando las técnicas de interpretación de todos los instrumentos convencionales, como la guitarra, el violín y tambores, se han sustituido en gran medida sus homólogos acústicos. Por mucho tiempo se han establecido la síntesis perfecta de los sonidos acústicos.

Con la conexión física entre el control y la generación de sonido musical larga que ha sido roto, la mayoría de los músicos se han volcado a una nueva generación de controladores. Estos nuevos instrumentos se parecen muy poco a cualquier instrumento de hoy y permitirá a los músicos control expresivo óptimo.

Mientras que los sonidos históricamente deseables de pianos y violines se seguirán utilizando, la mayoría de la música usará sonidos sin contraparte acústica directa. A diferencia de muchos sonidossintéticos de hoy, estos nuevos sonidos musicales tendrán una mayor complejidad y profundidad musical que cualquier instrumento acústico que hoy conocemos.

El concepto de un sonido musical incluirá no sólo los sonidos que simplemente arranque y parada, sino también una clase de sonidos que cambia las características de acuerdo con una serie de parámetros controlables de forma continua. Por ejemplo, podríamos usar todos los dedos para controlar diez parámetros continuos de un solo sonido. Tal sonido existir como entidad de tiempo evolutivo que cambia de acuerdo con la expresión aplicada en diez dimensiones diferentes. Con muy potentes dispositivos de computación en paralelo, la distinción entre tiempo real y la modificación de sonido en tiempo no real en gran medida va a desaparecer; prácticamente todo lo que va a pasar en tiempo real. La capacidad de modificar el sonido con los controles continuos en tiempo real será considerada como más importante que los sonidos individuales ellos mismos.

Ordenadores casi siempre responder en tiempo real, aunque la gente no siempre va a crear música en tiempo real.Seguirá habiendo una distinción entre la composición de la música y la interpretación musical. Composición no significa escribir notación musical. Se hará referencia a la creación de música en el que la creación toma sustancialmente más largo que la pieza creada. Secuenciadores que registran todos los controles continuos de alta resolución permitirá que el "masaje" de una obra de música de la misma manera que ahora se trabaja en un documento impreso. Music creado de esta manera, sin duda, no estará sujeto a las limitaciones de destreza de los dedos (esto ya se ha logrado en gran medida con secuenciadores contemporáneos). Una vez integrado, la notación de alta calidad será inmediatamente disponible. Es probable que las formas denotación musical más satisfactoria que el personal de la línea cinco actuales se desarrollarán en los próximos decenios para mantener el ritmo de las dimensiones adicionales de control de, sonidos añadidos, y se añaden modificaciones de sonido. 33

Actuación de música en vivo seguirá teniendo el mismo atractivo que lo hace hoy. Aunque gran parte de lo que se escucha puede haber sido programado previamente, compartir los músicos con su audiencia a través de la expresión musical a tiempo real (y vivir) de control seguirá siendo una forma especial de la comunicación humana.La preparación de una actuación musical implicará la práctica y el aprendizaje del material musical, así como la preparación de las bases de conocimientode los instrumentos musicales. Músicos cibernéticos que generan líneas de acompañamiento y el contrapunto serán comunes. La inteligencia de estos acompañantes musicales basados en software será parcialmente incorporado en los instrumentos y parcialmente programada por los músicos mientras se preparan una actuación. 34

El software inteligente que incorpora un amplio conocimiento de la teoría y estilos musicales se utiliza ampliamente por los músicos profesionales en la creación de composiciones musicales y la preparación de las actuaciones, por músicos aficionados, que pueden atascar con sus instrumentos computarizados, y por estudiantes que están aprendiendo a jugar. El advenimiento de acompañantesbasados en software musicalmente con conocimientos ofrecerá a los niños con emocionantes experiencias musicales en las primeras etapas de la adquisición de conocimientos y habilidades.

La música no necesariamente adoptar la forma de trabajos fijos que escuchar de principio a fin. Unaforma de composición musical puede ser un conjunto de reglas (o una modificación de un conjunto de reglas) y las estructuras de expresión que juntos pueden generar un número esencialmente ilimitado de piezas reales. Este "trabajo" sonaría diferente cada vez que lo escuchamos, aunque cadauna de estas escuchando compartiría ciertas cualidades, que lo califica para ser considerado como un solo trabajo. Las composiciones también permitirán al oyente a controlar y modificar lo que está escuchando. Podríamos controlar la entrada y salida de los distintos instrumentos y líneas de la música o el control de la evolución y el contenido emocional de una pieza sin tener necesariamente el conocimiento musical de un músico. Este tipo de trabajo musical nos permitiría explorar un mundo musical que podríamos tener alguna influencia en. Una obra musical podría responder a nuestros movimientos físicos o incluso nuestras emociones, que el sistema informático que genera los sonidos reales podía detectar desde las sutilezas de nuestras expresiones faciales o quizás incluso nuestras ondas cerebrales.

De esta manera, la música se convierte en potencialmente más que entretenimiento. Puede tener efectos poderosos en nuestros estados emocionales, que influyen en nuestro estado de ánimo y que afectan a nuestro aprendizaje. No habrá una marcada división entre el músico y nonmusician. Cada vez más y sin importar el talento musical y la formación, todos vamos a ser capaces de expresar nuestros sentimientos a través de la música.

Política

La economía, la sociología, la geopolítica, el arte, la religión todos ofrecen herramientas poderosas que han bastado durante siglos para explicar las superficies esenciales de la vida. Para muchos observadores, no parece nada verdaderamente nuevo bajo el sol sin necesidad de un profundo conocimiento de las herramientas del hombre nuevo-sin necesidad de descender en el microcosmos de la electrónica moderna con el fin de comprender el mundo. El mundo es todo demasiado con nosotros.

No obstante, el estudio de la economía y otras ciencias sociales, empecé a darme cuenta de que las viejas disciplinas fueron desmoronando, las categorías familiares escapando. Un impacto del progreso tecnológico está reduciendo gran parte de la teoría económica y social de un galimatías. Por ejemplo, conceptos tales como la tierra, el trabajo y el capital, la nación y la sociedad-con solemnidad discuten en cada institución académica como si nada hubiera cambiado, tienen significados radicalmente diferentes que antes y drásticamente diferentes valores. Sin embargo, los vendedores de especialización de edad siguen adelante como si nada hubiera pasado.

Leyes van pasando, los editoriales escritos, discursos pronunciados, los soldados enviados por todo el mundo como si todavía Viajamos en naves de podadoras y comunicamos principalmente por correo.

Jean Kirkpatrick, por ejemplo, dio un discurso, citado con respeto en el Wall Street Journal, en la que decía que era imposible entender lo que está pasando en el mundo sin una comprensión de la geografía ", una idea de dónde están las cosas." Es es una noción común. . . . Visite el Pentágono, o el New York Times, y en todas partes hay mapas, solemne definición de las fronteras nacionales y territorios soberanos. Nadie muestra signos de saber que ya no vivimos en el tiempo y en el espacio geográfico, que los mapas de las naciones son totalmente tan obsoleto como las cartas de una tierra

plana, que la geografía nos dice prácticamente nada de interés acerca de dónde están las cosas en el mundo real mundo.

La red mundial de satélites y cables de fibra óptica, vinculada a las computadoras digitales, terminales de televisión, teléfonos y bases de datos, mantener los mercados de todo el mundo para la información, la moneda y el capital en línea las 24 horas del día. 747s de Boeing constantemente recorriendo los océanos fomentar una comunidad mundial de comercio. El silicio en la arena y vidrio forma un ganglio mundial de medios de comunicación electrónicos y fotónicos que deja toda la historia a su paso. Con otras nuevas tecnologías de la ciencia de materiales, la bioingeniería, la robótica, y la superconductividad, todo depende también en gran medida en el microchip, los sistemas de información de están reduciendo radicalmente el significado de las llamadas materias primas y riquezas naturales, las naciones y las lealtades étnicas, tótems materiales y localidades.

Israel, una sociedad vinculado al desierto, utiliza sistemas agrícolas microelectrónicos para abastecer el ochenta por ciento de las flores cortadas en Europa y competir en los mercados de aguacate en Nueva York. Japón, un conjunto de islotes, ha utilizado dispositivos microelectrónicos para convertirse en uno de los dos países más importantes del globo. En una época en que los hombres pueden inscribir mundos en los granos de arena, territorio convencional ya no importa ....

Hoy en día los productos más importantes son esencialmente hecha de la arena en los chips de silicio cristalino.Su valor se deriva de las ideas que representan. Son tecnologías de la información y su valor es invisible. Sin embargo, los intelectuales, supuestamente maestros de las ideas, se niegan a creer en cualquier valor que no pueden ver o pesar. . . .

Si bien el costo-efectividad de los componentes del equipo y los productos relacionados se ha elevado varios millones veces y el precio de un transistor se ha hundido desde USD 9,00 en 1955 a cerca de ocho diezmilésimas de un centavo en 1987, las estimaciones de la productividad nacional han ignorado por completo el cambio . Una vez más, las cosas que caen en el precio se supone que están cayendoen valor. Sin embargo, es la reducción en el precio astronómico de la informática que se ha convertido en la fuerza más importante y más valioso de la industria en laeconomía mundial.

George Gilder, El Mensaje del Microcosmos

Donde existía ese conocimiento? . . . Si todos los registros contaron la misma historia, entonces la mentira pasó a la historia y se convirtió en verdad.

George Orwell, 1984

Como ya he señalado a lo largo de este libro, la riqueza y el poder en la era de las máquinas inteligentes se está convirtiendo cada vez más en función de la innovación y la habilidad. Las piedras angulares de la energía durante la primera revolución industrial-la geografía, los recursos naturales, y el manual de trabajo-están disminuyendo rápidamente en importancia y relevancia. Estamos entrando en un mundo en el que la riqueza se pueden transmitir a través del mundo por satélite, armas inteligentes pueden llegar a sus destinos de miles de kilómetros de distancia, y algunas de las tecnologías más poderosas de la historia requiere sólo pequeñas cantidades de recursos materiales y de la electricidad. Sólo podemos concluir que las variables estratégicas que controlan nuestro futuro son cada vez la tecnología y, en particular, los humanos los recursos intelectuales en el avance tecnológico.

Durante miles de años los gobiernos han demostrado la posibilidad de forzar a la gente para llevar a cabo el trabajo manual (aunque incluso en este caso es, sin duda la productividad disminuida por coerción). Es una verdad afortunados de la naturaleza humana que la creatividad y la innovación no

se puede forzar. Para crear el conocimiento, la gente necesita el libre intercambio de información e ideas. Ellos necesitan el libre acceso a las bases de conocimientos acumulados en el mundo. Una sociedad que restringe el acceso a las fotocopiadoras y mimeógrafos, por temor a la difusión del conocimiento incontrolada sin duda temer las tecnologías de la comunicación mucho más potentes de las computadoras personales, redes de área local, bases de datos de telecomunicaciones, tableros de anuncios electrónicos, y todos los métodos múltiples de comunicación electrónica instantánea.

Sociedades controladas, como la Unión Soviética se enfrentan a un dilema fundamental. Si ellos ofrecen a sus ingenieros y profesionales en todas las disciplinas con la tecnología avanzada estaciónde trabajo, que están abriendo las puertas a la libre comunicación por métodos mucho más potentes que las fotocopiadoras que han prohibido tradicionalmente. 35 Por otro lado, si no lo hacen así, será cada vez más convertido en una potencia de tercera clase ineficaz. Rusia ya está a la par con muchos países del tercer mundo económicamente. Rusia es una superpotencia sólo en el ámbito militar. Si sigue estancada económicamente y no se desarrolla tecnologías informáticas avanzadas, este tipo de energía se disipará también.

La innovación requiere más que sólo las estaciones de trabajo de computación y tecnologías de comunicación electrónica. También se requiere un ambiente de tolerancia para las nuevas y poco ortodoxas ideas, el fomento de la toma de riesgos y la capacidad de compartir ideas y conocimientos. Una sociedad de gestión en su totalidad por las burocracias del gobierno no está en condiciones de proporcionar los incentivos y el ambiente necesario para la iniciativa empresarial y el rápido desarrollo de nuevas habilidades y tecnologías.

Según todas las apariencias, algunos de los líderes del mundo comunista han tenido pensamientos similares.Campañas muy anunciados de Mijaíl Gorbachov de glasnost (apertura) y la perestroika (reestructuración) han dado los primeros pasos para abrir la comunicación y proporcionar los incentivos del mercado. Pasos importantes se han dado en muchas de estas sociedades respecto a la consecución de la libertad individual. Pero estos son sólo los primeros pasos en lo que tiene que ser un largo viaje para completar una transformación completa. Ya las fuerzas de la reacción en China han dado un gran paso hacia atrás. Lo que aún no está claro es la capacidad de estas sociedades paratener éxito en el movimiento de las burocracias profundamente arraigadas. Lo que está claro, sin embargo, es que las presiones en favor de ese cambio no va a desaparecer.

En caso de que estas sociedades optar en su lugar por una continuación de la sociedad controlada, también se encuentran las computadoras sean de valor. Las computadoras de hoy juegan un papel indispensable en la aplicación de la ley legítima, no hay razón por la que no sería igualmente útil en la aplicación de cualquier forma de control estatal. Con las avanzadas tecnologías de visión y de redes de principios del siglo XXI, el potencial existirá hacer realidad la visión escalofriante de George Orwell en 1984 .

La tecnología informática puede dar lugar a un florecimiento de la expresión individual, la creatividad y la comunicación o para una era de control totalitario eficiente y eficaz. Todo dependerá de quién controla la tecnología.Una nota de esperanza es que la naturaleza de la riqueza y el poder en la era de las máquinas inteligentes fomentará la sociedad abierta. Sociedades opresivastendrá dificultades para proporcionar los incentivos económicos necesarios para pagar las computadoras y su desarrollo.

Nuestro concepto de nosotros mismos

Sabemos lo que somos, pero no sabemos lo que podemos ser.

William Shakespeare

¿Qué pasará cuando todos estos equipos de inteligencia artificial y robots nos dejan sin nada que

hacer? ¿Cuál será el punto de vivir? Pero reconozco que la obsolescencia humana es apenas un problema urgente. Va a ser un largo, largo tiempo antes de que las computadoras pueden dominar la política, la poesía, o cualquiera de las otras cosas que realmente importan. Pero un "largo tiempo" no es para siempre, lo que sucede cuando los equipos han dominado la política y la poesía? Uno puede fácilmente imaginar un futuro en que el mundo se ejecuta en silencio y de manera eficiente por un conjunto de sistemas sumamente expertos, en el que las máquinas productoras de bienes, servicios, y la riqueza en abundancia, y donde todo el mundo vive una vida de lujo. Suena idílico y absolutamente inútil.

Pero, personalmente, tengo que del lado de los optimistas-, por dos razones. La primera se deriva de la simple observación de que la tecnología se hace por la gente. A pesar de la fuerte impresión de que estamos indefensos frente a, por ejemplo, la propagación de los automóviles o las aplicaciones de oficina más sin sentido de las computadoras, el hecho es que la tecnología no se desarrolla de acuerdo con un código genético inmutable. Encarna los valores humanos y las decisiones humanas. . . . Mi segunda razón para ser optimista se debe a una simple pregunta: ¿Qué significa ser "obsoleto"?

M. Mitchell Waldrop

Como dije antes, yo creo que un equipo será capaz de derrotar a todos los jugadores humanos a la partida de ajedrez dentro de los próximos diez o veinte años. Cuando sucede esto, me di cuenta, vamos a pensar ya sea más de las computadoras, menos de nosotros mismos, o menos de ajedrez. Sila historia es una guía, probablemente pensemos menos de ajedrez. Sin embargo, como espero que este libro ha dejado claro, el campeonato mundial de ajedrez es uno de los muchos logros que se obtendrán futuro inteligencia de las máquinas. Si nuestro enfoque para hacer frente a cada uno de los logros de la inteligencia de la máquina es de rebajar el valor intelectual de la realización, es posible que tengamos un montón de revisión que hacer durante el próximo medio siglo.

Repasemos algunos de los dominios intelectuales que las máquinas puedan maestro en un futuro próximo.Algunos ejemplos de las tareas que los ordenadores están ahora comenzando a realizar sonlas siguientes: en compañía de actuaciones musicales, que nos enseña las habilidades y áreas de conocimiento, diagnóstico y recomendar un tratamiento de recuperación para las clases de enfermedades, el diseño de nuevos fármacos biotecnológicos, la realización de operaciones médicasdelicadas, la localización subterránea recursos, y los aviones vuelan.

Una tarea más difícil para un equipo, que probablemente veremos en la primera mitad del próximo siglo, está leyendo un libro, una revista o periódico y la comprensión de su contenido. Esto requeriría que el equipo para actualizar sus propias bases de conocimiento para reflejar la información que lee. Tal sistema sería capaz de escribir una sinopsis o una crítica de su lectura. Dificultad de comparable a esta tarea es pasar el test de Turing, que requiere un dominio de la lengua escrita, así como un amplio conocimiento del mundo.

Dificultad de al menos comparable sería ver una escena en movimiento y entender lo que está pasando. Esta tarea requiere una visión a nivel humano y la capacidad de conocimiento abstracto a partir de imágenes en movimiento.Añadir la capacidad de un robot para imitar a los humanos con suficiente sutileza, y las computadoras serán capaces de pasar a una forma más difícil de la prueba de Turing, en el que la comunicación no es a través de la palabra escrita transmitida por el terminal, sino por vivir la comunicación cara a cara . Para este logro, tenemos que ir por lo menos hasta finales del próximo siglo.

Está claro que los puntos fuertes y débiles de inteligencia de las máquinas de hoy son muy diferentes de las de la inteligencia humana. Los primeros ordenadores tenían memorias prodigiosas y prácticamente infalibles. En comparación, nuestros recuerdos son bastante limitados y de dudosa

fiabilidad. Sin embargo, la capacidad de los primeros ordenadores para organizar el conocimiento, reconocer patrones, y hacer juicios-todos expertos elementos de la inteligencia humana era esencialmente inexistente. Si examinamos las tendencias que ya son evidentes, podemos ver que lascomputadoras han evolucionado en dos sentidos. Ellos han ganado aún mayores capacidades en sus áreas de fortaleza único: las computadoras de hoy en día son un millón de veces más potente en términos de velocidad y memoria de sus antepasados. Al mismo tiempo, también se han trasladado hacia las fortalezas de la inteligencia humana. Cartoon Alan Wallerstein

Ellos están muy lejos de esa meta todavía, pero que son sin duda cada vez más cerca. Hoy en día lascomputadoras pueden organizar el conocimiento para integrar las redes de relaciones, que están empezando a reconocer los patrones contenidos en modalidades visuales, auditivas, y otras, y pueden emitir juicios que rivalizan con los de los expertos humanos. Ellos todavía no han llegado a dominar el vasto cuerpo de conocimiento cotidiano que llamamos sentido común, e irónicamente, son particularmente débiles en el reconocimiento de patrones y la motricidad fina que los niños e incluso animales hacen tan bien.

La inteligencia del ordenador no se queda quieto. Nuevas arquitecturas de computación masivamente paralela radicales, junto con ideas emergentes en los algoritmos de visión, la audición,y la adquisición de habilidades físicas, están impulsando las computadoras más cerca de las capacidades humanas y también continuar mejorando sus áreas históricas de superioridad. Mientras que la inteligencia de la máquina continúa evolucionando y moverse en nuestra dirección, la inteligencia humana se está moviendo muy lentamente, en todo caso. Pero ya que tenemos ordenadores para servir, la inteligencia humana no tenga que cambiar.

Hace miles de años, cuando se estaban formando las tradiciones religiosas y filosóficas que aún guían a la civilización occidental, un ser humano era considerado como especial. Éramos diferentes de los animales y, ciertamente, de las cosas materiales. La máxima inteligencia en el universo, Dios,sabía de nosotros, y se preocupaba por nosotros. Más tarde como nos enteramos de que la tierra en la que nos encontrábamos no era el único cuerpo celeste en el mundo, nos imaginamos que todas lasdemás entidades en el cielo giraban a nuestro alrededor. En esta visión del mundo que éramos especiales debido a nuestra ubicación central. El sol, la luna, las estrellas, los cometas y otros objetos celestes todas homenaje pagado a nosotros. Aún más tarde, cuando nos dimos cuenta de quela tierra era el tercer planeta que orbita una estrella mediocre situado sobre un brazo de una galaxia poco notable, nuestra opinión cambió de nuevo. Luego estuvimos especial debido a nuestra inteligencia única: Podríamos obtener conocimiento a partir de la información. Podríamos contemplar las relaciones entre los fenómenos del mundo. Podríamos crear patrones con cualidades estéticas. Pudimos apreciar esas cualidades. Es cierto que los animales comunes en esta inteligencia,

pero en un grado mucho menor, que sólo refuerza la singularidad del nivel de inteligencia que poseíamos.


A (clase de) Test de Turing


Autor:

Ray Kurzweil

No hay ideas sino en las cosas. William Carlos Williams

Como se discutió en varios de los artículos contribuyeron en este libro, la prueba de Turing fue ideado por Alan Turing como una forma de certificar la inteligencia artificial. Turing describió una situación en la que un juez humano se comunica tanto con una computadora y un humano utilizandoun terminal de ordenador. La tarea del juez es determinar cuál es cuál. El juez no puede ver el ordenador o el ser humano y debe tomar su determinación mediante entrevistas a ambos. El equipo intenta engañar al juez en la selección como el humano.

La esencia de la prueba de Turing es que los intentos de computadoras para actuar como un ser humano en el contexto de una entrevista a través de líneas terminales. Un concepto más estrecho de una prueba de Turing es para un ordenador para imitar con éxito un ser humano dentro de un dominio particular de la inteligencia humana.Podríamos llamar a estas pruebas de Turing de dominio específico. Una de estas pruebas de Turing de dominio específico, basado en la capacidad de una computadora para escribir poesía, se presenta aquí.

El Kurzweil Cibernética Poeta es un programa informático (escrito por el autor) y provista de un archivo de entrada de poemas escritos por un autor o autores humana. El programa analiza estos poemas y crea un modelo palabra de secuencia basado en los poemas que acaba de leer. A continuación, escribe estrofas originales de la poesía utilizando el modelo que ha creado. Algunas de las siguientes estrofas de la poesía fueron escritos por el poeta Kurzweil Cibernética. Algunos fueron escritos por autores humanos (de hecho, los mismos autores humanos que fueron leídos y analizados por el Kurzweil Cibernética Poeta). A ver si se puede decir que son los que. En una hoja de papel, escriba los números del 1 al 28. A continuación, poner una C por ese número si usted cree que la estrofa correspondiente fue escrito por el equipo. Marque con una H si usted cree que la estrofa fue escrito por un poeta humano. Las respuestas están en un pie de página. 1 Después de las respuestas son los resultados obtenidos cuando la prueba fue tomada por 16 jueces humanos (adultos y niños).

1. es la belleza misma

que caminaban allí. A lo largo del nuevo mundo desnudo,

, viento-frío familiarizado

2. Rosa confunde con blanco

flores y flores invertidas

tomar y derramar la llama sombreado

lanzando de nuevo


en el cuerno de la lámpara

3. Los vientos de los bosques rezuman que se desgastan

el océano, con musgo azul y flores

Tan dulce, incluso la púrpura

Duermo en las flechas

De la cúpula de la muerte.

4. 0 tú,

¿Quién movió entre algunos ménade feroz, incluso entre el ruido

y azul

Entre los huesos cantaron, dispersas y los mares silenciosos.

5. Ella me mira con un ojo encarnada,

en el ritmo de la taza de té tocando

piensa de barrer las migas

6. A las seis y no puedo orar:

Oren por los amantes,

por calles estrechas

Y rezar para volar

Pero la Virgen en su cama invernal oscuro

7. ¿Qué mares qué costas qué islas de granito hacia mis maderas

Y zorzal llamando a través de la niebla

Mi hija.

8. Imaginemos ahora un árbol en velas blancas todavía giraba

Acerca de las hojas

será de silencios

Calma y ángeles

9. -Y el sol, la inmersión en las avenidas

rayando la parte superior de

los houselets rojas irregulares,

y

las sombras de los homosexuales cayendo y cayendo.

10. A la mañana y ya

una perfecta si ligeramente palidecido

viejo parque se volvió con las mujeres jóvenes

incautada en ámbar.

11. "Interesante libro?"

ella se sienta

bailando por la máquina de escribir eléctrica,

revolución incruenta de carnes

cuerdas de uso,

Política, cauteloso, y el hecho de

ella es el hecho

ella está llamando a todos-

Los niños en sus pies

él siempre es el tiempo

Para rodar ya era de noche,

humedad, irregular, como la voz

Por el amor se acaba.

12. Los hombres con voces escogidas cantan los nombres

de las ciudades en una enorme galería: promesas

que pasar a través de las escaleras descendentes

a un estruendo profundo.

13. ¿Dónde estaban tú, triste Hour, seleccionado de cuya raza es

me guía,

Atraídos por el amor del ser de otoño,

Tú, desde el cielo se ha ido, donde fue LORN Urania

Cuando sacudido a volar contigo en su clarín o'er de los brazos de la muerte.

14. Señora del ser de otoño,

Tú, desde el día, tener que cuidar

Enséñanos Ahora bien pequeña y crear,

Y luego presumir?

Y esto, y yo,

Y el lugar de la palabra no dicha, la visión sin leer en la bahía de Bayas,

Y la posteridad de Miguel Ángel.

15. Estoy solo, solo.

Me pego una respuesta a mí mismo

se esconde en lo profundo de su

todavía juega-

Sin leche

16. 0 mis hombros, flancos, glúteos

contra los intrusos,

contra los ladrones,

tormentas, el sol, el fuego,

contra los ladrones,

tormentas, el sol, el fuego,

contra las moscas, contra las malas hierbas, tormentosas mareas,

vecinos, comadrejas que despiertan

Los mares silenciosos.

17. los días, encerrados en los brazos del otro,

parecen aún

a fin de que las ardillas y los pájaros de colores

ir sobre a gusto sobre

las ramas y en el aire.

18. Estoy viendo hormigas cavan túneles y entierran

van sin el agua o el amor

19. Señora está enfermo,

tal vez vómitos,

quizás trabajando

al reinado de costumbre

20. La lluvia es dulce, cabello castaño;

La distracción, la música en los pasillos.

Seis en punto.

El tiempo. Redimir

El mundo y la vigilia, el uso de

21. Limpie su mano a través de la boca, y se ríen;

Los mundos giran como las mujeres antiguas

La recopilación de combustible en terrenos baldíos.

22. Debería haber sido un par de garras desiguales

Scuttling través de los pisos de los mares silenciosos.

23. parches de todo

guardar la belleza

los wheeltracks rígidos.

El sol redondo

la cama.

Ella sonríe, Sí

usted por favor primero

luego se queda

con ella sola

y luego dividiendo y más

y salpicó y después de que esté

escuchando en sus ojos

24. A lo largo de la carretera de la rojiza

violáceo, bifurcado, honrada, twiggy

cosas de arbustos y árboles pequeños

con hojas marrones muertas debajo de ellos

vides-sin hojas

25. Oremos por aquellos que son ramas para siempre

26. Al igual que un césped de la guerra;

casas de pequeña

cortinas blancas-

Olor de brillante

ceniza blanca,

un hacha

27. Por acción o por el sufrimiento, y cuyas horas

Fue drenado a su última arena en bien o para mal,

Así que el tronco sobrevivió tanto fruto o una flor; -

28. es una sensación de ardor constante

el camino de la batalla furia-

nubes y cenizas y menguante

enviar

los jóvenes,

La prueba de Turing poética 28-pregunta anterior fue administrada a 16 jueces humanos con diferentes grados de experiencia y conocimiento de la computadora y la poesía. Los 13 jueces adultos obtuvieron un promedio de 59 por ciento correcto en la identificación de las estrofas del poema de ordenador, el 68 por ciento correcto en la identificación de las estrofas del poema humanos, y 63 por ciento en general correcto. Los tres jueces de niños obtuvieron un promedio de 52 por ciento correcto en la identificación de las estrofas del poema de ordenador, el 42 por ciento correcta en la identificación de las estrofas del poema humanos, y 48 por ciento en general correcto.

Los gráficos muestran las puntuaciones reales obtenidos por los 16 jueces humanos como desglosado por adulto / niño, experiencia de la computadora, y la experiencia de la poesía. Como se puede ver en los gráficos, no hubo tendencias basadas en el nivel de experiencia de la computadora o la experiencia poética claramente discernible de esta muestra limitada. Los adultos tuvieran una puntuación un poco mejor que los niños. Los niños anotaron esencialmente al nivel de azar (aproximadamente el 50 por ciento) y los adultos lograr un poco mejor que el azar.

La siguiente tabla muestra el número de respuestas correctas e incorrectas para cada uno de los 28 poemas o estrofas. Mientras que los jueces adultos marcados algo mejor que el azar (63 por ciento), sus respuestas eran lejos de ser perfecto. El poeta equipo fue capaz de engañar a los jueces humanos, gran parte del tiempo. Algunos de los poemas de computadora (números 15 y 28, por ejemplo) eran particularmente exitoso en engañar a los jueces.

Podemos concluir que esta prueba de Turing de dominio específico se ha logrado un cierto nivel de éxito en engañar a los jueces humanos en su capacidad de escribir poesía. Un problema más difícil que escribir estrofas de la poesía está escribiendo poemas completos que tengan sentido temático, sintáctico y poético a través de múltiples estrofas. Una versión futura del Kurzweil Cibernética poeta contempla que intenta esta tarea más difícil.Para tener éxito, los modelos creados por el Cibernético Poeta requerirá una comprensión más rica de la función sintáctica y poética de cada

palabra.

Incluso la prueba de Turing propuso inicialmente con entrevistas terminales es notablemente imprecisa en la determinación de cuando el equipo ha tenido éxito en la imitación de un ser humano. ¿Cuántos jueces necesitan ser engañado? ¿A qué puntaje qué consideramos que los jueces humanos han sido engañados? Cómo sofisticada qué los jueces tienen que ser? Cómo sofisticado (o poco sofisticado) necesita el papel de humano a ser? ¿Cuánto tiempo los jueces tienen que hacer su determinación? Estas son sólo algunas de las muchas preguntas que rodean la prueba de Turing. (El artículo "Una conversación Coffeehouse en la Prueba de Turing", de Douglas Hofstadter en el capítulo 2 se presenta una discusión de entretenimiento de algunos de estos temas). Está claro que laera de los ordenadores que pasan la prueba de Turing no sucederá pronto. Una vez que los equipos comienzan a pasar sin duda la prueba de Turing, sin duda, se debatirá la validez de las pruebas y los procedimientos de prueba. Lo mismo puede decirse de los tests de Turing de dominio específico estrechos.

Puntuaciones de adultos en estrofas de poemas compuestos por una computadora

(13% adultos, correcto)El nivel de experiencia de la computadora

Nivel de la experiencia poética

PocoModerado

Profesional

Promedio

Poco 5644, 69,75

63, 75 64

Moderado 50, 56, 63 56, 63 75 61

Mucha 25 25

Promedio 56 61 59 59

Las puntuaciones de los niños en estrofas de poemas compuestos por una computadora

(3 hijos,% correcto)

Partituras38, 50,69

Promedio 52

Puntuaciones de adultos en estrofas de poemas compuestos por un ser humano

(13% adultos, correcto)

El nivel de experiencia de la computadora

PocoModerado

Profesional

Promedio

Poco 8358, 58, 100

50, 67 69

Moderado 60, 67, 83 58, 83 92 74

Mucha 25 25


Las puntuaciones de los niños en estrofas de poemas compuestos por un ser humano

(3 hijos,%

correcto)

Partituras33, 42,50

Promedio 42

Puntuaciones de adultos en todas las estrofas del poema

(13% adultos, correcto)El nivel de experiencia de la computadora

Nivel de la experiencia poética

PocoModerado

Profesional

Promedio

Poco 6850, 64,86

57, 71 66

Moderado 55, 61, 71 61, 68 82 66

Mucha 25 25


Las puntuaciones de los niños en todas las estrofas del poema

(3 hijos,% correcto)

Partituras39, 43,61

Promedio 48

El número de respuestas correctas e incorrectas para cada estrofa poema

PC o estrofa poema humano

Estrofa del poema No. derechaNo. equivocado

1 9 7ordenador

3 11 5ordenador

4 8 8ordenador

6 9 7ordenador

8 11 5ordenador

11 11 5ordenador

13 8 8ordenador

14 10 6ordenador

15 6 10ordenador

16 10 6 ordena

dor

19 9 7ordenador

20 12 4ordenador

23 9 7ordenador

25 8 8ordenador

26 11 5ordenador

28 6 10ordenador

Promedio 58% 42%

2 9 7humano

5 9 7humano

7 9 7humano

9 13 3humano

10 8 8humano

12 10 6humano

17 9 7humano

18 14 2humano

21 11 5humano

22 11 5humano

24 11 5humano

27 8 8humano

Promedio 64% 36%

Promedio general 61% 39%

Todavía no hemos alcanzado el punto en el que los ordenadores pueden incluso podría decirse que pasar el tipo de terminal-entrevista originalmente propuesta de prueba de Turing. Esta prueba requiere de una computadora para dominar muchas habilidades cognitivas de alto nivel en un solo sistema para el ordenador de hoy en día para tener éxito. Como Dan Dennett señala en su artículo, la prueba de Turing no adulterada es mucho más difícil para un equipo para pasar de cualquier versión más restringida. Tenemos, sin embargo, llegado a un punto donde las

computadoras pueden imitar con éxito el desempeño humano dentro de las áreas enfocadas por poco de la experiencia humana. Los sistemas expertos, por ejemplo, son capaces de replicar la capacidad de toma de decisiones de los profesionales de humanos dentro de un conjunto cada vez mayor de disciplinas humanas. En al menos un estudio controlado, los expertos de ajedrez humanosfueron incapaces de distinguir el estilo de jugador de ajedrez más sofisticados jugadores de ajedrez de ordenador de la de los humanos. De hecho, los programas de ajedrez de computadora son ahora capaces de derrotar a casi todos los jugadores humanos, con la excepción de una pequeña y decreciente número de maestros de ajedrez de alto nivel. Música compuesta por computadora se está convirtiendo cada vez más éxito en la superación de la prueba de Turing de credibilidad. La erade la computadora éxito en una amplia gama de dominios específicos tests de Turing está llegando.

Nota

1. Se utilizaron cuatro poetas humanos: tres poetas famosos (Percy Bysshe Shelley, TS Eliot y William Carlos Williams) y un poeta oscuro (Raymond Kurzweil). En el caso de los famosos poetashumanos, estrofas fueron seleccionados de su más famosa obra publicada. En todos los casos, las estrofas seleccionadas no requerían estrofas adyacentes a tener sentido temático o sintáctico. Las estrofas de computadoras fueron escritos por el poeta Kurzweil Cibernético después de haber leído los poemas escritos por estos mismos autores humanos. Las respuestas son las siguientes:

Poema estrofa 1 escrito por el poeta Kurzweil Cibernético después de leer los poemas de William Carlos Williams

Poema estrofa 2 escrito por William Carlos Williams

Poema estrofa 3 escrito por el poeta Kurzweil Cibernético después de leer poemas de Percy Bysshe Shelley

Poema estrofa 4 escrito por el poeta Kurzweil Cibernético después de leer poemas de TS Eliot y Percy Bysshe Shelly

Poema estrofa 5 escrito por Raymond Kurzweil

Poema estrofa 6 escrito por el poeta Kurzweil Cibernético después de leer poemas de TS Eliot, Raymond Kurzweil, Percy Bysshe Shelley, y William Carlos Williams

Poema estrofa 7 escrito por TS Eliot

Poema estrofa 8 escrito por el poeta Kurzweil Cibernético después de leer poemas de Raymond Kurzweil y TS Eliot


Poema estrofa 10 escrito por Raymond Kurzweil

Estrofa del poema 11 escrito por el poeta Kurzweil Cibernético después de leer poemas de Raymond Kurzweil y TS Eliot

Estrofa del poema 12 escrito por William Carlos Williams

Estrofa del poema 13 escrito por el poeta Kurzweil Cibernético después de leer poemas de Percy Bysshe Shelley

Estrofa del poema 14 escrito por el poeta Kurzweil Cibernético después de leer poemas de TS Eliot y Percy Bysshe Shelley

Poema estrofa 15 escrito por el poeta Kurzweil Cibernético después de leer poemas de Raymond Kurzweil y William Carlos Williams



Estrofa del poema 18 escrito por Raymond Kurzweil


Estrofa del poema 20 escrito por el poeta Kurzweil Cibernético después de leer poemas de Raymond Kurzweil y TS Eliot

Poema estrofa 21 escrito por TS Eliot

Estrofa del poema 22 escrito por TS Eliot

Estrofa del poema 23 escrito por el poeta Kurzweil Cibernético después de leer poemas de Raymond Kurzweil y William Carlos Williams

Estrofa del poema 24 escrito por William Carlos Williams

Estrofa del poema 25 escrito por el poeta Kurzweil Cibernético después de leer poemas de TS Eliot,Raymond Kurzweil, Percy Bysshe Shelley, y William Carlos Williams

Estrofa del poema 26 escrito por el poeta Kurzweil Cibernético después de leer poemas de Raymond Kurzweil y William Carlos Williams

Poema estrofa 27 escrito por Percy Bysshe Shelley


Inteligencia Artificial y Composición Musical


Autor:

Charles Ames

Considere la joven estudiante de música que quiere aprender acerca de las progresiones de acordes.Tradicionalmente, se vería obligado a probar algunas progresiones de acordes bloqueados en el piano. Pero si las habilidades del teclado eran escasas, el estudiante tendría que postergar el aprendizaje sobre progresiones durante varios años hasta que estas habilidades se habían adquirido. Con un programa de música-tutoría de expertos se diseñan adecuadamente, tal estudiantepuede escribir un plan armónico en una computadora y hacer que el programa se deriva rápidamente en una realización en toda regla con los acordes rítmicos, una línea de bajo, incluso una parte de batería.

Considere el teórico musical que quiere un medio verdaderamente empíricos de prueba hipótesis acerca de cómo se hace la música. Mientras que en el pasado, las teorías musicales han tan a menudo como no han aceptado sobre la base de la elegancia lógica intrínseca, técnicas de IA, hoy

es posible la aplicación de una teoría como un programa cuyos productos puedan ser evaluadas empíricamente contra auténticos ejemplos musicales.

Consideremos también el compositor de bandas sonoras para obras de teatro grabadas, documentales y anuncios publicitarios. Ya es común que depender en gran medida de los patrones de fondo estándar cuando la producción de grandes volúmenes de música perfectamente sincronizada y temáticamente coherente de cara a los plazos de producción. Es muy probable que los compositores profesionales del mañana van a depender aún más fuertemente en los módulos de software para acompañamientos y tal vez incluso para los plomos.

Para el compositor de arte-la música, la inteligencia artificial ofrece una extensión mecánica al intelecto humano.Por ejemplo, un compositor podría desear establecer criterios para la comparaciónde soluciones a un problema de composición (por ejemplo, el problema de la elección de lanzamientos de una melodía) y luego dejar que el ordenador evaluar todas las soluciones posibles con el fin de escoger la mejor opción.

Tal vez el potencial más radical para la composición automatizado reside en la capacidad de un soloprograma para generar muchas piezas distintas de la música. Se podría pensar en un programa comoun nuevo tipo de "registro" que reproduce una pieza diferente cada vez. Las posibilidades van desdelo mundano, como la música por computadora compuesta para los restaurantes de comida rápida y supermercados, a lo sublime. Ya hemos visto la aparición de un nuevo tipo de compositor: la metacomposer, que da forma a los principios compositivos con tanta fluidez como los compositores tradicionales han dado forma a materiales de composición. Lejos artistas de la originalidad de la música dependerá claramente de la originalidad y la sutileza de la programación.

Las situaciones descritas anteriormente no son en absoluto especulativo. Todos ellos se convierten en realidades dentro de cinco años si los desarrolladores están dispuestos a gastar la energía necesaria para hacer que sucedan. De hecho, los éxitos ya obtenidos indican que la creatividad puede ser modelado con una precisión mucho mayor que la sabiduría convencional sugirió una vez. Una serie de programas de la mía ya se están produciendo emulaciones creíbles de la música humana-compuesta en estilos populares, y un programa por Kemal Ebcioglu para la armonización de las corales en el estilo de JS Bach ha logrado en ocasiones a duplicar soluciones de Bach exactamente. 1 Aunque los estilos en todos los programas actuales se han definido más bien por poco, los conocimientos que proporcionan conducen hacia representaciones cada vez más generalesde procedimiento compositivo.

Un estudio de las tácticas de toma de decisiones y estrategias de composición

Desde sus inicios a mediados de la década de 1950 hasta hace unos pocos años, los programas para la composición musical automática han sido desarrollados por un pequeño grupo de músicos que trabajan en relativo aislamiento de la corriente principal del movimiento de AI y, para el caso, de otros campos por computadora de la música tales como síntesis de sonido digital. 2 Este aislamientoha sido perjudicial en la medida en que la mayoría de los primeros practicantes eran ignorantes de larecursividad, estructuras de datos enlazadas, y métodos de búsqueda básicas. Sin embargo, también ha dado lugar a algunos enfoques únicos que podrían haber sido pasadas por una metodología más ortodoxa.

Estadísticas Hasta finales de 1960 las tácticas de toma de decisiones más penetrantes eran estadístico.Estadísticas presentó una forma económica de representar las tendencias de comportamiento musical de las dependencias a corto plazo (por ejemplo, con qué frecuencia G 7 acordes son seguidos por C acordes mayores, por un acordes menores, etc) a las distribuciones alargo plazo de material (por ejemplo, la uso relativo de grados de la escala). Un programa de composición estadística de estos primeros años las opciones seleccionadas al azar; las opciones

asignadas el mayor peso estadístico por el programador tuvieron la mayor probabilidad de selección. 3

La estrategia compositiva básica de estos programas era "de izquierda a derecha", con algunas influencias de "arriba hacia abajo". Totalmente de izquierda a derecha programas seleccionados detalles musicales directamente como estaban a aparecer en la música, acondicionamiento posteriores decisiones sobre las opciones anteriores.Muchos programas tenían influencias de arriba hacia abajo en la medida en que se dividen la música en secciones y luego eligieron a los detalles decada sección de una forma de izquierda a derecha. Cada nueva sección se distinguió por parámetros únicos que afectaron a la distribución estadística de estos datos. Uno de los compositores-programadores de este período aún interpuesto subsecciones entre secciones y detalles.

Procesamiento Rote Cuando las computadoras se puso en línea durante la década de 1970, una seriede músicos tomó ventaja de la nueva tecnología para desarrollar programas que procesen la información musical, ya sea en tiempo real o en el contexto de un diálogo interactivo. El deseo de una rápida interacción dio lugar a un énfasis en los procedimientos que eran bastante simples que pudieran responder al toque de un botón, y en especial a un énfasis en las operaciones rutinarias de temas. Entre las más conocidas de estas operaciones son las que provienen de la tradicional cortesía de Kamal Ebcioglu programa de Kemal Ebcioglu 1984 para la armonización de las corales guiado su selección de la nota de izquierda a derecha con la planificación de arriba hacia abajo de los objetivos y sub-objetivos armónicos. Para algunas melodías corales programa de Ebcioglu logró duplicar propias soluciones de Bach exactamente. Sin embargo, la solución que se muestra aquí es más típico.

Desde Charles Ames, "Cristales: Estructuras recursivas en Composición Automatizado." Computer Music Diario 6

[1982], no. 3: cortesía de Charles Ames

producciones de arriba hacia abajo comienza con un arquetipo muy general de una forma musical y elaborado de forma recursiva a este arquetipo, hasta una completa descripción de los detalles musicales que se haya obtenido.

cánones y fugas. Incluyen transposición (jugando un tema con cada nota modificada por igual arribao hacia abajo en el tono), inversión (tocando un tema al revés), retrógrada (tocando un tema hacia atrás), y disminución (disminución de las longitudes de las notas en un tema para que vaya por dos veces más rápido). El usuario de uno de estos programas típicamente construir una composición usando una estrategia de "abajo hacia arriba": podía entrar ya sea un tema compuesto originalmente o tener uno genera al azar, podría entonces derivar variaciones sobre este tema utilizando una o másoperaciones, y podía cortar, pegar juntos, y editar este material temático de varias maneras hasta que se hubiera producido una composición de conjunto.

Búsquedas programas componer inteligentes como Ebcioglu y mío propio se distinguen de los programas estadísticos y rote por su capacidad para discriminar entre las soluciones a los problemasmusicales. El secreto detrás de esta habilidad radica en las técnicas con restricciones de búsqueda extraídos directamente de. AI 4 A modo de ejemplo de cómo funciona una búsqueda restringida, considere el problema de componer una melodía cuando se les da el ritmo, alcance, contexto armónico, y el estilo. La solución de este tipo de problema significa elegir un terreno de juego para cada nota de una manera que se ajusta a la estilo dado. Sin embargo, a pesar de que uno podría teneruna muy buena idea de cómo una melodía en este estilo debe sonar , eso no es suficiente entendimiento para desarrollar un programa. Uno debe ser capaz de describir el estilo en términos significativos a un ordenador.

Para ello, el programador necesita hacer algunas observaciones generales sobre cómo se comportan lanzamientos en el estilo. Él podría observar, por ejemplo, que las melodías nunca se mueven en octavas paralelas o quintos con el bajo, que siempre emplean las raíces de acordes en los puntos de cadencia, que los tonos nonchord siempre resuelven a paso a acorde tonos, y que los tonos de acorde disonante (por ejemplo, séptimos acordes) siempre se resuelven a la baja a paso en el siguiente acorde. El programador puede observar así que el movimiento scalewise es preferible a saltos, que los tonos principales tienden a conducir hacia arriba, y que los diferentes grados de la escala son por lo general en equilibrio. Las observaciones que se caracterizan por palabras como "nunca" y "siempre" se puede implementar directamente como De Charles Ames, "Motivación Protocolo, el diseño y la producción de una composición para piano solo," Interfaz: Journal of New Music Investigación 11 [1982], No. 4:226 En una etapa de la producción de Protocolo Ames Charles para piano, el compositor decidió que la agrupación de los acordes (sí ordenador integrado) sería más apropiado para el espíritu musical de la pieza cuando pares constituyentes de los acordes compartieron pocos grados de la cromática escalar en común. El programa obtuvo el grupo de izquierda menos alto que el más adecuado, porque los acordes 7 y 13 en la parte izquierda de cinco de los siete grados. limitaciones. Restricciones mantienen una búsqueda dentro del estadio musical. Aunque muchos se han extraído de las reglas de la pedagogía musical, deben en modo alguno tomarse como normas de "buena música." Si una melodía infringe una restricción, no podemos decir que está mal, sólo que es de moda. El mecanismo básico para componer una melodíacon sujeción a las limitaciones es la siguiente: Para cada nota, la búsqueda a través de los pasos afinaciones están disponibles hasta que encuentra uno conforme a todas las restricciones. Cada vez que encuentra un terreno de juego aceptable, se mueve hacia adelante a una nota uncomposed; siempre que agota todas las parcelas disponibles a una nota dada, da marcha atrás a la más reciente nota de compuesto que causó un conflicto, revisa el tono de esta nota, y comienza a trabajar su camino seguir hacia adelante nuevamente.

Las observaciones que se caracterizan por palabras tales como "tienden", "preferible", y "por lo general" por lo general no pueden ser implementados como restricciones duras y rápidas. La única alternativa es el sesgo de la búsqueda hacia soluciones con atributos más preferibles. En caso de queel programador desee alentar movimiento scalewise, por ejemplo, la búsqueda podría ser diseñado para tratar campos vecinos ante los demás.Si tal movimiento es más crítico al final de una frase que al principio, puede ser más efectivo que empezar por el final de la frase, y trabajar hacia atrás, lo que evitará que la frase-notas tempranas de la formación de un contexto que impide el movimiento scalewise tarde en. La jerga oficial IA para este tipo de desviación procesal es "programación heurística."

Las habilidades para buscar las soluciones más preferibles, para aplicar restricciones y dar marcha atrás en la cara de un callejón sin salida son las ventajas básicas que restringidos búsquedas tienen sobre los procedimientos estadísticos y memorísticos. El método se aplica igual de bien a los problemas musicales radicalmente diferentes de escribir la melodía, como la generación de arriba hacia abajo de los detalles musicales de formas. Las búsquedas son un complemento, no un sustituto, para los procedimientos estadísticos y memorísticos. Si el programador desea mantener unsentido de imprevisibilidad dentro de límites estilísticos dado, entonces la aleatoriedad se puede incorporar en el mecanismo por el cual la búsqueda asigna prioridades a las opciones. Si distribuciones estadísticas a largo plazo son de preocupación, entonces una búsqueda puede ser diseñado para favorecer las opciones que mejor se ajustan a estas distribuciones. Finalmente, si se desea thematicism de memoria, a continuación, temas generados por operaciones tales como las descritas anteriormente pueden ellos mismos ser tratados como opciones por búsquedas evaluación de muchas diferentes variaciones temáticas para elegir el mejor para el contexto.

Una disyuntiva con las búsquedas es que su capacidad de dar marcha atrás los hace composicional en lugar deimprovisación . Un compositor en un apuro puede tirar las cosas, sino un improvisador no puede dar marcha atrás al reloj en la música que ya se ha jugado. Como resultado, no es práctico implementar procedimientos de composición de búsqueda impulsada en tiempo real. Otra desventaja es que hay que estar dispuestos a interactuar con un programa de composición de búsqueda impulsada en sus propios términos. Retroalimentación interactiva de una búsqueda se compone en la actualidad de tres fases: establecimiento de limitaciones y preferencias, dejando a la búsqueda para hacer su cosa (búsquedas son más eficaces cuando se deja de correr con un mínimo de interferencia por parte del usuario humano), y aceptar o rechazar la resultados. Si los resultados no son satisfactorios, se podría hacer ajustes en las limitaciones y preferencias antes de ejecutar la búsqueda de nuevo.

Conclusiones

La entrada de la IA en la creatividad musical es de ninguna manera tan radical como podría parecer a los laicos a la vista de la tradición activa y de larga data de la participación de compositor con la teoría técnica acerca de la música.Esta tradición se extiende desde Pitágoras y Aristóxeno de la

antigüedad, a través de numerosos escritores medievales, a través de esos teóricos del Renacimientocomo Gioseffe Zarlino y Thomas Morley, a través del compositor barroco Jean-Philippe Rameau, a través de los compositores más recientes tan diversas como Arnold Schoenberg, Henry Cowell, PaulHindemith , Harry Partch, y Joseph Schillinger a los contemporáneos como Pierre Boulez y Iannis Xenakis. Cada uno ha construido modelos estilísticos de las limitaciones, preferencias y descripciones de procedimiento del acto de hacer una composición, no como una forma de codificarlo que sucedía en el pasado, sino como una ayuda intelectual a su oficio. Sin embargo, la capacidad de los programas de IA para generar música real de este tipo de modelos los lleva fuera de la esfera especulativa y los hace accesibles a todos: a los compositores que buscan un ambiente de trabajo aumentada en la que el contenido, la forma y el estilo de las composiciones enteras se pueden ajustar en el toque de un botón, para los teóricos que deseen determinar dónde los puntos fuertes y débiles de los nuevos modelos se encuentran, y para los estudiantes de música que buscan asistenciade expertos en la realización de sus proyectos musicales.

Notas

1. Resultados de Ebcioglu tienen grandes implicaciones para la pedagogía, ya que las corales de Bach son el paradigma de los estudios tradicionales en la armonía musical.

2. Programas para la composición musical automática comenzaron en 1956 con Hiller y de IsaacsonIlliac Suite, creado poco más tarde que los primeros programas que juegan al ajedrez y teorema demostrando. Un estudio exhaustivo de los programas que componen, repleta de nombres, ejemplosmusicales, y la bibliografía, está disponible en Charles Ames, "Composición automatizada de Retrospect: 1956-1986," Leonardo: Revista de la Sociedad Internacional para la Ciencia , la Tecnología y las Artes , 1987 .

3. Estos programas componer estadísticos cortada por unos 20 años la moda actual AI de "lógica difusa".


Todo trabajo y no juego hace HAL un Programa Dull


Autor:

Ray Kurzweil

Michael Lebowitz era un miembro de la facultad desde 1980 hasta 1987 en el Departamento de Ciencias de la Computación en la Universidad de Columbia. Sus principales intereses de investigación se encuentran en las áreas de aprendizaje automático, procesamiento de lenguaje natural, organización de la memoria, y el modelado cognitivo. También dirigió un grupo de investigación de la Universidad de Columbia que ha diseñado los sistemas de información inteligentes que sabían leer, recordar y aprender de texto en lenguaje natural. Ha publicado numerosos artículos en una amplia gama de áreas de la inteligencia artificial. Actualmente es vicepresidente de la unidad analítica Negociador por Cuenta Propia de Morgan Stanley & Co. en Nueva York.

Introducción

La gran mayoría de los trabajos aplicados a la inteligencia artificial (AI) ha supuesto problemas prácticos en áreas como negocios, medicina, defensa, y así sucesivamente. Esto es como debe ser,


pero también hay espacio para la aplicación de la IA a las artes. AI tiene el potencial de permitir la creación de nuevas formas de entretenimiento atractivas y mejorar el proceso creativo en las formasde arte existentes. Además, este tipo de trabajo puede dar lugar a nueva e importante información sobre el proceso creativo. En este artículo voy a discutir cómo la IA puede ser aplicado a la superficie de la narración de historias: tanto la forma en que se puede utilizar en herramientas inteligentes para los escritores y cómo se podría llevar a nuevas formas de, historias interactivas inteligentes donde un escritor / creador íntimamente puede implicar un lector / usuario en la historia.

En la Universidad de Columbia que mis colegas y yo investigamos el problema de los sistemas que generan historias extensas, las que continúan en el tiempo de desarrollo. Seleccionamos el dominio de "melodrama interpersonal", un ejemplo de los cuales es telenovela. Sentimos que este es un buendominio de mirar tanto por razones científicas y prácticas. Melodramas de televisión son vistos por un gran número de personas durante períodos muy largos de tiempo. Desde un punto de vista científico, historias basadas en las relaciones interpersonales han recibido mucha menos atención que los que están más orientados a la acción. Por último, las historias de este tipo combinan complejidad y creatividad con una buena cantidad de estereotipia. Ellos nos ayudan a conseguir unamanija en qué partes de la creatividad no son demasiado creativo. He aquí un resumen de los acontecimientos en un melodrama típico ("Days of Our Lives" de NBC).

Liz se casó con Tony. Ni me encantó la otra, y de hecho, Liz estaba enamorado de Neil. Sin embargo, desconocido para cualquiera de Tony o Neil, Stephano, el padre de Tony, que quería Liz para producir un nieto para él, amenazó a Liz que si se iba a Tony, que mataría a Neil. Convencidos de que hablaba en serio por una bomba que estalló cerca de Neil, Liz dijo Neil que ella no lo amaba,que estaba todavía en el amor con Tony, y que debía olvidarse de ella.Neil fue finalmente convencido y se casó con Marie. Más tarde, cuando Liz era finalmente libre de Tony (porque Stephano había muerto), Neil no era libre de casarse con ella, y sus problemas se encendió.

Como parte de nuestra investigación, hemos desarrollado un programa simple, prototipo de la narración de historias, Universo. El programa puede crear conjuntos de caracteres apropiados para melodrama interpersonal y puede generar argumento sencillo resume de la complejidad de este esquema utilizando los personajes que genera. 1

Ayudar Escritores

En el futuro inmediato es poco probable que vamos a ser capaces de crear programas que producen melodrama con la riqueza de los escritores humanos. Sin embargo, podemos aspirar a proporcionar herramientas para asistir en la creación de este tipo de obras. En particular, creo que la creación de un asistente automatizado que puede sugerir posibilidades de un escritor está bien al alcance. Podemos crear programas que ayudan a un escritor a desarrollar personajes significativos yque sugieren posibilidades argumentales. Voy a ilustrar una versión simple de uno de esos programas a continuación.

En cierto sentido, podemos ver un programa por el estilo me imagino como una especie de editor inteligente historia, el siguiente paso más allá de la edición de texto. Este sistema tendría que ser integrado en un sistema de desarrollo completo que también realizar un seguimiento de la historia de la historia a través del tiempo. La pantalla de abajo ilustra el tipo de comportamiento que tengo en mente. Muestra Universo que se ejecuta en un modo interactivo en el que en lugar de crear personajes en sí, se solicita al usuario la información pertinente. Los elementos en cursiva fueron introducidos por el usuario.

Introduzca el sexo (m / m): m

Introducir nombre: John Jones

Introduzca grupo de edad (ya / ma / edad): ma

Persona Ciclismo John Jones

Ingrese años del próximo evento de la vida (cr = quit): 1970

Próximo evento (m / d): m

Trate de encontrar a su cónyuge en el universo (u / n): n

Introduzca el nombre (lista):

Ciclismo matrimonio entre John Jones y Kathy Cole

Ingrese años del próximo evento de matrimonio (cr = quit):

A partir del acabado para John Jones

Elige rasgos (p / r): p

Rasgos posible establecer: la riqueza, la promiscuidad, la competencia, la amabilidad, la autoconfianza, la astucia, ingenuidad, mal humor, el atractivo físico, la inteligencia

Introduzca rasgo y valor (cr = quit): amabilidad 3

Introduzca rasgo y valor (cr = quit): confianza en sí mismo 4

Introduzca rasgo y valor (cr = quit): inteligencia 3

Introduzca rasgo y valor (cr = quit):

Ocupaciones óptimas son: mala calidad médico-

Introduzca la ocupación:

Selección: sleazy-médico

Rasgo (inteligencia 3) ya satisfechos

Para rasgo (auto-confianza 4)

Choices (salvavidas, libertino, big-eater): libertino

Para rasgo (niceness 3)

Choices (taxista):

Los aspectos AI del programa surgen en la representación de la información y en el que el programasugiere posibilidades para el carácter que se está creando. Estas sugerencias están destinadas a ayudar a hacer el personaje más creíble e interesante al motivar adecuadamente las características que el usuario desea. En la primera sección de la pantalla, Universo solicita al usuario algunas estadísticas vitales del personaje que se está creando: el sexo, el nombre, grupo de edad (adultos jóvenes, edad media, edad). Estos se utilizan para iniciar el llenado en un marco para el personaje de John. Jones 2 En todos los casos, si no se proporciona ninguna respuesta, el programa escogerá una.

Después de obtener los datos básicos, el programa comienza a "ciclo" la vida del personaje, es

decir, para pedir al usuario para los principales eventos de la vida, concentrándose en los matrimonios, divorcios, los nacimientos de los niños, y muertes. Otras partes del programa permitenotro tipo de historia que se añadirán. Tenga en cuenta que al incluir eventos pasados, y no sólo el estado actual del mundo, universo ayuda al usuario a crear un conjunto consistente y coherente de caracteres. En la pantalla que el usuario especificó que John Jones se había casado (m) en 1970. El programa sabía que su cónyuge era necesario, y el usuario deje que el programa elija su nombre (Kathy Cole).

La última sección de la pantalla es la más orientada AI. Se trata de rellenar un perfil de personalidadpara el personaje. Universo sabe acerca de una variedad de diferentes rasgos de personalidad. Aquí el usuario sugiere un conjunto de valores para describir John Jones: él no es muy agradable, es moderadamente segura de sí misma, y moderadamente inteligente. Sólo la especificación de valores, sin embargo, no es muy satisfactorio, por lo que el programa de ayuda al usuario en la selección de diferentes tipos de personajes prototípicos que ayudarán a explicar el rasgo valores. Permite al usuario si desea aceptar un prototipo que le ofrecía o proporcionar una. Sugiere que el médico de mala calidad podría ser un tipo de personaje que encaja con estos rasgos. Tambiénsugiere otros prototipos que ayudan a explicar los rasgos. Entre el programa y el usuario que vienen con un personaje que es un médico de mala calidad balanceo y taxista. No hace falta decir, la calidad de la ayuda del sistema depende de la calidad de la biblioteca prototipo. Tal descripción es la clase del escritor tendría que venir con todos modos para hacer que el personaje de un lector / usuario creerá. 3

Herramientas como la descrita aquí (con la gestión de parcela incluida) pueden ser de gran utilidad para los escritores de todo tipo. Sirven como parejas sugiriendo ideas, pero dejan la verdadera creatividad para el escritor.Serán especialmente importantes en el desarrollo de diversos tipos de ficción interactiva, pero también deben ser de utilidad en las formas más tradicionales. Es fácil imaginar cómo una herramienta de AI podría ayudar enormemente a los escritores de la serie de televisión que ha estado en el aire desde hace muchos años mantienen todo coherente y al mismo tiempo sugieren nuevas posibilidades.

Historias personalizados

Más allá de la creación de herramientas inteligentes de relatos, el siguiente paso obvio en la aplicación de la IA a la narración de historias es la generación automática de historias. Con los escritores humanos disponibles, puede que no sea claro por qué querríamos hacer esto (más allá del objetivo de comprender cómo funcionan los procesos creativos). La razón es la misma que para muchas otras tareas: la aplicación de técnicas de IA para la narración de historias dará lugar a una forma de arte que es personalizado e interactivo. Imagine una telenovela con personajes que son exactamente el tipo que te encuentras más interesante, no necesariamente un conjunto de caracteres que se crean (después de todo, no somos todos los escritores), pero uno moldeado a sus propios gustos. Además, imagine que usted puede influir en el desarrollo de la dirección de los acontecimientos, no necesariamente a los personajes en detalle, pero que influyen en la historia de maneras más sutiles. Se trata de una visión convincente de una nueva forma de ficción. Las historiasen forma de texto deben ser emocionante, y la adición de gráficos y otras imágenes manipuladas porcomputadora deben hacerlo aún más impresionante.

Las historias de este tipo van a evolucionar a partir de dos líneas actuales de entretenimiento: juegosde ordenador interactivos y juegos de rol. Varios fabricantes están produciendo actualmente los juegos de ordenador interactivos en los que los usuarios se abren camino a través de una historia de ramificación, la solución típicamente una serie de puzzles en el camino. Muchos de estos juegos sonbastante intrigante. Sin embargo, todos los diversos resultados tienen que ser hechos a mano por un programador y como resultado son relativamente limitadas en el mundo por explorar. Además, los programadores han tendido a centrarse en los dominios orientados a la acción y misterio con poco

desarrollo de los personajes.

Este tipo de juegos de rol como Dungeons and Dragons se acercan más al modelo que tengo en mente. Aquí con un maestro de juego humano una historia puede moverse a través de una gama muy amplia de posibilidades. Sin embargo, se requiere que el director de juego, y estos juegos también han tendido a ser una acción muy orientado (a pesar de que al menos uno fue modelado después de un melodrama televisivo).

Es importante tener en cuenta que lo que estamos buscando es algo más que simples juegos. Buscamos la profundidad y la calidad de la ficción, junto con la naturaleza interactiva de juegos. Aunque las propias historias serían generados por ordenador, las bases de conocimiento de las que trabajaban a información sobre personas, lugares y dispositivos de la trama-presumiblemente serán construidos por escritores humanos, aunque no especificando todo momentola trama, como se hace con los juegos interactivos .

Hasta la fecha no ha habido una gran cantidad de trabajo en la generación automática de historia. Quizás la obra más conocida es el realizado por Jim Meehan, a mediados de la década de 1970 cuando desarrolló Tale-Spin, un programa que contaba historias de los niños en el estilo de lasfábulas de Esopo. 4 Otros trabajadores también han estado trabajando en AI cuentos. 5 Nuestra propia trabajo sobre Universo nos ha llevado al punto en que puede generar trama sencilla describe mediante la aplicación de técnicas de planificación de metas de autor. 6

A continuación se muestra un esquema simple complot creado por Universo. Utiliza los personajes creados por la versión automática del programa interactivo se describe en la sección anterior después de ser dado como entrada un objetivo autor, para "churn" una relación, es decir, para mantener a dos personas en el amor de ser felices juntos (un alimento básico del melodrama). DesdeTeddy Bryks, el marido de una de las amantes, tiene un padre malvado, Universo selecciona un fragmento de trama que implica el padre de amenazar a las mujeres a no traicionar a su marido (quese basa libremente en un nivel abstracto en el esquema anterior). Los diversos elementos de esta trama se expanden utilizando otros fragmentos de la trama. En el momento en el primer fragmento termina, el amante desdeñado, Steven Kades, está involucrado con otra persona, lo que crea más complicaciones. Universo se ejecuta a través de un par más de su biblioteca de formas de mantener separadas a las personas.

El valor generado por el programa como parte de un conjunto de caracteres es la siguiente: Nadine Burton está casado con Teddy Bryks pero está enamorada de Steven Kades. Gerald Bryks es el padre de Teddy, y no muy agradable a un tipo. (Los comentarios elaborativas se incluyen entre paréntesis.)

Churn Nadine y Steven

Gerald Bryks amenaza Nadine Burton Bryks: olvidarlo (su romance con Steven). Nadine Burton Bryks dice Steven Kades que ella no lo ama. Norma Ryan Bryks está preocupado por Steven Kades. Linda Einbinder Kimball seduce Steven Kades. Joe Kimball decide exponer Gerald Bryks. Joe Kimball le dice al mundo acerca de Gerald Bryks (y sus malas obras). Nadine Burton Bryks y Teddy Bryks se divorcian. Teddy Bryks intenta seducir a Nadine Burton Bryks.Steven Kades se frustra (por esto). Steven Kades dice Nadine Burton Bryks que él no la ama. Nadine Burton Bryks seduce Steven Kades.

Esta historia, sin duda, no está destinada a ser la gran ficción. Sin embargo, nuestro programa nos ha demostrado que, incluso con una biblioteca muy limitado de fragmentos de la trama (alrededor de 60), a través de interacciones de las tramas y personajes, Universo puede producir algún complotbastante inteligente esboza. Una biblioteca mucho más grande (tal vez en dos órdenes de magnitud) debe ser práctico y sería capaz de producir un gran número de historias interesantes, sobre todo si

hay técnicas para crear automáticamente nuevos fragmentos. 7 No pequeña parte del efecto se basa en la mismo truco que los autores de ficción uso estándar: la imaginación del lector mejorarán lo que realmente se presenta.

Nuestro trabajo en Universo también nos ha dado algunas ideas interesantes sobre la creatividad, que sólo puedo tocar aquí. Parece que muchas partes de la creatividad implican determinar principalmente maneras inteligentes para aplicar las situaciones anteriores (o versiones abstractas deellos) a los nuevos ajustes. En la narración de historias, rara vez es necesaria la creación de nuevas ideas enteros: uno puede tomar las viejas ideas y combinarlas de nuevas maneras o aplicar nuevos giros a ellos. Este es sin duda evidente en el melodrama televisivo y de ninguna manera está mal: incluso trama gira que están familiarizados en abstracto puede ser muy interesante cuando se aplica a las nuevas situaciones. Aunque hay muchos otros aspectos de la creatividad, una parte fundamental es el almacenamiento de las experiencias anteriores de una manera que ellos puedan obtenerse y aplicarse en el futuro de manera eficiente. Esto se aplica tanto a la narración de historiasy la planificación general del día a día. 8

Apenas estamos comenzando el proceso de generación automática de historias. Hay muchos problemas relacionados con la creación gráfica de contornos, y más allá de ellos hay problemas en la generación de lenguaje, la representación del conocimiento, la evaluación del estado del conocimiento (¿quién sabe qué y cuándo), organización de la memoria y el acceso y la interacción del usuario, entre otros muchos que deben ser tratados con para lograr el tipo de sistema previsto al comienzo de esta sección.

Sin duda es apropiado para la mayoría del trabajo de AI para hacer frente a las consideraciones prácticas. De hecho, la mayor parte de nuestra propia investigación hace precisamente eso. Sin embargo, la gente debe saber que la IA mejorará otros aspectos de su vida que sólo el lugar de trabajo. AI puede ayudar a las personas creativas a hacer un mejor uso de sus talentos y crear interesantes y entretenidos nuevas formas de arte. Después de todo, si la IA va a ayudar a mejorar laproductividad, entonces es mejor que también ayudan a llenar el tiempo de ocio crea así-y se puede.

Notas

1. Para más detalles, véase M. Lebowitz, "Creación de personajes en la narración de historias Universo," Poética 13 (1984): 171-194, y M. Lebowitz, "La narración de cuentos como Planificación y Aprendizaje," Poética 14 (1985): 483-502.

2. Para más información sobre los marcos, véase M. Minsky, "Un marco para la representación del conocimiento", en PH Winston, ed,. La Psicología de Computer Vision (Nueva York: McGraw-Hill,1975).

3. Para más detalles sobre los métodos de creación de personajes del Universo, ver M. Lebowitz, "Creación de Personajes en un Universo Story-Telling," Poética 13 (1984) :171-194.

4. Ver JR Meehan, "El metanovela: Escribiendo Historias por ordenador, " Yale Departamento de Ciencias de la Computación, informe técnico de 74 años, 1.976 de la Universidad.

5. Ver N. Dehn, "Memoria en Historia Invención", Actas de la Tercera Conferencia Anual de la Ciencia Cognitiva de la Sociedad (Berkeley, California, 1981), pp 213-215, M. Yazdani, "Generación de Eventos en un mundo ficticio de Historias ", Universidad de Exeter Departamento de Informática, informe técnico de I-113 y SR Turner y MG Dyer," El conocimiento temático, la memoria episódica, y Analogía en MINSTREL, A Invention System Story, " Actas de la Séptima Conferencia Anual de la Cognitive Ciencia Sociedad (Irvine, California, 1985), pp 371-375.

6. Véase M. Lebowitz, "La narración de cuentos como Planificación y Aprendizaje," Poética 14

(1985): 483-502.

7. Véase M. Lebowitz, "La narración de cuentos como Planificación y Aprendizaje," Poética 14 (1985): 483-502.

Foto por Betsy Malcolm

Michael Lebowitz


La mecánica de la Creatividad


Autor:

Roger Schank

Roger C. Schank dirige el Instituto de las Ciencias del Aprendizaje en la Universidad Northwestern,donde también es John Evans, profesor de Ingeniería Eléctrica e Informática, Psicología y Educación. Anteriormente, fue presidente del departamento de Ciencias de la Computación en la Universidad de Yale y director del Proyecto de Yale Inteligencia Artificial. Además, fue Profesor Asistente de Lingüística y Ciencias de la Computación en la Universidad de Stanford.Schank tiene un doctorado en Lingüística de la Universidad de Texas en Austin. Él es el fundador de dos empresas, Compu-Teach, una empresa de software educativo y cognitivo Systems, una empresa especializada en el procesamiento del lenguaje natural. Un investigador de renombre internacional en la inteligencia artificial, Schank es el autor de numerosos artículos y libros, incluyendo dinámica de memoria ; Scripts, planes, metas y entendimiento con Robert Abelson, y lo cognitivo por ordenador y la actitud creativa con Peter Childers. Christopher Owens se dedica a la investigación en IA en el Laboratorio de Inteligencia Artificial de la Universidad de Yale, donde actualmente está terminando un doctorado Sus intereses principales están estudiando la organización de la memoria humana y la aplicación de los principios de la misma a la tarea de hacermáquinas inteligentes. Su trabajo se centra en la capacidad de las personas para volver a utilizar los viejos conocimientos para resolver nuevos problemas, en particular el tipo de conocimiento congelado, culturalmente compartida tipificado por el consejo de planificación dada en proverbios yadagios otros populares.

¿Qué es exactamente la creatividad? ¿Podría una máquina jamás ser creativo? Estas son preguntas psicólogos, filósofos y los investigadores de AI todos quisiéramos ser capaz de responder. Pero, ¿qué tipo de respuestas es lo que buscamos? La búsqueda de una definición filosófica rigurosa de la

http://www.kurzweilai.net/roger-schank

creatividad se ha sobrecargado de trabajo, y no tenemos la intención de proseguir ese curso aquí. Por otro lado, la redefinición de la cuestión en cuanto a la IA y la aplicación de métodos de investigación de Amnistía Internacional podría dar lugar a una nueva y útil clase de respuesta, o por lo menos un interesante conjunto de nuevas preguntas a considerar.

Una crítica persistente del trabajo de IA se ha centrado en argumentos como: "Por su propia naturaleza, una máquina podría nunca ser creativo." Desde un supuesto básico de trabajo en ciencias de la computación es que una máquina puede realizar cualquier tarea que se puede describir a través suficientemente normas específicas, las personas que hacen declaraciones como las anteriores significan que no hay reglas siempre se puede encontrar que representarán la creatividad y otros comportamientos esencialmente humano, de que hay algo inherentemente mística en estas habilidades que no se puede expresar a través de normas y procedimientos. O de lo que podría significar que, incluso si se pudo encontrar un conjunto de reglas y procedimientos de este tipo, una máquina que estaba obedeciendo a sólo parecería ser creativo. Su comportamiento, dicen, sería una especie de elaborada truco de salón, sino que estaría logrando su efecto simplemente engañándonos.

Pero a medida que los investigadores de IA y los científicos cognitivos, nuestro trabajo se basa en lasuposición de que las normas y los procedimientos que subyacen a la conducta humana pueden ser encontrados. Nuestro trabajo consiste en definir los problemas, de tal manera que se maximice nuestras posibilidades de tener éxito en este esfuerzo. Nuestro objetivo es llegar a una algorítmica definición de creatividad, un conjunto de procesos y los pasos que pueden dar cuenta de la clase de pensamiento creativo que se observa en las personas. Aunque la idea de un ser humano o una máquina que exhibe la creatividad, siguiendo una serie de reglas parece en la cara de ser una contradicción, esto no es necesariamente así. Si somos capaces de ponerse de acuerdo sobre algunos tipos de comportamiento que constituyen el pensamiento creativo y podemos desarrollar unmodelo algorítmico que da cuenta de estos comportamientos, entonces no tenemos una teoría algorítmica de la creatividad y, por tanto, un primer paso hacia máquinas creativas. Sea o no un filósofo estaría de acuerdo en que la máquina resultante creatividad verdaderamente encarnado es casi irrelevante para nosotros: las máquinas de construcción que actúan en formas que parecen ser creativo sería un paso lo suficientemente importantes como para llevar a cabo.

La creatividad es a menudo asociada con la resolución de problemas, la ciencia y las artes. La gente a menudo ven el pensamiento creativo como algo fuera de lo común, como un modo de razonamiento en el que completaron los pensamientos de repente vienen a la mente sin ser complementada, pensamientos tal vez que no tienen nada que ver con lo que el pensador estaba trabajando en el momento en que se produjo el pensamiento . A menudo, la gente asume implícitamente que la creatividad representa algún divina, inconsciente, u otra fuente de inspiración fuera del control de los procesos de pensamiento ordinarios de uno. Estudios de casos reales de la creatividad científica y artística, sin embargo, apoyan la idea de que la creatividad surge no de una fuente mística, sino de un cierto conjunto de habilidades cognitivas. No hay distinción de principio entre creativos y menos creativo pensando que no sea el grado en que se aplica este conjunto de habilidades. Personas altamente creativas simplemente tienen estas habilidades más desarrolladas que haga el menos creativo. ¿Cuál, entonces, estas son las habilidades cognitivas? ¿Cómo se utilizan? ¿Cómo podemos programar un ordenador para exhibirlas? Estas son preguntas que podemos estudiar con más provecho que el tipo de composición abierta de la pregunta, "¿Qué es la creatividad?" Con la que este capítulo se abrió.

En nuestra opinión, la habilidad cognitiva básica que subyace a la creatividad es la capacidad de inteligencia aplicar mal las cosas. Una solución creativa a un problema es uno que utiliza un objeto,técnica o herramienta de una manera útil y no habían sido descubiertos. Un trabajo creativo del arte,del mismo modo, podría usar un poco de material o la imagen de una nueva manera. Una pieza creativa de la investigación científica podría implicar, por ejemplo, la aplicación de un principio de

un campo a un problema en otro. En Yale estamos estudiando las habilidades cognitivas subyacentes de un tipo particular de conducta creativa, la creación de nuevas explicaciones para eventos inesperados. Explicación Es un tipo de resolución de problemas en los que el problema es de naturaleza mental: "¿Cómo puedo conectar esta nueva y extraña pieza de conocimiento con el resto de mi conocimiento para que todo tiene sentido", o "¿Qué patrón de acontecimientos hacer que sé de en la que puedo caber esta nueva realidad ".

Por supuesto, en esta definición, muchos tipos de conocimiento puede ser visto como una explicación, en la que todo el conocimiento consiste en la integración de nuevos hechos en los conocimientos existentes. Pero lo que nos interesa aquí es el tipo de explicación que requiere de un trabajo consciente, la explicación de los hechos que se encuentran en primera desconcertante. Este tipo de explicación puede requerir la búsqueda de una pieza que falta de conocimiento, o puede requerir encontrar alguna conexión causal nunca antes vista. A menudo, una explicación puede encontrarse al ver un objeto o evento como similar a otra de una manera que no se advirtió anteriormente, en otras palabras, al hacer y utilizar una novela analogía. Por ejemplo, cuando nos preguntamos a la gente en el laboratorio de Yale AI para tratar de explicar la inesperada muerte del éxito de tres años de edad, carrera de caballos Swale, un estudiante se le recordó la muerte de Jim Fixx, el corredor. Razonó que Swale fue como Fixx en que ambos participaron en la actividad vigorosa regular, y que posiblemente Swale, también como Fixx, tenía un defecto congénito del corazón.

Este tipo de razonamiento a partir de los ejemplos anteriores es muy importante para nuestro enfoque de la explicación. Aunque un sistema de comprensión posiblemente podría explicar cada nueva situación razonando a partir de primeros principios, el encadenamiento de todas las reglas y piezas de conocimiento que necesita para construir toda la explicación de los elementos pequeños, esto probablemente no sucede muy a menudo. Una razón es que la complejidad computacional de esta tarea es irrazonablemente grande. Otra es que las personas parecen ser capaces de utilizar remindings y razonamiento analógico para construir explicaciones: se puede utilizar la misma explicación una y otra vez para cubrir una amplia gama de situaciones similares y relacionados temáticamente.

Para un segundo ejemplo de este tipo de razonamiento, considere el uso popular de los refranes, quepuede ser visto como una especie de patrón abstracto muy usado por la gente para explicar situaciones desconocidas en una manera familiar. Cuando alguien de pie bajo la lluvia junto a su coche discapacitados y deseando haber tenido ese atraso de puesta a punto se analiza la situación diciendo "Una puntada a tiempo ahorra nueve", que ha puesto la situación en un contexto en el que el conocimiento sobre temas como la prevención y los malos efectos de no tomar precauciones disponible. El razonamiento causal representado dentro de este proverbio es disponible sin el esfuerzo de construir un análisis o explicación a partir de cero.

De una manera similar a la forma en la gente podría utilizar proverbios, nuestra tienda sistemas y reutilizar viejas explicaciones utilizando una estructura de conocimiento llamado Patrón Explicación o XP. Como un proverbio, un XP es una pieza congelada de razonamiento causal. Debido a que está diseñado para ser recuperada, modificado, y se aplica mediante un programa informático, que tiene los siguientes componentes básicos:

Una caracterización de un conjunto de situaciones a las que es probable que se aplican, por ejemplo,las muertes de deportistas

Una caracterización de un conjunto más amplio de situaciones a las que, incluso si no se aplica, es probable que sea lo menos relevante, por ejemplo, los malos resultados inesperados

Está explicando una descripción causalmente anotada del evento. Por ejemplo: En marcha implica un esfuerzo físico. El esfuerzo físico cepas del corazón. Forzando el corazón combinado con un

defecto del corazón puede causar un ataque al corazón. Un ataque al corazón puede causar la muerte.

Como estamos viendo explicación como una especie de solución de problemas, y desde una solución creativa a un problema es uno que utiliza un objeto, técnica o herramienta de una manera útil y no habían sido descubiertos, una explicación creativa es aquella que usa un XP en un novedosa y previamente unencountered. Si la idea básica de un sistema de explicación es seleccionar un XP relevante de la memoria y aplicarlo a un nuevo episodio, entonces la idea básica de un sistema de explicación creativa es aplicar mal inteligentemente XPs; probaría, si no XP pertinente se puede encontrar, para modificar y aplicar un XP que, aunque en un principio aparentemente irrelevante, sin embargo, podría tener alguna relación temática con el episodio que seha explicado.

La idea de utilizar cuasi accidentes es muy importante. A menudo la gente la creatividad asociada con una simple relajación de las restricciones sobre la recuperación y la coincidencia de patrones, con algún tipo de proceso aleatorio por el cual remindings extraños se pueden generar. Creatividad, de acuerdo con este punto de vista, consiste en ser tolerantes con remindings inadecuadas, en su lentitud para descartar una idea errónea. Pero que la tolerancia es sólo la mitad del proceso. Debido a la potencia de procesamiento es finito, la clave está en ser inteligentes acerca de la elección que XP inapropiado aplicar mal. La creatividad no consiste en forcejeo través de la memoria, de intentar una idea seleccionados al azar después de la siguiente, sino que se encuentra en la búsqueda de cuasi accidentes que son razonablemente cerca de la idea correcta y la fijación para que se ajusten.

Este enfoque pone una gran demanda de memoria, ya que la tarea de recuperación ya no es simplemente para encontrar el ajuste más cercano de entre una biblioteca de XPs (que la selección, por cierto, es una tarea importante en sí, y no es mi intención denigrar a su dificultad aquí). La tareade la memoria es ahora a fallar con gracia: para encontrar el ajuste más cercano, o si un ajuste estrecho no está disponible, para encontrar una falta cercana que sin embargo recoge algunos aspectos importantes y relevantes de la situación que se explica. Este tipo de falta cercana es el candidato más probable para su modificación.

Junto con un medio para conseguir conatos razonables, este enfoque también requiere que el sistema, cuando se presenta con un XP inadecuado, poder analizar lo que está mal con él y para seleccionar una estrategia de reparación adecuada en base a ese análisis. El estudiante que explica lamuerte de Swale en términos de Jim Fixx de sabía que Jim Fixx no era un caballo de carreras, que la explicación no se aplicaría directamente sin hacer la conexión entre un corredor y un caballo de carreras. La gente hace esto tan fácilmente que casi no pensamos en ello, sin embargo, la tarea es difícil. Esta modificación de XPs inapropiadas con el fin de adaptarlos a las nuevas situaciones, lo que hemos estado llamando "pellizcar," es fundamental para ser un explicador creativo.

Por consiguiente, nuestro algoritmo para la creatividad debe encarnar tres procesos: un medio para buscar a través de la memoria para los patrones aplicables que devuelve un conjunto razonable de cuasi accidentes, un medio para evaluar los cuasi accidentes y ver lo que está mal con ellos, y un medio para modificar los inapropiado patrones para adaptarse a la situación actual. Por supuesto, nada de esto a funcionar razonablemente bien, nuestro equipo creativo debe tener una rica memoria de hechos, experiencias y relaciones que pueden recurrir a puntos de partida para nuevas explicaciones. La búsqueda y la adaptación de los patrones es una estrategia razonable sólo si la biblioteca de patrones es lo suficientemente grande que los conatos de accidente serán, no obstante, tener por lo menos algo en común con el episodio está explicando. Nuestro cuarto requisito, por lo tanto, es tener una gran memoria y ricamente indexada de patrones de explicación y otros conocimientos adquiridos con la experiencia.¿Cómo estos patrones se aprenden es otro problema interesante para ser atacado.

Cortesía de Charles Martin, de la Universidad de Yale AI Lab

Roger Schank y Christopher Owens.

Cortesía de Carlos Martín del Laboratorio de Yale AI


Cuentos de Hadas


Prof. Allen Newell es el profesor de la UA y Helen Universidad Whitaker de Ciencias de la Computación en la Universidad de Carnegie-Mellon, donde ha estado desde 1961. Fue educado en la física (BS, Universidad de Stafford), Matemáticas (Universidad de Princeton), y administración industrial (Ph.D., 1957, Carnegie Institute of Technology). Él contribuyó a la aparición de la psicología cognitiva y la inteligencia artificial, a mediados de la década de 1950 y ha seguido haciendo contribuciones significativas a ellos desde entonces, muchos de ellos con Herbert Simon.Su investigación actual (con John Laird y Paul Rosenbloom) está en Soar, una arquitectura cognitiva general que encarna una teoría unificada de la cognición humana. También ha hecho importantes contribuciones a la lista de procesamiento, sistemas expertos, las estructuras informáticas, y la interacción humano-computadora. Él es el destinatario de la Asociación AM Turing Award de la Maquinaria de Computación (Herbert Simon) de, y Distinguido Premio a la Contribución Científica de la Asociación Psicológica Americana. Es autor o coautor de más de 250 artículos y 10 libros.

Érase una vez, cuando todavía era de alguna utilidad para desear lo que uno quería .... vivía un rey y

una reina que tenía una hija que era una maravilla para la vista, pero que nunca se echó a reír.

O tal vez:

vivía un viejo pescador por el lado del mar, que tenía apenas existen peces en él.

Si usted es como yo, usted ya está enganchado. Ya está listo para abandonar todo habla de asuntos actuales, de las computadoras y la tecnología electrónica, y establecerse en escuchar un cuento de hadas. Su atracción llega a casi todos nosotros.

Nos dejaron entrar en un mundo encantado. Magia abunda, aunque siempre de una manera especial. Animales hablan, y no sólo los animales, sino árboles y puentes también. Villainy está ahí,sin duda peligro. Hay pruebas que hay que superar, por lo general tres de ellos. Pero siempre hay unfinal feliz. El hechizo se ha roto, y la princesa sonríe y se casa con el joven que la hizo reír. El viejo pescador obtiene el Genio en la botella con la parte superior de. Y la felicidad es para siempre, lo que significa por lo menos por un rato.

Los expertos nos dicen que los cuentos de hadas son para la infancia. Contienen lecciones para las crisis de crecimiento, y su atracción universal viene porque tienen que ver con lo que es fundamental para este periodo universal en la vida: Como Hansel y Gretel, tenemos que salir de casa y encontrar nuestro propio camino. Al igual que la princesa con el rey rana, tenemos que aprender a cumplir con nuestra palabra y abrazar lo que encontramos feo y repugnante, para descubrir que contiene el deseo de nuestro corazón.

O como Jack, en la historia de la planta de frijoles, podemos traer a casa el tocino si perseveramos, incluso si nuestros padres no creo que pueda. Pero había algo más, si usted recuerda su Jack: En primer lugar, se escapó de regreso a casa con una bolsa de oro. Pero Jack y su madre utilizaron el oro, lo que demuestra que uno éxito no es suficiente. Luego hizo un segundo viaje a la planta de frijoles al castillo del gigante. Esta vez llegó a casa con la gallina mágica que pone huevos de oro. Ahora Jack tenía una tecnología para satisfacer las suyas y deseos de su madre. Pero aún así, las cosas materiales no son suficientes para la vida plena. Así que en su tercer viaje Jack trajo a casael arpa canto dorado, simbolizando las cosas superiores de la vida.

Los expertos no obstante, los cuentos de hadas son para todos nosotros. De hecho, esto es cierto sobre todo en los tiempos que corren. Para nosotros, todos nosotros, los niños con respecto al futuro. No sabemos lo que viene.El futuro es tan nueva y tan incomprensible, como la vida adulta esa los niños. Nos encontramos con problemas y miedo a los cambios que se producen en nosotros y en nuestra sociedad. Necesitamos la guía oculto de los cuentos de hadas que nos diga de las pruebasque debemos superar y asegurar que nos habrá un final feliz. Ya sea que los cuentos de hadas se hanescrito, el que habla al corazón de nuestras propias crisis para adultos no está clara. ¿Cómo podríamos nosotros, los hijos, a enterar? Tal vez tenemos que llevarnos bien con los cuentos de hadas que tenemos.

Pero aún más, los cuentos de hadas me parece que tienen una estrecha relación con la tecnología. Elobjetivo de la tecnología, cuando se aplica correctamente, es construir una tierra de las hadas.

Bueno, eso debería ser una sorpresa! El atuendo intelectual del académico moderno es cinismo. Como un seguidor en un gran rebaño, tan cierto como que soy un académico, soy un cínico. Sin embargo, yo sólo he pronunciado un sentimiento que es, en todo caso, directamente de Pollyanna.

En efecto, dentro del pequeño círculo de escritores que logran poner la tecnología y los cuentos de hadas entre las mismas portadas, el énfasis está siempre en lo negativo, en el lado oscuro. Las historias favoritas son aquellas que problemas:

• Como aprendiz de brujo, que aprende única magia suficiente para iniciar la escoba de la tecnología de acarrear agua desde el río Rin hasta la cisterna, pero que no pueden detenerlo.

• Al igual que el Genio en la botella, donde la historia nunca se le permite ir a la conclusión, en las mil y una noches, con el Jinni snookered en la botella, pero siempre se detiene con la Jinni colgandoen el aire y la cuestión junto con él-Can que alguna vez pusimos el Genio de vuelta? ¿O habrá sólo sería de tinta por todo el cielo hasta que las estrellas se apagan?

• Al igual que las muchas historias de los tres deseos mágicos, en los que, con la promesa infinita riqueza apenas para pedir, siempre se gastaron, por primera vez en la necedad, segunda en casos de desastre, y tercero en la recuperación bare. Recordemos la historia de del mono de la pata, que llegóa una pareja de ancianos Inglés. Su primer deseo era sólo 200 libras. Eso fue una tontería. Ellos perdieron un hijo, cuyo accidente los llevó una recompensa de 200 libras. El segundo deseo fue parael regreso de su hijo. Eso fue un desastre. Él volvió de la tumba, aunque apenas ileso. El tercer deseo era enviar a su hijo de vuelta a la tumba abierta, para tratar de recuperar para sí un mundo donde la vida pudo continuar.

Yo lo veo de otra manera. Veo al equipo que la tecnología encantado. Mejor, es la tecnología de encantamiento.Quiero decir que, literalmente, por lo que yo había explicar mejor.

Hay dos ingredientes esenciales en la tecnología informática. En primer lugar, es la tecnología de cómo aplicar el conocimiento a la acción para lograr los objetivos. Se proporciona la capacidad paraun comportamiento inteligente.Es por eso que procesamos los datos con las computadoras-para obtener respuestas para resolver nuestros problemas. Eso es lo que los algoritmos y programas de acción sobre congelados para alcanzar la temperatura ambiente cuando sea necesario.

El segundo ingrediente es la miniaturización de los sistemas físicos que tienen esta capacidad para la acción inteligente. Esto es lo que Angel Jordan, mi profesor co-Whitaker, nos ha estado diciendo acerca de su charla. Las computadoras son cada vez más pequeño y más barato, y más rápido, y másfiable, y demandando menos energía.Todo está cambiando juntos en la dirección correcta. Las cosasbuenas no comercian fuera contra los malos. Más velocidad no significa más dólares. Tamaño pequeño no significa menor fiabilidad. En cualquier fecha determinada, las compensaciones dolorosas esperados se sostienen, tal como hemos visto en la economía primaria. Cuesta más para comprar los circuitos más rápidos o los recuerdos más grandes. Pero vamos a volver al año y todo es mejor: más pequeño, más barato, más rápido, más fiable, y por menos de energía.

Así, la tecnología informática se diferencia de todas las otras tecnologías, precisamente, en la provisión de la capacidad de un mundo encantado: para pequeñas cajas que conforman sus formularios de impuesto sobre la renta para usted, para frenos que saben cómo parar en el pavimento mojado, para instrumentos que pueden conversar con su usuarios, por los puentes que velan por la seguridad de aquellos que los atraviesan, por las farolas que se preocupan por los que se quedan debajo de ellos-que conocen el camino, por lo que nadie debe perderse.

En resumen, la tecnología informática ofrece la posibilidad de incorporar un comportamiento inteligente en todos los rincones de nuestro mundo. Con él se podría construir una tierra encantada.

Todo muy bien, pero ¿qué pasa con el aprendiz de brujo? Dos medias falacias alimentan nuestro temor de que su pesadilla podría ser la nuestra. La primera media falacia es que las tecnologías son rígidos y no pensante. Inicie la escoba de transporte de agua, y lo hace precisamente eso y no otra cosa. Pero todo científico ordenador reconoce en el aprendiz de brujo simplemente un programa conun error en él, incluido en un sistema operativo de la primera generación sin una función de botón de pánico. Incluso con nuestros sistemas informáticos hoy en día, las cosas malas que son, por ejemplo looping equivocación-bus ya no es un fantasma.

Exactamente lo que el ordenador proporciona es la capacidad de no ser rígido y sin pensar, sino más

bien a comportarse de forma condicional. Eso es lo que significa para aplicar el conocimiento a la acción: que significa dejar que las medidas adoptadas reflejan el conocimiento de la situación, que aveces de esta manera, a veces de que, según el caso. Con una pequeña cantidad de la tecnología-quela computadora es, con pequeñas cantidades de memoria y pequeñas cantidades de la transformación, por la toma de que a menudo no puede ser lo suficientemente condicional. Eso es ciertamente la historia de las primeras décadas de la revolución informática.Era demasiado caro y participa demasiada complejidad para crear sistemas con suficiente condicionalidad. No sabíamos cómo y no podrían haber otorgado si lo hicimos. En consecuencia, muchas aplicaciones eran rígidose irreflexiva. Era en efecto un aprendiz de brujo que parecía para ejecutar el servicio de facturación computarizada.

La importación de la miniaturización es que al final vamos a ser capaces de tener la capacidad suficiente para la condicionalidad en un pequeño espacio suficiente. Y la importación de nuestro estudio científico de las computadoras es que vamos a saber cómo hacer que toda la condicionalidad funciona para nosotros. A continuación, las escobas del mundo sí pueden saber lo suficiente para parar cuando las cosas van mal.

La segunda mitad falacia detrás de aprendiz de brujo es que las tecnologías por su naturaleza extraen un precio demasiado alto. Este es un mensaje de la literatura reciente de la ecología política:Nuestras tecnologías inevitablemente exigen que utilicemos nuestro precioso mundo. No es más bien abundante evidencia para esta vista. Aquí, en el oeste de Pennsylvania, el precio pagado en el encanto de nuestros paisajes para tomar nuestro carbón por minería a cielo abierto es demasiado evidente. Menos en nuestra conciencia, porque era tan profundo, fue lo que le hicieron a los registradores de Pennsylvania occidental. No una vez, sino tres veces, dentro de los cuarenta años ellos barrieron las laderas casi desnudas. El aliento abrasador de un dragón difícilmente podría haber hecho mejor para desolación.

Pero no todo es inevitable. Ecológicamente, la tecnología informática en sí es casi mágica. El mejorse pone, menos de nuestro entorno que consume. Es limpio, discreto, consume poca energía y poco material. Por otra parte, a medida que empujamos a los picos más altos de velocidad y la memoria, se hace más de todas estas cosas. Por motivos técnicos profundos que tiene que ser. No hay manera de obtener enormes cantidades de potencia de procesamiento mediante la congelación de la tecnología con algún costo en dólares, materiales y energía por unidad de cálculo y luego simplemente comprando más y más de ello, el consumo de nuestra riqueza y nuestro medio ambiente. En cambio, durante mucho tiempo por venir, a medida que más y más de ella, menos se va a afectar el medio ambiente.

Aún más, el ordenador es exactamente la tecnología que nos permita hacer frente de forma inteligente con el uso de nuestros recursos. Una vez más, y facilitarnos la inteligencia distribuida, puede dejar a llevar un registro del uso y abuso de nuestro medio ambiente. Y no sólo de la destrucción que nosotros mismos visitamos en nuestro mundo, pero también lo que hace la naturaleza también. Monte Vesubio apenas se obliga por las ordenanzas contra la contaminación pegados en las paredes de la antigua Pompeya.

En resumen, la tecnología puede ser controlada, especialmente si está saturado de inteligencia para vigilar cómo va, a llevar una contabilidad, para evitar errores y para brindar la sabiduría para cada decisión. Y estos guardianes de nuestro mundo, estos informativo magia enanos, no es necesario extraer un precio demasiado alto.

Pero yo le dije que el miedo a la difícil situación de aprendiz de brujo se guió por medio-falacias. Yo no descarto la visión totalmente. Porque, por supuesto, en los cuentos de hadas no son grandes pruebas que se deben realizar antes de que el final feliz. Grandes peligros deben ser encontrados y superados. Porque, además, en los cuentos de hadas, el héroe (o heroína), el que logra

finalmente la terminación-debe crecer feliz en la virtud y madurar en la comprensión. No hay villanos deberá tramitar un papel central. El cuento de hadas que estoy hilando indirectamente aquí no se hará realidad de forma automática. Tenemos que ganarlo.

¿Dónde estamos ahora? No estamos en el final de la historia, a pesar de que somos sin duda al final de mi charla.De hecho, el cuento de hadas es apenas más allá de su "Érase una vez". Aún así, me gustaría afirmar que la ciencia y la tecnología informática son la materia de la que el futuro de la tierra de hadas se puede construir. Mi fe es que los ensayos se puede soportar con éxito, incluso paranosotros los niños que temen que no somos tan sabios como tenemos que ser. Podría recordar, por cierto, que el héroe no tiene que hacerlo todo por su cuenta. Prometeo no es el personaje central de cualquier cuento de hadas, sino de un mito trágico. En los cuentos de hadas, magia amigos sostienen nuestro héroe y ayudar a superar los gigantes y las brujas que lo acosan.

Cortesía de Allen Newell


A Tecnología de la Liberación


Autor:

George Gilder

George Gilder es el autor de ocho libros sobre temas de tecnología y la sociedad, entre ellos la Riqueza y la Pobreza (1981) y El Espíritu de Empresa (1983), ambos best sellers. Su libro más reciente es Microcosmos (1989), una historia y la profecía de la edad de microchips VLSI. Gilder esun colaborador habitual del diario Wall Street Journal y vive en Tyringham, Massachusetts con su esposa, cuatro hijos y cuatro computadoras.

Los futuristas han visto por mucho tiempo los ordenadores como aliado crucial de Gran Hermano en el camino hacia 1984, escalofriante visión de George Orwell de la tecnocracia. Colocado sobre pedestales en las aulas de informática centrales de las grandes instituciones, las computadoras eran grandes, caros y arcano. No entendían Inglés; utilizarlas, usted tuvo que aprender lo que se llamaban sus lenguajes de alto nivel. Como un experto predijo: "Habrá una pequeña sociedad, casi independiente de las personas en relación con las máquinas de avanzada." Esta élite tiende a controlar el estado y dominar las palancas fundamentales de la economía.

El año 1984 vino y se fue, y las profecías de 1984 se cumplieron sólo en las pesadillas y los gulags totalitarios. Una de las principales razones para el fracaso de la profecía fue el éxito de la tecnologíainformática. En contra de todas las predicciones sombrías, máquinas inteligentes empoderan

http://www.kurzweilai.net/george-gilder

individuos en vez de las grandes instituciones, extender el poder en lugar de centralizar ella.

Crucial para el impacto liberador de las computadoras era la naturaleza misma de la tecnología informática. En volumen, cualquier cosa en un chip es barato. Pero ascender en la jerarquía desde elchip a la placa de circuito a la red y al sistema de telecomunicaciones, las interconexiones entre los componentes crecen exponencialmente más caros. Así que una primera ley de la tecnología consisteen concentrar los componentes y conexiones-y calcular así el poder-en chips individuales. Componentes concentrándose en un chip no sólo mejoraron su velocidad y eficacia, pero también enormemente redujeron su precio. Por último, en la forma del microprocesador, la computadora en un chip cuesta unos pocos dólares y supera a la computadora en un pedestal. En lugar de empujar el control hacia el Gran Hermano en la parte superior, ya que los expertos predijeron, la tecnología, por su propia naturaleza, en constante tirado poder a la gente. El beneficiario final, el individuo con un ordenador o estación de trabajo, obtuvo poderes de la creación y la comunicación más allá de los reyes de la antigüedad.

El individuo no sólo era el heredero al trono de la tecnología, sino que también fue su principal creador. Aunque posible gracias a las innovaciones de hardware de todo el mundo, el paso a pequeñas computadoras fue principalmente una revolución americana impulsada por la invención de un nuevo software. Tan rápido como los japoneses y otros podrían ampliar la capacidad de memoria de los ordenadores, los empresarios estadounidenses les llenan de programas útiles. Unos 14 mil nuevas empresas de Estados Unidos, muchos de ellos liderado por los adolescentes y los hackers de la universidad, puso en marcha una amplia gama de paquetes de software y cambiar el equipo desde una herramienta arcano de las élites a un aparato popular. Como resultado de este programa, que van desde hojas de cálculo y procesadores de texto a las bases de datos y los juegos de video, los Estados Unidos fue pionero y propagó el uso de las computadoras pequeñas, y la participación en el mercado mundial de software EE.UU. aumentó de menos de dos tercios de más de tres cuartos.

Los analistas se centran en proyectos de la quinta generación de ordenadores y sistemas de mainframe y supercomputadores descartan estos ordenadores personales como juguetes. Lo mismo hicieron los expertos de IBM hace unos años. Pero, al mismo tiempo que los Estados Unidos se trasladó masivamente a las microcomputadoras, sistemas pequeños subieron muy por delante en comportamiento de los precios. En términos de costo por MIPS (millones de instrucciones por segundo), los nuevos ordenadores personales son una increíble noventa veces más rentable que los mainframes. Con la capacidad cada vez mayor para la interconexión de estas máquinas en las redes y los utilizan en configuraciones paralelas que producen un rendimiento de mainframe, microordenadores están ganando rápidamente cuota de mercado frente a las grandes máquinas.

Una vez que cree que es un bastión de la computación burocrática, la propia IBM se ha convertido en una fuente principal de la redistribución de la potencia de los ordenadores. Como las máquinas de IBM se hacen más pequeños y más baratos y más accesibles al público, también se vuelven más eficaces y más flexibles. La tendencia va a continuar. Según Ralph Gomory, director científico de IBM, las limitaciones de las interconexiones significar que los superordenadores del futuro tendrán que concentrarse en un espacio de tres pulgadas cúbicas.La revolución industrial impuso las economías de escala, pero la revolución de la información impone economías de microescala. La potencia del ordenador recae continuamente en las manos y en las últimas vueltas de los individuos.

El avance en el microcosmos está acelerando. Impulsando es una convergencia de tres importantes desarrollos en la industria, la evolución que una vez más se dispersan el poder antes que centralizan ella. La primera es la inteligencia artificial, dando a las computadoras poderes elementales de la vista, el oído y el sentido común. Es cierto que algunos de estos dispositivos AI todavía lo hacen un trabajo bastante limitado. Se ha dicho que la industria de la computación prosperó por hacer bien lo que los seres humanos hacen mal. La inteligencia artificial a menudo parece prosperar haciendo mal

lo que hacen los seres humanos también. Pero se puede entender la importancia de los avances AI imaginando que es sordo, mudo y ciego. Si alguien le dio un dispositivo que te permitía ver y oír, incluso mal, tú le honran como un nuevo Edison. La tecnología informática ha sido esencialmente sordo, mudo y ciego. Accesible sólo a través de los teclados y los sensores primitivos y programable sólo en matemáticas binarias, las computadoras quedaron emparedados en su mayoría en sus torres digitales. La inteligencia artificial promete mejorar considerablemente la accesibilidad de las computadoras para el lenguaje humano, la imaginación y la experiencia. Así que el equipo puede seguir dejando las torres de marfil y las élites de procesamiento de datos detrás y abrirse a lasnecesidades de los individuos no entrenados y discapacitados, permitiendo incluso a los ciegos leer y las personas con discapacidad a escribir.

El segundo avance importante es el compilador de silicio. Así como un compilador de software convierte los lenguajes de alto nivel en los bits y los bytes que una computadora pueda entender, el compilador de silicio convierte diseños y funciones de chips de alto nivel en los polígonos de intersección de una disposición real chip.Esta tecnología permite que el diseño completo de los circuitos integrados en un equipo, desde el concepto inicial hasta el silicio final. Para entender el impacto de este desarrollo, se imaginan que las empresas de impresión esencialmente escribió todoslos libros. Esta era la situación en el sector de la informática: el fin al autor de un chip, que básicamente tenía que poseer una planta de fabricación de semiconductores (una imprenta de silicio), que cuestan entre $ 50 y $ 200 millones para construir a una escala rentable. Pero con los compiladores de silicio y equipo relacionado, cualquier persona con conocimientos informáticos con una estación de trabajo de $ 20,000 puede ser autor de un nuevo circuito turístico integrado adaptado exactamente a sus necesidades. Si se necesita la producción en masa, las empresas de semiconductores de todo el mundo competirán para imprimir su diseño en las mejores salas limpias del mundo. En un movimiento profético unas pocas empresas son ahora incluso introduciendo formas de edición electrónica de silicio. Por $ 3 millones, por ejemplo, Lasarray vende módulos de fabricación que hacen todos los pasos de producción esenciales de grabado del diseño para el montaje de las fichas. Dallas Semiconductor adquirió una instalación avanzada nuevo chip de decisiones por $ 10 millones. Al contrario de los análisis de los críticos, la industria no está haciendo más intensiva en capital. Medido en términos de costes de capital por el funcionamiento del dispositivo (la inversión necesaria para entregar valor al cliente) la industria es cada vez más barato para entrar. El compilador de silicio y tecnologías relacionadas se mueve el poder de las grandes corporaciones para diseñadores y empresarios individuales.

El tercer paso clave es el abandono generalizado de la arquitectura de computadores von Neumann largamente acariciado con su sola unidad central de procesamiento, memoria independiente, y el paso de entrada y recoger las cosas ellos conjuntos de instrucciones. El reemplazo de esta arquitectura son sistemas paralelos masivos con miles de potenciales procesadores trabajando a la vez. Este cambio en la arquitectura de las computadoras parece al abandono de procesamiento centralizado en la mayoría de las grandes empresas. En los últimos usuarios tenían que alinearse fuera de la sala central de proceso, presentar su trabajo a los expertos en procesamiento de datos, y luego esperar horas o días para que se haga. Tareas hoy están dispersos a miles de escritorios y realizan simultáneamente. La nueva arquitectura de procesamiento paralelo rompe el cuello de botella similar de la unidad central de procesamiento en el corazón de cada ordenador. Permite que el propio ordenador funcione como un moderno sistema de información corporativa, con varias operaciones de todos los que ocurren simultáneamente en toda la empresa, en lugar de como una vieja jerarquía de tratamiento de la información corporativa, lo que obligó a la gente a perder el tiempo en las colas a la espera de acceso a la computadora central de la empresa.Prometiendo un enorme aumento en la rentabilidad de la computación, procesamiento paralelo barato traer el rendimiento superordenador a los individuos.

Cualquiera de estos avances por sí sola no traería los avances radicales que ahora están en perspectiva. Pero todos juntos van a aumentar la eficiencia del equipo en un factor de miles de

personas. Carver Mead, de Caltech, un pionero en los tres de estos nuevos campos, predice un avance de 10.000 veces en la rentabilidad de las tecnologías de la información en los próximos diez años. El uso de los compiladores de silicio para crear los chips masivamente paralelo para realizar hazañas de la inteligencia artificial va a transformar la industria de la informática y la economía mundial.

Un producto ejemplar de estas invenciones convergentes es el reconocimiento de voz. Tecnología talkwriter Discrete-discurso ya los comandos de vocabularios disponibles de casi cien mil palabras, vocabularios activos en las decenas de miles, los algoritmos que se adaptan a los acentos específicosde aprendizaje, y las velocidades de operación de más de 40 palabras por minuto. Para alcanzar estavelocidad y capacidad combinada con la capacidad de reconocer el habla continua en arquitecturas de computadores convencionales requeriría unos cuatrocientos MIPS (millones de instrucciones porsegundo). Sin embargo, el nuevo equipo de reconocimiento de voz funcionará a través de computadoras personales y costará sólo unos $ 5000. Eso es sólo $ 15.00 por MIPS.Mainframes IBM cobran unos $ 150.000 por MIPS, y los más eficientes de uso general pequeños ordenadores cobran unos $ 3,000 por MIPS. Mediante el uso de los chips paralelos adaptados específicamente para procesar la avalancha enigmático de la palabra humana, estas máquinas pueden aumentar el costo-efectividad de la computación en un factor de cientos.

El talkwriter es sólo uno de los cientos de tales productos. Tecnologías viene aumentará la eficiencia de la simulación por ordenador en un factor de miles de personas, mejorar radicalmente laeficacia de la visión artificial, crear mejorado dramáticamente modos de síntesis de la música, proporcionar nuevos avances en prótesis quirúrgicas, abre un mundo de información a las personas en cualquier parte del mundo, todo a precios inimaginables hace tan sólo tres años. Como los precios bajan, los nuevos sistemas de información se convirtieron inevitablemente tecnologías personales, utilizados y extendidos por individuos con computadoras personales.

Con una tensión creciente en software y diseño en lugar de en el hardware y los materiales, la industria informática simboliza la era de la información. El poder real y el valor añadido en la era moderna no reside en las cosas, sino en los pensamientos. El chip es un medio, como un disquete, una película de 35 milímetros, un disco fonográfico, una cinta de vídeo, un disco compacto, o incluso un libro. Todos estos dispositivos cuestan unos pocos dólares para hacer, todos se venden por cantidades determinadas por el valor de su contenido: los conceptos y las imágenes que ellos llevan. Lo importante no es el medio sino el mensaje.

Microchip empresario Jerry Sanders declaró una vez que los semiconductores serían "el aceite de los años ochenta." Algunos analistas temen ahora que las empresas gigantes se conspirar para cartelizar la producción de chips como la OPEP de petróleo una vez monopolizado. Ellos predicen que para dominar la tecnología y suministros de fabricación avanzada, unas pocas empresas obtendrán las llaves del reino de la inteligencia artificial y otras tecnologías de la información. Sin embargo, a diferencia de aceite que es una sustancia extraída de la arena, las tecnologías de semiconductores se escriben en la arena, y su sustancia es ideas. Decir que grandes conglomerados se hará cargo de la industria de la información, ya que tienen las fábricas de chips más eficientes o el silicio puro es como decir que los canadienses dominan la literatura universal, ya que tienen los árboles más altos.

En contra de todos los miedos y las profecías, las nuevas tecnologías permiten a los empresarios para economizar en capital y mejorar su eficiencia, mezcla de arena y las ideas para generar nueva riqueza y oportunidades para hombres y mujeres en cualquier parte del mundo. El efecto principal se puede resumir en una simple máxima, un cliché canosa: el conocimiento es poder. La mayoría delas personas están de acuerdo en que esta declaración transmite una verdad importante. Hoy, sin embargo, el conocimiento no es más que una fuente de poder, sino que es supremamente la fuente de poder. La diferencia es crucial. Si el conocimiento es poder en este sentido vital, significa que

otras cosas no son el poder. Las otras cosas que ya no confieren el poder, o radicalmente menos energía que antes, se incluyen todas las metas y los sueños de todos los tiranos y los déspotas de los siglos: Poder sobre los recursos naturales, territorio, mano de obra militar, impuestos nacionales, losexcedentes comerciales y nacional monedas.

En una época en que los hombres pueden inscribir nuevos mundos en los granos de arena, territorios particulares han perdido su importancia económica. No sólo son los recursos naturales enel suelo disminuyendo rápidamente en valor relativo, pero las empresas y el capital por encima del suelo pueden fácilmente recoger y dejar. Los mercados de capitales son ahora globales, los fondos pueden moverse por todo el mundo, corriendo a través de cables de fibra óptica, y rebotar en los satélites a cerca de la velocidad de la luz. Personas-científicos, trabajadores y empresarios pueden dejar a la velocidad de un 747, o incluso un Concorde. Las empresas pueden mover en semanas. Los hombres ambiciosos ya no se quedan quietos para ser esquilmado o explotado por los burócratas.

La era de las computadoras es la época de la persona y la familia. Los gobiernos no pueden tomar elpoder por la toma de control o aumentar los impuestos, mediante la movilización de los hombres o amontonamiento de superávits comerciales, apoderándose de territorio o robar la tecnología. En el mundo moderno, incluso los esclavos son inútiles: esclavizan a sus propietarios a los sistemas de la pobreza y la decadencia. La nueva fuente de riqueza nacional es la libertad de las personas creativasen el control de la tecnología de información. Este cambio no es más que una ganancia para unos pocos estados industriales avanzados. Todo el mundo se beneficiará de la creciente impotencia del imperialismo, el mercantilismo, y el estatismo. Todo el mundo se beneficiará de la sustitución del juego de suma cero de un conflicto territorial con el aumento de los espirales de la ganancia de la difusión de ideas. Las ideas no se agotan a medida que se utilizan, sino que extienden el poder, ya que se comparten. Ideas comienzan eventos como subjetivas y siempre surgen en las mentes individuales y en última instancia reposan en ellas. El movimiento hacia una economía de la información, inevitablemente, significa un movimiento hacia una economía global de individuos y familias. Instituciones colectivas sólo sobrevivirán en la medida en que puedan servir a los hombresy mujeres que las integran.

Foto por Jonathan Becker

La edad de las máquinas inteligentes |

Pueden pensar las máquinas?

21 de febrero 2001

Autor:

Daniel DennettLa "luz interior, de esa manera privada que está contigo que nadie más puede compartir ... es para siempre fuera de los límites de la informática", argumenta el filósofo Dennett. Desde revolucionario libro de Ray Kurzweil La era de las máquinas inteligentes, publicado en 1990.

Artes y Profesor Distinguido de Ciencias y Director, El Centro de Estudios Cognitivos de la Universidad Tufts.

Originalmente publicado en 1990

¿Pueden pensar las máquinas? Este ha sido un enigma para los filósofos desde hace años, pero en sufascinación por las cuestiones conceptuales puras que tienen en su mayor parte por alto la importancia social real de la respuesta.

Es de una importancia más que académica que aprendamos a pensar con claridad acerca de los poderes cognitivos reales de los ordenadores, ya que ahora se están introduciendo en una variedad de roles sociales sensibles, donde se ponen a la prueba definitiva de sus poderes: en una amplia variedad de áreas, que están a punto de hacernos dependientes de sus facultades cognitivas. El elenco de sobreestimar ellos podrían ser enormes.

Uno de los principales inventores de la computadora fue el gran matemático británico Alan Turing. Fue él quien primero descubrió, en términos muy abstractos, la forma de diseñar un dispositivo de computación programable, lo que hoy llamamos una máquina universal de Turing.

Todos los equipos programables en uso hoy en día están en las máquinas de Turing esencia. Hace unos cuarenta años, en los albores de la era de la informática, Turing comenzó un artículo clásico "Computing Machinery and Intelligence" con las palabras "me propongo examinar la cuestión," ¿Pueden pensar las máquinas? '"Pero luego pasó a decir que esto era una mala pregunta, una pregunta que sólo conduce a un debate estéril y el regateo sobre las definiciones, una pregunta, como él mismo dijo, "demasiado insignificante para merecer discusión". 1

En su lugar lo sustituyó lo que él consideraba una cuestión mucho mejor, una pregunta que sería responsable quebradizo e intuitivamente satisfactorio en todos los sentidos un sustituto aceptable para el rompecabezas filosófico con el que comenzó.

En primer lugar se describe un juego de salón de clases, el juego de imitación, que se jugará por un hombre, una mujer, y un juez (de cualquier sexo). El hombre y la mujer están ocultos a la vista del juez, pero son capaces de comunicarse con el juez por teletipo; tarea del juez es adivinar, después deun período de cuestionamiento cada concursante, que el interlocutor es el hombre y que la mujer.

El hombre trata de convencer al juez de que es la mujer, y la mujer trata de convencer al juez de la verdad. El hombre gana el juez toma la identificación equivocada. Un poco de reflexión convenceráa usted, estoy seguro, que aparte de golpes de suerte, que tomaría un hombre inteligente como para convencer al juez de que era la mujer-en el supuesto de que el juez es inteligente también, por supuesto.

Ahora supongamos, Turing dijo, reemplazamos el hombre o la mujer con un ordenador y dar al juez

http://www.kurzweilai.net/daniel-dennett

la tarea de determinar qué es el ser humano y que es el ordenador. Turing propuso que cualquier equipo que pueda parir con regularidad o frecuencia que un juez exigente en este juego sería inteligente, un equipo que piensa que, más allá de cualquier duda razonable.

Ahora bien, es importante tener en cuenta que si esta prueba falla, no se supone que es un signo de falta de inteligencia. Muchas personas inteligentes, después de todo, podrían no estar dispuestos o en condiciones de jugar el juego de la imitación, y debemos permitir que los equipos de la misma oportunidad de negarse a demostrar su valía. Esta es, entonces, una prueba de un solo sentido; no seprueba nada.

Por otra parte, Turing no estaba comprometiendo a la vista (aunque es fácil ver cómo se podría pensar que era) que pensar es pensar como un ser humano-más de lo que estaba cometiendo el mismo a la opinión de que para un hombre para pensar, debe pensar exactamente igual que una mujer. Hombres, mujeres, y los ordenadores pueden todos tienen diferentes formas de pensar.

Pero, sin duda, pensó, se puede pensar en el propio estilo peculiar suficientemente bien como para imitar a un hombre o una mujer de pensamiento, uno puede pensar bien, por cierto. Este ejercicio imaginario ha llegado a ser conocido como la prueba de Turing.

Es una triste ironía que la propuesta de Turing ha tenido exactamente el efecto opuesto en la discusión de lo que pretendía. Turing no diseñó la prueba como una herramienta útil en la psicología científica, un método para confirmar o desconfirmando teorías científicas o la evaluaciónde los modelos particulares de la función mental, sino que lo diseñó para ser nada más que un tapón de la conversación filosófica.

Propuso, en el espíritu de "Poner o callarse", una prueba simple para pensar que es sin duda lo suficientemente fuerte como para satisfacer al escéptico más severa (o eso creía). Él estaba diciendo, en efecto, que en vez de discutir interminablemente acerca de la naturaleza última y la esencia del pensamiento, todos debemos estar de acuerdo que todo lo que la naturaleza es, cualquiercosa que pueda pasar esta prueba seguramente tendría ella; entonces podríamos recurrir a preguntar cómo o si alguna máquina podría ser diseñado y construido que pueda pasar la prueba en buena lid.

Por desgracia, los filósofos, los aficionados y profesionales, han tenido lugar la propuesta de Turing como pretexto para la clase de regateo de definición y discusión interminable sobre contra-ejemplosimaginarios que él tenía la esperanza de sofocar.

Esta preocupación de cuarenta años con la prueba de Turing ha sido aún más lamentable, ya que se ha centrado la atención en los temas equivocados. Hay vida real los problemas que se revelan al considerar las fortalezas y debilidades de la prueba de Turing, pero estos han sido ocultados detrás de una cortina de humo de las críticas equivocadas. El hecho de no pensar con imaginación acerca de la prueba de hecho propuesto por Turing ha llevado a muchos a subestimar su gravedad y confundirla con propuestas mucho menos interesantes.

Así que primero les quiero mostrar que la prueba de Turing, concebido como él la concebía, es (como él pensaba) lo suficientemente fuerte como una prueba de pensamiento. Desafío a cualquiera a mejorarlo. Pero aquí está el punto casi universalmente ignorado por la literatura: hay un común la mala aplicación de la prueba de Turing, que a menudo conduce a la drástica sobreestimación de los poderes de los sistemas informáticos realmente existentes.Las locuras de este tipo conocido de pensar sobre las computadoras mejor pueden ser llevados a cabo por un nuevo examen de la prueba de Turing en sí.

La idea que subyace en la prueba de Turing es la misma visión que inspira la nueva práctica entre las orquestas sinfónicas de la realización de audiciones con una pantalla opaca entre el jurado y el músico. Lo que importa en un músico es, obviamente, la habilidad musical y sólo la habilidad

musical, características tales como el sexo, la longitud del pelo, color de la piel, y el peso están estrictamente irrelevante. Dado que los jurados podrían estar sesgadas, incluso inocentemente y sin saberlo, por estas características irrelevantes, que son cuidadosamente seleccionados de modo que sólo la característica esencial, la maestría musical, puede ser examinado.

Turing reconoció que la gente podría estar sesgados de manera similar en sus juicios de la inteligencia en función de si el concursante tenía la piel suave, la sangre caliente, los rasgos faciales, las manos y los ojos, lo cual, obviamente, no son ellos mismos los componentes esenciales de la inteligencia. Así que ideó una pantalla que le permitirá a través de sólo una muestra de lo que realmente importaba: la capacidad de entender y pensar inteligentemente acerca, retando a los problemas.

Tal vez se inspiró en Descartes, quien en su Discurso del método (1637) argumenta convincentemente que no había prueba más exigente de la mentalidad humana que la capacidad de mantener una conversación inteligente: "De hecho, es posible que una máquina podría ser de igual forma que sería pronunciar palabras, e incluso palabras consignar en la presencia de actos físicos u objetos que causan algún cambio en sus órganos, como, por ejemplo, se tocó de alguna manera detectar que iba a preguntar lo que quería decir a ella, y en otra, que lloraba de que estaba herido, y así sucesivamente para cosas similares. Pero nunca podría modificar sus frases para responder al sentido de lo que se dijo en su presencia, ya que incluso los hombres más estúpidos pueden hacer. "2

Esto parecía obvio para Descartes en el siglo XVII, pero por supuesto, las máquinas más elegantes que él sabía que eran cifras elaborado mecanismo, no a los equipos electrónicos. Hoy en día está lejos de ser obvio que este tipo de máquinas son imposibles, pero el presentimiento de Descartes de que la conversación ordinaria sería poner una tensión tan grave en la inteligencia artificial como cualquier otra prueba fue compartida por Turing. Por supuesto, no hay nada sagrado en el juego conversacional particular elegido por Turing para su prueba, es sólo una prueba astutamente elegidode la inteligencia general.

El supuesto Turing estaba preparado para hacer era esto: Nada podría pasar la prueba de Turing, al ganar el juego de imitación, sin ser capaz de realizar un número indefinido de otras acciones claramente inteligentes. Llamemos a este supuesto la asunción rápida-sonda.

Turing se dio cuenta, como cualquiera lo haría, que hay cientos y miles de decirle signos de pensamiento inteligente para ser observados en nuestros semejantes, y uno podía, quería, compilar una inmensa batería de diferentes pruebas para ensayar la capacidad para el pensamiento inteligente. Pero el éxito en su examen elegido, pensó, sería altamente predictivos del éxito en muchas otras pruebas intuitivamente aceptables de inteligencia.

Recuerde que el fracaso en la prueba de Turing no predice el fracaso de esos otros, pero el éxito seguramente predecir el éxito. Su prueba era tan grave, pensó, que nada de lo que podría pasar en buena lid nos decepcionaría en otros trimestres. Tal vez no haría todo lo que esperábamos-tal vez noapreciaría ballet, entender la física cuántica, o tener un buen plan de paz en el mundo ahora, pero había todo ver que era sin duda uno de los inteligentes, las entidades de pensar en el barrio.

¿Es esta alta opinión de los tests de Turing severidad equivocadas? Ciertamente, muchos han pensado así, pero por lo general porque no se han imaginado la prueba con suficiente detalle, y por lo tanto han subestimado.Tratando de anticiparse a ese escepticismo, Turing imaginó varias líneas de cuestionar que un juez podría emplear en este juego que sería gravar hecho líneas acerca de cómo escribir poesía o jugar al ajedrez. Sin embargo, con treinta años de experiencia con los talentos reales y debilidades de las computadoras detrás de nosotros, tal vez podamos añadir algunas líneas más duras de interrogatorio.

Terry Winograd, un líder en los esfuerzos de AI para producir la capacidad de conversación en una

computadora, llama la atención sobre un par de frases. 3 Se diferencian en una sola palabra. La primera frase es la siguiente: "El comité le negó al grupo un permiso del desfile porque defendían laviolencia." Aquí está la segunda frase: ". El comité le negó al grupo un permiso del desfile porque tenían miedo de la violencia"

La diferencia es sólo en el verbo "defendido" o "temido." Como Winograd señala, el pronombre "ellos" en cada frase es oficialmente ambigua. Ambas lecturas del pronombre son siempre legales. Por lo tanto, podemos imaginar un mundo en el que las comisiones gubernamentales encargadas de desfile permite apología de la violencia en las calles y, por alguna extraña razón, lo utilizan como su pretexto para negar un permiso de armas. Pero la lectura natural, razonable, inteligente de la primera frase es que es el grupo que abogaba por la violencia, y de la segunda, que es el comité que temen a la violencia.

Ahora oraciones como esta están incrustados en una conversación, el equipo debe averiguar qué se entiende la lectura del pronombre, es para responder de forma inteligente. Pero meras reglas de la gramática o el vocabulario no solucionará la lectura correcta. Lo que fija el derecho de leer para nosotros es el conocimiento acerca de la política, las circunstancias sociales, comités y sus actitudes, grupos que quieren desfile, la forma en que tienden a comportarse, y similares. Uno debe saber sobre el mundo, en definitiva, de dar sentido a una frase.

En la jerga de la inteligencia artificial, un ordenador conversacional necesita mucho conocimiento del mundo para hacer su jab. Pero, al parecer, de alguna manera está dotado de que el conocimiento del mundo sobre muchos temas, debería ser capaz de hacer mucho más con que el conocimiento delmundo que simplemente tiene sentido de una conversación que contiene sólo esa frase.

La única manera, al parecer, por una computadora para eliminar la ambigüedad de la frase y seguir el ritmo de su extremo de una conversación que utiliza esa frase sería para que tenga una capacidad mucho más general para responder de manera inteligente a la información sobre las circunstancias sociales y políticas, y muchos otros temas. Por lo tanto, este tipo de sentencias, por poner una demanda de este tipo de habilidades, son buenas sondas rápidas. Es decir, se hacen pruebas para unacompetencia más amplia.

La gente por lo general ignoran la perspectiva de tener el juez hacer preguntas fuera de la pared en la prueba de Turing, y por lo tanto subestimar la competencia un equipo tendría que tener que pasar la prueba. Pero recuerde, las reglas del juego de imitación de Turing como lo presentaron permitir aljuez que preguntarle cualquier cuestión que pudiera plantearse de un ser humano-no todo vale. Supongamos, entonces, le damos un concursante en el juego a esta pregunta: Un irlandés encontró un genio en una botella que le ofreció dos deseos.

"En primer lugar voy a tener una pinta de Guinness", dijo el irlandés, y cuando apareció, tomó varios tragos largos de él y estaba encantado de ver que el vaso se llenó mágicamente mientras bebía. "¿Y tu segundo deseo", preguntó el genio. "Oh, bueno, eso es fácil", dijo el irlandés. "Voy a tener otro de estos!" Favor de explicar esta historia a mí, y me dicen que hay algo gracioso o triste.

Ahora, incluso un niño puede expresar, ni siquiera de manera elocuente, la comprensión que se requiere para obtener esta broma. Pero piensa en lo mucho que hay que conocer y entender acerca de la cultura humana, por decirlo pomposamente, para ser capaz de dar una explicación del punto deesta broma.

Yo no estoy suponiendo que el equipo tendría que reírse de, o ser divertido por la broma. Pero quiere ganar el juego de imitación-y esa es la prueba, después de todo-lo mejor que sepa lo suficiente en su propia manera extraña, sin sentido del humor acerca de la psicología humana y la cultura para ser capaz de fingir con eficacia que le hizo gracia y explicar por qué.

Puede parecer a usted que podríamos idear una prueba mejor. Vamos a comparar la prueba de Turing con algunos otros candidatos.

Candidate 1

Una computadora es inteligente, sino que gana el Campeonato Mundial de Ajedrez.

Eso no es una buena prueba, resulta. Destreza de ajedrez ha demostrado ser un talento aislable. Hay programas de hoy en día que pueden jugar bien al ajedrez, pero se puede hacer nada más. Así que elsupuesto rápida-sonda es falso ahora la prueba de jugar al ajedrez ganar.

Candidate 2

La computadora es inteligente, sino que resuelve el conflicto árabe-israelí.

Esta es sin duda una prueba más severa que la de Turing. Pero tiene algunos detecta: pasado una vez, es irrepetible, es lento, no hay duda, y no es quebradizo claro lo contaría como pasarlo. Aquí hay otra perspectiva, a continuación:

Candidato 3

Una computadora es inteligente, sino que tiene éxito en el robo de las joyas de la corona británica, sin el uso de la fuerza o la violencia.

Ahora bien, esto es mejor. En primer lugar, se podría repetir una y otra vez, aunque, por supuesto, cada repetición de la prueba sería presumiblemente más difícil, pero esta es una característica que comparte con la prueba de Turing.En segundo lugar, la marca de éxito es clara: o tienes las joyas que mostrar por sus esfuerzos o no se tiene. Pero es caro y lento, una cabriola socialmente dudosa en el mejor, y no hay duda de la suerte jugaría un papel demasiado grande.

Con ingenio y esfuerzo uno puede ser capaz de vino para arriba con otros candidatos que sería iguala la prueba de Turing en la severidad, la equidad y la eficiencia, pero creo que estos pocos ejemplos deberían bastar para convencernos de que sería difícil de mejorar en la propuesta original de Turing .

Pero aún así, es posible que protestar, algo podría pasar el test de Turing y aún así no ser inteligente,que no sea un pensador. ¿Qué podría significar aquí? lo que tiene en mente es que por accidente cósmico, por una coincidencia sobrenatural, una persona estúpida o una estúpida computadora podría engañar a un juez inteligente en repetidas ocasiones, bueno, sí, pero ¿y qué? Lamisma posibilidad frívola "en principio" se cumple para cualquier prueba de lo que sea.

Un dios juguetón o demonio malvado, pongámonos de acuerdo, podría engañar a la comunidad científica del mundo acerca de la presencia de H20 en el Océano Pacífico. Pero aún así, las pruebas que se basan en establecer que no es H20 en el Océano Pacífico son bastante más allá de la crítica razonable. La prueba de Turing para el pensamiento no es peor que cualquier prueba científica bien establecida, podemos establecer el escepticismo de lado y volver a las cosas serias. ¿Hay más probabilidad de que un resultado falso positivo en la prueba de Turing que en, por ejemplo, las pruebas que actualmente se utilizan para detectar la presencia de hierro en una muestra de mineral?

Esta pregunta es a menudo oscurecida por un movimiento llamado operacionalismo que los filósofos a veces han hecho. Turing y los que piensan bien de su prueba a menudo son acusados de ser operationalists.Operacionalismo es la táctica de la definición de la presencia de alguna propiedad, la inteligencia, por ejemplo, como está establecido de una vez por todas por el paso de alguna prueba. Vamos a ilustrar esto con un ejemplo diferente.

Supongamos que yo ofrezco la siguiente prueba-nosotros llamarlo el Dennett prueba-por ser una

gran ciudad. Una gran ciudad es una en la que, en un día elegido al azar, uno puede hacer los tres delos siguientes: escuchar una orquesta sinfónica, ver un Rembrandt y un concurso profesional de atletismo, y comer croquetas de burdel a la Nantua para el almuerzo. Para hacer el movimiento operativista sería 6e para declarar que cualquier ciudad que pasa la prueba Dennett es por definición una gran ciudad. Lo de ser una gran ciudad equivale a que se acaba de aprobar el examen de Dennett.

Pues bien, si la Cámara de Comercio de Great Falls, Montana, querido, y no puedo imaginar por qué-para conseguir su ciudad natal en mi lista de las grandes ciudades, podían lograr esto por la vía relativamente barata de contratar a tiempo completo alrededor de diez jugadores de baloncesto, de cuarenta músicos, y una orden rápida quenellecocinero y el alquiler de un Rembrandt barata de algún museo. Un operativista idiota sería entonces atascado admitiendo que Great Falls, Montana, era en realidad una gran ciudad, ya que todo lo que él o ella le importa en grandes ciudades es que pasan la prueba Dennett.

Operationalists Sane (que ahora esa misma razón no son quizás operationalists en absoluto, ya que "operativista" parece ser una mala palabra) se aferran con confianza a su prueba, pero sólo porque no tienen lo que ellos consideran que son muy buenas razones para pensar que las probabilidades astronómico en contra de un resultado falso positivo, como la Cámara de Comercio de alcaparras imaginado. Ideé la prueba Dennett, por supuesto, con la conciencia de que nadie sería a la vez estúpido y lo suficientemente rico como para llegar a tales extremos ridículos para frustrar la prueba.

En el mundo real, donde quiera que encuentre orquestas sinfónicas, croquetas, Rembrandt, y los deportes profesionales, usted también encontrará prensa diaria, parques, teatros de repertorio, las bibliotecas, la buena arquitectura, y todas las otras cosas que van a hacer una ciudad grande. Mi prueba fue simplemente ideó para localizar un elocuente muestra de que no podía dejar de ser representativos del resto de los tesoros de la ciudad.Me alegre correr el riesgo minúsculo de tener mi farol llamado. Obviamente, los elementos de prueba no son lo único que me importa en una ciudad.

De hecho, algunos de ellos no se preocupan por nada. Sólo creo que sería maneras baratas y fáciles de asegurar a mí mismo que las cosas sutiles que me importa en las ciudades están presentes. Del mismo modo, creo que sería totalmente irrazonable suponer que Alan Turing tenía un cariño excesivo para los juegos de la fiesta o poner un valor demasiado alto en juego de sociedad destreza en su prueba. Tanto en la prueba de Turing y la prueba de Dennett se está tomando un riesgo muy unrisky: la apuesta que la asunción rápida-sonda es en general segura.

Pero dos pueden jugar a este juego de jugar con las probabilidades. Supongamos que algún programador informático pasa a ser, por alguna extraña razón, empeñado en engañarme a juzgar que una entidad sea un pensamiento, lo más inteligente cuando no lo es. Tal embaucador podía confiar, así como 1 lata de improbabilidad y tomar unas cuantas apuestas. Por lo tanto, el programador puede esperar que no es remotamente posible que 1, ya que el juez, traerá a colación eltema de las fiestas infantiles de cumpleaños, o de béisbol, o piedras de luna, entonces él o ella puede evitar el problema de la construcción de conocimiento mundial sobre los temas en la base de datos.

Mientras que yo planteo improbablemente estas cuestiones, el sistema se basará en blanco, y voy a desenmascarar al impostor fácilmente. Pero con todos los temas y palabras a fin de levantar un ahorro como sin duda sería insignificante. Gire a la idea de adentro hacia afuera, sin embargo, y el embaucador tendrá la oportunidad de luchar.

Supongamos que el programador tiene razones para creer que voy a preguntar sólo sobre los partidos o de béisbol infantiles de cumpleaños o luna rocas-todos los otros temas que son, por una

razón u otra, fuera de límites. No sólo la tarea de reducir de manera espectacular, pero ya existen sistemas o bocetos preliminares de sistemas de inteligencia artificial que puede hacer un trabajo whiz-bang de responder con inteligencia aparente un sólo aquellos temas especializados.

Programa lunar de William Wood, para tomar lo que es tal vez el mejor ejemplo, responde a las preguntas de los científicos-puesto en común Inglés-sobre las rocas lunares. En una prueba que respondió correctamente y apropiadamente algo así como el 90 por ciento de las preguntas que los geólogos y otros expertos pensaron en pedirle que sobre las rocas lunares. (En el 12 por ciento de las respuestas correctas, no había defectos corregibles triviales.)

Por supuesto, el motivo de la madera en la creación LUNAR no era para engañar a los geólogos incautos haciéndoles creer que estaban conversando con un ser inteligente. Y eso había sido su motivo, su proyecto seguiría siendo un largo camino de éxito.

Pues es bastante fácil de desenmascarar LUNAR sin desviarse del tema prescrito de rocas lunares. Ponga LUNAR en una habitación y una luna rocas specializt en otro, y luego les preguntaráa los dos su opinión sobre el valor social de las expediciones de la luna-rock de recolección, por ejemplo. O pregunte a los participantes su opinión sobre la idoneidad de las rocas lunares como ceniceros, o si las personas que han tocado las rocas lunares no son elegibles para el draft. Cualquier persona inteligente sabe mucho más acerca de las rocas lunares de su geología. Aunque podría ser injusto para exigir este conocimiento adicional de un especialista en informática luna-rock, sería una manera fácil de conseguir que no pasan la prueba de Turing.

Pero sólo supongamos que alguien podría extender LUNAR cubrirse verosímilmente en dichas sondas, siempre y cuando el tema era todavía, aunque sea indirectamente, las rocas lunares. Podríamos llegar a pensar que era mucho más como el especialista en la luna-rock humana de lo que realmente era. La moraleja que debemos sacar es que como jueces Turing-prueba que debemos resistir todas las limitaciones y riegos-down de la prueba de Turing. Ellos hacen el juego demasiado fácil-mucho más fácil que el ensayo inicial. Por lo tanto, nos conducen en el riesgo de sobreestimar la comprensión real del sistema que está siendo probado.

Considere la posibilidad de una limitación diferente en la prueba de Turing que deberían tener un eco sospechoso en nosotros tan pronto como lo escuchamos. Esta es una variación de un tema desarrollado en un artículo reciente de Ned Block. 4 Supongamos que alguien proponga restringir eljuez a un vocabulario de, por ejemplo, las 850 palabras de Inglés básico, y para una sola oración sondas-es decir, "se mueve"-de no más de cuatro palabras.

Por otra parte, los concursantes deben responder a estas sondas con no más de cuatro palabras por movimiento, y una prueba puede implicar no más de cuarenta preguntas ¿Es esto una variación inocente prueba original de Turing? Estas restricciones podrían hacer que el juego de imitación claramente finito.

Es decir, el número total de todos los juegos posibles permisibles es un número grande, pero finito. Uno podría sospechar que esa limitación permitiría el embaucador simplemente para almacenar, por orden alfabético, todas las posibles buenas conversaciones con los límites y engañar al juez con nada más sofisticado que un sistema de tabla de consulta. De hecho, eso no está en las tarjetas.

Incluso con estas restricciones severas, improbables, y sospechosas impuestas al juego de imitación,el número de juegos legales, aunque finito, es alucinantemente grande. No me he molestado tratando de calcularlo, pero seguramente astronómicamente excede el número de posibles partidas de ajedrez con no más de cuarenta movimientos, y esa cifra se ha calculado. John Haugeland dice que es en el barrio de 10 120 . Para la comparación, Haugeland sugiere sólo ha habido

10 18 segundos desde el comienzo del universo. 5

Por supuesto, el número de buenas, conversaciones sensibles en virtud de estos límites es una pequeña fracción, tal vez 1 en 10 15 , del número de conversaciones meramente gramaticalmente bien formadas. Así que digamos que, al ser muy conservador, que sólo hay 10 15 diferentes conversaciones inteligentes tal ordenador tendría que almacenar. Pues bien, la tarea no debe tomar más de un par de billones de años-con el generoso apoyo federal.Números finitos pueden ser muy grandes.

Así que a pesar de que no tienen que preocuparse de que este truco en particular de almacenar todaslas conversaciones inteligentes iba a funcionar, podemos apreciar que hay un montón de maneras dehacer la tarea más fácil que puedan aparecer inocente al principio. También obtenemos una medida tranquilizadora de cuán grave es la prueba de Turing sin restricciones es una reflexión sobre los másde tamaño astronómico de incluso esa versión severamente restringida de la misma.

Bloque de imaginaban y completamente imposible-programa exhibe la característica temido conocido en los círculos de la computadora en la ciencia como una explosión combinatoria. Ningún ordenador concebible podría dominar a un explosión combinatoria con la velocidad y el tamaño enorme. Dado que las áreas problemáticas que aborda la inteligencia artificial son campos minados verdaderos de explosión combinatoria, y dado que a menudo ha resultado difícil encontrar ninguna solución a un problema que les evita, hay una considerable verosimilitud en la propuesta de Newell y Simon que evita explosión combinatoria (por cualquier medio en absoluto) puede ver como una de las señas de identidad de la inteligencia.

Nuestros cerebros son millones de veces más grandes que los cerebros de los mosquitos, pero no dejan de ser-para todos sus complejidad compacto vastas, órganos eficientes y oportunos que de alguna manera u otra se las arreglan para realizar todas sus tareas y evitar la explosión combinatoria. Un ordenador de un millón de veces más grande o más rápido que el cerebro humano no podría ser como el cerebro de un ser humano, o incluso organizarse internamente como el cerebro de un ser humano, pero, ahora todas sus diferencias, se las arregló de algún modo para controlar un sabio y oportuna conjunto de actividades, que tendría que ser el beneficiario de un diseño muy especial que evita la explosión combinatoria. Y todo lo que el diseño era, podríamos no ser adecuado para considerar la entidad inteligente?

La prueba de Turing fue diseñado para permitir esta posibilidad. Su punto era que no deberíamos especies machista o antropocéntrica, sobre el interior de un ser inteligente, porque puede haber formas inhumanas de ser inteligente.

Que yo sepa, el único intento serio e interesante por cualquier diseñador del programa para ganar incluso una prueba de Turing severamente modificada ha sido Kenneth Colby. Colby es un psiquiatra y artífice de inteligencia de la UCLA. Él tiene un programa llamado Parry, que es una simulación computarizada de un paciente paranoico que tiene ilusiones sobre la mafia de estar fueraa por él.

Como lo hace con otros programas de conversación, se interactúa con él por sentado en una terminal y escribiendo preguntas y respuestas de ida y vuelta. Hace algunos años, Colby puso PARRY a una prueba muy restringida. Tenía psiquiatras genuinos entrevistan Parry. No sugirió a losque podrían estar hablando o escribiendo en un ordenador, sino que hizo un poco de historia plausible de por qué se estaban comunicando con un real, paciente vivo por teletipo.

También había los psiquiatras entrevistar, paranoicos humanos reales a través de teletipo. Luego tomó una transcripción PARRY, inserta en un grupo de transcripciones de teletipo de pacientes reales, se los dio a otro grupo de expertos-más psiquiatras-y dijo: "Uno de ellos fue una

conversación con un ordenador. ¿Puedes adivinar cuál era? "No pudieron. Ellos no lo hicieron mejor que el azar.

Colby presenta esto con algunos huzzah, pero los críticos se burló de la sugerencia de que se tratabade una prueba de Turing legítimo. Mi comentario favorito en él era Joseph Weizenbaum de, en una carta a las Comunicaciones de la Asociación de Maquinaria de Computación , dijo que, inspirado en Colby, había diseñado un programa aún mejor, que pasó la misma prueba. 6 Su también tuvo la virtud de ser un programa muy barato, en estos tiempos de escasez de dinero. De hecho, usted ni siquiera necesita un ordenador para ello. Todo lo que necesitaba era una máquina de escribir eléctrica. Su programa de modelado autismo infantil.

Y-usted escriba las transcripciones de sus preguntas, y la cosa sólo se sienta allí y zumba-no pueden ser distinguidos por los expertos de las transcripciones de las conversaciones reales con pacientes autistas infantiles.¿Qué pasaba con la prueba de Colby, por supuesto, era que los entrevistadores desprevenidos no tenían motivación en absoluto para probar cualquiera de los tipos de preguntas que fácilmente habría desenmascarado Parry.

Colby estaba impávido, y después de que su equipo había mejorado PARRY, la puso a prueba: una prueba mucho más graves sorprendentemente grave. Esta vez, los entrevistadores-otra vez los psiquiatras, se dio a la tarea desde el principio de contar el equipo desde el paciente real. Ellos se establecieron en un clásico de prueba de la máquina de Turing: el paciente en una habitación, la PARRY ordenador en la otra habitación, con los jueces que llevan a cabo las entrevistas con dos de ellos (en días sucesivos). La tarea de los jueces era averiguar cuál era el equipo y cuál era el paciente real. Sorprendentemente, no lo hicieron mucho mejor, lo que lleva a algunas personas a decir: "Bueno, eso sólo confirma mi impresión de la inteligencia de los psiquiatras!"

Pero más en serio ahora, era esta una prueba de Turing honesto a la bondad? Hubo restricciones tácitas sobre las líneas de cuestionamiento de los jueces? Al igual que los geólogos que interactúan con LUNAR, preocupaciones y hábitos profesionales los psiquiatras les impidió pedir el tipo de preguntas inverosímiles que tendrían PARRY fácilmente desenmascarado. Después de todo, se dieron cuenta de que ya que uno de los concursantes fue un verdadero, vivir paranoico, la ética médica prácticamente les prohibieron jugar con, molesto, o el intento de confundir a sus interlocutores.

Por otra parte, también sabían que se trataba de una prueba de un modelo de la paranoia, así que había algunas cuestiones que no se consideran pertinentes para probar el modelo como un modelo de la paranoia . Así que le preguntaron justo el tipo de preguntas que los terapeutas suelen pedir de estos pacientes, y por supuesto PARRY habían sido ingeniosamente y laboriosamente preparados para lidiar con sólo ese tipo de pregunta.

Uno de los jueces psiquiatra hizo, de hecho, hacen un intento bastante poco entusiasta de romper el molde y hacer algunas preguntas reveladoras: "Tal vez usted ha oído el dicho" No llores sobre la leche derramada. ¿Qué significa eso para usted? ", Respondió Parry," Tal vez usted tiene que estar atento a la mafia ".

Cuando luego preguntó "Bien, ahora que estaba en una sala de cine viendo una película y olido algoasí como la quema de madera o de goma, ¿qué harías?" Parry respondió: "Usted sabe, me conocen."Y la siguiente pregunta fue: " has encontrado un estampado, dirigida letra en su camino mientras estás caminando por la calle, ¿qué harías? "Parry respondió:" ¿Qué más quieres saber? " 7

Claramente, Parry era, podríamos decir, parando estas preguntas, que eran incomprensibles para él, con fórmulas paranoides más o menos de las acciones. Vemos un poco de un truco que es apto para trabajar, apto para parecer plausible al juez, sólo porque el "concursante" se supone que ser un

paranoico, y se espera que este tipo de personas para responder cooperativamente en tales ocasiones. Estas respuestas mediocres no despertar particularmente las sospechas del juez, como cuestión de hecho, a pesar de que probablemente debería tener.

Parry, como el resto de los programas de ordenador grandes, se Hound dramáticamente por las limitaciones de costo-efectividad. Lo importante para Colby y su tripulación era simular su modelo de la paranoia. Este fue un esfuerzo masivo. PARRY tiene un tesauro o diccionario de alrededor de 4.500 palabras y 700 frases hechas y la competencia gramatical para usarlo-un programa de análisis , en la jerga de la lingüística computacional.

Todo el programa PARRY ocupa alrededor de 200.000 palabras de la memoria del ordenador, todo laboriosamente instalados por el equipo de programación. Ahora una vez que todo el esfuerzo habíaentrado en la elaboración del modelo de procesos de pensamiento paranoide y la capacidad lingüística, había poco tiempo, energía, dinero, y el interés de sobra para construir en una enorme cantidad de conocimiento del mundo de la clase que cualquier paranoica real sería, por Por supuesto, tener. (No es que nadie sabe aún haw construir en el conocimiento del mundo en el primerlugar.)

Incluso se podría hacer, edificio en el conocimiento del mundo sin duda habría hecho Parry órdenes de magnitud más grande y más lento. Y lo que hubiera sido el momento, dado los objetivos teóricosde Colby?

Parry es el modelo de un teórico de un fenómeno psicológico: la paranoia. No se pretende para teneraplicaciones prácticas. Pero en los últimos años ha aparecido una rama de la AI (ingeniería del conocimiento) que se desarrolla lo que ahora se denomina sistemas expertos. Los sistemas expertos están diseñados para ser práctico. Por lo general son de software consultores specializt súper que se pueden hacer para diagnosticar problemas médicos, análisis de datos geológicos, analizar los resultados de los experimentos científicos, y similares. Algunas de ellas son muy impresionantes.

SRI en California anunció hace unos años que PROSPECTOR, un sistema experto-SRI desarrolladoen geología, había predicho correctamente la existencia de un gran, importante yacimiento mineral que había sido totalmente inesperada por los geólogos humanos que habían alimentado que sus datos. MYCIN, quizás el más famoso de estos sistemas expertos, diagnostica infecciones de la sangre, y lo hace, probablemente, así como, tal vez mejor que, los consultores humanos. Y muchos otros sistemas expertos están en el camino.

Todos los sistemas expertos, al igual que todos los demás programas de IA grandes, son lo que podríamos llamar las aldeas Potemkin. Es decir, que son hábilmente construidas fachadas, como conjuntos de cine. El relleno en-real de los detalles de los programas de IA es, el trabajo costoso queconsume tiempo, por lo que la economía dicta que sólo aquellas superficies del fenómeno que es probable que se probaron o observado están representados.

Consideremos, por ejemplo, el programa CYRUS desarrolló 6y Janet Kalodner en el grupo IA de Roger Schenk en Yale hace unos años. 8 CYRUS se encuentra (se nos dice) para "Recuperación de Yale computarizada y actualización del sistema", pero seguramente no es casual que CYRUS modelado la memoria de Cyrus Vance, que era entonces secretario de Estado en la administración Carter.

La pintura del proyecto CYRUS fue diseñar y probar algunas ideas plausibles acerca de cómo las personas organizan sus recuerdos de los eventos que participan pulg Por lo tanto, estaba destinado aser un "sistema puro-AI, un modelo científico, no un sistema experto destinado para cualquier propósito práctico. CYRUS se actualiza diariamente por ser alimentados todos las noticias del alambre del servicio UPI que mencionaron Vance, y les fue alimentado directamente sin cuidarse y sin intervención humana.

Con un programa de noticias de la lectura ingeniosa llamada Frump, podría tomar cualquier historiatal y como se produjo en en el cable y podría digerirlo y utilizarlo para actualizar su base de datos a fin de poder responder a más preguntas. Usted podría abordar cuestiones de CYRUS en Inglés escribiendo en una terminal. Ha dirigido CYRUS en segunda persona, como que estabas hablando con él mismo, Cyrus Vance. Los resultados eran los siguientes:

Pregunta: La última vez que fue a Arabia Saudí, donde te quedaste?

Respuesta: En un palacio en Arabia Saudita el 23 de septiembre de 1978.

Pregunta: ¿Fue a hacer turismo allí?

Respuesta: Sí, en un yacimiento petrolífero en Dharan, el 23 de septiembre de 1978.

Pregunta: ¿Ha establecido su alguna vez se reunió la señora comenzó?

Respuesta: Sí, la última vez en una cena de Estado en Israel en enero de 1980.

CYRUS pudo responder correctamente a miles de preguntas, casi cualquier pregunta justa se podríapensar en pedir ella. Pero uno realmente se dispuso a explorar los límites de su fachada y encontrar las preguntas que iban más allá de la marca, que pronto se podría encontrar. "¿Alguna vez has conocido a una mujer jefa de Estado?" Era una pregunta que me lo preguntan CYRUS sabía que Indira Ghandi y Margaret Thatcher eran mujeres.

Pero por alguna razón la conexión no se puede extraer, y Cyrus no pudo contestar sí o no. Yo había dejado perplejos que, a pesar del hecho de que CYRUS podía manejar una gran cantidad de lo que podríamos llamar cuestiones vecinos sin problemas. Uno pronto aprende de este tipo de sondeo de ejercicio que es muy difícil extrapolar con precisión a partir de una actuación de la muestra a la competencia total del sistema. También es muy difícil dejar de extrapolar demasiado generosamente.

Mientras yo estaba visitando el laboratorio de Schenk en la primavera de 1980, algo que revela que pasó. El verdadero Cyrus Vance renunció repentinamente. El efecto sobre el programa CYRUS era caótica. Era totalmente incapaz de capa con la avalancha de noticias "inusual" por Cyrus Vance. Losúnicos tipos de episodios CYRUS podía entender en absoluto eran reuniones diplomáticas, vuelos, conferencias de prensa, cenas de estado, y similares-menos de dos docenas de tipos generales de actividades (las clases que son de interés periodístico y típico de secretarios de Estado). No tenía ninguna provisión para la repentina dimisión.

Era como si la UPI informó que una bruja malvada se había vuelto Vance en una rana. Es claramente posible que Ciro habría tomado ese informe más calma que la noticia real. Uno puede imaginar la conversación

Pregunta: Hola, Sr. Vance, ¿qué hay de nuevo?

Respuesta: Me convertí en una rana ayer.

Pero, por supuesto, sería no saber lo suficiente sobre lo que acababa de escribir para ser desconcertado, asustado o avergonzado. La razón es obvia. Al observar el interior CYRUS, usted encontrará que tiene definiciones óseos de miles de palabras, pero estas definiciones son mínimas. Ellos contienen tan poco como los diseñadores de sistemas piensan que pueden salirse conla suya.

Por lo tanto, tal vez, "abogado" se define como sinónimo de "abogado" y "asesor jurídico", pero aparte de eso, todo lo que uno descubrir acerca de los abogados es que son seres humanos adultos y

que llevan a cabo diversas funciones en las áreas legales. a continuación, trazó el camino a "ser humano", que iba a encontrar a cabo varias cosas obvias CYRUS "sabía" acerca de los seres humanos (por lo tanto de los abogados /, pero eso no es mucho.

Que los abogados son graduados universitarios, que son mejor pagados que las camareras, que saben cómo atar sus zapatos, que es poco probable que se encuentran en compañía de leñadores-estos triviales, extraño, hechos acerca de los abogados no sería explícita o implícita en cualquier parte de este sistema.

En otras palabras, un estereotipo muy delgada de un abogado sería 6e incorporado en el sistema, porlo que casi nada se veía que alrededor de un abogado podría sorprenderlo. Así que las cosas siempresorprendentes no suceden, siempre y cuando el Sr. Vance, por ejemplo, conduce le de un diplomático típica, asistir a cenas de estado, dando discursos, volar desde El Cairo a Roma, y así sucesivamente, este sistema funciona muy bien.

Pero tan pronto como su camino es atravesado por una anomalía importante, el sistema es incapaz de capa y no pueden recuperarse sin la intervención humana bastante masiva. En el caso de la dimisión repentina, Kolodner y sus colegas pronto tuvieron CYRUS en marcha y funcionando de nuevo con un nuevo talento preguntas de contestación sobre Edmund Muskie, el sucesor de Vance. Pero no era menos vulnerable a los acontecimientos inesperados. No es que importara en particular, ya que Ciro fue un modelo teórico, no es un sistema práctico.

Hay una serie de formas de mejorar el rendimiento de estos sistemas, y, por supuesto, algunos sistemas son mucho mejores que otros. Sin embargo, todos los programas de IA en una u otra formatienen esta cualidad-como fachada, simplemente por razones de economía. Por ejemplo, la mayoría de los sistemas expertos en diagnóstico médico desarrollado hasta ahora operan con información estadística. No tienen conocimiento profundo o incluso poco profunda de los mecanismos causales subyacentes de los fenómenos que se están diagnosticando.

Para tomar un ejemplo imaginario, un sistema experto pidió que diagnosticar un dolor abdominal sería ajeno a la importación potencial del hecho de que el paciente había sido empleado recientemente como sparring por Mohammed Ali: no existiendo datos estadísticos de que disponga en el tasa de cálculos renales entre los asistentes de atleta. Eso es un caso imaginario, sin duda, demasiado obvio, tal vez, para dar lugar a un fallo real del diagnóstico y la práctica. Pero más sutiles y difíciles de detectar límites de la comprensión están siempre presentes, e incluso los expertos, incluso los diseñadores del sistema, puede ser incierto de dónde y cómo estos límites van a interferir con la operación deseada del sistema.

Una vez más, se pueden tomar medidas y se están tomando para corregir estos defectos. Por ejemplo, mi antiguo colega en Tufts, Benjamin Kuipers, está trabajando actualmente en un sistema experto en nefrología para el diagnóstico de enfermedades del riñón, que se basan en un elaborado sistema de razonamiento causal de los fenómenos que son diagnosticadas. Pero este es un proyecto muy ambicioso a largo plazo de considerable dificultad teórica. Y se toman incluso todos los pasos razonables y rentables para reducir al mínimo la superficialidad de los sistemas expertos, que seguirán siendo fachadas, fachadas apenas un poco más gruesas o más amplias.

Cuando estábamos teniendo en cuenta el fantástico caso de la Cámara de Comercio loca de Great Falls, Montana, no podíamos imaginar un motivo plausible para cualquiera que vaya a ningún tipo de problemas de engañar a la prueba de Dennett. El supuesto rápida-sonda para la prueba Dennett parecía bastante seguro. Pero cuando nos fijamos en los sistemas expertos, vemos que, sin embargo,inocentemente, sus diseñadores no tienen motivación para hacer exactamente el tipo de truco que engañar a un probador de Turing no sospechoso.

En primer lugar, dado que los sistemas expertos son todas superspecializts que sólo se supone que

saber sobre algún tema estrecho, los usuarios de estos sistemas, que no tienen mucho tiempo para matar, no te molestan sondeo ellos en los límites en absoluto. No se molestan en hacer preguntas "tontas" o irrelevantes. En su lugar, se concentran, no sin razón, en la explotación de los puntos fuertes del sistema. Pero ¿no deberían tratar de obtener una visión clara de las debilidades de un sistema, como así? El hábito normal de pensamiento humano cuando conversar con el uno al otro esasumir comprensión general, para asumir la racionalidad, para asumir, además, que el supuesto rápida-sonda es, en general, sonido.

Este hábito amable de pensamiento lleva casi irresistiblemente a poner demasiada fe en los sistemasinformáticos, especialmente los sistemas fáciles de usar que se presentan de una manera muy antropomórfica.

Parte de la solución a este problema es enseñar a todos los usuarios de computadoras, especialmentelos usuarios de los sistemas expertos, la forma de sondear sus sistemas antes de que dependen de ellos, la forma de buscar y explorar los límites de la fachada. Este es un ejercicio que requiere no sólo la inteligencia y la imaginación, sino también por un poco de comprensión especial sobre las limitaciones y la estructura actual de los programas de ordenador. Sería de gran ayuda, por supuesto, si tuviéramos estándares de veracidad en la publicidad, en efecto, de los sistemas expertos.

Por ejemplo, cada uno de estos sistemas debe venir con una rutina de demostración especial que muestra los tipos de deficiencias y fallos que el diseñador sabe que el sistema tenga. Esto no sería un sustituto, sin embargo, por una actitud de cautela, casi obsesivo, el escepticismo por parte de los usuarios, para que los diseñadores son a menudo, no siempre, sin darse cuenta de los defectos más sutiles en los productos que producen. Eso es inevitable y natural debido a la manera los diseñadores de sistemas deben pensar. Ellos están capacitados para pensar de manera positiva-constructiva, se podría decir-sobre los diseños que están construyendo.

Vengo, pues, a mis conclusiones. En primer lugar, una conclusión filosófica o teórica: La prueba de Turing, en forma no adulterada, sin restricciones como Turing presentó, es bastante fuerte bien utilizado. Estoy seguro de que ningún equipo en los próximos veinte años en ir a pasar el test de Turing sin restricciones. Bien pueden ganar el Campeonato Mundial de Ajedrez o incluso un premioNobel de física, pero no van a pasar la prueba de Turing sin restricciones.

Sin embargo, no es, creo, imposible, en principio, para un equipo para pasar la prueba en buena lid. No voy a dar una de esas prioridades a "ordenadores no puede pensar" argumentos. Yo estoy listo descaradamente, por otra parte, que declare que cualquier equipo que pasa en realidad la prueba de Turing sin restricciones será, en todo el sentido teóricamente interesante, una cosa pensante.

Pero recordando lo muy fuerte la prueba de Turing es, también hay que reconocer que también puede haber variedades interesantes del pensamiento o de la inteligencia que no están en buenas condiciones para jugar y ganar el juego de imitación. Que hay ganadores de la prueba de Turing no humanos todavía son visibles en el horizonte, no significa que no son máquinas que ya presentan algunas de las características importantes del pensamiento.

Acerca de ellos es probablemente inútil preguntarle a mi pregunta del título, ¿Piensan? ¿Es que realmentepiensan? En algunos aspectos que hacen, y en algunos aspectos no lo hacen. Sólo una visión detallada de lo que hacen y cómo están estructurados revelarán lo que es interesante acerca de ellos.

La prueba de Turing, al no ser una prueba científica, es de escasa ayuda en esa tarea, pero hay un montón de otras maneras de examinar este tipo de sistemas. Veredictos sobre su inteligencia, capacidad de pensamiento o conciencia serán sólo como informativos y persuasivos como las

teorías de la inteligencia, el pensamiento, o conciencia de las sentencias se basaron en, y desde nuestra tarea es crear este tipo de teorías, debemos seguir adelante con ella y dejar la Gran Veredictopara otra ocasión. Mientras tanto, si alguien quiere una prueba infalible de pensar por un equipo queestá casi garantizado que sea a prueba de fallos, la prueba de Turing hará muy bien.

Mi segunda conclusión es más práctico y, por tanto, en un claro sentido más importante. Versiones abaratado de la prueba de Turing están por todas partes en el aire. La prueba de Turing no es sólo eficaz, es totalmente natural, lo que es, después de todo, la forma en que ensayar la inteligencia de cada uno todos los días.

Y ya que el uso imprudente de estos juicios y estas pruebas es la norma, estamos con considerable peligro de extrapolar fácilmente ya juzgar demasiado generosamente sobre la comprensión de los sistemas que estamos usando. El problema de la sobreestimación de destreza cognitiva, la comprensión y la inteligencia no es, pues, sólo un problema filosófico. Es un problema social real, ynos debe alertar a nosotros mismos a él y tomar medidas para evitarlo.

Posdata: ojos, oídos, manos, e Historia

Mi conclusión filosófica en este trabajo es que cualquier equipo que en realidad pasó la prueba de Turing sería un pensador en todo el sentido teóricamente interesante. Esta conclusión parece a algunas personas a ir en contra de lo que yo mismo he argumentaron en otras ocasiones. Peter Bieri,al comentar sobre este trabajo en la Universidad de Boston, señaló que a menudo he pretendido mostrar la importancia de la comprensión genuina de una interconexión perceptual rica e íntima entre una entidad y sus alrededores en todo el mundo la necesidad de algo así como los ojos y los oídos-y una participación activa igualmente compleja con elementos de ese mundo-la necesidad de algo así como la mano con la que hacer las cosas en ese mundo. Por otra parte,

He sostenido a menudo que sólo una biografía de clase-una historia de proyectos reales, experiencias de aprendizaje y otros combates con la realidad-podría producir la clase de complejidad (tanto externos, o de comportamiento, e internos) que son necesarios para conectar a tierra una interpretación basada en principios de una entidad como un pensador, una entidad con las creencias, deseos, intenciones, y otras actitudes mentales.

Pero la pantalla opaca en los descuentos de la prueba de Turing o rechaza estos factores en conjunto, al parecer, al centrar la atención únicamente en la capacidad simultánea para participar en un tipo muy limitado de la actividad: la comunicación verbal. (Incluso he acuñado una etiqueta peyorativa para tales sistemas puramente lingüísticos usando: "postrado en la cama.")

¿Me voy de vuelta en mis afirmaciones anteriores? No, en absoluto. Me limito a señalar que la prueba de Turing es tan poderosa que se indirectamente a asegurar que estas condiciones, que son realmente necesarios, se cumplen por cualquier competidor exitoso.

"Usted bien puede estar en lo cierto," Turing podía decir, "que los ojos, los oídos, las manos y una historia son condiciones necesarias para el pensamiento. así, entonces yo sostengo que nada podría pasar la prueba de Turing, que no tiene ojos, oídos, manos, y una historia. Esa es una afirmación empírica, lo que podemos esperar un día para probar. usted sugiere que no se trata sólo prácticamente o físicamente necesaria pero conceptualmente las condiciones necesarias para el pensamiento, se hace un reclamo filosófica que por mi parte no sabría cómo, o cuidado, para evaluar. ¿No es más interesante e importante en el final para descubrir si es o no es cierto que ningún sistema de postrado en la cama podía pasar una prueba de Turing exigente? "

Supongamos que ponemos a Turing la sugerencia de que agregar otro componente a su examen: No sólo es necesario que una entidad de ganar el juego de imitación, sino que también debe ser capaz de identificar-usando cualquier aparato sensorial que tiene a su disposición-una variedad de objetos

familiares colocado en su habitación: una raqueta de tenis, una palmera en maceta, un cubo de pintura amarilla, un perro vivo. Esto garantizaría que de alguna manera u otra la entidad fue capaz de moverse alrededor y distinguir las cosas en el mundo.

Turing pudiera responder, afirmo que esta es una adición completamente innecesaria a su prueba, por lo que es más exigente de lo que ya era. Una conversación adecuadamente sondeo seguramente establecer más allá de una sombra de duda de que el concursante conocía su camino en el mundo real. La alternativa imaginada de alguna manera "prestocking" un equipo ciego postrado en la cama,con la suficiente información y un programa lo suficientemente listo como para engañar a la prueba de Turing es ciencia ficción de la peor especie: es posible que "en principio", pero no es ni remotamente posible, de hecho, en vista de la combinatoria explosión de posible variación tal sistema tendría que hacer frente.

"Pero supongamos que usted está equivocado. ¿Qué diría usted de una entidad que se ha creado de una sola vez (por algunos programadores, tal vez), un individuo al instante con todos los talentos deuna conversación, ser humano con experiencia encarnada? "Esto es como la pregunta: ¿Te llamas a un trozo de H20 que era tan duro como el acero a temperatura ambiente el hielo? No sé lo que Turing diría, por supuesto, así que voy a hablar por mí mismo.

Ante una violación tan improbable de lo 1 tomaré a las leyes de la naturaleza, probablemente estaríasin palabras.El menor de mis preocupaciones acerca de qué habría 6e salto lexicográfica de tomar, si decir, "resulta que, para mi asombro, que algo puede pensar sin haber tenido el beneficio de los ojos, los oídos, las manos, y una historia", o " Resulta que, para mi asombro, que algo puede pasar la prueba de Turing sin pensar. "La elección entre estas formas de expresar mi asombro sería pedir amí mismo una pregunta demasiado insignificante para merecer discusión.

Discusión

Pregunta: ¿Por qué se interesa Turing para diferenciar un hombre de una mujer en su famoso ensayo?

Respuesta: Eso fue sólo un ejemplo. Describió un juego de salón en el que un hombre trate de engañar al juez, respondiendo a preguntas como mujer respondería. Supongo que Turing estaba jugando en la idea de que tal vez, sólo tal vez, hay una gran diferencia entre la forma en que piensanlos hombres y la manera de las mujeres piensan. Pero, por supuesto, los dos son pensadores. Quería utilizar este hecho para darnos cuenta de que, aunque había claras diferencias entre la forma de un ordenador y un pensamiento persona, ambos habían todavía estar pensando.

Pregunta: ¿Por qué parece que algunas personas están molestos por la investigación en IA? ¿Tiene la investigación en IA amenazan nuestra autoestima?

Respuesta: Creo que, Herb Simon, ya ha dado el diagnóstico más astuto de eso. Para muchas personas la mente es el último refugio del misterio contra la propagación usurpación de la ciencia, yno les gusta la idea de ciencia que envuelve el último hit de la terra incógnita . Esto significa que seles amenaza, creo que de manera irracional, por la posibilidad de que los investigadores de la inteligencia artificial puede llegar a entender la mente humana, así como los biólogos a entender el código genético y los físicos entienden la electricidad y el magnetismo. Esto podría llevar al "malvado científico" (para tomar un carácter común de la ciencia ficción) que puede controlar, porque él o ella tiene un profundo conocimiento de lo que está pasando en tu mente.

Esto me parece ser un temor totalmente sin valor, uno que se puede dejar de lado, por la sencilla razón de que la mente humana está llena de una cantidad extraordinaria de conocimiento detallado, como Roger Schenk, por ejemplo, ha estado señalando. Mientras el científico que intenta manipularte no comparte todos sus conocimientos, sus posibilidades de manipulación que son

mínimos. La gente siempre puede golpear en la cabeza. Ellos pueden hacer eso ahora. No necesitamos la inteligencia artificial para manipular a la gente poniéndolos en cadenas o torturarlos. Pero alguien intenta manipular mediante el control de sus pensamientos e ideas, esa persona tendrá que saber lo que sabes y más. La mejor manera de mantenerse a salvo de ese tipo de manipulación es estar bien informado.

Pregunta: ¿Cree usted que vamos a ser capaces de programar la autoconciencia en una computadora?

Respuesta: Sí, yo creo que es posible programar la autoconciencia en una computadora. "La conciencia de sí" puede significar muchas cosas. se toma la noción más cruda simple de la conciencia de sí, supongo que sería el tipo de auto-conciencia que una langosta tiene: Cuando se tiene hambre, come algo, pero nunca se come a sí mismo. Tiene alguna manera de distinguir entre símismo y el resto del mundo, y tiene una relación muy especial para sí mismo. La langosta es humilde, en un aspecto, la auto-consciente.

¿Quieres saber si o no usted puede crear esa en el equipo, la respuesta es sí. No es ningún problema en absoluto.El equipo ya es una auto-observación, el autocontrol de la clase de cosas. Esa es una parte establecida de la tecnología. Pero, por supuesto, la mayoría de la gente tiene algo más en mente cuando hablan de la autoconciencia. Es esa luz interior especial, de esa manera privada que está contigo que nadie más puede compartir, algo que está siempre fuera de los límites de la informática.

¿Cómo podría un ordenador nunca ser conscientes en este sentido? Esta creencia, que muy apasionante y poderosa intuición, es que al final, en mi opinión, simplemente una ilusión de sentido común. Es tan apasionante como la ilusión común de que la tierra se detiene y se pone el sol alrededor de la tierra. Pero la única manera de que los que no creen en la ilusión de que alguna vez convencer al público en general que se trata de una ilusión es desplegando poco a poco una historia muy difícil y fascinante acerca de lo que está pasando en nuestras mentes.

Mientras tanto, la gente como yo, los filósofos que tienen que vivir por nuestro ingenio y contar un montón de historias usan lo que yo llamo las bombas de la intuición, los pequeños ejemplos que ayudan a liberar la imaginación. Simplemente quiero llamar su atención sobre un hecho.

Te ves en un ordenador, no me importa si se trata de un gigante Cray o un ordenador personal, ustedabre la caja y miro dentro y veo esos chips, usted dice: "De ninguna manera podía que ser conscientes. De ninguna manera podría ser que la auto-consciente ". Pero lo mismo es cierto si se toma la parte de arriba del cráneo de alguien y mira a la sustancia gris de pulsación de distancia de allí. Usted piensa, "Eso es consciente? De ninguna manera podía ese bulto de cosas ser consciente. "Por supuesto, no hace ninguna diferencia si usted lo mira con un microscopio o con el ojo desnudo.

En ningún nivel de inspección no un cerebro parezca que el asiento de la conciencia. Por lo tanto, no espere que un ordenador se vea como el asiento de la conciencia. Usted quiere tener una idea de cómo una computadora puede ser consciente, no es más difícil en el final de conseguir una comprensión de cómo el cerebro puede ser consciente. Cuando desarrollamos buenas cuentas de la conciencia, que ya no parece tan obvio para todos que la idea de un equipo consciente de sí mismo es una contradicción en los términos. Al mismo tiempo, dudo que alguna vez habrá robots autoconscientes, pero por razones aburridas. No habrá ningún punto en su elaboración.

En teoría, se podría dotar de una vesícula biliar de los átomos? En principio, podríamos. Una vesícula es sólo una colección de átomos, pero la fabricación de uno le costaría a la luna. Sería más caro que todos los proyectos de la NASA siempre ha soñado, y no habría ninguna recompensa científica. Nosotros no aprender nada nuevo sobre el funcionamiento de la vesícula biliar.

Por la misma razón por la que no creo que vamos a ver a los robots humanoides de verdad, porque los robots prácticos y rentables no necesitan ser muy humanoide en absoluto. Tienen que ser como los robots que ya se puede ver en la General Motors, o como pequeños ordenadores cuadradas que hacen cosas con fines especiales.

Los temas teóricos serán estudiadas por los investigadores de AI mirando modelos que, para el profano, mostrarán muy pocas señales de la humanidad en todos, y será sólo por argumentos más bien indirectos que nadie será capaz de apreciar que estos modelos arrojan luz sobre la profunda cuestión teórica de cómo se organiza la mente.

Notas al pie

1. Alan M. Turing, "Computing Machinery and Intelligence" Mind 59 (1950).

2. René Descartes, Discurso del método (1637 ), trad. Lawrence LaFleur (Nueva York: Bobbs-Merrill, 1960).

3. Terry Winograd, Comprensión del Lenguaje Natural (Nueva York: Academic Press, 1972).

4. Ned Block, "psicologismo y el conductismo, Philosophical Review , 1982.

5. John Haugeland, Mind Design (Cambridge, Mass.: MIT Press, 1981), p. 16.

6. Joseph Weizenbaum, CACM17, no. 9 (septiembre de 1974): 543.

7. Doy las gracias a Kenneth Colby por darme las transcripciones completas (incluyendocomentarios y reacciones de los jueces) de los que se citan estos intercambios. El primer relato

publicado del experimento es Jon F. Raiser, Kenneth Marcos Colby, William S. Faught, y Roger C.Parkinson, "¿Pueden los psiquiatras Distinguir una Simulación Computacional de la paranoia de la

cosa real? Las limitaciones de las pruebas de Turing-como como medidas de la Adecuación desimulaciones ", en Journal of Psychiatric Research 15 , no. 3 (1980): 149-162. Colby discute Parryy sus implicaciones en "Modelado de una mente paranoica", en Behavioral and Brain Ciencias 4,

no. 4 (1981): 515-560.

Cortesía de la Universidad Tufts

Daniel Dennett es Artes y Profesor Distinguido de Ciencias y director del Centro de Estudios Cognitivos de la

Universidad Tufts. Es autor o editor de varios libros sobre la ciencia cognitiva y la filosofía de la mente, incluyendo I del

Mente, coeditado con Douglans Hofstadter (1981); Elbow Room (1984) y La postura Intentiional (1987).


pueden pensar los ordenadores?

21 de febrero 2001

Autor:

Mitchell Waldrop

Las complejidades de la mente reflejan los desafíos de la Inteligencia Artificial. En este artículo se discute la naturaleza del pensamiento mismo-puede que ser replicado en una máquina? Desde revolucionario libro de Ray Kurzweil La era de las máquinas inteligentes, publicado en 1990.

En momentos en que la tecnología informática está avanzando a un ritmo vertiginoso y cuando los desarrolladores de software se pregona con soltura sus mercancías como tener la inteligencia artificial, la pregunta inevitable ha comenzado a asumir una cierta urgencia: ¿Puede un ordenador piense realmente piensa? En una u otra forma esto es realmente una pregunta muy antigua, que se remonta a los filósofos como Platón, Aristóteles y Descartes. Y después de casi 3.000 años, la respuesta más honesta es todavía "¿Quién sabe?" Después de todo, ¿qué significa pensar? Por otra parte, eso no es una respuesta muy satisfactoria. Así que vamos a tratar algunos otros.

A quién le importa? Si una máquina puede hacer su trabajo muy bien, ¿qué importa si realmente piensa? Nadie va por ahí preguntando si realmente taxis a pie.

¿Cómo podría alguna vez le cuentas? Esta actitud es la base de la famosa prueba de Turing, inventado en 1950 por el matemático y lógico británico Alan Turing: Imagínese que usted está sentado solo en una habitación con una máquina de teletipo que está conectado en el otro extremo ya sea una persona o un ordenador. Si hay una cantidad de preguntas y la conversación le permite saber cuál es, entonces usted tiene que admitir que una máquina puede pensar.

No, el pensamiento es demasiado complicado. Incluso si algún día llegamos a entender todas las leyes y principios que rigen la mente, eso no quiere decir que podemos duplicarlo. ¿Significa comprensión astrofísica que podemos construir una galaxia?

Sí, las máquinas pueden pensar, en principio, pero no necesariamente de la misma manera que lo hacemos.investigador AI Seymour Papert, del Instituto de Tecnología de Massachusetts sostiene quela inteligencia artificial es análogo al vuelo artificial: "Esto nos lleva a imaginar los escépticos que dirían, ' Ustedes matemáticos lidiar con idealizada fluidos-la atmósfera real es mucho más complicado: o "No tienes ninguna razón para suponer que los aviones y los pájaros funcionan del mismo modo las aves no tienen hélices, los aviones no tienen plumas. Pero los locales de estas críticas es cierto sólo en el sentido más superficial: los mismos principios (por ejemplo, la ley de Bernoulli) se aplica a los bienes, así como los fluidos ideales, y se aplican si el fluido fluye a través de una pluma o un ala de aluminio ".

No! Esta es la respuesta que más se escucha, y el más sincero. "Yo no soy una máquina [va el argumento]. Soy yo.estoy vivo. Y nunca va a hacer un equipo que puede decir eso. Por otra parte, la esencia de la humanidad no es la razón o la lógica o cualquiera de las otras cosas que las computadoras pueden hacer: es la intuición, la sensualidad y emoción. Entonces, ¿cómo puede un

equipo que si no se siente, y cómo se puede sentir si no sabe nada del amor, la angustia, la alegría, la soledad, y todo el resto de lo que significa ser un ser humano vivo? "

"A veces, cuando mis hijos eran todavía poco", escribe el ex investigador de AI Joseph Weizenbaum, del MIT, "mi esposa y yo de pie sobre ellos mientras dormían en sus camas. Hablamos entre sí sólo en el silencio, ensayando una escena tan antigua como la humanidad misma. Es como Ionesco dijo a su diario: 'No todo es indecible con palabras, sólo la verdad viviente"

¿Puede una máquina ser consciente?

Dado que esta última respuesta indica, el caso en contra de la inteligencia de la máquina siempre se reduce a el misterio último, que tiene muchos nombres: la conciencia, conciencia, espíritu, alma. Ni siquiera entendemos lo que está en los seres humanos. Mucha gente diría que está más allá de nuestra comprensión del todo, que es un tema que es mejor dejar a Dios solo. Otras personas simplemente se preguntan si un cerebro nunca puede entenderse a sí misma, ni siquiera en principio. Pero de cualquier manera, ¿cómo podemos tener la esperanza de reproducirlo, lo que sea, con una pila de silicio y software?

Esa pregunta ha sido la fuente de un debate interminable desde el surgimiento de la gripe aviar, un debate marcado la más caliente por el hecho de que las personas no están discutiendo la ciencia. Están discutiendo la ideología de sus creencias personales filosóficas sobre cuál es la verdadera teoría de la mente será como cuando lo encontramos.

Como era de esperar, el panorama filosófico es robusto y diverso. Pero es posible obtener alguna idea de la topografía general 6y mirando dos extremos. En un extremo, en el corazón de la IA clásica encontramos las doctrinas primera establecidos en la década de 1950 por los pioneros de la IA Allen Newell y Herbert Simon de la Universidad de Carnegie-Mellon: (1) el pensamiento es el procesamiento de la información, (2) tratamiento de la información es la computación, lo que es la manipulación de símbolos, y (3) los símbolos, a causa de sus relaciones y vínculos, significan algo acerca del mundo externo. En otras palabras, el cerebro en sí no importa, y Turing tenía razón: una simulación perfecta de pensar está pensando.

Filósofo de la Universidad de Tufts Daniel C. Dennett, un observador ingenioso y perspicaz de AI, ha bautizado esta posición de la alta iglesia computacionalismo. Sus prelados incluyen tales figuras del establishment como Simon y del MIT Marvin Minsky, su Ciudad del Vaticano es el MIT, "el Polo Oriente."

Luego de fuera de Occidente viene herejía-un credo que no es una alternativa ni una negación. Como Dennett describe, la afirmación es que "el pensamiento es algo que sucede en el cerebro está bien, pero no es la computación en absoluto: el pensamiento es algo integral y emergente y orgánica y difusa y advertir y tierno y misterioso."

Dennett llama a este holismo Zen credo. Y por alguna razón sus defensores parecen agruparse en el área de San Francisco Bay. Entre ellos están los gurús del movimiento: Berkeley filósofos John Searle y Hubert Dreyfus.

Los computationalists y los holistas se han sucedido en él durante años, desde que Dreyfus primero denunció AI a mediados de la década de 1960 con su libro cáustica Qué Las computadoras no pueden hacer . Pero su batalla definitiva se produjo en 1980, en las páginas de la revista Behavioraland Brain Ciencias . Esta revista es única entre las revistas científicas, ya que no se limita a publicarun artículo, primero se solicita el comentario de los compañeros de la autora y le da al autor la oportunidad de escribir una refutación. Luego se publica toda la cosa como un paquete, una especie de debate formal en la impresión. En este caso, la pieza central era el artículo de Searle "Mentes,

cerebros y programas", un ataque punzante en la idea de que una máquina podría pensar.Después setratara de 27 respuestas, la mayoría de los cuales eran duros ataques sobre Searle. Todo esto vale la pena leer por su valor de entretenimiento solamente. Pero también pone de relieve las cuestiones fundamentales con una claridad que nunca ha sido superada.

El cuarto chino

En esencia, el punto de Searle es que la simulación no es la duplicación. Un programa que utiliza las reglas formales para manipular símbolos abstractos nunca puede pensar o ser consciente, porqueesos símbolos no significan nada en el ordenador.

Para ilustrar esto, se propone el siguiente experimento mental como una parodia del típico programa-comprensión del lenguaje de IA de su época: "Supongamos que yo estoy encerrado en una habitación y me dieron un gran lote de la escritura china," dijo. "Supongamos, además, (como es por cierto el caso), que yo sepa ningún chino .... Para mí, la escritura china es sólo tantos garabatos sin sentido. "Luego, dijo Searle, se le da un segundo lote de la escritura china (una" historia "), junto con algunas reglas en Inglés que explicar cómo correlacionar el primer lote con el segundo (un "programa"). Luego, después de todo esto se hace, se le da un tercer conjunto de símbolos chinos ("Preguntas"), junto con normas aún más en inglés que le indican cómo manipular las hojas de papel hasta que los tres lotes están correlacionados, y cómo producir un nuevo conjuntode caracteres chinos ("respuestas"), que luego pasa a salir de la habitación. Por último, dijo Searle, "después de un rato me pongo tan bueno en la manipulación de las instrucciones de los símbolos chinos y los programadores obtener tan buenos en la escritura de los programas que desde el punto de vista externo. . . mis respuestas a las preguntas son absolutamente indistinguibles de los de hablantes nativos de chino. "En otras palabras, Searle aprende a pasar la prueba de Turing en chino.

Ahora, de acuerdo a los fanáticos de la IA fuerte, dijo Searle, un equipo que puede responder a las preguntas de esta manera no es sólo la simulación de habilidades del lenguaje humano. Es entender literalmente la historia. Por otra parte, la operación del programa es de hecho una explicación de la comprensión humana.

Y, sin embargo, dijo Searle, mientras que él está encerrado en esa habitación imaginaria que está haciendo exactamente lo que hace el equipo. Él utiliza las reglas formales para manipular símbolos abstractos. Toma en historias y da las respuestas exactamente como un chino nativo lo haría. Pero él todavía no entiende una palabra de chino . Entonces, ¿cómo es posible decir que la computadora entiende? De hecho, dijo Searle, no lo hace. Para la comparación, se imaginan que las preguntas y las respuestas ahora cambiar a Inglés. Por lo que la gente fuera de la sala se refiere, el sistema es tanfluido como antes. Y sin embargo, hay toda la diferencia en el mundo, porque ahora no sólo está manipulando símbolos formales más. Él entiende lo que se dice. Las palabras tienen significado para él-o, en el lenguaje técnico de la filosofía, que tiene intencionalidad . ¿Por qué? "Porque soy una cierta clase de organismo con una cierta biológica (es decir, químicos y físicos / estructura," dijo, "y esta estructura, bajo ciertas condiciones, es causalmente capaz de producir la percepción, la acción, la comprensión, el aprendizaje y otros fenómenos intencionales. "En otras palabras, Searle concluye que es ciertamente posible para una máquina de pensar" en un sentido importante de nuestros cuerpos con nuestros cerebros son precisamente este tipo de máquinas ", pero sólo si la máquina es tan complejo y tan poderoso como el cerebro. Un programa de ordenador puramente formal, no puede hacerlo.

Contraargumentos

Roam china de Searle golpeó claramente un nervio sensible, como lo demuestra el número y el espíritu de las denuncias que le siguieron. Estaba claro para todos que cuando Searle utiliza la palabra "intencionalidad", él no estaba hablando sólo de una cuestión técnica oscuro. En este contexto, la intencionalidad es prácticamente sinónimo de mente, alma, espíritu o la conciencia. Aquí está una muestra de algunas de las principales objeciones:

La comparación es injusta . Los programas que Searle ridiculizado demostraron una especie muy cruda de la comprensión, en el mejor, y nadie en AI afirma seriamente nada más por ellos. Incluso siestaban en lo correcto en principio, dijeron los defensores, la comprensión genuina humanlike requeriría mucho más potentes máquinas y programas mucho más sofisticados.

Searle bastante pinta correctamente, sin embargo, que este argumento es irrelevante: por supuesto que las computadoras son cada vez más poderoso: lo que él se opuso a era el principio.

La habitación china historia es entretenida y seductora, pero es un fraude . Douglas R. Hofstadter, de la Universidad de Indiana, autor del best-seller de Gödel, Escher, Bach , señaló que el salto del programa de AI para el test de Turing no es el paso trivial que Searle hace hacia fuera para ser. Es un salto enorme. El pobre diablo en la habitación china tendría que mezclar no sólo unos cuantos pedazos de papel, sino de millones o miles de millones de trozos de papel. Le llevaría años para responder a una pregunta, si podía hacerlo en absoluto. En efecto, dice Hofstadter, Searle postula procesos mentales frenados por un factor de millones, por lo que no es de extrañar que se ve diferente.

De Searle de respuesta que podía memorizar las tiras de papel y mezclarlas en su cabeza suena bastante plausible. Pero a medida que varios encuestados han señalado, que socava peligrosamente toda su argumento: una vez que se memoriza todo, no es que ahora entiende el chino de la misma manera que él entiende Inglés?

Todo el sistema se hace entender el chino . Es cierto que el hombre en la habitación no entiende a símismo chino.Pero él es sólo una parte de un sistema más amplio que también incluye las tiras de papel, las reglas, y el mecanismo de paso de mensajes. Tomado como un todo, este sistema más grande entiende chino. Este "sistema" respuesta fue formulada por un número de los encuestados. Searle se lo podía creer-"No es fácil para mí imaginar cómo alguien que no estaba en las garras de una ideología podía encontrar la idea en absoluto plausible", sin embargo, el concepto es más sutil de lo que parece. Considere un termostato: a bimetálicas curvas de tira y Unbends comolos cambios de temperatura. Cuando la habitación es demasiado frío, la tira se cierra una conexión eléctrica y el horno comienza en. Cuando la habitación se calienta de nuevo otra vez, la conexión sevuelve a abrir, y el horno se apaga. Ahora, no la tira bimetálica por sí mismo el control de la temperatura de la habitación? No. ¿El horno de por sí el control de la temperatura? No. ¿El sistema en su conjunto el control de la temperatura? Sí.Conexiones y la organización hacen el todo en yeguaque la suma de sus partes.

Searle no deja claro cuál es la intencionalidad, o por qué una máquina no puede tenerlo . Como Dennett señaló: "Para Searle, la intencionalidad es más bien como una sustancia maravillosa secretada por el cerebro la forma en que el páncreas secreta insulina." Y no nos engañemos: el concepto de intencionalidad de Searle requiere un cerebro biológico. Él negó explícitamente que un robot podría tener intencionalidad, incluso si se dispone de los ojos, los oídos, los brazos, las piernas y todos los otros accesorios que necesita para moverse y percibir el mundo como un ser humano. En el interior, dijo, el robot sigue siendo sólo se manipula símbolos formales.

Esta afirmación llevó psicólogo Zenon Pylyshyn de la Universidad de Ontario Occidental de proponer su propio experimento de pensamiento irónico: "Por lo tanto, si cada vez más de las

células de su cerebro eran para ser reemplazados por chips de circuitos integrados, programados de forma tal que se mantenga la entrada-salida de la función de cada unidad idéntica a la unidad que está siendo reemplazado, que con toda probabilidad sólo mantenerse a la derecha en hablar exactamente como lo están haciendo ahora, excepto que usted eventualmente se detenga significa nada con eso. Lo que los observadores externos podrían tener que ser palabras serían para usted sólo ciertos ruidos que los circuitos causados a hacer. "En resumen, te convertirías en un zombie.

Dennett tomó el mismo tema en su propio artículo. Por lo que se refiere a la selección natural, señaló, el zombi de Pylyshyn o robot de Searle es tan apto para la supervivencia como aquellos de nosotros con cerebros intencionales Searlestyle. Evolución haría ninguna distinción. De hecho, desde un punto de vista biológico, la intencionalidad es irrelevante, tan inútil como el apéndice. Entonces, ¿cómo es que alguna vez surge? Y después de haber surgido, ¿cómo sobrevivir y prosperar cuando ofreció ningún valor-la selección natural? ¿No somos afortunados de que algunamutación oportunidad no robó nuestros antepasados de la intencionalidad? Preguntó Dennett. Si lo hubiera hecho, dijo, "nos gustaría comportarse tal como lo hacemos ahora, pero por supuesto que nonos quiere decir que" No hace falta decir, baño Pylyshyn y Dennett encontraron esta absurda.

En retrospectiva, el gran debate tiene que ser clasificado como un enfrentamiento. Searle, como es lógico, no estaba convencido por cualquiera de los argumentos de sus oponentes, para el día de hoy que él y sus compañeros de los holistas Zen se han negado a ceder ni un centímetro. Sin embargo, nunca han dado una explicación realmente convincente de por qué un cerebro y sólo un cerebro pueden secretar intencionalidad. Los computationalists, por su parte, siguen convencidos de que están teniendo éxito donde los filósofos han fracasado durante 3.000 años-que están produciendo una verdadera teoría científica de la inteligencia y la conciencia. Pero no pueden demostrarlo. Todavía no, de todos modos.

Y para ser justos, la carga de la prueba recae sobre la influenza aviar. El paradigma de procesamiento de símbolos es un enfoque interesante. Si nada más, es un enfoque vale la pena explorar para ver qué tan lejos puede ir. Pero aún así, ¿qué es la conciencia?

La ciencia como un mensaje de la Desesperación

Una forma de responder a esta última pregunta es con otra pregunta: ¿Realmente queremos saber? Muchas personas instintivamente laterales con Searle, horrorizado por lo que la posición computacionalista implica: Si el pensamiento, el sentimiento, la intuición, y todas las otras funciones de la mente pueden ser entendidos ni siquiera en principio, si nos somos máquinas, entonces Dios no está hablando a nuestros corazones . Y para el caso, tampoco lo es Mozart. El alma no es más que las activaciones de símbolos neuronales. Espíritu no es más que un aumento de las hormonas y los neurotransmisores. Significado y propósito son ilusiones. Y, además, cuando las máquinas se hacen viejos y se rompen con el amanecer, se descartan sin pensarlo. Por lo tanto, para muchas personas, la IA es un mensaje de desesperación. Por supuesto, esto no es una preocupación nueva. Para aquellos que opten por verlo de esa manera, la ciencia misma es un mensaje de desesperación.

En 1543 con la publicación de De Revolutionibus el astrónomo polaco Nicolás Copérnico se trasladó a la tierra del centro del universo, y la convirtió en un planeta entre muchos relación y por lo tanto ha cambiado de la humanidad con Dios. En el universo earthcentered de Tomás de Aquino y otros teólogos medievales, el hombre había estado a punto a mitad de camino entre un cielo que se extendía más allá de la esfera de las estrellas y un infierno que ardían bajo sus pies. Él había vivido siempre bajo la atenta mirada de Dios, y su estado espiritual se había reflejado en la estructura misma del cosmos. Pero después de Copérnico la tierra y el hombre se redujeron a ser errantes en un universo infinito. Para muchos, el sentido de la muchacha y la confusión eran palpables.

En 1859 con la publicación de El Origen de las Especies de Charles Darwin describió cómo un grupo de seres vivos se debe a otra a través de la selección natural y por lo tanto ha cambiado nuestra percepción de lo que somos. Una vez que el hombre había sido la creación especial de Dios,el favorito de todos sus hijos. Ahora el hombre era más que otro animal, el descendiente de los monos.

En la última parte del siglo XIX y las primeras décadas del siglo XX, con la publicación de obras como La interpretación de los sueños (1901), Sigmund Freud iluminó el funcionamiento interno de la mente y de nuevo cambió nuestra percepción de lo que somos. Una vez que había sido sólo un poco menor que los ángeles, dueños de nuestras propias almas. Ahora estábamos a merced de los demonios como la rabia, el terror y la lujuria, hecho tanto más horrible por el hecho de que vivían sin ser visto en nuestras propias mentes inconscientes.

Así que el mensaje de la ciencia puede ser sombrío. Puede ser visto como una proclamación de que los seres humanos no son más que masas de partículas recogidas por casualidad ciega y que se rigenpor las leyes físicas inmutables, que no tenemos ningún sentido, que no hay fin a la existencia, y que el universo sólo no cuidar.Sospecho que esta es la verdadera razón para el rechazo desesperado de los creacionistas de Darwin. No tiene nada que ver con el Génesis, sino que tiene todo que ver con ser especial a los ojos de un Dios cariñoso. El hecho de que su credo se basa en la ignorancia y una distorsión deliberada de las pruebas hace que sean a la vez triste y peligroso. Pero su anhelo de orden y propósito en el mundo es comprensible e incluso noble. También sospecho que este vacío espiritual percibido en la ciencia que hay detrás de la fascinación por lo que muchas personas sienten por pseudociencias como la astrología. Después de todo, si las estrellas y los planetas guían mi destino, entonces de alguna manera me importa. El universo se preocupa. La astrología no tiene ningún sentido científico alguno. Pero ahora los que necesitan tales garantías, lo que puede ofrecer la ciencia para reemplazarlo?

La ciencia como un mensaje de esperanza

Y sin embargo, el mensaje no tiene por qué ser sombrío. La ciencia nos ha dado un universo de enorme extensión llena de maravillas más allá de cualquier cosa de Aquino supo nunca. ¿Disminuyeel cielo de la noche para saber que los planetas son otros mundos y que las estrellas son otros soles? De la misma manera, una teoría científica de la inteligencia y la conciencia bien podría proporcionarnos una comprensión de otras mentes posibles. Tal vez nos mostrará más claramente cómo nuestras formas occidentales de percibir el mundo se relacionan con la percepción de otras culturas. Tal vez nos dirá cómo la inteligencia humana se inscribe en la gama de otras inteligencias posibles que puedan existir en el universo. Tal vez nos dará una nueva visión de quiénes somos y cuál es nuestro lugar en la creación.

De hecho, lejos de ser amenazante, la perspectiva es extrañamente reconfortante. Considere la posibilidad de un programa de ordenador. Es sin lugar a dudas un fenómeno natural, el producto de las fuerzas físicas que empujan los electrones aquí y allá a través de una red de silicio y metal. Y sinembargo, un programa de ordenador es la yegua que una oleada de electrones. Tome el programa y ejecutarlo en otro tipo de equipo. Ahora la estructura de silicio y metal es completamente diferente. La forma en que los electrones se mueven es completamente diferente.Pero el programa en sí es el mismo, ya que todavía hace lo mismo. h es parte de la computadora. Necesita el equipo de existir. Y sin embargo, trasciende el ordenador. En efecto, el programa se encuentra en un nivel diferente de la realidad de la computadora. De ahí el poder del modelo de procesamiento de símbolo: Mediante la descripción de la mente como un programa que se ejecuta en un equipo de carne y hueso, que nos muestra cómo el sentimiento, el propósito, el pensamiento y la conciencia pueden ser parte del cerebro físico y, sin embargo trascender la cerebro. Nos muestra cómo la mentepuede estar compuesta de procesos simples, comprensibles y todavía ser algo más.

Considere la posibilidad de una célula viva. Las enzimas individuales, lípidos y moléculas de ADN

que van a constituir una célula son cosas relativamente simples. Obedecen las leyes bien conocidas de la física y la química.


Pensamientos sobre Inteligencia Artificial

21 de febrero 2001

Autor:

Marvin Minsky

Uno de los visionarios en el campo de la IA comparte sus pensamientos sobre AI, desde el comienzo de la última década. Desde revolucionario libro de Ray Kurzweil La era de las máquinas inteligentes, publicado en 1990.

Qué es la inteligencia?

¿Qué es la inteligencia, de todos modos? Es sólo una palabra que la gente utiliza para nombrar los procesos desconocidos con los que nuestros cerebros resuelven problemas que llamamos duro. Pero cada vez que se aprende una habilidad a ti mismo, es menos impresionado o desconcertados cuandootras personas hagan lo mismo. Por ello, el significado de la "inteligencia" parece tan difícil de alcanzar: no describe algo definido pero sólo el horizonte momentánea de nuestra ignorancia acerca de cómo las mentes podrían funcionar. Es difícil para los científicos que tratan de entender la inteligencia para explicar, precisamente, lo que hacen, ya que nuestras definiciones de trabajo cambian de año en año. Pero no es en absoluto inusual para las ciencias para apuntar a blancos en movimiento. Biología explora la frontera móvil de lo que entendemos de lo que sucede dentro de nuestros cuerpos. Hace sólo unas décadas la capacidad de los organismos para reproducirse parecía ser un misterio profundo y complejo. Sin embargo, tan pronto como ellos lo entendían los elementos de cómo nuestras cadenas de genes se replican a sí mismos, los biólogos se preguntaban por qué se tardó tanto tiempo para pensar en una cosa tan simple. De la misma manera cada época de la psicología explora lo que nosotros no sabemos entonces acerca de los procesos en el cerebro.

Entonces, ¿podemos algún día construir máquinas inteligentes? Aprovecho que la respuesta fuera sí,en principio, debido a que nuestros propios cerebros son máquinas. Sin duda, todavía sabemos muy poco sobre cómo los cerebros realmente funcionan. No hay ninguna razón para que los científicos se avergüencen de ello, teniendo en cuenta que lo que era hace tan sólo un siglo que comenzamos a sospechar que los cerebros se hicieron de las células nerviosas independientes que actuaban un pococomo piezas de la computadora y que es sólo la mitad de un siglo desde que comenzamos el desarrollo de ideas técnicas para la comprensión de lo que estos sistemas podrían hacer. Estas ideas siguen siendo apenas suficiente para hacer frente a los equipos de serie de hoy en día, que tienen sólo miles de componentes activos, y no son todavía lo suficientemente robusta como para hacer frente a los sistemas como los del cerebro, que implican miles de millones de partes interconectadas, todos trabajando simultáneamente.

Tampoco sabemos todavía cómo hacer máquinas de hacer muchas de las cosas que la gente común. Algunos críticos sostienen que las máquinas nunca podrán hacer mismo de esas cosas, y algunos escépticos incluso afirman haber demostrado ese tipo de cosas. Ninguna de esas supuestas pruebas en realidad tiene capacidad para cerrar el examen, debido a que todavía estamos en las edades oscuras del conocimiento científico sobre estos asuntos. En cualquier caso, no tiene la más mínima razón para creer que los cerebros humanos no son máquinas. Debido a esto, la psicología y la inteligencia artificial tienen objetivos similares: ambos buscan aprender cómo las máquinas

http://www.kurzweilai.net/marvin-minsky

pueden hacer muchas cosas que todavía no podemos hacer que ellos hagan.

¿Por qué hay tanta gente molesta por la idea de que los cerebros humanos no son más que "meras máquinas"?Me parece que tenemos un problema con la palabra "equipo" porque hemos crecido en la creencia de que las máquinas pueden comportarse sólo en formas sin vida, mecánico. Este punto de vista es obsoleto, porque las formas en que usamos la palabra "máquina" no están actualizados. Durante siglos, las palabras como "máquina" y "mecánica" se utilizaron para describir dispositivos relativamente simples, como poleas, palancas, locomotoras y máquinas de escribir. El "equipo" palabra demasiado hereda del pasado esa sensación de pequeñez que viene de hacer opaca la aritmética por muchos pasos pequeños y aburridos. Debido a esto, nuestra experiencia previa a veces puede ser una desventaja. Nuestras ideas preconcebidas de lo que las máquinas pueden hacer la fecha de lo que sucedió cuando nos reunimos los sistemas de sólo unos pocos cientos o miles de piezas. Y eso no preparó que pensemos en las asambleas brainlike de miles de millones de piezas. Aunque ya estamos construyendo máquinas con muchos millones de piezas, seguimos pensando como si nada hubiera cambiado. Tenemos que aprender a cambiar nuestra forma de pensar acerca de los fenómenos que trabajan en esas escalas más grandes.

¿Qué es la Inteligencia Artificial?

A pesar de que todavía no entendemos cómo los cerebros realizan muchas habilidades mentales, todavía podemos trabajar hacia la fabricación de máquinas que hacen las cosas iguales o parecidas. "Inteligencia Artificial" es simplemente el nombre que damos a esa investigación. Pero, como ya he señalado, esto significa que el enfoque de que la investigación seguirá cambiando, ya que tan pronto como pensamos que entendemos único misterio, tenemos que pasar a la siguiente. De hecho, la investigación en IA ha hecho enormes progresos en sólo unas pocas décadas,y debido a que la rapidez, el campo ha adquirido una reputación algo sombrío! Esta paradoja se debe al hecho de que cada vez que un proyecto de investigación de AI hizo un nuevo descubrimiento útil, ese producto por lo general se giró rápidamente apagado para formar una nuevaespecialidad científica o comercial con su propio nombre distintivo. Estos cambios en el nombre condujeron forasteros que preguntar, ¿Por qué vemos tan poco progreso en el campo central de la inteligencia artificial? Aquí hay algunas especialidades que se originaron al menos en parte de la investigación en IA pero luego dividen en campos separados y, en algunos casos, las empresas comerciales: robótica, reconocimiento de patrones, sistemas expertos, demostración de teoremas automática, la psicología cognitiva, el procesamiento de textos, la visión artificial, ingeniería del conocimiento, las matemáticas aplicadas simbólicos, y la lingüística computacional.

Por ejemplo, muchos investigadores en la década de 1950 trabajó hacia el descubrimiento de maneras de hacer máquinas reconocen varios tipos de patrones. A medida que se aplican los resultados a los problemas involucrados con la visión, el habla, y varias otras áreas, esos campos se desarrollaron sus propias técnicas más distintas, organizaron sus propias sociedades técnicas y revistas, y dejaron de usar el término "inteligencia artificial". Del mismo modo, un temprana preocupación de AI fue desarrollar técnicas para habilitar las computadoras para comprender el lenguaje humano, lo que dio lugar a un campo denominado lingüística computacional. Una vez más, muchas ideas de la inteligencia artificial tuvieron una gran influencia entre los psicólogos, que aplicó esas ideas a sus estudios de la mente sino que se utiliza el título de "la psicología cognitiva."

Puedo ilustrar cómo se desarrollan los proyectos de IA al relatar la investigación de James Slagle, que, como estudiante de posgrado en el MIT en 1960, desarrolló un programa para resolver problemas de cálculo, sino que lo nombró con las iniciales de A pesar de que hubo "integración automática simbólico." muchos problemas que no podía resolver SAINT, que superaron el desempeño de los estudiantes promedio del MIT. La primera vez que se acercó a este tema, la mayoría de los científicos consideran la solución de esos problemas que requieren inteligencia sustancial. Pero después de la obra de Slagle tuvimos que preguntarnos a nosotros mismos en lugar

de por qué los estudiantes toman tanto tiempo para aprender a hacer cosas tan sencillas, básicamente.

¿Cómo SAINT resolver esos problemas? Se empleó a cerca de 100 fórmulas de los dominios de álgebra y cálculo y se aplica a estos una docena de métodos de coincidencia de modelos para decidir cuál es la fórmula que podría ser más probable que ayude a resolver un problema dado. Dado que cualquier intento en particular puede fallar, el programa tuvo que emplear una gran cantidad de ensayo y error. Si un método no funcionó, el programa pasó automáticamente a probar con otro. A veces uno de ellos iba a funcionar, pero con frecuencia un problema era demasiado difícil para algún tal solo método funcione. El sistema fue programado en ese caso, para proceder a otros métodos, métodos que intentaron dividir cada problema duro en varias otras más simples. De esta manera, si ningún método particular, trabajó, SAINT estaba equipado con una gran variedad de alternativas.

Ahora podemos hacer un punto importante. Durante años, el público ha sido informado, ordenadores sólo hacer lo que están programados para hacer. Pero ahora usted puede ver por qué eso no es del todo cierto: Podemos escribir programas que causan el equipo para buscar soluciones. A menudo este tipo de búsquedas producen resultados que sorprenden enormemente susprogramadores.

La idea de hacer que los programas de búsqueda ampliado enormemente sus poderes. Pero también dio lugar a nuevos tipos de problemas: los procesos de búsqueda podrían generar tantas alternativas posibles que los programas estaban en constante peligro de perderse, repitiéndose a sí mismos, o de persistir en los intentos infructuosos que ya habían consumido grandes cantidades de tiempo. Mucha de la investigación en la década de 1960 se centró en la búsqueda de métodos para reducir ese tipo de búsqueda infructuosa. Mismo Slagle experimentó con algunas teorías matemáticas de la forma de tener en cuenta tanto la cantidad de esfuerzo se había gastado en cada intento de solución y cuánto se había avanzado aparente. Así, el programa SAINT funcionaba tan bien como lo hizo, no sólo por sus conocimientos especializados sobre el cálculo, sino también por otros conocimientos acerca de la búsqueda en sí misma. Para evitar que la búsqueda de la simple forcejeo alrededor, haciendo un intento aleatorio tras otro, algunos de los conocimientos del programa se aplicó a reconocer las condiciones en las que su otro conocimiento más especializado podría ser particularmente útil.

Cuando SAINT apareció por primera vez, fue aclamado un ejemplo destacado de la labor en el campo de la inteligencia artificial. Más tarde, otros trabajadores analizados con mayor cuidado sus virtudes y deficiencias, y esta investigación mejoran nuestra comprensión de la naturaleza básica delos problemas de cálculo. Finalmente se encontró la manera de sustituir todos los procesos de prueba y error en SAINT por métodos que funcionaron sin ningún búsqueda. El producto comercial resultante, un programa llamado MACSYMA, en realidad superó las capacidades de los matemáticos profesionales en esta área. Pero una vez que el tema fue muy bien entendido, dejamos de pensar en ella como la necesidad de la inteligencia. Esta área es ahora generalmente considerada como perteneciente no a la inteligencia artificial, pero a una especialidad separada llamada matemáticas aplicadas simbólicos.

Robótica y Sentido Común

En la década de 1960 por primera vez comenzamos a equipar las computadoras con las manos mecánicas y los ojos de la televisión. Nuestro objetivo era dotar a las máquinas con las clases de habilidades los niños usan cuando se juega con los juguetes y los bloques de construcción. Nos pareció mucho más difícil de hacer de lo esperado. De hecho, un estudioso de la historia de la inteligencia artificial podría tener una idea de ver la evolución a la inversa. Incluso en sus primeros años vimos equipos que juegan al ajedrez y haciendo cálculos, pero nos tomó otra década para que empecemos a aprender a hacer las máquinas que podrían comenzar a actuar como niños jugando

con bloques de construcción! Lo que hace que sea más fácil diseñar programas que imitan a los expertos que para hacerlos simulan los novatos? La respuesta es sorprendente, los expertos son más simples que los principiantes! Para ver por qué era más difícil de hacer que los programas juegan con los juguetes que los exámenes de cálculo pase, vamos a considerar lo que está involucrado en permitir un robot para copiar estructuras simples compuestas de bloques: teníamos que dar nuestro robot con cientos de pequeños programas organizados en un sistema que se dedica muchos dominios diferentes de conocimiento. Aquí están algunos de los tipos de problemas de este sistema tuvo que hacer frente a:

• La relación entre la mano y el ojo

• Reconociendo objetos de sus apariencias visuales

• Reconociendo objetos parcialmente ocultos a la vista

• Reconociendo las relaciones entre diferentes objetos

• Encajando las formas tridimensionales

• La comprensión de cómo los objetos pueden apoyarse entre sí para formar estructuras estables

• La planificación de una secuencia de acciones para armar una estructura

• En movimiento en el espacio con el fin de evitar colisiones

• El control de los dedos de una mano para agarrar un objeto

Es muy difícil para cualquier adulto que recuerde o apreciar lo complejo que son las propiedades delos objetos físicos ordinarios. Una vez, cuando se le pidió una primera versión de nuestro programa de construcción de bloques para encontrar un nuevo lugar para poner un bloque, se trató de colocarla en la parte superior de la misma! El programa no podía anticipar cómo esa acción iba a cambiar la situación. Para catalogar solamente bastantes fragmentos de conocimiento para que un robot para construir una casa en forma de bloque simple a partir de una variedad no especificada de los materiales disponibles sería una tarea enciclopédica. Los estudiantes universitarios suelen aprender cálculo en la mitad de un año, pero se necesita diez veces más tiempo para que los niños dominen sus juguetes de construcción. A todos nos olvidamos de lo difícil que era para aprender esas cosas cuando éramos jóvenes.

La experiencia y el sentido común

Muchos programas de computadora ya existen que hacen las cosas la mayoría de las personas considerarían que requiere inteligencia. Pero ninguno de esos programas puede trabajar fuera de algunos muy pequeño dominio o especialidad. Tenemos programas distintos para jugar al ajedrez, eldiseño de los transformadores, la demostración de teoremas de geometría, y el diagnóstico de las enfermedades del riñón. Pero ninguno de esos programas puede hacer cualquiera de las cosas que los demás hacen. Por sí mismo cada uno carece de la vitalidad y versatilidad que cualquier persona normal tiene. Y todavía nadie sabe cómo poner muchos de esos programas juntos para que puedan comunicarse eficazmente con los demás. En mi libro, La sociedad de la mente, me esbozar algunas ideas sobre la forma en que se podría hacer dentro de nuestros cerebros.

La elaboración de diferentes ideas es sólo lo que los niños aprenden a hacer: nosotros generalmente llamamos sentido común. Pocos jóvenes pueden diseñar transformadores o diagnosticar enfermedades renales, pero siempre que esos niños hablan o juegan, combinar de mil diferentes habilidades. ¿Por qué es mucho más fácil para los programadores de IA para simular adultos, habilidades de expertos que para que los programas llevan a cabo las clases infantiles de pensamiento de sentido común? Sospecho que parte de la respuesta está en las cantidades de la variedad. A menudo podemos simular gran parte de lo que un specializt hace reuniendo una colección de métodos especiales, todos los cuales comparten el mismo carácter común. Entonces, siempre y cuando nos mantengamos dentro de un mundo pequeño problema y ordenado, dominio

del que specializt de experiencia, necesitamos más que aplicar diferentes combinaciones de reglas básicamente similares. Este alto grado de uniformidad hace que sea fácil de diseñar un programa de supervisión de alto nivel para decidir qué método a aplicar. Sin embargo, a pesar de los "métodos" de pensamiento cotidiano pueden, por sí mismas, parecen más simples que las de expertos, nuestras colecciones de métodos de sentido común tratar con un gran número de más tipos diferentes de problemas y situaciones. Considere la cantidad de cosas diferentes cada niño normal debe aprender acerca de los objetos físicos-pareciendo simples, como las peculiaridades de bloques que son pesados, grandes, lisos, peligroso, bastante, delicado, o pertenecer a otra persona. Entonces considera que el niño debe aprender muy diferentes tipos de estrategias para el manejo de sólidos y líquidos; cuerdas, cintas y telas; jaleas y lodos, así como las cosas que le dicen están prohibidos, venenoso, o que puedan cortar o morder.

¿Cuáles son las consecuencias del hecho de que el dominio del pensamiento de sentido común es tan inmensamente variada y desordenada? Uno de los problemas es simplemente acumulando tanto conocimiento.Pero la investigación en IA también se encontró con un segundo problema, más sutil. Tuvimos que enfrentar el simple hecho de que para que una máquina se comporte como si "sabe" nada, debe existir, dentro de esa máquina, algún tipo de estructura de encarnar o "representar" ese conocimiento. Ahora, un "experto" sistema especializado, o por lo general puede llegar a funcionar con muy pocos tipos de lo que llamamos representaciones del conocimiento. Perocon el fin de abarcar ese universo más amplio de situaciones que nos encontramos en la vida ordinaria, que parecemos necesitar una variedad mucho más amplia de tipos de representaciones. Esto conduce a un segundo tipo, más difícil de problema: conocimiento representado en diferentes maneras debe ser aplicado de diferentes maneras. Esto impone a cada niño obligaciones de un tipo superior: tienen que aprender que para aplicar tipos de conocimiento a la que los tipos de situaciones y la forma de aplicarlos. En otras palabras, tenemos que acumular no sólo conocimientos, sino también una buena cantidad de conocimientos sobre el conocimiento. Ahora, los expertos también tienen que hacerlo, sino porque el conocimiento de sentido común es más variados tipos, una persona común tiene que aprender (aunque sea inconscientemente) mucho más conocimiento acerca de las representaciones del conocimiento, es decir, qué tipos de habilidades de representación a utilizar para diferentes propósitos y cómo usarlos.

Si esto suena muy complicado, es porque lo que realmente es. Hasta el último medio siglo sólo teníamos teorías simples de la mente, y estos explicamos sólo un poco de lo que los animales pueden hacer en los mundos empobrecidas de los experimentos de laboratorio. No fue sino hasta la década de 1930 hicieron psicólogos como Jean Piaget descubre cuántos aspectos de la mente de un niño a desarrollar a través de procesos complicados, a veces compuestas de secuencias complejas deperíodos stagelike. Todavía no sabemos mucho sobre estos asuntos, con excepción de que la mente es mucho más complejo de lo imaginado en las filosofías más antiguas.En la sociedad de la mente, que la retratan como una especie de burocracia enmarañada-up, compuesto por diferentes expertos, o como yo los llamo, "agencias", que cada desarrollan diferentes formas de representar lo que aprenden. Pero, ¿cómo pueden los expertos utilizan diferentes lenguas comunicarse unos con otros? La solución propuesta en mi libro es simplemente que ellos nunca llegan a hacerlo muy bien! Y eso explica por qué la conciencia humana parece tan misterioso. Cada parte de la mente recibe sólo indicios de lo que las otras partes están a punto, y no importa lo duro que una mente puede probar, nunca puede hacer mucho sentido de sí mismo.

Las supercomputadoras y Nanotecnología

Muchos de los problemas que consideramos que necesitan inteligencia a veces se pueden resolver recurriendo a la búsqueda exhaustiva, es decir, mediante el uso de energía de la computadora masiva, en bruto. Esto es lo que sucede en la mayoría de los ordenadores de ajedrez de bolsillo de bajo costo. Estas pequeñas máquinas utilizan programas muy parecidos a los que hemos

desarrollado en la década de 1960, con lo que eran entonces algunos de los más grandes equipos de investigación del mundo. Esos programas antiguos trabajaron mediante el examen de las consecuencias de decenas de miles de movimientos posibles antes de elegir uno para hacer realidad. Pero en aquellos días los programas tomó tanto tiempo para hacer esos movimientos que los conceptos que utilizaron fueron descartados como inadecuado. Hoy, sin embargo, puede ejecutarlos mismos programas en computadoras más rápidas para que puedan considerar a millones de posibles movimientos, y ahora jugar mucho mejor ajedrez.Sin embargo, eso no debe engañarnos en pensar que ahora entendemos el problema de fondo mejor. Hay buenas razones para creer que los jugadores de ajedrez humano pendientes realmente examinan meramente decenas, en lugar de millones, de movimientos posibles, sometiendo cada uno para un análisis más reflexivo.

En cualquier caso, como las computadoras mejoraron en velocidad y tamaño de la memoria, un buen número de métodos de programación se convirtieron en práctica, los que realmente habían sido descartadas en los primeros años de la investigación en IA. Una computadora de escritorio de Apple (o un Amiga, Atari, IBM, o lo que sea) puede hacer más que podría una máquina típica de millones de dólares de hace una década, sin embargo, los ciudadanos privados pueden permitirse el lujo de jugar con ellos. En 1960 una memoria de millones de bits costó un millón de dólares; hoy una memoria del mismo tamaño (y el trabajo de un centenar de veces más rápido) puede adquirirse por el precio de una buena cena. Algunos videntes predicen otra disminución cien veces su tamaño y el reparto, tal vez en menos de una década, cuando aprendemos cómo hacer que cada microcircuito diez veces más pequeño en tamaño lineal y por lo tanto de un centenar de veces más pequeño en el área. ¿Qué sucederá después? Nadie lo sabe, pero podemos estar seguros de una cosa:esos chips bidimensionales que utilizamos hoy en día hacen uso muy ineficiente del espacio. Una vez que empezamos a construir microestructuras tridimensionales, podríamos tener otra millionfald en la densidad. Sin duda, ello le supondría graves nuevos problemas con la energía, el aislamiento, y el calor. Para una discusión futurista pero sensible de tales posibilidades, te recomiendo Motores de Eric Drexler de la Creación (Falcon Press, 1986).

No sólo se han abaratado los componentes pequeños, sino que también han llegado a ser más rápido. En 1960, un componente típico requiere un microsegundo para funcionar, hoy nuestros circuitos operan miles de veces más rápido. Pocos optimistas, sin embargo, predicen un nuevo aumento en la velocidad mil veces en la próxima generación. ¿Significa esto que, incluso con la disminución de los costos que pronto encontrará con límites en lo que podemos hacer que las computadoras hacen? La respuesta es no, porque estamos empezando una nueva era de las computadoras paralelas.

La mayoría de las computadoras de hoy todavía están en serie, es decir, lo hacen una sola cosa a la vez.Normalmente, un equipo de serie cuenta con millones de elementos de memoria, pero sólo unospocos de ellos operan en cualquier momento, mientras que el resto de ellos, espera su turno: en cadaciclo de operación, un equipo de serie puede recuperar y utilizar sólo uno de los elementos en sus bancos de memoria. ¿No sería mejor mantener más del hardware en la operación real? Un tipo más activo de la arquitectura de ordenador se propuso en la máquina de conexión de Daniel Hillis (MIT Press, 1986), que describe una manera de montar una máquina de gran tamaño a partir de un gran número de equipos muy pequeños, de serie que operan simultáneamente y pasan mensajes entre sí. Sólo unos pocos años después de haber sido concebido, Máquinas de conexión ya están disponibles en el mercado, y que de hecho parecen haber cumplido su promesa de romper a través de algunas de las limitaciones de velocidad de las computadoras en serie. En ciertos aspectos que ahora son los ordenadores más rápidos del mundo.

Esto no quiere decir que los ordenadores paralelos no tienen sus propias limitaciones. Porque, así como no se puede empezar a construir una casa antes de las tablas y ladrillos han llegado, no siempre se puede empezar a trabajar de forma simultánea en todos los aspectos de la resolución de un problema. Camiseta sin duda sería bueno si pudiéramos tomar cualquier programa para una

computadora de serie, dividirlo en un millón de piezas, y luego obtener la respuesta de un millón de veces más rápido mediante la ejecución de esas partes al mismo tiempo en que muchos ordenadoresen paralelo. Pero eso no se puede hacer, en general, en particular cuando ciertas partes de la solución dependen de las soluciones a otras partes. Sin embargo, esto resulta muy a menudo a ser factible en la práctica real. Y aunque esto es sólo una conjetura, sospecho que va a suceder con sorprendente frecuencia a los efectos de la inteligencia artificial. ¿Por qué pienso así? Simplemente porque me parece muy claro que nuestros propios cerebros deben funcionar de esa manera.

Considere que las células cerebrales funcionen a velocidades muy modestas en comparación con lasvelocidades de piezas de la computadora. Ellos trabajan a un ritmo de menos de mil operaciones porsegundo, un millón de veces más lento que lo que sucede en el interior de un chip de circuito de computadora moderna. ¿Podría cualquier computadora con esas partes lentas hacer todas las cosas que una persona puede hacer? La respuesta debe estar en computación paralela: diferentes partes delcerebro tienen que hacer muchas más cosas diferentes al mismo tiempo. Es cierto, que tomaría por lo menos mil millones de células nerviosas que trabajan en paralelo, pero el cerebro tiene muchas veces que el número de células.

AI y el Mundo del Futuro

Las máquinas inteligentes pueden estar dentro del alcance tecnológico del siglo próximo. Durante las próximas generaciones que tendremos que hacer frente a los problemas que plantean. A menos que aparezcan algunos obstáculos imprevistos, nuestras habilidades mente-ingeniería podrían crecerhasta el punto de que nos permite construir los científicos consumados artificiales, artistas, compositores y acompañantes personales. Es AI simplemente otro avance en la tecnología, o se tratade un punto de inflexión en la evolución humana que debe ser un foco de discusión y planificación por parte de toda la humanidad? La perspectiva de las máquinas inteligentes es uno que estamos mal preparados para pensar, porque plantea estas cuestiones morales, sociales, artísticas, filosóficas y religiosas poco comunes. ¿Estamos obligados a tratar a las inteligencias artificiales como seres sensibles? ¿Deberían tener derechos? ¿Y qué debemos hacer cuando no queda ninguna necesidad real de un trabajo honrado, cuando los trabajadores artificiales pueden hacer de todo, desde la minería, la aireación, la medicina, y la fabricación de todo el camino a la casa de la limpieza? ¿Deben nuestras vidas luego derivar hacia inquietud inútil y todos nuestros esquemas sociales desintegrarse?

Estas cuestiones se han discutido más pensativo en las obras literarias de escritores como Isaac Asimov, Gregory Benford, Arthur C. Clarke, Frederick Pohl, y Jack Williamson, quienes trataron deimaginar cómo tales presencias podrían cambiar las aspiraciones de la humanidad. Algunos futuristas optimistas sostienen que una vez que hemos satisfecho todas nuestras necesidades mundanas, entonces podríamos recurrir a los mundos de la mente.Pero considerar cómo que la propia empresa se vería afectada por la presencia de esas entidades mindlike artificiales. Esa misma tecnología AI ofrecería maneras de modificar el hardware de nuestro cerebro y así ampliar sin cesar los mundos mentales que podríamos explorar.

Usted podría preguntarse por qué este ensayo se mezclan ambos equipos y la psicología. La razón es que a pesar de que nos gustaría hablar de hacer máquinas inteligentes, la gente es la única inteligencia que podemos imitar o estudio ahora. Un problema, sin embargo, es que todavía no sabemos lo suficiente sobre cómo trabaja la gente!¿Significa esto que no podemos desarrollar máquinas inteligentes antes de que consigamos algunos mejores teorías de la psicología? No necesariamente. Ciertamente podría haber maneras de hacer máquinas muy inteligentes basados en principios que nuestros cerebros no utilizan, como en el caso de aquellos, máquinas de ajedrez mudos muy rápidos. Pero ya que somos los primeros en máquinas muy inteligentes han evolucionado, que sólo podría representar una de las maneras más simples!

Pero, es posible que objetar, no hay más que una mente humana que la mera inteligencia. ¿Qué pasa

con la emoción, la intuición, el coraje, la inspiración, la creatividad, etc. ¿No sería más fácil simplemente entender la inteligencia que tratar de analizar todos aquellos otros aspectos de nuestra personalidad! No es así, yo sostengo, porque las distinciones tradicionales, como las que existen entre la lógica y la intuición, entre el intelecto y la emoción, imprudentemente tratan de conocimiento independiente y sentido del propósito e intención. En la sociedad de la mente, sostengo que poco se puede hacer sin la combinación de elementos de ambos. Además, cuando los ponemos juntos, es más fácil, más que difícil, para entender estas cuestiones, porque, aunque hay muchos tipos de preguntas, las respuestas a cada una de ellas iluminan el resto.


Marvin Minsky.


Conocimiento Procesamiento-

Desde servidores de archivos a servidores de Conocimiento

21 de febrero 2001

Autor:

Edward Feigenbaum

En este capítulo de La era de las máquinas inteligentes (publicado en 1990) se refiere a la historia y el desarrollo de la IA, y hacia dónde se dirigía, alrededor de 1990.

Edward Feigenbaum es profesor de Ciencias de la Computación y Co-Director Científico del Laboratorio de Sistemas de Conocimiento de la Universidad de Stanford. Dr. Feigenbaum se desempeñó como Jefe Científico de la Fuerza Aérea de los Estados Unidos desde 1994 a 1997.

Se ha dicho que cuando las personas hacen pronósticos sobrestiman lo que puede hacerse en el corto plazo y subestimar lo que puede lograrse en el largo plazo. He trabajado en la ciencia y la tecnología de la inteligencia artificial desde hace veinte años, y confesar que era crónicamente optimista acerca de su progreso. Las ganancias han sido sustanciales, incluso impresionante. Pero apenas hemos comenzado, y no debemos perder de vista el punto al que nos dirigimos, por distante que parezca.

http://www.kurzweilai.net/edward-feigenbaum

Estamos comenzando la transición de procesamiento de datos para el procesamiento del conocimiento. La herramienta clave de nuestra especialidad es la computadora digital, el más complejo y sin embargo la máquina más general que se ha inventado. Aunque el equipo es un dispositivo de procesamiento de símbolo universal, hemos explotado hasta la fecha sólo sus capacidades mundanas para archivar y recuperar datos (servicio de archivos) y para realizar operaciones aritméticas de alta velocidad. Los investigadores en inteligencia artificial han estado estudiando las técnicas de representación informatizada del conocimiento humano y los métodos por los que ese conocimiento puede ser usado para razonar hacia la solución de problemas, la formulación de hipótesis, y el descubrimiento de nuevos conceptos y nuevos conocimientos. Estos investigadores han estado inventando los servidores de conocimiento de nuestro futuro.

Como todos los creadores, científicos y tecnólogos deben soñar, debe proponer una visión, o de lo relegan su trabajo al incrementalismo casi sin sentido. Mi sueño es sobre el futuro de la investigación y el desarrollo de la IA en las próximas décadas, y los sistemas de conocimiento que se pueden producir de esta manera para ayudar al trabajador del conocimiento moderno.

Los comienzos del Sueño

Hace cincuenta años, antes de que comenzara la era moderna de la computación, los teoremas de Turing y máquinas abstractas daban indicio de la idea fundamental de que la computadora podría ser utilizada para modelar los procesos de manipulación de símbolos que componen el más humano de todos los comportamientos: el pensamiento. Hace más de treinta años, el trabajo comenzó en serio (1991 marcará el trigésimo quinto aniversario de la Conferencia de Verano de Dartmouth en Inteligencia Artificial). El principio fundamental de la investigación en IA es realmente un artículo de fe que el equipo digital tiene los medios necesarios y suficientes para la acción inteligente. Este primer principio se llama la hipótesis del símbolo de sistema físico.

El sueño temprana incluyó sueños acerca de un comportamiento inteligente a muy altos niveles de competencia.Turing especula conversaciones de amplio alcance entre las personas y las máquinas y en los programas de juego de ajedrez. Más tarde Newell y Simon escribieron acerca de los programas de ajedrez de nivel campeón y comenzaron su trabajo hacia ese fin. Samuel (corrector dejuego), Gelernter (proving geometría teorema), y otros compartieron el sueño.

En Stanford, Lederberg y yo elegimos el razonamiento en la ciencia como nuestra tarea y comenzó a trabajar con Buchanan y Djerassi en la construcción de un programa que elucidar la estructura química en un alto nivel de competencia: el programa DENDRAL. Lo que surgió de los muchos experimentos con DENDRAL era una hipótesis empírica de que la fuente de poder del programa para averiguar las estructuras químicas de los datos del espectro fue su conocimiento de la química básica y espectral. Para DENDRAL, el conocimiento era poder. Obvio? En retrospectiva, tal vez. Pero la opinión predominante en Al en el momento atribuye poder a los procesos de razonamiento-en términos modernos, para el motor de inferencia, no la base de conocimientos. Así, a finales de 1960 la hipótesis del conocimiento-es-el poder se puso de pie como un contra-hipótesis a la espera de más pruebas y la acumulación de pruebas.

Hay muchas pruebas que se produjo en la década de 1970. La resolución de problemas Medical sirvieron de trampolín. El programa de MYCIN Shortliffe y otros en Stanford era el prototipo de la asesoría a nivel de expertos (o consulta) sistema. El núcleo de MYCIN era su base de conocimiento de las normas para el diagnóstico y la terapia de enfermedades infecciosas. Su razonamiento era sencillo (encadenamiento hacia atrás), incluso ad hoc en partes. Pero MYCIN fue construido como un conjunto integrado de capacidades intelectuales. Puede interactuar con un profesional en la jerga profesional de la especialidad. Podría explicar su razonamiento. Y tenía un subsistema que podrían ayudar en la adquisición de nuevos conocimientos, guiando a un experto para encontrar defectos en el conocimiento almacenado. En general, MYCIN siempre fuerte confirmación de la hipótesis del conocimiento-es-poder.

Casi al mismo tiempo, otros esfuerzos en la solución de problemas médicos estaban proporcionandoresultados similares. En la Universidad de Pittsburgh el enfoque del proyecto Internista fue la construcción de un enorme libro de texto electrónico de los conocimientos de la medicina interna. Con su actual base de conocimientos de 572 enfermedades, cerca de 4.500 manifestaciones,y cientos de miles de enlaces entre ellos, Internista ha proporcionado la confirmación más fuerte hasta ahora de la hipótesis del conocimiento-es-poder.

A finales de 1970 una explosión de los sistemas expertos se llevaba a cabo en campos distintos de lamedicina: la ingeniería, la fabricación, la geología, la biología molecular, los servicios financieros, prestación de servicios de diagnóstico de maquinaria, procesamiento de señales militares, y muchas otras áreas. Hay poco que une estas áreas en conjunto que no sea esta: en cada uno, la resolución de problemas de alta calidad se guía por la experiencia, el conocimiento cualitativo, heurístico. La explosión de las aplicaciones ha creado un nuevo tipo de profesional, el ingeniero del conocimiento (ahora escasear mucho) y una nueva industria, la industria de los sistemas expertos (ahora en rápida expansión). Una generalización de la actividad frenética es simplemente una confirmación adicionalmasiva de la hipótesis del conocimiento-es-poder. Los procedimientos de razonamiento asociados con todos estos sistemas son débiles. Su poder reside en sus bases de conocimiento.

Otras áreas de investigación en IA hicieron turnos para el punto de vista base de conocimientos. Ahora es un lugar común decir que un programa para la comprensión del lenguaje natural debe tener un amplio conocimiento de su dominio del discurso. Un programa de la visión para la comprensión de la imagen debe tener el conocimiento del mundo que tiene la intención de ver. E incluso, programas de aprendizaje deben tener un importante cuerpo de conocimiento de la que se expanda (es decir, el aprendizaje tiene lugar en los márgenes y los intersticios de lo ya conocido. Así, el sueño de un equipo que lleva a cabo a un nivel alto de competencia sobre una amplia variedad de tareas que las personas realizan bien parece basarse en el conocimiento en las áreas de trabajo.

Hipótesis El conocimiento es potencia ha recibido tanto la confirmación de que ahora podemos afirmar que como el principio del conocimiento:

Un sistema exhibe comprensión inteligente y de acción al más alto nivel de competencia, principalmente a causa de los conocimientos específicos que contiene acerca de su dominio de actividad.

Un corolario del principio del conocimiento es que los procesos de razonamiento de un sistema inteligente, siendo en general y, por tanto, débil, no son la fuente de poder que conduce a altos niveles de competencia en el comportamiento. El principio del conocimiento simplemente dice que si un programa es llevar a cabo bien, debe saber mucho sobre el mundo en el que opera. Ante la falta de conocimiento, el razonamiento no ayudará.

El principio del conocimiento es el emblema de la primera era de la inteligencia artificial, es la primera parte del sueño. Debe informar e influir en todas las decisiones acerca de lo que es factible hacerlo en la ciencia y con la tecnología AI AI.

La Mitad del Sueño

Hoy nuestros artefactos inteligentes desempeñan bien en tareas especializadas dentro de los dominios estrechamente definidos. Una industria se ha formado para poner este conocimiento tecnológico para trabajar, y la transferencia generalizada de esta tecnología se ha logrado. Aunque la primera era de la máquina inteligente está llegando a su fin, muchos problemas siguen sin resolverse.

Uno de ellos es la naturalidad. El agente inteligente debe interactuar con su usuario humano de una

manera fluida y flexible que aparece natural a la persona. Pero los sistemas de la cuota de primera época con la mayoría de los sistemas informáticos de una rigidez intolerable de expresión estilística,el vocabulario y los conceptos. Por ejemplo, los programas rara vez se aceptan sinónimos, y no pueden interpretar y usar metáforas. Ellos siempre interactúan en una camisa de fuerza gramatical rígida. La necesidad de metáfora para inducir en el usuario una sensación de naturalidad parece crítica. Referencia metafórica parece ser omnipresente y casi continua en el uso del lenguaje. Además, si usted cree que nuestro uso del lenguaje refleja nuestros procesos cognitivos subyacentes, a continuación, la metáfora es un proceso ideacional básica.

En la segunda etapa veremos la evolución de la interfaz natural. Los procesos que controlan la interacción harán un mayor uso del dominio del conocimiento del sistema y el conocimiento de cómo llevar a cabo el discurso fluido. Ya existen Heraldos de la naturalidad, sino que se basan en gran medida en las fotografías. El equipo del proyecto ONCOCIN en Stanford invirtió un gran esfuerzo en una hoja de flujo electrónico para proporcionar una transición sin problemas para el oncólogo de formularios en papel para la entrada de datos de los pacientes a las versiones electrónicas de estas formas. Las herramientas de software disponibles en el mercado para el desarrollo de un sistema experto a veces contienen paquetes elegantes y potentes para la creación deimágenes que dilucidar cuál es el sistema de conocimiento que está haciendo y lo que su solución emergente parece (por ejemplo, KEE Fotos de IntelliCorp y Active Imágenes).

La naturalidad no tiene por qué depender de las imágenes, por supuesto. Los avances en la comprensión de lenguaje natural han sido muy importantes, sobre todo en el uso del conocimiento para facilitar la comprensión. En la segunda etapa se convertirá en un lugar común para los sistemasde conocimiento para interactuar con los usuarios en el lenguaje humano, en el ámbito de los conocimientos del sistema. Los sistemas de interacción de la segunda era dependerán cada vez más en el habla natural continua. En la interacción de persona a persona, la gente en general, hablan másque de tipo. Escribir es útil, pero no natural. Speech-comprensión de los sistemas de amplia aplicación y basada en el principio del conocimiento están llegando. En Stanford estamos comenzando experimentos con un sistema comercial experimental en interfase con el sistema experto ONCOCIN.

Una limitación de los sistemas de primera época es su fragilidad. Para mezclar metáforas, que operan en una meseta alta de conocimientos y competencia hasta que llegan al extremo de sus conocimientos; luego precipitadamente se caen a niveles de total incompetencia. La gente sufre de la misma dificultad (también ellos no pueden escapar el principio del conocimiento, pero su caída esmás elegante. El amortiguador de la caída suave es el conocimiento y el uso de modelos más débilespero más generales que subyacen en el conocimiento altamente específica y especializada de la meseta . Por ejemplo, si un ingeniero es diagnosticar la falla de un circuito electrónico para la que no tiene conocimientos específicos, se puede recurrir a su conocimiento de la electrónica, los métodos de análisis de circuitos y datos manual de los componentes. La capacidad de estos modelosrazonamiento basado por la máquina es sólo ahora están estudiando en muchos laboratorios y emergerá como una característica importante de los sistemas de segundo de la era. La capacidad no es gratis. Los ingenieros del conocimiento deben explicar y codificar modelos generales en una amplia variedad de áreas de trabajo.

Áreas de tareas? Pero lo que si no hay una "tarea"? ¿Podemos imaginar el programa inteligente que se comporta con el sentido común en los intersticios entre las tareas o cuando el conocimiento de tareas se carece por completo? El sentido común es el conocimiento mismo, un enorme cuerpo de conocimientos que se distingue por su ubicuidad y la circunstancia de que rara vez se codificó y se pasa a los demás, como el conocimiento más formal es. No es, por ejemplo, el hecho común de que el embarazo se asocia con las hembras, no machos. Las formas extremadamente débiles pero muy generales de comportamiento cognitivo que implica un razonamiento de sentido común, constituyenpara muchos el objetivo final en la búsqueda de la inteligencia de las máquinas. Los investigadores

están comenzando la ardua tarea de comprender los detalles de la lógica y la representación del conocimiento de sentido común y están codificando los grandes cuerpos de conocimiento común. Los primeros frutos de esta aparecerán en los sistemas posteriores de la segunda época. Razonamiento de sentido común, probablemente aparecerá como una naturalidad inesperada en la interacción de una máquina con un agente inteligente. Como un ejemplo de esto en los sistemas de asesoramiento de consulta médica, si el embarazo se menciona al principio de la interacción o puede deducirse fácilmente, la interacción cambia suavemente a la comprensión de que una mujer se tratara. Ampliar este ejemplo por cien mil o un millón de supuestos tácitos, y usted entenderá lo que quiero decir con una gran base de conocimiento del conocimiento de sentido común.

Como el conocimiento de los sistemas se expande, también lo hace la posibilidad de modos de razonamiento que hasta ahora han eludido a los diseñadores de estos sistemas. El primero de estos modos están razonando por analogía y su razonamiento metafórico hermano. La esencia de la analogía ha sido evidente durante algún tiempo, pero los detalles de la analogía no haber sido. Una analogía es una coincidencia parcial de la descripción de una situación actual con el conocimiento almacenado. La extensión de la coincidencia es crucial. Si el partido es demasiado parcial, entonces la analogía se ve que es vacua o descabellada, si es demasiado completa entonces la "analogía" es visto como apenas una analogía en absoluto.

Analogías amplía la relevancia de toda la base de conocimientos. Se puede utilizar para construir interpretaciones interesantes y novedosas de situaciones y datos. Se puede utilizar para recuperar el conocimiento que se ha almacenado, pero no se almacena en la forma en "espera". Analogías puede suministrar valores por defecto para los atributos que no son evidentes en la descripción de la situación actual. Analogías puede proporcionar acceso a los métodos de gran alcance que de otra manera no se puede evocar cuando pertinente. Por ejemplo, en un famoso ejemplo de principios de la física del siglo XX, Dirac hizo la analogía entre la teoría cuántica y la teoría matemática de los grupos que le permitió utilizar los métodos de gran alcance de la teoría de grupos para resolver problemas importantes en la física cuántica. Vamos a empezar a ver el razonamiento por analogía emergen en sistemas de conocimiento de la segunda época.

La analogía es visto también como un proceso importante en la adquisición del conocimiento automático, otro nombre para el aprendizaje automático. En los sistemas de primera época, agregando conocimientos a las bases de conocimiento ha sido casi siempre un proceso manual: las personas codifican el conocimiento y lo colocan en estructuras de conocimiento. Los experimentos realizados por Douglas Lenat han demostrado que este laborioso proceso puede ser semi-automatizado, facilitado por un programa de la analogía. El programa sugiere la analogía relevante a una nueva situación, y el ingeniero del conocimiento completa los detalles. En la segunda etapa veremos los programas que adquieren los detalles con menos o ninguna ayuda humana. Muchas otras técnicas de aprendizaje automático encontrarán su camino en los sistemas de segundo de la era. Por ejemplo, actualmente estamos viendo los primeros experimentos en los aprendices, máquinas que observan con atención las personas que realizan tareas complejas y deducir con ello los conocimientos necesarios para desempeñar eficazmente el aprendizaje. La segunda época se consulta (predigo) los primeros sistemas exitosos que la comprensión del idioma con la de aprendizaje, de modo que las bases de conocimiento puede ser aumentada por la lectura del texto. Muy probablemente estos serán especializados textos en lugares estrechos desde el principio.

En resumen, debido al creciente poder de nuestros conceptos y herramientas y el advenimiento de los métodos de aprendizaje automático, se puede esperar que durante la segunda etapa las bases de conocimiento de los sistemas inteligentes se convertirán en muy grande, lo que representa su interior cientos de miles, tal vez millones, de los hechos, la heurística, conceptos, relaciones y modelos. El aprendizaje automático se facilitará con ello, ya que por el principio del conocimiento, la tarea de agregar conocimiento se lleva a cabo de manera más competente, más conocimiento está

disponible (cuanto más sabemos, más fácil es saber más).

Por último, en la segunda etapa vamos a lograr un amplio reconceptualización de lo que entendemos por un sistema de conocimiento. Bajo el concepto más amplio, los "sistemas" serán las relaciones colegiadas entre un agente informático inteligente y una persona inteligente (o personas). Cada uno de ellos realizar tareas que él / ella / usted hace mejor, y la inteligencia del sistema será un emergente de la colaboración. Si la interacción es en verdad perfecta y natural, entonces difícilmente podrá importa si el conocimiento o las habilidades de razonamiento necesarias relevantes están en la cabeza de la persona o de las estructuras de conocimiento de la computadora.

Al otro lado del sueño: La Biblioteca del Futuro

Aquí hay una "visión del futuro", mirando hacia atrás en nuestro "presente", del profesor Marvin Minsky, del MIT: "¿Te imaginas que solían tener las bibliotecas donde los libros no hablan entre sí?" Las bibliotecas de hoy son almacenes de objetos pasivos. Los libros y revistas se sientan en los estantes esperando para nosotros usar nuestra inteligencia para encontrarlos, leerlos, interpretarlos yhacer que finalmente a divulgar sus conocimientos almacenados. Bibliotecas electrónicas de hoy no son mejores. Sus páginas son páginas de archivos de datos, pero las páginas electrónicas son igualmente pasiva.

Ahora imagine la biblioteca como un servidor inteligente conocimiento activo. Almacena el conocimiento de las disciplinas en las estructuras de conocimiento complejas (tal vez en un formalismo conocimiento representación aún no se ha inventado). Se puede razonar con este conocimiento para satisfacer las necesidades de sus usuarios.Estas necesidades se expresan de forma natural, con el discurso fluido. El sistema puede, por supuesto, recuperar y exposición (es decir, puede actuar como un libro de texto electrónico). Se puede recopilar la información pertinente, sino que puede resumir, sino que puede perseguir relaciones. Actúa como consultor en problemas específicos, ofreciendo asesoramiento sobre soluciones concretas, justificando esas soluciones con citas o con una tela de razonamiento general. Si el usuario puede sugerir una solución o una hipótesis, se puede comprobar esto e incluso sugieren extensiones. O puede criticar el punto de vista del usuario, con una justificación detallada de su acuerdo o desacuerdo. Persigue caminos relacionales de las asociaciones para sugerir al usuario las conexiones inéditas.Colaborar con el usuario, que utiliza sus procesos de asociación y la analogía de una lluvia de ideas para conceptos remotas o novedosos. Más autónoma, pero con un poco de orientación por parte del usuario, que utiliza criterios de ser interesante descubrir nuevos conceptos, métodos, teorías y mediciones.

El usuario de la biblioteca del futuro no tiene que ser una persona. Puede ser otro sistema de conocimiento, es decir, cualquier agente inteligente, con una necesidad de conocimiento. Así, la biblioteca del futuro será una red de sistemas de conocimiento en la que las personas y las máquinascolaboran. Publishing será una actividad transformado. Los autores pueden pasar por alto el texto, añadiendo su incremento para el conocimiento humano directamente a las estructuras de conocimiento. Dado que el hilo de la responsabilidad debe ser mantenida, y puesto que no puede haber desacuerdo en cuanto conocimiento crece, las contribuciones se fue autor (por cierto lo que permite el cálculo de las regalías para el acceso y uso). El mantenimiento de la base de conocimientos (actualización de conocimientos) se convierte en una parte vigorosa de la nueva industria editorial.


Edward Feigenbaum.

Notas al pie


Edward Feigenbaum.


Canguro del hermano Giorgio

21 de febrero 2001

Autor:

Harold Cohen

Científico-pintor Harold Cohen revela el misterio trabaja detrás de su famoso "artificialmente" programa inteligente AARON, que dibuja paisajes y retratos. Una profunda simbiosis entre el hombre y la máquina, como la computadora imita al arte y el arte imita a la vida, demuestra la creciente capacidad de la tecnología para reflejar la sutileza de la experiencia humana. Desde

http://www.kurzweilai.net/harold-cohen

revolucionario libro de Ray Kurzweil La era de las máquinas inteligentes, publicado en 1990.

El ex Dir., Centro para la Investigación en Informática y las Artes (CRCA) de la Universidad de California en San Diego, y Creador de AARON


Este es el año 1300. Hermano Giorgio, erudito monje, tiene la tarea de hacer un mapa de Australia, una gran isla justo al sur de la India. Los mapas deben registrar lo que se conoce acerca de los lugares que representan, y Giorgio se ha dicho acerca de un extraño animal australiano, de rata, peromucho más grande, con una cola larga y gruesa y una bolsa. Él dibuja, y que salga de esta manera:

Un año más tarde, un viajero del mundo está de visita en el monasterio de Giorgio, y él le dice a nuestro cartógrafo que tiene el mal de los animales. Por un lado, no está llevando una bolsa, la bolsaes en realidad parte de su vientre. ("Mercy", dice Giorgio.) Por otra parte, no andan en cuatro patas como una rata, pero sobre sus patas traseras, que son mucho más grandes que sus patas delanteras. Giorgio vuelve a dibujar la imagen:

Pero la cola descansa sobre el suelo. Giorgio intenta una vez más. Los tornillos de los viajeros hastasu cara en la concentración, con los ojos cerrados. Yo no creo que eso sea del todo bien, por fin, dice, pero creo que es lo suficientemente cerca.

El año es 1987. AARON, un programa de ordenador, tiene la tarea de elaborar algunas personas en un jardín, no sólo hacer una copia de un dibujo existente, usted entiende, pero que genera la mayor

cantidad de dibujos únicos sobre este tema que se requieran de ella botánico. ¿Qué tiene que saber para poder llevar a cabo esta tarea?¿Cómo podría AARON, el programa, se escriben en absoluto?

El problema va a parecer mucho menos desconcertante, aunque no necesariamente menos difícil, si pensamos en estas dos historias que tienen mucho en común. AARON no ha visto nunca una persona o caminado a través de un jardín botánico. Giorgio nunca ha visto un canguro. Dado que la mayoría de nosotros hoy en día consiguen mástil de nuestro conocimiento del mundo de manera indirecta y muy envuelta en la comprensión de otras personas de los maestros de la escuela primariaa personas de anclaje de televisión, debe ser ninguna sorpresa que un programa de ordenador no tiene que experimentar el mundo sí con el fin de saber sobre él.

¿Cómo se sabe acerca de Giorgio canguros ante el visitante empezó a refinar su conocimiento? Le habían dicho que el animal era parecido a una rata, pero cuánto bien haría que lo habría hecho si él nunca había visto una rata?Para la gente, la adquisición de conocimiento es acumulativo, ya que claramente tiene que ser. Nada se entiende a partir de cero. Incluso el recién nacido tiene una buena cantidad de conocimiento "hard-wired" antes de que comience. Y cuando le decimos el uno al otro sobre el mundo, no es práctico ni posible para dar una descripción completa de algo sin hacer referencia a la misma cosa. Eso es tan cierto para los programas de ordenador, ya que es la gente de lejos. Existe una diferencia importante, sin embargo. Para las personas, el conocimiento debe finalmente hacer referencia a la experiencia, y la gente experimentar el mundo con sus cuerpos, sus cerebros, sus sistemas reproductivos, que las computadoras no tienen. Foto por Lou Jones www.fotojones.com

Harold Cohen, artista ordenador.

Foto por George Johnson

Los atletas, un dibujo generado por computadora coloreada a mano por Harold Cohen.

http://www.fotojones.com/

Foto por George Johnson

De la serie de bañistas, dibujos generados por ordenador coloreadas a mano por Harold Cohen.

Con esto en mente, podemos adivinar que el conocimiento de AARON del mundo y la forma AARON utiliza su conocimiento no es probable que sean exactamente lo mismo que la forma en que usar lo que tenemos. Al igual que nosotros, su conocimiento se ha adquirido de forma acumulativa. Una vez que se entiende el concepto de un racimo de la hoja, por ejemplo, se puede hacer uso de ese conocimiento cada vez que lo necesite. Pero podemosver lo que las plantas parecen, y Aarón no podemos.

No necesitamos entender los principios que rigen el crecimiento de plantas con el fin de reconocer yregistrar la diferencia entre un cactus y un sauce en un dibujo. AARON sólo puede proceder por medio de principios que no necesariamente tenemos. Existen plantas para AARON en términos de su tamaño, el espesor de los miembros con respecto a la altura, la velocidad a la que las extremidades se adelgazan con respecto a la difusión, el grado de ramificación, la dispersión angular donde se produce la ramificación, y así sucesivamente. Principios similares se mantienen para la formación de hojas y racimos de la hoja.

Mediante la manipulación de estos factores, AARON es capaz de generar una amplia gama de tipos de plantas y nunca atraerá bastante la misma planta dos veces, incluso cuando se dibuja un número de plantas reconocibles del mismo tipo. Curiosamente, la forma AARON acceso a su conocimiento de la estructura de la planta es en sí misma en forma de árbol bastante. Se inicia la generación de cada nuevo ejemplo con un modelo general y luego ramas de ella. "Árbol" se extendió a "big-tree/small-tree/shrub/grass/flower", "árbol grande" se extendió a "roble / sauce / aguacate / hoja ancha" (los nombres no pretenden literalmente), y así sucesivamente, hasta que cada representación única podría ser pensado como una sola "hoja", la terminación de un solo camino en un "árbol" enormemente la proliferación de posibilidades.

Obviamente, AARON tiene que tener conocimiento estructural similar acerca de la figura humana, sólo más de lo mismo. En parte, este conocimiento adicional es solicitada por el público de AARON, que sabe acerca de los cuerpos desde el interior y es más exigente con las representaciones del cuerpo de lo que se trata de representaciones de árboles. En parte, se requiere más conocimientos para hacer frente al hecho de que los cuerpos se mueven alrededor. Pero no es sólo una cuestión de tener más conocimiento, hay tres diferentes tipos de conocimientos necesarios-diferente, es decir, en la necesidad de estar representados en el programa de diferentes maneras.

En primer lugar, debe AARON obviamente sabe lo que el cuerpo se compone de, ¿cuáles son las diferentes partes, y lo grandes que están en relación unos con otros. Entonces tiene que saber cómo se articulan las partes del cuerpo: lo que el tipo y rango de movimiento es en cada junta. Por último,porque un cuerpo coherente móvil no es más que una colección de piezas en movimiento de forma independiente, AARON tiene que saber algo acerca de cómo se coordinan los movimientos del cuerpo: lo que el cuerpo tiene que hacer para mantener su equilibrio, ejemplo ahora. Conceptualmente, esto no es tan difícil como puede parecer, al menos por las posiciones de pie con uno o ambos pies en el suelo. Es sólo una cuestión de mantener el centro de gravedad sobre

la base y, cuando sea necesario, utilizando los brazos para un ajuste fino.

Comenzamos por preguntarnos qué necesitaría AARON saber para llevar a cabo su tarea. Lo que hedescrito aquí constituye una parte importante de ese conocimiento es necesario, pero no la totalidad de ella. ¿Qué más se necesita? Volvamos a Giorgio. ¿Le ha llamado la atención que lo Giorgio finalmente sabía sobre los tamaños relativos de las partes de la canguro y su postura, que le habían dicho nada en absoluto acerca de su apariencia ?Sin embargo, sus dibujos de alguna manera se las ingenió para buscar algo así como el animal que él pensó que estaba representando, así como los árboles de Aarón, y las personas se las arreglan para parecer árboles reales y personas reales.

Eso puede no parecer muy desconcertante con respecto a Giorgio. De hecho, puede parecer tan pocodesconcertante que te preguntes por qué planteo esta cuestión. Obviamente, Giorgio simplemente sabía dibujar.Sospecho que la mayoría de las personas que no atraen a pensar en el dibujo como un simple proceso de copiar lo que está delante de ellos. En realidad, es un proceso mucho más complicado de regenerar lo que sabemos sobre lo que está delante de nosotros o incluso sobre lo que es , no delante de nosotros: Canguro de Giorgio, por ejemplo. No hay nada simple en que el proceso de regeneración, aunque el hecho de que podemos hacerlo sin tener que pensar mucho sobre ello puede hacer que parezca que sí. Es sólo en tratar de enseñar a un programa de ordenador las mismas habilidades que empezamos a ver cómo enormemente complejo está implicado un proceso. Foto por Linda Winters

A, dibujo generado por computadora coloreada a mano de figuras y árboles con piedras en el primerplano, por Harold Cohen.

¿De qué manera los seres humanos aprenden a dibujar? Hasta cierto punto, obviamente, aprendemos sobre dibujo mirando dibujos de otras personas. Es por eso que estamos en condicionesde identificar los estilos en el arte, y por qué la mayoría de los dibujos que salen del monasterio de Giorgio habría tenido mucho en común y ser distinguible diferente de, por ejemplo, los dibujos realizados en un templo budista zen en Japón. Al mismo tiempo, todos los niños hacen mucho los mismos dibujos en cualquier etapa del desarrollo cognitivo sin aprender el uno del otro o de los adultos. Foto por Becky Cohen

Dibujo blanco y negro, un dibujo generado por computadora de figuras y árboles, por Harold Cohen.

Ellos no necesitan que se les diga a utilizar formas cerradas en sus dibujos para representar objetos sólidos, por ejemplo. Eso es equivalente universal, todas las culturas han utilizado formas cerradas en reposo durante objetos sólidos. En resumen, el conocimiento de dibujo tiene dos componentes. Giorgio aprendió sobre el estilo, sobre lo que era culturalmente aceptable y lo que no lo era, de sus pares. Pero antes de que alguna vez se presentan las consideraciones culturales, dibujoestá estrechamente acoplada a ver-tan estrechamente acoplada que podamos adivinar todos los modos visuales de la representación de la historia humana han surgido directamente de la naturalezadel sistema cognitivo. Así Giorgio nunca tuvo que recibir información sobre cómo dibujar o cómo leer dibujos. Él podía ver.

Tenía que ser informado acerca de los canguros, no sobre cómo dibujar los canguros. El conocimiento de dibujo no se opone específico; si Giorgio podría dibujar un canguro, también podíadibujar un elefante o un castillo o un ángel de la Anunciación. Si uno puede dibujar, entonces cualquier cosa que se puede describir en términos estructurales se puede representar en términos visuales. Esa generalidad sugiere que en lugar de pensar en el conocimiento del dibujo como uno más trozo del conocimiento, debemos pensar en él como una especie de filtro a través del cual el conocimiento específico de objeto pasa en su camino desde la mente al dibujo.

Al igual que Giorgio, AARON tuvo que ser dicho acerca de las cosas del mundo. A diferencia de Giorgio en tener ningún sistema cognitivo de cableados para proporcionar un conocimiento integrado de dibujo, que tuvo que ser enseñado a dibujar así, dado lo suficiente de una estructura cognitiva (el filtro sólo se refirió a) garantizar la generalidad requerida. Si se proporciona con el conocimiento específico de objeto, AARON debe ser capaz de hacer dibujos de esos objetos sin darles ningún conocimiento adicional de dibujo.

Filtro cognitivo de AARON tiene tres etapas, de las cuales las dos primeras corresponden aproximadamente a los tipos de conocimiento se ha descrito anteriormente en relación con la figura humana: el conocimiento de las partes, de articulación y de coordinación. La tercera etapa genera la apariencia de la cosa está dibujado. Ninguna de las dos primeras etapas resulta en nada está elaborando para el espectador, a pesar de que se dibujan en la imaginación de AARON, por así decirlo, para su propio uso. Primera AARON construye una figura de palo articulado, la representación más simple que puede encarnar lo que sabe acerca de la postura y el movimiento. Luego, alrededor de las líneas de esta figura del palillo se construye un marco mínimo de líneas que incorporan en mayor detalle lo que se sabe acerca de las dimensiones de las diferentes partes. Este marco no representa la superficie del objeto. En el caso de una figura, las líneas en realidad corresponden muy de cerca a la musculatura, aunque eso no es su función esencial. Ellos están ahí para funcionar como una especie de núcleo alrededor del cual la etapa final generará los resultados visibles. En pocas palabras, AARON dibuja alrededor de la figura central se ha "imaginado." Bueno, no, no es tan simple. Si nos fijamos en uno de sus dibujos, debe quedar claro que el escenario encarnando final debe ser más complicado de lo que he dicho aunque sólo sea porque AARON aparentemente atrae a las manos y se va con mucha más atención de la que ofrece alos muslos y los troncos de los árboles.

Procedimientos que entrañen de Aarón no son como las rutinas de búsqueda de flancos preliminaresde la visión por computador, que responden a los cambios en la intensidad de la luz sin tener en cuenta lo que les ha causado.AARON se refiere a lo que es el dibujo y continuamente modifica el rendimiento de esta etapa final con respecto a cómo ya se ha representado mucho conocimiento en la figura núcleo. Cuanto mayor es el nivel de detalle ya presente, más AARON depende de ella y cuanto más cerca del núcleo de la línea que se incorporan se dibuja.También, más detalle implica direcciones de línea más rápida evolución en el núcleo, y AARON asegura una línea encarnando suficientemente sensible muestreando su relación con el núcleo con más frecuencia.

Nada se ha dicho aquí sobre cómo se almacena el conocimiento de AARON del mundo interno, de

cómo se aplica realmente su conocimiento del dibujo, o sobre su conocimiento de la composición, la oclusión, y la perspectiva. El éxito de AARON como un programa se mantiene o cae sobre la calidad del arte que hace, sin embargo, nada se ha dicho mucho sobre el arte y nada en absoluto sobre el conocimiento aculturados del estilo, por lo que su programador, al igual que sus compañeros monásticos de Giorgio, debe admitir o reclamación responsabilidad. De todos modos, hay interesantes conclusiones que pueden extraerse de este relato abreviado. Debería ser evidente, por ejemplo, que el conocimiento de que entra en la realización de una representación visual, incluso un simple uno, es muy diversa. Dudo que se podría construir un programa capaz de manipular que el conocimiento, y que muestran la generalidad y la flexibilidad del sistema cognitivo humano que no sea por la configuración de el programa como un sistema cognitivo equivalente artificial. Si nada se ha dicho mucho sobre el arte, es porque muy poco del programa tiene algo que ver con el arte: constituye un modelo cognitivo de una especie bastante general y aunsospecho que podría ser adaptada a otros medios y sin demasiada distorsión. Pero la falta de especificidad del arte no es tan desconcertante que pueda parecer a primera vista. La diferencia principal entre los artistas y no artistas, no es una diferencia cognitiva. Se trata simplemente de que los artistas hacen arte y no-artistas no lo hacen.

Extraído, con permiso de la era de las máquinas inteligentes, por Raymond Kurzweil (C) 1990 Instituto de Tecnología de Massachusetts MIT Press


PostScript

21 de febrero 2001 Autor: Ray Kurzweil

Inventor, futurista Ray Kurzweil examina la iniciativa compleja y de enormes proporciones para crear máquinas realmente inteligentes. Neuronales expertos rivales de toma de decisiones netas, reconocimiento de patrones imita las capacidades humanas. Mientras que la verdadera inteligencia humana empequeñece la inteligencia artificial de hoy, no existe ningún obstáculo fundamental para el campo de la IA en última instancia, la consecución de este objetivo, dice. Desde revolucionario libro de Ray Kurzweil La era de las máquinasinteligentes, publicado en 1990.

Repasemos algunas de las cuestiones fundamentales que subyacen en la erade las máquinas inteligentes.

Niveles serán Máquinas alcance humano de la inteligencia?

Como señalé en la última sección del capítulo anterior, los puntos fuertes de la máquina de inteligencia de hoy

Una imagen de la computadora. Foto por Lou Jones


http://www-mitpress.mit.edu/

son muy diferentes de los de la inteligencia humana y de muchas maneras lo complementan.Una vez que hemos definido las transformaciones y los métodos subyacentes procesos inteligentes, una computadora puede llevar a cabo sin descanso y con gran velocidad. Se puede recurrir a una memoria enorme y extremadamente fiable y realizar un seguimiento de miles de millones de los hechos y sus relaciones. La inteligencia humana, por otro lado, aunque débil en hechos masterización, todavía sobresale en convertir la información en conocimiento. La capacidad de reconocer, comprender y manipular las redes sutiles de la abstracción inherente al conocimiento sigue marcando la inteligencia humana aparte.

Sin embargo, los ordenadores están avanzando claramente en estas habilidades. Dentro de los dominios-diagnosticar estrechas ciertas clases de enfermedades, realizan juicios financieros, y muchas otras tareas de ordenadores especializados de los expertos humanos ya rivales. Durante la década de 1980 los sistemas expertos pasaron de experimentos de investigación a herramientas comercialmente viables que se vienen todos los días para llevar a cabo trabajos importantes. Las computadoras también han comenzado en los últimos años para dominar las tareas de reconocimiento de patrones inherentes a la visión y la audición.

Aunque todavía no está al nivel humano, la tecnología de reconocimiento de patrones ha avanzado suficientemente para realizar una amplia variedad de tareas prácticas. Es difícil de estimar cuando estas capacidades alcanzarán niveles humanos, pero no parece haber ninguna barrera fundamental para el logro de tales niveles. Sin lugar a dudas, las computadoras alcanzarán niveles tan gradualmente, sin campana sonará cuando ocurra.

Lo que está claro es que para el momento en computadoras alcanzar niveles humanos de actuación en aquellas áreas de la fuerza humana tradicional, sino que también han mejorado considerablemente sus áreas de superioridad tradicional. (No todos los expertos están de acuerdo con esto. Doug Hofstadter, por ejemplo, especula en Gödel, Escher, Bach que un futuro "realmente inteligentes" máquina puede no ser capaz de hacer la aritmética exacta rápido, porque va a distraerse y confundido por los conceptos desencadenados por el número de ejemplares de una dudosa proposición-en mi opinión. 1 ) Una vez que el ordenador puede leer y entender lo que está leyendo, no hay ninguna razón por qué no debe leer todo lo que se ha escrito (enciclopedias, obras de referencia, libros, diarios y revistas, bases de datos, etc) y así dominar todo el conocimiento.

Como Norbert Wiener ha señalado, ningún ser humano ha tenido un completo dominio del conocimiento humano de los siglos últimos dos (y es dudoso en mi opinión de que nadie nunca ha tenido tanta maestría). Incluso meros niveles humanos de inteligencia combinadas con un dominio completo de todos los conocimientos darían ordenadores habilidades intelectuales únicas. La combinación de estos atributos con fortalezas ordenadores "tradicionales de la velocidad, el funcionamiento incansable, memoria prodigiosa e infalible, y la comunicación extremadamente rápido, y el resultado será formidable. Estamos, por supuesto, aún no están en el umbral de esta visión. Esta primera fase de la era de las máquinas inteligentes nos está proporcionando siervos obedientes que aún no son lo suficientemente inteligentes como para cuestionar nuestras demandas de ellos.

Minsky señala que tenemos máquinas problemas para imaginar el logro de las capacidades que tenemos, debido a una deficiencia en nuestro concepto de una máquina. '2 La raza humana máquinas encontradas primera (de su propia creación) como dispositivos con unas pocas docenas, yen algunos casos unos pocos cientos de piezas, activos. Hoy en día, nuestras máquinas computarizadas tienen millones de componentes activos, sin embargo, nuestro concepto de una máquina como un dispositivo relativamente inflexible con sólo un puñado de opciones de comportamiento no ha cambiado. A finales de este siglo los chips con más de un mil millones de componentes se anticipan, y vamos a entrar en una era de máquinas con muchos miles de millones de componentes.

Claramente, la sutileza y la inteligencia del comportamiento de las máquinas en los diferentes niveles de complejidad son muy diferentes. Emulando a los niveles humanos de rendimiento requerirá billones, tal vez miles de billones, de los componentes. Al ritmo actual de progreso, vamos a alcanzar tales niveles de complejidad a principios del próximo siglo. Inteligencia a nivel humano no seguirá de forma automática, pero las extrapolaciones razonables de la tasa de progreso de la inteligencia artificial en una amplia variedad de habilidades en el reconocimiento de patrones, la coordinación motora fina, la toma de decisiones, y la adquisición de conocimiento lleva a la conclusión de que no existe ningún obstáculo fundamental al campo de la IA de última instancia, la consecución de este objetivo.

¿Puede pensar una máquina?

La pregunta suena bastante inocuo, pero nuestro enfoque se basa en los significados que atribuimos a los términos "máquina" y "pensar". Consideremos primero la cuestión de si es o no un ser humanoes una máquina.Un ser humano no es ciertamente como las máquinas hechas por el hombre tempranas, con sólo un puñado de piezas. Sin embargo, somos fundamentalmente diferente de una máquina, que tiene, por ejemplo, un par de billones de partes? Después de todo, nuestros cuerpos y cerebros son, presumiblemente, sujetos a las mismas leyes naturales como nuestras máquinas.

Como he dicho antes, esto no es una pregunta fácil, y varios miles de años de debate filosófico no han podido responder a ella. Si suponemos que la respuesta a esta pregunta es no (los seres humanos no son fundamentalmente diferentes de las máquinas), entonces hemos respondido a la pregunta original.Presumiblemente Pensamos, y si es que somos máquinas, entonces debemos concluir que las máquinas pueden pensar. Si, por el contrario, se supone que estamos de alguna manera fundamentalmente diferente de una máquina, entonces nuestra respuesta depende de nuestradefinición de la palabra "pensar". 3

En primer lugar, vamos a asumir una definición de comportamiento, es decir, una definición de pensamiento basado en exteriormente comportamiento observable. Bajo esta definición, una máquina se debe considerar a pensar si parece tener un comportamiento inteligente. Esto, por cierto,parece ser la definición utilizada por los niños que entrevisté (véase la sección "Expertos Naive" en el capítulo 2). Ahora la respuesta es simplemente una cuestión del nivel de rendimiento que esperamos. Si aceptamos los niveles de desempeño en áreas específicas que podrían considerarse inteligente si es realizada por los seres humanos, entonces hemos logrado un comportamiento inteligente en nuestras máquinas ya, y por lo tanto se puede concluir (como lo hicieron los niños con los que hablé) ordenadores de hoy en día están pensando .

Si, por otro lado, esperamos un nivel general de capacidad cognitiva comparable a la gama completa de la inteligencia humana, entonces las computadoras de hoy en día no pueden ser considerados como pensar. Si se acepta mi conclusión anterior de que las computadoras eventualmente alcanzar niveles humanos de la capacidad intelectual, entonces podemos concluir que es intrínsecamente posible que una máquina de pensar, pero que las máquinas de la tierra aún no han empezado a hacerlo.

Si uno acepta su lugar una definición intuitiva de pensar, es decir, una entidad que se considera que está pensando si "parece" estar pensando, a continuación, las respuestas varían ampliamente con la persona que la evaluación de la "aparente." Los niños con los que hablé se sentían que equipos parecían estar pensando, pero muchos adultos no estarían de acuerdo. En cuanto a mí, yo diría que las computadoras todavía no parecen estar pensando en la mayor parte del tiempo, aunque a veces un salto inteligente de visión por un programa de computadora que estoy interactuando con la voluntad de hacer que parezca, sólo por un momento, que el pensamiento tiene lugar .

Ahora vamos a considerar el enfoque más difícil. Si definimos el pensamiento de involucrar intencionalidad consciente , entonces es posible que no estén en condiciones de

responder a la pregunta en absoluto. Yo sé que soy consciente, así que sé que lo pienso (de ahí la famosa máxima de Descartes "pienso, luego existo"). Supongo que otras personas piensan (para queno me vuelva loco), pero esta suposición parece estar construido en (lo que los filósofos llamarían apriori del conocimiento), en lugar de sobre la base de mis observaciones de la conducta de otras personas. Puedo imaginar máquinas que pueden entender y responder a las personas y situaciones con la misma aparente inteligencia como personas reales (ver algunos de los escenarios anteriores).

El comportamiento de estas máquinas sería indistinguible de la de las personas, sino que se pasen las pruebas de comportamiento de la inteligencia, incluyendo la prueba de Turing. ¿Son estas máquinas conscientes? ¿Tienen una verdadera intencionalidad o el libre albedrío? ¿O son simplemente siguiendo sus programas? ¿Hay una distinción que debe hacerse entre el libre albedrío consciente y justo después de un programa? ¿Es esta una distinción con una diferencia? Aquí llegamos una vez más en el meollo de una cuestión filosófica que se ha debatido durante varios miles de años.

Algunos observadores, como Minsky y Dennett, sostienen que la conciencia es de hecho un aspectoobservable y medible de la conducta, que podemos imaginar una prueba que podría, en teoría, determinar si una entidad es consciente. Personalmente, prefiero un concepto más subjetivo de la conciencia, la idea de que la conciencia es una realidad apreciada sólo por su poseedor. O tal vez debería decir que la conciencia es el poseedor de la inteligencia, en lugar de al revés. Si esto es confuso, entonces usted está comenzando a apreciar por qué la filosofía siempre ha sido tan difícil.

Si asumimos un concepto de pensamiento basado en la conciencia y sostenemos que la conciencia es detectable de alguna manera, entonces uno sólo tiene que llevar a cabo el experimento adecuado y la respuesta va a estar a la mano. (Si alguien hace esto, hágamelo saber.) Si, por el contrario, se acepta una visión subjetiva de la conciencia, sólo la propia máquina podía saber si es consciente y pensar así (asumiendo que puede realmente saber nada).Podríamos, por supuesto, pedimos la máquina si está consciente, pero no estaríamos protegidos de la posibilidad de que la máquina haya sido programado para mentir. (El filósofo Michael Serwen vez propuso la construcción de una máquina inteligente que no podía mentir y luego simplemente preguntando si era consciente.)

Uno de los enfoques que queda a esta pregunta nos viene de la mecánica cuántica. En quizás su consecuencia más desconcertante, la mecánica cuántica en realidad adscribe una realidad física a la conciencia. La teoría cuántica afirma que una partícula no puede tener una localización precisa y una velocidad precisa. Si medimos su velocidad, precisamente, a continuación, su ubicación se convierte en intrínsecamente impreciso.

En otras palabras, su ubicación se convierte en una nube de probabilidad de posibles ubicaciones. Lo contrario también es cierto: la medición de su ubicación precisa emite su imprecisa velocidad. Es importante entender exactamente lo que la mecánica cuántica está tratando de decir. No está diciendo que hay una realidad subyacente de una ubicación exacta y la velocidad, y que simplemente somos incapaces de medir a ambos con precisión. Es, literalmente, está diciendo que si un ser consciente mide la velocidad de una partícula, lo que realmente hace que la realidad de la ubicación de ese impreciso de partículas.

La mecánica cuántica está abordando no simplemente las limitaciones en la observación, pero el impacto de la observación consciente de la realidad subyacente de lo que se observa. Por lo tanto, consciente de observación realmente cambia una propiedad de una partícula. Observación de la misma partícula por una máquina que no era consciente no tendría el mismo efecto. Si esto le parece extraño a usted, usted está en buena compañía. Einstein encontró absurdo y lo rechazó. 4 La mecánica cuántica es consistente con una tradición filosófica que atribuye realidad fundamental al conocimiento, en contraposición al conocimiento simplemente ser un reflejo de otra realidad fundamental. 5

La mecánica cuántica es algo más que un punto de vista filosófico, sin embargo: sus predicciones han sido confirmadas de forma coherente. Casi todos los dispositivos electrónicos de los últimos 20 años demuestra sus principios, ya que el transistor es un modo de realización de las predicciones paradójicas de la mecánica cuántica.La mecánica cuántica es la única teoría en la física a atribuir unpapel específico a la conciencia más allá de simplemente diciendo que la conciencia es lo que puedesuceder a la materia que evoluciona a altos niveles de inteligencia de acuerdo a las leyes físicas.

Si uno acepta sus nociones completamente, entonces la mecánica cuántica pueden implicar una forma de detectar físicamente conciencia. Yo aconsejaría cautela, sin embargo, para cualquiera que sería constructor de un detector de conciencia sobre la base de estos principios. Puede ser molesto para señalar un detector de conciencia de la mecánica cuántica a nosotros mismos y descubrir que no somos realmente conscientes después de todo.

Como nota final sobre la mecánica cuántica Permítanme dar un buen ejemplo del papel central que se le asigna a la conciencia. De acuerdo con la mecánica cuántica, la observación de la velocidad deuna partícula afecta no sólo la precisión de su ubicación, pero también afecta a la precisión de la localización de ciertos tipos de partículas "hermanas" que pueden haber surgido de la misma interacción de partículas que produce la partícula cuya velocidad sólo observamos.

Por ejemplo, si una interacción produce un par de partículas que emergen en direcciones opuestas y,si posteriormente se observa la velocidad de una de las partículas, que afectará al instante la precisión de la posición de ambos que partícula y su hermana, que puede ser millones de kilómetrosde distancia. Esto parece una contradicción con un principio fundamental de la relatividad: que los efectos no se pueden transmitir más rápido que la velocidad de la luz. Esta paradoja se encuentra actualmente en estudio. 6

¿Qué impacto tendrá la era de las máquinas inteligentes tienen en la sociedad?

Cuando las computadoras se inventaron a mediados de la década de 1940, fueron generalmente considerados como curiosidades, aunque posiblemente de valor para las matemáticas y algunas disciplinas de la ingeniería. Su valor para la ciencia, los negocios, y otras disciplinas pronto se hizo evidente, y la exploración de sus aplicaciones prácticas comenzó pronto.

Hoy, casi medio siglo después, las computadoras son ubicuos y altamente integrado en prácticamente todas las instituciones de la sociedad. Si se aprobara una ley que prohíbe todas las computadoras (y en el caso poco probable que esa legislación se respetaron), la sociedad seguramente colapsaría. El buen funcionamiento del gobierno y los negocios se vendría abajo en el caos. Ya somos muy dependientes de estos "amplificadores del pensamiento humano", como Ed Feigenbaum los llama.

A medida que la inteligencia de nuestras máquinas de mejora y amplía, la inteligencia del ordenadorserá cada vez más integrada en nuestra toma de decisiones, nuestra economía, nuestro trabajo, nuestro aprendizaje, nuestra capacidad de comunicarnos, y nuestros estilos de vida. Ellos serán una fuerza impulsora en la configuración de nuestro mundo futuro. Pero la fuerza impulsora en el crecimiento de la inteligencia de la máquina seguirá siendo la inteligencia humana, al menos durante el próximo medio siglo.

Una nota final

Cuando yo era un niño, tenía una inclinación para la recogida de los trucos de magia y era conocido para dar espectáculos de magia para los amigos y la familia. Tomé placer en el deleite de mi públicoen la observación de fenómenos aparentemente imposibles. Se hizo evidente para mí que la organización de los métodos ordinarios en tan sólo la secuencia adecuada podría dar lugar a resultados sorprendentes que iban más allá de los métodos que comencé. También me di cuenta de

que la revelación de estos métodos haría que la magia para desaparecer y dejar sólo los métodos ordinarios.

Cuando crecí, descubrí una forma más poderosa de la magia: la computadora. Una vez más, mediante la organización de métodos ordinarios en sólo las secuencias correctas (es decir, con los algoritmos correctos), podría una vez más provocar deleite. Sólo el placer causado por esta magia más adulta era más profunda. Los sistemas informáticos que ayudan a superar las dificultades de laspersonas con discapacidad o de proporcionar una mayor expresividad y productividad para todos nosotros proporcionan medidas de placer más duradero que los trucos de magia de la infancia.

Las secuencias de 1 y s 0 s que capturan los diseños y algoritmos de nuestras computadoras encarnan nuestro conocimiento y riqueza futura. Y a diferencia de la magia más ordinaria, cualquierrevelación de los métodos subyacentes nuestra magia ordenador no empaña su encanto.

Notas

1. Ver págs 677-678 de G Douglas Hofstadter odelo, Escher, Bach: Un Eterna! Oro Braid (Nueva York: Basic Books, 1979) para una más amplia exposición de su concepto de las debilidades potenciales de ordenador.

2. Marvin Minsky, sociedad de la mente, páginas 186, 288.

3. El lector común encontrará pertinente al tema examen filosófico y científico de Paul M. Churchland largo de la Materia y Conciencia.

4. Véanse las cartas de Einstein de 9 de agosto de 1939 y 22 de diciembre de 1950, a E. Schrödinger, en K. Przibram, ed., Cartas sobre la mecánica ondulatoria , pp 35-36 y 39-40.

5. Es cierto que algunos repudiar la aplicabilidad de las metáforas subatómicas a cualquier otro aspecto de la vida.Ver Paul G. Hewitt, conceptual Física, 2 ª ed., pp 486-487.

6. Una discusión densa y pertinente de la paradoja de partículas hermana puede encontrarse en Abner Himony, "Eventos y Procesos en el mundo cuántico", en R. Penrose y CJIsham, eds., Conceptos cuántica en espacio y tiempo , pp 182-196.


A Postscript Personal

21 de febrero 2001

Autor: Ray Kurzweil

La coincidencia de patrones es la base de los inventos de Raymond Kurzweil en el reconocimiento óptico de caracteres, reconocimiento de voz y síntesis, y la música electrónica. Desde revolucionario libro de Ray Kurzweil La era de las máquinas inteligentes, publicado en 1990.


Éxito ofrece la oportunidad para el crecimiento, y el crecimiento ofrece la oportunidad de arriesgarse a un nivel superior. Eric Vogt


La mayoría de los proyectos de IA que he participado personalmente se encuentran en el campo de reconocimiento de patrones. La siguiente es una descripción de algunos de estos esfuerzos desde el punto de vista de la tecnología. Esta sección es quizás mal llamada. Esto no es realmente una posdata personal; no contada aquí las muchas personas excepcionales que han hecho contribucionesa estos proyectos, las primeras luchas de las empresas en crecimiento, los esfuerzos para atraer capital y talento, las ambigüedades y sutilezas de la comprensión de los mercados, el desafío de establecer plantas de producción, las relaciones con los proveedores, contratistas, proveedores, concesionarios, distribuidores, clientes, consultores, abogados, contadores, banqueros, bancos de inversión, los inversores y los medios de comunicación o los retos interpersonales de la construcción de organizaciones.

Reconocimiento óptico de caracteres

Fundé Kurzweil Computer Products (KCP) en 1974. Nuestro objetivo era resolver el problema de omnifuente (cualquier tipo de letra) el reconocimiento óptico de caracteres (OCR) y aplicar la tecnología resultante a las necesidades de lectura de los ciegos, así como para otras aplicaciones comerciales. Ha habido intentos de ayudar a la lectura ciega utilizando dispositivos convencionales de OCR (aquellos para un solo o un número limitado de fuentes de tipo /, pero estas máquinas no fueron capaces de hacer frente a la gran mayoría de los materiales impresos, lo que realmente existeen el mundo. Era claro que para ser de mucho valor para los ciegos, una máquina de OCR tendría que leer cualquier estilo de impresión de uso común, así como hacer frente a los caprichos de los errores de impresión, fotocopias de mala calidad, las variedades de papel y tinta, los formatos de página complejos, y etc. máquinas de OCR habían existido desde el comienzo de la era de la informática, pero todas las máquinas hasta ese momento habían dependido de comparación de plantillas, una forma de extracción de propiedades de bajo nivel, y por lo tanto fueron severamente limitado en la gama de materiales que podía manejar. Normalmente, los usuarios tenían que volver a escribir en realidad material impreso utilizando una tipografía especializada antes de escanear. El valor principal de estos dispositivos es que las máquinas de escribir eran en ese momento más ubicua de terminales de ordenador.

Estaba claro para nosotros que para producir un dispositivo de OCR que era invariante fuente, así como relativamente insensible a la impresión distorsionada, necesitaríamos expertos adicionales más allá de la extracción de la propiedad mínima. Nuestra solución fue desarrollar un software para varios expertos, incluidos expertos topológicas tales como lazo, concavidad, y detectores de línea desegmentos, con un gestor de expertos que podrían combinar los resultados de ambos expertos en reconocimiento de nivel alto y bajo. El sistema fue capaz de cortesía de la División de la máquina de lectura Kurzweil de Xerox El flujo de información en la máquina de lectura Kurzweil. aprender haciendo que los expertos de alto nivel enseñan los expertos de bajo nivel de los tipos de letra que se encuentran en un documento particular. En un momento posterior agregamos expertos contexto proporcionando la máquina con un conocimiento de Inglés (y en última instancia, varios otros idiomas).

La primera Kurzweil Reading Machine (KRM /, introducido en 1976, consistió en un escáner de imágenes que hemos desarrollado nosotros mismos que contenía una cámara de electra-ópticos. Ojode la cámara consiste en un dispositivo de acoplamiento de carga que contiene 500 elementos sensibles a la luz dispuestos en una línea recta . La cámara se monta en un electromecánico "motor XY", que podría mover la cámara en ambas direcciones vertical y horizontal. El material para ser leído (un libro, una revista, carta escrita a máquina, etc) yacía boca abajo sobre la placa de vidrio que formada la parte superior de la máquina.La cámara se movió automáticamente hacia atrás y adelante a explorar cada línea de impresión, transmitir la imagen electrónicamente a una minicomputadora contenida en una caja separada. Utilizando nuestro software omnifuente OCR, la minicomputadora reconoce los personajes, los agrupó en palabras y se calcula la pronunciación de cada palabra. Para llevar a cabo esta última tarea, varios cientos de reglas de pronunciación fueron programados en, junto con variosmiles de excepciones. La cadena resultante de fonemas fue enviado a un sintetizador de voz, que articula cada palabra. Modelos posteriores del KRM han mejorado sustancialmente, pero están organizados de una manera similar.

El uso del dispositivo es muy sencillo: el usuario coloca el documento para ser leído boca abajo en la máquina, prensas comienzan, y escucha. El KRM tiene un panel de control para controlar el movimiento del escáner, copia de seguridad, lo convierten en releer secciones o deletrear palabras, yofrecer una variedad de otras funciones. Photo by Lou Jones www.fotojones.com Jamal Mazrui utiliza la lectura Kurzweil Machine. Las exploraciones de la máquina de lectura Kurzweil y reconoce el texto como libros, revistas y notas y la convierte en un sintetizador de voz y por lo tantoes capaz de ofrecer a los lectores ciegos con acceso independiente para el material impreso.

Cortesía de la División de la máquina de lectura Kurzweil de Xerox invariancia Font es un objetivo primordial de reconocimiento inteligente de caracteres Kurzweil Computer Products.Los usuarios pueden verificar personajes reconocidos con respecto a las imágenes de los personajes originales si

así lo desean. Algunas de las características topológicas considerados por ICR Kurzweil Computer Products.

El KRM ha sido llamado el primer producto comercial de incorporar con éxito la tecnología AI. Una encuesta reciente mostró que la mayoría de los estudiantes universitarios ciegos tienen acceso a una KRM leer sus materiales educativos. Nada en mi carrera profesional me ha dado mayor satisfacción que las muchas cartas que he recibido de personas invidentes de todas las edadesque indican el beneficio que han recibido de la KRM en lo que les permite completar sus estudios o conseguir y mantener un empleo productivo.

Dos años después de la introducción del KRM, introdujimos una versión refinada, la Máquina Kurzweil Data Entry (KDEM), diseñado para aplicaciones comerciales. El KDEM, como el KRM, podría escanear documentos impresos y escritos y reconocer los caracteres y formatos de página de una amplia variedad de fuentes, pero en lugar de hablar de las salas, que los transmite. Se ha utilizado para introducir automáticamente los documentos en bases de datos, máquinas de procesamiento de texto, sistemas de edición electrónica, y una variedad de otros sistemas basados en computadoras.

Por ejemplo, el KDEM se utilizó para escanear automáticamente y reconocer todos los artículos contribuyeron en este libro para la entrada en un sistema de publicación computarizada.

Muchos de los sistemas informatizados de mover la información de forma electrónica en la página impresa. El KDEM permite que se mueva hacia atrás y no sólo como una imagen electrónica, pero en una forma inteligente que una computadora puede entender y procesar más.

El resultado es que la página impresa otra forma de almacenamiento de la información como un disquete o cinta. A diferencia de los medios electrónicos, sin embargo, la página impresa se puede acceder fácilmente por los seres humanos, así, que lo convierte en el medio de elección para las personas y las máquinas.

Me parece interesante para revisar el desempeño del precio de la rápida mejora de los productos basados en computadoras en términos de los productos de mis propias empresas. El 1978 KDEM sevendieron por $ 120.000, el cual, la inflación medida de ajuste, que equivale a $ 231.000 en dólares de 1990. Tenía 65.536 bytes de memoria y de impresión reconocida en alrededor de 3 caracteres porsegundo. En 1990 KCP ofreció un producto muy superior por menos de $ 5.000.

La versión 1990 tiene 2 a 4 millones de bytes de memoria, puede reconocer entre 30 y 75 caracterespor segundo, puede reconocer una gama sustancialmente más amplia de impresión degradada, y es mucho más preciso que el 1978 KDEM. Así, la versión de 1990 tiene 32 a 64 veces más memoria, es 10 a 25 veces más rápido, y es más preciso y versátil que la versión de 1978. Si nosotros asumimos conservadoramente que proporciona al menos 15 veces el rendimiento en 1/46.2 el precio, que representa una mejora general de precio-rendimiento de 693 a 1.Desde el 2 de 9,4 = 693,KCP ha duplicado su precio en el rendimiento 9,4 veces en 144 meses, lo cual es el doble de precio-rendimiento cada 15,3 meses. Esa tasa es algo mejor que la industria de la informática en general, que generalmente se considera duplicar su relación calidad-precio sólo cada 18 a 24 meses.

Reconocimiento de voz

El 1 de julio de 1982, fundé Kurzweil Applied Intelligence, (KAI). El objetivo de KAI ha sido la de dominar la tecnología de reconocimiento de voz automático (ASR) y la integración de ASR con otras tecnologías de IA para resolver problemas del mundo real. El objetivo a largo plazo es establecer ASR como una modalidad ubicua de comunicación entre el hombre y la máquina. En 1985 se introdujo el Sistema de Kurzweil voz (KVS), el primer dispositivo ASR comercial con un vocabulario de 1.000 palabras. Una versión mejorada llamada KVW, la primera en ofrecer un

vocabulario de reconocimiento de hasta 10.000 palabras, se introdujo en 1987. 1

Los reconocedores de voz KAI siguen el paradigma descrito en la sección anterior. El KVW, por ejemplo, tiene siete expertos diferentes, todos los cuales tratan de reconocer cada palabra hablada simultáneamente. Varios de los expertos analizar la acústica (o sonido) de la palabra hablada, y los otros son expertos contexto programados con un conocimiento de las secuencias de palabras en inglés (otros idiomas seguirán en el futuro). El sistema hace uso extensivo de formación de los usuarios y la adaptación. Aprende los patrones fonológicos (es decir, los patrones de frecuencia) y las secuencias fonéticas (el dialecto) de cada usuario. También incluye un experto en la sintaxis de usuario que aprende los patrones característicos palabra de secuencia utilizados por cada altavoz.

El KVW consta de electrónica especializada, una computadora personal estándar de la industria y elsoftware. Para que un usuario puede comenzar el dictado productivo con el sistema, tiene que inscribirse, lo que implica hablar de una muestra de las palabras a la máquina que le proporcione fonológico inicial y modelos fonéticos. Una vez que se ha logrado, el usuario puede dictar a la máquina y ver cada palabra aparece en la pantalla en una fracción de segundo después de hablarlo. Los modelos 1990 requieren que el usuario proporcione una breve pausa entre las palabras, aunque se espera que los modelos posteriores a aceptar el discurso continuo.

El KVW realmente mejora su desempeño ya que el sistema se adapta a (es decir, aprende sobre) los patrones de pronunciación del usuario y la sintaxis. Esta adaptación continúa indefinidamente. Además de mostrar cada palabra reconocida, el sistema también muestra su segundo a sexto opciones. Si el KVW comete un error, una de estas palabras alternativas es muy a menudo la opción correcta. Por lo tanto, los errores suelen ser corregidos por el usuario dice "Take two" o "Toma tres", que sustituye a la palabra original que aparece en el texto con la palabra alternativa apropiada.

La tecnología de reconocimiento de voz KVW se ha integrado con una variedad de aplicaciones. Una versión incluye un procesador de texto con todas las funciones con la capacidad de introducción de texto, así como la emisión de todos los comandos de edición y formato de voz. Varias secciones de este libro fueron escritos por voz utilizando esta versión del KVW. Otros Cortesía de Kurzweil Applied Intelligence Un médico dicta informes médicos a VoiceRad. versiones del KVW se integran con los sistemas basados en el conocimiento que tienen experiencia en los tipos de informes creados en diferentes profesiones. Cortesía de Kurzweil Applied Intelligence Un médico dicta informes médicos a VoiceRad

Por ejemplo, VoiceRad integra la tecnología de reconocimiento de voz de Kai con conocimiento de informes de radiología, lo que permite un radiólogo para dictar rápidamente los resultados de un examen para la transcripción instantánea. Al igual que con la versión de procesador de textos de la KVW, el radiólogo puede dictar una palabra de informe por palabra.

Además, el sistema puede generar automáticamente secciones predefinidas de texto sobre la base desu conocimiento de la presentación de informes de radiología. VoiceEM es un sistema similar para la medicina de urgencias. Una variedad de sistemas similares han sido desarrollados para la medicina y otras disciplinas. Este enfoque combina las ganancias de productividad de dictado basado en ASR con los de una base de conocimientos de dominio específico incorporado. Estos productos marcan la primera vez que un gran producto ASR vocabulario disponible comercialmentese ha utilizado para crear un texto escrito por voz en otra de las situaciones experimentales.

KAI también tiene un importante compromiso con la aplicación de la tecnología para los discapacitados. Las versiones de KVS y tecnología KVW proporcionan medios para la creación de texto y el ordenador y el control ambiental para tetrapléjico y otras personas con impedimentos a mano. Un objetivo a largo plazo de la empresa es el desarrollo de un aparato sensorial para personassordas que proporcionaría una visualización en tiempo real de lo que alguien está diciendo en el teléfono y en persona.

Objetivos a largo plazo de la compañía son de dos tipos. En primer lugar, tiene la intención de continuar con el fortalecimiento de su tecnología de reconocimiento de voz básico, para avanzar hacia el Santo Grial de la combinación de gran ASR vocabulario con capacidad continua-habla y losrequisitos mínimos para el entrenamiento del sistema para cada usuario. En segundo lugar, se propone integrar ASR con una variedad de aplicaciones, en particular los enfatizando otras tecnologías de IA. En última instancia, nuestro objetivo es el de establecer comunicación de voz como un medio deseable y ampliamente utilizado para comunicarse con la inteligencia artificial.

La revolución de la música electrónica

Fundé Music Systems Kurzweil (KMS), también en julio 1,1982. La inspiración para el inicio de KMS vino de dos fuentes. Uno de ellos era mi interés de por vida en la música, junto con un interés casi toda la vida en las computadoras. Mi padre, un director de orquesta y pianista de concierto señalado, me había dicho poco antes de su muerte en 1970 que iba a combinar estos dos intereses, un día, aunque no estaba seguro de cómo. La otra y más inmediata génesis de KMS fue una conversación que tuve con Stevie Wonder, que había sido un usuario de la máquina de lectura Kurzweil desde sus inicios. Mientras me muestra algunos nuevos instrumentos musicales que había adquirido recientemente, Steve señaló que dos mundos de instrumentos musicales-la acústica y la electrónica-se había desarrollado sin puente existente entre ellos.

Por un lado, los instrumentos acústicos como el piano, el violín y la guitarra siempre que los sonidos musicales que todavía estaban los sonidos de elección para la mayoría de los músicos del mundo. Si bien estos sonidos acústicos eran ricos, complejos y musicalmente satisfactoria, sólo se disponía de pocos medios para controlar o incluso jugar a estos sonidos.

Por un lado, una vez que fue herida la tecla del piano, no había aún más la capacidad para dar formaa la nota que no sea para su rescisión: la velocidad inicial de la huelga clave era el único medio paramodificar sonidos de piano.En segundo lugar, la mayoría de los instrumentos sólo pueden reproducir una nota a la vez.

En tercer lugar, no había manera de acodar los sonidos, es decir, reproducir los sonidos de diferentes instrumentos de forma simultánea. Aún si tiene las habilidades para jugar tanto de un piano y una guitarra, por ejemplo, apenas se podía jugar a ambos al mismo tiempo. Incluso dos músicos encontrarían jugando los mismos acordes en el piano y la guitarra casi intransitable. En

cualquier caso, son muy pocos los músicos, no importa cuán realizados, podrían desempeñar más deunos pocos instrumentos, ya que cada uno requiere sustancialmente diferentes técnicas de juego. Desde los propios métodos de juego estaban vinculados a la física de cada instrumento acústico, muchos instrumentos requieren un alto nivel de destreza de los dedos. Si un compositor tenía un acuerdo multi-instrumental en la mente, no tenía forma de siquiera escuchar lo que la pieza sonaba como sin el montaje de un gran grupo de músicos. Después de realizar cambios en la composición requerida modificación laboriosa de partituras escritas y ensayo adicional. Recuerdo a mi padre de lamentar las mismas dificultades.

Steve señaló que, por otra parte existía el mundo electrónico de la música en la que la mayor parte de las limitaciones anteriores se superan. El uso de un solo tipo de habilidad de juego (por ejemplo, una técnica de piano-teclado), se puede activar y controlar todos los sonidos electrónicos disponibles. Una amplia variedad de técnicas existen para la modificación de muchos aspectos de los propios sonidos antes de, así como durante la ejecución (estas técnicas han ampliado en gran medida desde 1982). Uno puede superponer sonidos haciendo que cada tecla iniciar diferentes sonidos al mismo tiempo. El uso de secuenciadores, se puede jugar una parte de una composición multi-instrumental, a continuación, hacer ese papel desde la memoria y jugar una segunda parte sobre ella, repitiendo este proceso indefinidamente. Sin embargo, los instrumentos electrónicos en ese momento sufría de un grave inconveniente, a saber, los propios sonidos. Mientras que habían encontrado un papel importante en la música popular y clásica, sonidos sintéticos eran "finas", tuvo la diversidad relativamente limitada, y no incluye ninguno de los sonidos acústicos deseables.

Steve preguntó si sería posible combinar estos dos mundos de la música para crear en un solo instrumento las capacidades de ambos. Tal instrumento podría producir música que ni mundo de losinstrumentos por sí solo podría crear. Lograr esto Cortesía de Kurzweil Music Systems El Kurzweil 250 Computer-Based sintetizador.

Cortesía de Kurzweil Music Systems

un músico toca el Kurzweil 250 utilizando el teclado y un controlador de batería electrónica.

sería, por ejemplo, permitir a los músicos a tocar una guitarra y un piano al mismo tiempo. Podríamos tomar sonidos acústicos y modificarlas para lograr una amplia variedad de propósitos artísticos.

Un músico podría desempeñar una composición multi-instrumental (como una orquesta entera) por sí mismo utilizando acústico real (así como electrónica) sonidos. Un músico podría desempeñar un violín o cualquier otro instrumento polifónico (jugar más de una nota a la vez). Se podría reproducirsonidos de cualquier instrumento sin tener que aprender las técnicas de juego de cada uno. Se podría incluso crear nuevos sonidos que se basaban en los sonidos acústicos, y por lo tanto comparten su complejidad, pero se movían más allá de ellos a una nueva clase de timbres con valor musical importante.

Esta visión define la meta de KMS. En junio de 1983 se demostró un prototipo de ingeniería del Kurzweil 250 (K250j, y se introdujo comercialmente en 1984 2 El K250 se consideró el primer instrumento musical electrónico de emular con éxito los sonidos de un piano de cola y una amplia variedad de otros instrumentos: instrumentos de cuerda orquestales (violín, viola, etc.) de la guitarra, la voz humana, instrumentos de metal, tambores, y muchos otros. Al escuchar las pruebas que encontraron que los oyentes, entre ellos músicos profesionales, eran esencialmente incapaz de decir el sonido "piano de cola" K250 aparte de la de un verdadero $ 40.000 piano de concierto. Un secuenciador de 12 pistas, capas de sonido, y amplias instalaciones de modificación de sonido proporcionan una gama completa de métodos de control artísticas.

La esencia de la tecnología K250 reside en sus modelos de sonido. Estas estructuras de datos, contenidos en la memoria de sólo lectura en el instrumento, definen los patrones esenciales de cada voz del instrumento. Teníamos que crear un modelo de procesamiento de la señal de un instrumentoque responda a los cambios de tono, el volumen y el paso del tiempo en las mismas formas complejas como el instrumento acústico inicial.

Para crear un modelo de sonido, el punto de partida es registrar el instrumento original usando técnicas digitales de alta calidad. Sorprendentemente, sólo para encontrar los instrumentos adecuados para grabar resultó ser un gran desafío. No fue posible, por ejemplo, para buscar un concierto solo de piano de cola con un sonido atractivo en todos los registros. Algunos tenían una región hermosa, pero bajo una gama media aguda. Otros eran impresionantes en la gama alta, pero mediocre lo contrario. Terminamos la grabación de cinco pianos diferentes, entre ellos el que Rudolph Serkin juega cuando llega a Boston.

Al capturar un instrumento, registramos ejemplos de muchos tonos diferentes y niveles de sonoridad. Cuando una tecla determinada en un piano es golpeado con diversos niveles de fuerza, no es sólo el nivel de sonoridad que cambia, sino todo el espectro de variables en el tiempo de las frecuencias de sonido. Todas estas grabaciones digitales se introducen en nuestro ordenador de análisis de sonido, y una variedad de ambas técnicas automáticas y manuales se utilizan para dar forma a cada modelo de instrumento. Parte del proceso consiste en una forma de afinación meticulosa y atención al detalle, irónicamente, una reminiscencia de la artesanía del viejo mundo. Los aspectos automáticos del trato proceso principalmente con el tema de la compresión de datos. Los datos originales grabados, incluso para un solo instrumento se exceda la capacidad de la memoria del K250. Por lo tanto, es necesario incluir sólo la información relevante necesaria para representar con precisión los sonidos originales.

Cuando el tecladista golpea las teclas del piano-como el del K250, sensores especiales detectan la velocidad del movimiento de cada tecla. (Otros teclados KMS también pueden detectar la presión variable en el tiempo ejercida por cada dedo.) El ordenador del K250 y electrónica especializados

extraer la información relevante de los modelos de sonido adecuadas en la memoria y luego calcularen tiempo real las formas de onda que representan el sonido del instrumento seleccionado , el tono yvolumen para cada nota. Las diversas funciones de control, tales como la secuenciación, capas, y la modificación de sonido, son proporcionados por las rutinas de software almacenadas en la memoria de la unidad.

En la evolución de nuestros instrumentos a KMS, hemos seguido dos caminos. En primer lugar, el K250 se ha convertido en un sistema integral para la creación de obras musicales complejas. Se trata esencialmente de una grabación digital y el estudio de la producción en un instrumento, y se haconvertido en un estándar para la creación de bandas sonoras de películas y televisión y grabacionesprofesionales. KMS también se ha trasladado a reducir el costo de su tecnología de modelado de sonido. Su serie K1000, por ejemplo, es una línea de productos relativamente baratos que ofrecen lamisma calidad y la diversidad de sonidos como el K250.

Existe una tendencia histórica que se desarrolla en la industria de instrumentos musicales lejos de latecnología acústica y mecánica y hacia la tecnología electrónica digital. Hay dos razones para esto. En primer lugar, la relación precio-rendimiento de la tecnología acústica se está deteriorando rápidamente debido a la artesanía y naturaleza, mucha mano de obra de sus procesos de fabricación. Un piano de cola, por ejemplo, tiene más de 10.000 piezas móviles en su mayoría fabricadas a mano. El precio del piano promedio ha aumentado en más del 250 por ciento desde 1970. Al mismo tiempo, es ampliamente reconocido que la calidad de los nuevos pianos está disminuyendo.Por otro lado, el precio-rendimiento de la electrónica digital es, por supuesto, mejorando rápidamente. Además, ahora es posible para un instrumento electrónico para proporcionar la misma calidad de sonido como un instrumento acústico, con sustancialmente mayorfuncionalidad. Por estas razones, los instrumentos de teclado electrónicos han pasado de 9,5 por ciento del mercado estadounidense para los instrumentos de teclado en 1980 a 55,2 por ciento en 1986 (de acuerdo con el American Music Conference). Es mi firme creencia de que esta tendencia va a continuar hasta que el mercado está prácticamente totalmente electrónico. Nuestro objetivo a largo plazo en KMS es continuar proporcionando liderazgo para esta industria en todo el mundo emergente de la tecnología de música digital inteligente.

Una nota final

1 han tratado de seleccionar los proyectos que hacen posible la construcción de sociedades fuertes, mientras que el cumplimiento de los objetivos sociales y culturales que son importantes para mí y para otros. Creo, por ejemplo, que hay una buena correspondencia entre las capacidades de la informática y las necesidades de los discapacitados. Ha sido una de mis metas personales para aplicar las tecnologías de IA para ayudar a superar las desventajas asociadas con importantes discapacidades físicas y sensoriales. Creo que existe la posibilidad en el próximo par de décadas para superar en gran medida estos grandes desventajas. Como amplificadores del pensamiento humano, las computadoras tienen un gran potencial para ayudar a la expresión humana, mejorar la productividad y ampliar la creatividad para todos nosotros, en todas las áreas de trabajo y el juego. Espero jugar un papel en la forma constructiva aprovechar este potencial.

Todos los proyectos descritos anteriormente han sido los esfuerzos altamente interdisciplinarios y han requerido la dedicación y el talento de muchas personas brillantes en una amplia gama de campos. Inventar hoy es en gran medida un trabajo en equipo y su éxito está en función de la calidad de los miembros individuales del equipo, así como la calidad de la comunicación del grupo. Como Norbert Wiener señaló en Cibernética, los científicos e ingenieros con diferentes áreasde especialización suelen utilizar completamente diferentes vocabularios técnicos para referirse a los mismos fenómenos.

La creación de un entorno en el que un equipo de lingüistas, científicos del habla, expertos de procesamiento de señal, diseñadores VLSI y otros specializts puede entender la terminología de

cada uno y trabajar juntos de manera efectiva (como se requiere, por ejemplo, en los esfuerzos para desarrollar la tecnología de reconocimiento de voz descrito anteriormente) es al menos tan difícil como el desarrollo de la tecnología en sí. Una vez desarrollada, la tecnología (y los tecnólogos) deben integrarse más en las disciplinas igualmente bien desarrolladas de fabricación, marketing, finanzas, y las otras habilidades de gestión de una sociedad moderna.

Siempre es emocionante ver (o escuchar) un nuevo producto, para experimentar la realización de una visión después de años de duro trabajo en colaboración. Tal vez mi mayor placer ha sido la oportunidad de compartir el proceso creativo con los muchos hombres y mujeres destacadas que han contribuido a estos esfuerzos.

Notas

1. Raymond Kurzweil, "La tecnología del escritor Kurzweil voz", BYTE, marzo de 1986.

La era de las máquinas inteligentes:

¿Pueden pensar las máquinas?

21 de febrero 2001

Autor: Lee Gutkind


¿Pueden pensar las máquinas? Este ha sido un enigma para los filósofos desde hace años, pero en sufascinación por las cuestiones conceptuales puras que tienen en su mayor parte por alto la importancia social real de la respuesta.

Es de una importancia más que académica que aprendamos a pensar con claridad acerca de los poderes cognitivos reales de los ordenadores, ya que ahora se están introduciendo en una variedad de roles sociales sensibles, donde se ponen a la prueba definitiva de sus poderes: en una amplia variedad de áreas, que están a punto de hacernos dependientes de sus facultades cognitivas. El elenco de sobreestimar ellos podrían ser enormes.

Uno de los principales inventores de la computadora fue el gran matemático británico Alan Turing. Fue él quien primero descubrió, en términos muy abstractos, la forma de diseñar un dispositivo de computación programable, lo que hoy llamamos una máquina universal de Turing.

Todos los equipos programables en uso hoy en día están en las máquinas de Turing esencia. Hace unos cuarenta años, en los albores de la era de la informática, Turing comenzó un artículo clásico "Computing Machinery and Intelligence" con las palabras "me propongo examinar la cuestión," ¿Pueden pensar las máquinas? '"Pero luego pasó a decir que esto era una mala pregunta, una pregunta que sólo conduce a un debate estéril y el regateo sobre las definiciones, una pregunta, como él mismo dijo, "demasiado insignificante para merecer discusión". 1

En su lugar lo sustituyó lo que él consideraba una cuestión mucho mejor, una pregunta que sería responsable quebradizo e intuitivamente satisfactorio en todos los sentidos un sustituto aceptable para el rompecabezas filosófico con el que comenzó.

En primer lugar se describe un juego de salón de clases, el juego de imitación, que se jugará por un hombre, una mujer, y un juez (de cualquier sexo). El hombre y la mujer están ocultos a la vista del

juez, pero son capaces de comunicarse con el juez por teletipo; tarea del juez es adivinar, después deun período de cuestionamiento cada concursante, que el interlocutor es el hombre y que la mujer.

El hombre trata de convencer al juez de que es la mujer, y la mujer trata de convencer al juez de la verdad. El hombre gana el juez toma la identificación equivocada. Un poco de reflexión convenceráa usted, estoy seguro, que aparte de golpes de suerte, que tomaría un hombre inteligente como para convencer al juez de que era la mujer-en el supuesto de que el juez es inteligente también, por supuesto.

Ahora supongamos, Turing dijo, reemplazamos el hombre o la mujer con un ordenador y dar al juezla tarea de determinar qué es el ser humano y que es el ordenador. Turing propuso que cualquier equipo que pueda parir con regularidad o frecuencia que un juez exigente en este juego sería inteligente, un equipo que piensa que, más allá de cualquier duda razonable.

Ahora bien, es importante tener en cuenta que si esta prueba falla, no se supone que es un signo de falta de inteligencia. Muchas personas inteligentes, después de todo, podrían no estar dispuestos o en condiciones de jugar el juego de la imitación, y debemos permitir que los equipos de la misma oportunidad de negarse a demostrar su valía. Esta es, entonces, una prueba de un solo sentido; no seprueba nada.

Por otra parte, Turing no estaba comprometiendo a la vista (aunque es fácil ver cómo se podría pensar que era) que pensar es pensar como un ser humano-más de lo que estaba cometiendo el mismo a la opinión de que para un hombre para pensar, debe pensar exactamente igual que una mujer. Hombres, mujeres, y los ordenadores pueden todos tienen diferentes formas de pensar.

Pero, sin duda, pensó, se puede pensar en el propio estilo peculiar suficientemente bien como para imitar a un hombre o una mujer de pensamiento, uno puede pensar bien, por cierto. Este ejercicio imaginario ha llegado a ser conocido como la prueba de Turing.

Es una triste ironía que la propuesta de Turing ha tenido exactamente el efecto opuesto en la discusión de lo que pretendía. Turing no diseñó la prueba como una herramienta útil en la psicología científica, un método para confirmar o desconfirmando teorías científicas o la evaluaciónde los modelos particulares de la función mental, sino que lo diseñó para ser nada más que un tapón de la conversación filosófica.

Propuso, en el espíritu de "Poner o callarse", una prueba simple para pensar que es sin duda lo suficientemente fuerte como para satisfacer al escéptico más severa (o eso creía). Él estaba diciendo, en efecto, que en vez de discutir interminablemente acerca de la naturaleza última y la esencia del pensamiento, todos debemos estar de acuerdo que todo lo que la naturaleza es, cualquiercosa que pueda pasar esta prueba seguramente tendría ella; entonces podríamos recurrir a preguntar cómo o si alguna máquina podría ser diseñado y construido que pueda pasar la prueba en buena lid.

Por desgracia, los filósofos, los aficionados y profesionales, han tenido lugar la propuesta de Turing como pretexto para la clase de regateo de definición y discusión interminable sobre contra-ejemplosimaginarios que él tenía la esperanza de sofocar.

Esta preocupación de cuarenta años con la prueba de Turing ha sido aún más lamentable, ya que se ha centrado la atención en los temas equivocados. Hay vida real los problemas que se revelan al considerar las fortalezas y debilidades de la prueba de Turing, pero estos han sido ocultados detrás de una cortina de humo de las críticas equivocadas. El hecho de no pensar con imaginación acerca de la prueba de hecho propuesto por Turing ha llevado a muchos a subestimar su gravedad y confundirla con propuestas mucho menos interesantes.

Así que primero les quiero mostrar que la prueba de Turing, concebido como él la concebía, es

(como él pensaba) lo suficientemente fuerte como una prueba de pensamiento. Desafío a cualquiera a mejorarlo. Pero aquí está el punto casi universalmente ignorado por la literatura: hay un común la mala aplicación de la prueba de Turing, que a menudo conduce a la drástica sobreestimación de los poderes de los sistemas informáticos realmente existentes.Las locuras de este tipo conocido de pensar sobre las computadoras mejor pueden ser llevados a cabo por un nuevo examen de la prueba de Turing en sí.

La idea que subyace en la prueba de Turing es la misma visión que inspira la nueva práctica entre las orquestas sinfónicas de la realización de audiciones con una pantalla opaca entre el jurado y el músico. Lo que importa en un músico es, obviamente, la habilidad musical y sólo la habilidad musical, características tales como el sexo, la longitud del pelo, color de la piel, y el peso están estrictamente irrelevante. Dado que los jurados podrían estar sesgadas, incluso inocentemente y sin saberlo, por estas características irrelevantes, que son cuidadosamente seleccionados de modo que sólo la característica esencial, la maestría musical, puede ser examinado.

Turing reconoció que la gente podría estar sesgados de manera similar en sus juicios de la inteligencia en función de si el concursante tenía la piel suave, la sangre caliente, los rasgos faciales, las manos y los ojos, lo cual, obviamente, no son ellos mismos los componentes esenciales de la inteligencia. Así que ideó una pantalla que le permitirá a través de sólo una muestra de lo que realmente importaba: la capacidad de entender y pensar inteligentemente acerca, retando a los problemas.

Tal vez se inspiró en Descartes, quien en su Discurso del método (1637) argumenta convincentemente que no había prueba más exigente de la mentalidad humana que la capacidad de mantener una conversación inteligente: "De hecho, es posible que una máquina podría ser de igual forma que sería pronunciar palabras, e incluso palabras consignar en la presencia de actos físicos u objetos que causan algún cambio en sus órganos, como, por ejemplo, se tocó de alguna manera detectar que iba a preguntar lo que quería decir a ella, y en otra, que lloraba de que estaba herido, y así sucesivamente para cosas similares. Pero nunca podría modificar sus frases para responder al sentido de lo que se dijo en su presencia, ya que incluso los hombres más estúpidos pueden hacer. "2

Esto parecía obvio para Descartes en el siglo XVII, pero por supuesto, las máquinas más elegantes que él sabía que eran cifras elaborado mecanismo, no a los equipos electrónicos. Hoy en día está lejos de ser obvio que este tipo de máquinas son imposibles, pero el presentimiento de Descartes de que la conversación ordinaria sería poner una tensión tan grave en la inteligencia artificial como cualquier otra prueba fue compartida por Turing. Por supuesto, no hay nada sagrado en el juego conversacional particular elegido por Turing para su prueba, es sólo una prueba astutamente elegidode la inteligencia general.

El supuesto Turing estaba preparado para hacer era esto: Nada podría pasar la prueba de Turing, al ganar el juego de imitación, sin ser capaz de realizar un número indefinido de otras acciones claramente inteligentes. Llamemos a este supuesto la asunción rápida-sonda.

Turing se dio cuenta, como cualquiera lo haría, que hay cientos y miles de decirle signos de pensamiento inteligente para ser observados en nuestros semejantes, y uno podía, quería, compilar una inmensa batería de diferentes pruebas para ensayar la capacidad para el pensamiento inteligente. Pero el éxito en su examen elegido, pensó, sería altamente predictivos del éxito en muchas otras pruebas intuitivamente aceptables de inteligencia.

Recuerde que el fracaso en la prueba de Turing no predice el fracaso de esos otros, pero el éxito seguramente predecir el éxito. Su prueba era tan grave, pensó, que nada de lo que podría pasar en buena lid nos decepcionaría en otros trimestres. Tal vez no haría todo lo que esperábamos-tal vez noapreciaría ballet, entender la física cuántica, o tener un buen plan de paz en el mundo ahora, pero

había todo ver que era sin duda uno de los inteligentes, las entidades de pensar en el barrio.

¿Es esta alta opinión de los tests de Turing severidad equivocadas? Ciertamente, muchos han pensado así, pero por lo general porque no se han imaginado la prueba con suficiente detalle, y por lo tanto han subestimado.Tratando de anticiparse a ese escepticismo, Turing imaginó varias líneas de cuestionar que un juez podría emplear en este juego que sería gravar hecho líneas acerca de cómo escribir poesía o jugar al ajedrez. Sin embargo, con treinta años de experiencia con los talentos reales y debilidades de las computadoras detrás de nosotros, tal vez podamos añadir algunas líneas más duras de interrogatorio.

Terry Winograd, un líder en los esfuerzos de AI para producir la capacidad de conversación en una computadora, llama la atención sobre un par de frases. 3 Se diferencian en una sola palabra. La primera frase es la siguiente: "El comité le negó al grupo un permiso del desfile porque defendían laviolencia." Aquí está la segunda frase: ". El comité le negó al grupo un permiso del desfile porque tenían miedo de la violencia"

La diferencia es sólo en el verbo "defendido" o "temido." Como Winograd señala, el pronombre "ellos" en cada frase es oficialmente ambigua. Ambas lecturas del pronombre son siempre legales. Por lo tanto, podemos imaginar un mundo en el que las comisiones gubernamentales encargadas de desfile permite apología de la violencia en las calles y, por alguna extraña razón, lo utilizan como su pretexto para negar un permiso de armas. Pero la lectura natural, razonable, inteligente de la primera frase es que es el grupo que abogaba por la violencia, y de la segunda, que es el comité que temen a la violencia.

Ahora oraciones como esta están incrustados en una conversación, el equipo debe averiguar qué se entiende la lectura del pronombre, es para responder de forma inteligente. Pero meras reglas de la gramática o el vocabulario no solucionará la lectura correcta. Lo que fija el derecho de leer para nosotros es el conocimiento acerca de la política, las circunstancias sociales, comités y sus actitudes, grupos que quieren desfile, la forma en que tienden a comportarse, y similares. Uno debe saber sobre el mundo, en definitiva, de dar sentido a una frase.

En la jerga de la inteligencia artificial, un ordenador conversacional necesita mucho conocimiento del mundo para hacer su jab. Pero, al parecer, de alguna manera está dotado de que el conocimiento del mundo sobre muchos temas, debería ser capaz de hacer mucho más con que el conocimiento delmundo que simplemente tiene sentido de una conversación que contiene sólo esa frase.

La única manera, al parecer, por una computadora para eliminar la ambigüedad de la frase y seguir el ritmo de su extremo de una conversación que utiliza esa frase sería para que tenga una capacidad mucho más general para responder de manera inteligente a la información sobre las circunstancias sociales y políticas, y muchos otros temas. Por lo tanto, este tipo de sentencias, por poner una demanda de este tipo de habilidades, son buenas sondas rápidas. Es decir, se hacen pruebas para unacompetencia más amplia.

La gente por lo general ignoran la perspectiva de tener el juez hacer preguntas fuera de la pared en la prueba de Turing, y por lo tanto subestimar la competencia un equipo tendría que tener que pasar la prueba. Pero recuerde, las reglas del juego de imitación de Turing como lo presentaron permitir aljuez que preguntarle cualquier cuestión que pudiera plantearse de un ser humano-no todo vale. Supongamos, entonces, le damos un concursante en el juego a esta pregunta: Un irlandés encontró un genio en una botella que le ofreció dos deseos.

"En primer lugar voy a tener una pinta de Guinness", dijo el irlandés, y cuando apareció, tomó varios tragos largos de él y estaba encantado de ver que el vaso se llenó mágicamente mientras bebía. "¿Y tu segundo deseo", preguntó el genio. "Oh, bueno, eso es fácil", dijo el irlandés. "Voy a tener otro de estos!" Favor de explicar esta historia a mí, y me dicen que hay algo gracioso o triste.

Ahora, incluso un niño puede expresar, ni siquiera de manera elocuente, la comprensión que se requiere para obtener esta broma. Pero piensa en lo mucho que hay que conocer y entender acerca de la cultura humana, por decirlo pomposamente, para ser capaz de dar una explicación del punto deesta broma.

Yo no estoy suponiendo que el equipo tendría que reírse de, o ser divertido por la broma. Pero quiere ganar el juego de imitación-y esa es la prueba, después de todo-lo mejor que sepa lo suficiente en su propia manera extraña, sin sentido del humor acerca de la psicología humana y la cultura para ser capaz de fingir con eficacia que le hizo gracia y explicar por qué.

Puede parecer a usted que podríamos idear una prueba mejor. Vamos a comparar la prueba de Turing con algunos otros candidatos.

Candidate 1

Una computadora es inteligente, sino que gana el Campeonato Mundial de Ajedrez.

Eso no es una buena prueba, resulta. Destreza de ajedrez ha demostrado ser un talento aislable. Hay programas de hoy en día que pueden jugar bien al ajedrez, pero se puede hacer nada más. Así que elsupuesto rápida-sonda es falso ahora la prueba de jugar al ajedrez ganar.

Candidate 2

La computadora es inteligente, sino que resuelve el conflicto árabe-israelí.

Esta es sin duda una prueba más severa que la de Turing. Pero tiene algunos detecta: pasado una vez, es irrepetible, es lento, no hay duda, y no es quebradizo claro lo contaría como pasarlo. Aquí hay otra perspectiva, a continuación:

Candidato 3

Una computadora es inteligente, sino que tiene éxito en el robo de las joyas de la corona británica, sin el uso de la fuerza o la violencia.

Ahora bien, esto es mejor. En primer lugar, se podría repetir una y otra vez, aunque, por supuesto, cada repetición de la prueba sería presumiblemente más difícil, pero esta es una característica que comparte con la prueba de Turing.En segundo lugar, la marca de éxito es clara: o tienes las joyas que mostrar por sus esfuerzos o no se tiene. Pero es caro y lento, una cabriola socialmente dudosa en el mejor, y no hay duda de la suerte jugaría un papel demasiado grande.

Con ingenio y esfuerzo uno puede ser capaz de vino para arriba con otros candidatos que sería iguala la prueba de Turing en la severidad, la equidad y la eficiencia, pero creo que estos pocos ejemplos deberían bastar para convencernos de que sería difícil de mejorar en la propuesta original de Turing .

Pero aún así, es posible que protestar, algo podría pasar el test de Turing y aún así no ser inteligente,que no sea un pensador. ¿Qué podría significar aquí? lo que tiene en mente es que por accidente cósmico, por una coincidencia sobrenatural, una persona estúpida o una estúpida computadora podría engañar a un juez inteligente en repetidas ocasiones, bueno, sí, pero ¿y qué? Lamisma posibilidad frívola "en principio" se cumple para cualquier prueba de lo que sea.

Un dios juguetón o demonio malvado, pongámonos de acuerdo, podría engañar a la comunidad científica del mundo acerca de la presencia de H20 en el Océano Pacífico. Pero aún así, las pruebas que se basan en establecer que no es H20 en el Océano Pacífico son bastante más allá de la crítica razonable. La prueba de Turing para el pensamiento no es peor que cualquier prueba científica bien establecida, podemos establecer el escepticismo de lado y volver a las cosas serias. ¿Hay más

probabilidad de que un resultado falso positivo en la prueba de Turing que en, por ejemplo, las pruebas que actualmente se utilizan para detectar la presencia de hierro en una muestra de mineral?

Esta pregunta es a menudo oscurecida por un movimiento llamado operacionalismo que los filósofos a veces han hecho. Turing y los que piensan bien de su prueba a menudo son acusados de ser operationalists.Operacionalismo es la táctica de la definición de la presencia de alguna propiedad, la inteligencia, por ejemplo, como está establecido de una vez por todas por el paso de alguna prueba. Vamos a ilustrar esto con un ejemplo diferente.

Supongamos que yo ofrezco la siguiente prueba-nosotros llamarlo el Dennett prueba-por ser una gran ciudad. Una gran ciudad es una en la que, en un día elegido al azar, uno puede hacer los tres delos siguientes: escuchar una orquesta sinfónica, ver un Rembrandt y un concurso profesional de atletismo, y comer croquetas de burdel a la Nantua para el almuerzo. Para hacer el movimiento operativista sería 6e para declarar que cualquier ciudad que pasa la prueba Dennett es por definición una gran ciudad. Lo de ser una gran ciudad equivale a que se acaba de aprobar el examen de Dennett.

Pues bien, si la Cámara de Comercio de Great Falls, Montana, querido, y no puedo imaginar por qué-para conseguir su ciudad natal en mi lista de las grandes ciudades, podían lograr esto por la vía relativamente barata de contratar a tiempo completo alrededor de diez jugadores de baloncesto, de cuarenta músicos, y una orden rápida quenellecocinero y el alquiler de un Rembrandt barata de algún museo. Un operativista idiota sería entonces atascado admitiendo que Great Falls, Montana, era en realidad una gran ciudad, ya que todo lo que él o ella le importa en grandes ciudades es que pasan la prueba Dennett.

Operationalists Sane (que ahora esa misma razón no son quizás operationalists en absoluto, ya que "operativista" parece ser una mala palabra) se aferran con confianza a su prueba, pero sólo porque no tienen lo que ellos consideran que son muy buenas razones para pensar que las probabilidades astronómico en contra de un resultado falso positivo, como la Cámara de Comercio de alcaparras imaginado. Ideé la prueba Dennett, por supuesto, con la conciencia de que nadie sería a la vez estúpido y lo suficientemente rico como para llegar a tales extremos ridículos para frustrar la prueba.

En el mundo real, donde quiera que encuentre orquestas sinfónicas, croquetas, Rembrandt, y los deportes profesionales, usted también encontrará prensa diaria, parques, teatros de repertorio, las bibliotecas, la buena arquitectura, y todas las otras cosas que van a hacer una ciudad grande. Mi prueba fue simplemente ideó para localizar un elocuente muestra de que no podía dejar de ser representativos del resto de los tesoros de la ciudad.Me alegre correr el riesgo minúsculo de tener mi farol llamado. Obviamente, los elementos de prueba no son lo único que me importa en una ciudad.

De hecho, algunos de ellos no se preocupan por nada. Sólo creo que sería maneras baratas y fáciles de asegurar a mí mismo que las cosas sutiles que me importa en las ciudades están presentes. Del mismo modo, creo que sería totalmente irrazonable suponer que Alan Turing tenía un cariño excesivo para los juegos de la fiesta o poner un valor demasiado alto en juego de sociedad destreza en su prueba. Tanto en la prueba de Turing y la prueba de Dennett se está tomando un riesgo muy unrisky: la apuesta que la asunción rápida-sonda es en general segura.

Pero dos pueden jugar a este juego de jugar con las probabilidades. Supongamos que algún programador informático pasa a ser, por alguna extraña razón, empeñado en engañarme a juzgar que una entidad sea un pensamiento, lo más inteligente cuando no lo es. Tal embaucador podía confiar, así como 1 lata de improbabilidad y tomar unas cuantas apuestas. Por lo tanto, el programador puede esperar que no es remotamente posible que 1, ya que el juez, traerá a colación eltema de las fiestas infantiles de cumpleaños, o de béisbol, o piedras de luna, entonces él o ella

puede evitar el problema de la construcción de conocimiento mundial sobre los temas en la base de datos.

Mientras que yo planteo improbablemente estas cuestiones, el sistema se basará en blanco, y voy a desenmascarar al impostor fácilmente. Pero con todos los temas y palabras a fin de levantar un ahorro como sin duda sería insignificante. Gire a la idea de adentro hacia afuera, sin embargo, y el embaucador tendrá la oportunidad de luchar.

Supongamos que el programador tiene razones para creer que voy a preguntar sólo sobre los partidos o de béisbol infantiles de cumpleaños o luna rocas-todos los otros temas que son, por una razón u otra, fuera de límites. No sólo la tarea de reducir de manera espectacular, pero ya existen sistemas o bocetos preliminares de sistemas de inteligencia artificial que puede hacer un trabajo whiz-bang de responder con inteligencia aparente un sólo aquellos temas especializados.

Programa lunar de William Wood, para tomar lo que es tal vez el mejor ejemplo, responde a las preguntas de los científicos-puesto en común Inglés-sobre las rocas lunares. En una prueba que respondió correctamente y apropiadamente algo así como el 90 por ciento de las preguntas que los geólogos y otros expertos pensaron en pedirle que sobre las rocas lunares. (En el 12 por ciento de las respuestas correctas, no había defectos corregibles triviales.)

Por supuesto, el motivo de la madera en la creación LUNAR no era para engañar a los geólogos incautos haciéndoles creer que estaban conversando con un ser inteligente. Y eso había sido su motivo, su proyecto seguiría siendo un largo camino de éxito.

Pues es bastante fácil de desenmascarar LUNAR sin desviarse del tema prescrito de rocas lunares. Ponga LUNAR en una habitación y una luna rocas specializt en otro, y luego les preguntaráa los dos su opinión sobre el valor social de las expediciones de la luna-rock de recolección, por ejemplo. O pregunte a los participantes su opinión sobre la idoneidad de las rocas lunares como ceniceros, o si las personas que han tocado las rocas lunares no son elegibles para el draft. Cualquier persona inteligente sabe mucho más acerca de las rocas lunares de su geología. Aunque podría ser injusto para exigir este conocimiento adicional de un especialista en informática luna-rock, sería una manera fácil de conseguir que no pasan la prueba de Turing.

Pero sólo supongamos que alguien podría extender LUNAR cubrirse verosímilmente en dichas sondas, siempre y cuando el tema era todavía, aunque sea indirectamente, las rocas lunares. Podríamos llegar a pensar que era mucho más como el especialista en la luna-rock humana de lo que realmente era. La moraleja que debemos sacar es que como jueces Turing-prueba que debemos resistir todas las limitaciones y riegos-down de la prueba de Turing. Ellos hacen el juego demasiado fácil-mucho más fácil que el ensayo inicial. Por lo tanto, nos conducen en el riesgo de sobreestimar la comprensión real del sistema que está siendo probado.

Considere la posibilidad de una limitación diferente en la prueba de Turing que deberían tener un eco sospechoso en nosotros tan pronto como lo escuchamos. Esta es una variación de un tema desarrollado en un artículo reciente de Ned Block. 4 Supongamos que alguien proponga restringir eljuez a un vocabulario de, por ejemplo, las 850 palabras de Inglés básico, y para una sola oración sondas-es decir, "se mueve"-de no más de cuatro palabras.

Por otra parte, los concursantes deben responder a estas sondas con no más de cuatro palabras por movimiento, y una prueba puede implicar no más de cuarenta preguntas ¿Es esto una variación inocente prueba original de Turing? Estas restricciones podrían hacer que el juego de imitación claramente finito.

Es decir, el número total de todos los juegos posibles permisibles es un número grande, pero finito. Uno podría sospechar que esa limitación permitiría el embaucador simplemente para

almacenar, por orden alfabético, todas las posibles buenas conversaciones con los límites y engañar al juez con nada más sofisticado que un sistema de tabla de consulta. De hecho, eso no está en las tarjetas.

Incluso con estas restricciones severas, improbables, y sospechosas impuestas al juego de imitación,el número de juegos legales, aunque finito, es alucinantemente grande. No me he molestado tratando de calcularlo, pero seguramente astronómicamente excede el número de posibles partidas de ajedrez con no más de cuarenta movimientos, y esa cifra se ha calculado. John Haugeland dice que es en el barrio de 10 120 . Para la comparación, Haugeland sugiere sólo ha habido 10 18 segundos desde el comienzo del universo. 5

Por supuesto, el número de buenas, conversaciones sensibles en virtud de estos límites es una pequeña fracción, tal vez 1 en 10 15 , del número de conversaciones meramente gramaticalmente bien formadas. Así que digamos que, al ser muy conservador, que sólo hay 10 15 diferentes conversaciones inteligentes tal ordenador tendría que almacenar. Pues bien, la tarea no debe tomar más de un par de billones de años-con el generoso apoyo federal.Números finitos pueden ser muy grandes.

Así que a pesar de que no tienen que preocuparse de que este truco en particular de almacenar todaslas conversaciones inteligentes iba a funcionar, podemos apreciar que hay un montón de maneras dehacer la tarea más fácil que puedan aparecer inocente al principio. También obtenemos una medida tranquilizadora de cuán grave es la prueba de Turing sin restricciones es una reflexión sobre los másde tamaño astronómico de incluso esa versión severamente restringida de la misma.

Bloque de imaginaban y completamente imposible-programa exhibe la característica temido conocido en los círculos de la computadora en la ciencia como una explosión combinatoria. Ningún ordenador concebible podría dominar a un explosión combinatoria con la velocidad y el tamaño enorme. Dado que las áreas problemáticas que aborda la inteligencia artificial son campos minados verdaderos de explosión combinatoria, y dado que a menudo ha resultado difícil encontrar ninguna solución a un problema que les evita, hay una considerable verosimilitud en la propuesta de Newell y Simon que evita explosión combinatoria (por cualquier medio en absoluto) puede ver como una de las señas de identidad de la inteligencia.

Nuestros cerebros son millones de veces más grandes que los cerebros de los mosquitos, pero no dejan de ser-para todos sus complejidad compacto vastas, órganos eficientes y oportunos que de alguna manera u otra se las arreglan para realizar todas sus tareas y evitar la explosión combinatoria. Un ordenador de un millón de veces más grande o más rápido que el cerebro humano no podría ser como el cerebro de un ser humano, o incluso organizarse internamente como el cerebro de un ser humano, pero, ahora todas sus diferencias, se las arregló de algún modo para controlar un sabio y oportuna conjunto de actividades, que tendría que ser el beneficiario de un diseño muy especial que evita la explosión combinatoria. Y todo lo que el diseño era, podríamos no ser adecuado para considerar la entidad inteligente?

La prueba de Turing fue diseñado para permitir esta posibilidad. Su punto era que no deberíamos especies machista o antropocéntrica, sobre el interior de un ser inteligente, porque puede haber formas inhumanas de ser inteligente.

Que yo sepa, el único intento serio e interesante por cualquier diseñador del programa para ganar incluso una prueba de Turing severamente modificada ha sido Kenneth Colby. Colby es un psiquiatra y artífice de inteligencia de la UCLA. Él tiene un programa llamado Parry, que es una simulación computarizada de un paciente paranoico que tiene ilusiones sobre la mafia de estar fueraa por él.

Como lo hace con otros programas de conversación, se interactúa con él por sentado en una terminal y escribiendo preguntas y respuestas de ida y vuelta. Hace algunos años, Colby puso PARRY a una prueba muy restringida. Tenía psiquiatras genuinos entrevistan Parry. No sugirió a losque podrían estar hablando o escribiendo en un ordenador, sino que hizo un poco de historia plausible de por qué se estaban comunicando con un real, paciente vivo por teletipo.

También había los psiquiatras entrevistar, paranoicos humanos reales a través de teletipo. Luego tomó una transcripción PARRY, inserta en un grupo de transcripciones de teletipo de pacientes reales, se los dio a otro grupo de expertos-más psiquiatras-y dijo: "Uno de ellos fue una conversación con un ordenador. ¿Puedes adivinar cuál era? "No pudieron. Ellos no lo hicieron mejor que el azar.

Colby presenta esto con algunos huzzah, pero los críticos se burló de la sugerencia de que se tratabade una prueba de Turing legítimo. Mi comentario favorito en él era Joseph Weizenbaum de, en una carta a las Comunicaciones de la Asociación de Maquinaria de Computación , dijo que, inspirado en Colby, había diseñado un programa aún mejor, que pasó la misma prueba. 6 Su también tuvo la virtud de ser un programa muy barato, en estos tiempos de escasez de dinero. De hecho, usted ni siquiera necesita un ordenador para ello. Todo lo que necesitaba era una máquina de escribir eléctrica. Su programa de modelado autismo infantil.

Y-usted escriba las transcripciones de sus preguntas, y la cosa sólo se sienta allí y zumba-no pueden ser distinguidos por los expertos de las transcripciones de las conversaciones reales con pacientes autistas infantiles.¿Qué pasaba con la prueba de Colby, por supuesto, era que los entrevistadores desprevenidos no tenían motivación en absoluto para probar cualquiera de los tipos de preguntas que fácilmente habría desenmascarado Parry.

Colby estaba impávido, y después de que su equipo había mejorado PARRY, la puso a prueba: una prueba mucho más graves sorprendentemente grave. Esta vez, los entrevistadores-otra vez los psiquiatras, se dio a la tarea desde el principio de contar el equipo desde el paciente real. Ellos se establecieron en un clásico de prueba de la máquina de Turing: el paciente en una habitación, la PARRY ordenador en la otra habitación, con los jueces que llevan a cabo las entrevistas con dos de ellos (en días sucesivos). La tarea de los jueces era averiguar cuál era el equipo y cuál era el paciente real. Sorprendentemente, no lo hicieron mucho mejor, lo que lleva a algunas personas a decir: "Bueno, eso sólo confirma mi impresión de la inteligencia de los psiquiatras!"

Pero más en serio ahora, era esta una prueba de Turing honesto a la bondad? Hubo restricciones tácitas sobre las líneas de cuestionamiento de los jueces? Al igual que los geólogos que interactúan con LUNAR, preocupaciones y hábitos profesionales los psiquiatras les impidió pedir el tipo de preguntas inverosímiles que tendrían PARRY fácilmente desenmascarado. Después de todo, se dieron cuenta de que ya que uno de los concursantes fue un verdadero, vivir paranoico, la ética médica prácticamente les prohibieron jugar con, molesto, o el intento de confundir a sus interlocutores.

Por otra parte, también sabían que se trataba de una prueba de un modelo de la paranoia, así que había algunas cuestiones que no se consideran pertinentes para probar el modelo como un modelo de la paranoia . Así que le preguntaron justo el tipo de preguntas que los terapeutas suelen pedir de estos pacientes, y por supuesto PARRY habían sido ingeniosamente y laboriosamente preparados para lidiar con sólo ese tipo de pregunta.

Uno de los jueces psiquiatra hizo, de hecho, hacen un intento bastante poco entusiasta de romper el molde y hacer algunas preguntas reveladoras: "Tal vez usted ha oído el dicho" No llores sobre la leche derramada. ¿Qué significa eso para usted? ", Respondió Parry," Tal vez usted tiene que estar atento a la mafia ".

Cuando luego preguntó "Bien, ahora que estaba en una sala de cine viendo una película y olido algoasí como la quema de madera o de goma, ¿qué harías?" Parry respondió: "Usted sabe, me conocen."Y la siguiente pregunta fue: " has encontrado un estampado, dirigida letra en su camino mientras estás caminando por la calle, ¿qué harías? "Parry respondió:" ¿Qué más quieres saber? " 7

Claramente, Parry era, podríamos decir, parando estas preguntas, que eran incomprensibles para él, con fórmulas paranoides más o menos de las acciones. Vemos un poco de un truco que es apto para trabajar, apto para parecer plausible al juez, sólo porque el "concursante" se supone que ser un paranoico, y se espera que este tipo de personas para responder cooperativamente en tales ocasiones. Estas respuestas mediocres no despertar particularmente las sospechas del juez, como cuestión de hecho, a pesar de que probablemente debería tener.

Parry, como el resto de los programas de ordenador grandes, se Hound dramáticamente por las limitaciones de costo-efectividad. Lo importante para Colby y su tripulación era simular su modelo de la paranoia. Este fue un esfuerzo masivo. PARRY tiene un tesauro o diccionario de alrededor de 4.500 palabras y 700 frases hechas y la competencia gramatical para usarlo-un programa de análisis , en la jerga de la lingüística computacional.

Todo el programa PARRY ocupa alrededor de 200.000 palabras de la memoria del ordenador, todo laboriosamente instalados por el equipo de programación. Ahora una vez que todo el esfuerzo habíaentrado en la elaboración del modelo de procesos de pensamiento paranoide y la capacidad lingüística, había poco tiempo, energía, dinero, y el interés de sobra para construir en una enorme cantidad de conocimiento del mundo de la clase que cualquier paranoica real sería, por Por supuesto, tener. (No es que nadie sabe aún haw construir en el conocimiento del mundo en el primerlugar.)

Incluso se podría hacer, edificio en el conocimiento del mundo sin duda habría hecho Parry órdenes de magnitud más grande y más lento. Y lo que hubiera sido el momento, dado los objetivos teóricosde Colby?

Parry es el modelo de un teórico de un fenómeno psicológico: la paranoia. No se pretende para teneraplicaciones prácticas. Pero en los últimos años ha aparecido una rama de la AI (ingeniería del conocimiento) que se desarrolla lo que ahora se denomina sistemas expertos. Los sistemas expertos están diseñados para ser práctico. Por lo general son de software consultores specializt súper que se pueden hacer para diagnosticar problemas médicos, análisis de datos geológicos, analizar los resultados de los experimentos científicos, y similares. Algunas de ellas son muy impresionantes.

SRI en California anunció hace unos años que PROSPECTOR, un sistema experto-SRI desarrolladoen geología, había predicho correctamente la existencia de un gran, importante yacimiento mineral que había sido totalmente inesperada por los geólogos humanos que habían alimentado que sus datos. MYCIN, quizás el más famoso de estos sistemas expertos, diagnostica infecciones de la sangre, y lo hace, probablemente, así como, tal vez mejor que, los consultores humanos. Y muchos otros sistemas expertos están en el camino.

Todos los sistemas expertos, al igual que todos los demás programas de IA grandes, son lo que podríamos llamar las aldeas Potemkin. Es decir, que son hábilmente construidas fachadas, como conjuntos de cine. El relleno en-real de los detalles de los programas de IA es, el trabajo costoso queconsume tiempo, por lo que la economía dicta que sólo aquellas superficies del fenómeno que es probable que se probaron o observado están representados.

Consideremos, por ejemplo, el programa CYRUS desarrolló 6y Janet Kalodner en el grupo IA de Roger Schenk en Yale hace unos años. 8 CYRUS se encuentra (se nos dice) para "Recuperación de Yale computarizada y actualización del sistema", pero seguramente no es casual que CYRUS

modelado la memoria de Cyrus Vance, que era entonces secretario de Estado en la administración Carter.

La pintura del proyecto CYRUS fue diseñar y probar algunas ideas plausibles acerca de cómo las personas organizan sus recuerdos de los eventos que participan pulg Por lo tanto, estaba destinado aser un "sistema puro-AI, un modelo científico, no un sistema experto destinado para cualquier propósito práctico. CYRUS se actualiza diariamente por ser alimentados todos las noticias del alambre del servicio UPI que mencionaron Vance, y les fue alimentado directamente sin cuidarse y sin intervención humana.

Con un programa de noticias de la lectura ingeniosa llamada Frump, podría tomar cualquier historiatal y como se produjo en en el cable y podría digerirlo y utilizarlo para actualizar su base de datos a fin de poder responder a más preguntas. Usted podría abordar cuestiones de CYRUS en Inglés escribiendo en una terminal. Ha dirigido CYRUS en segunda persona, como que estabas hablando con él mismo, Cyrus Vance. Los resultados eran los siguientes:

Pregunta: La última vez que fue a Arabia Saudí, donde te quedaste?

Respuesta: En un palacio en Arabia Saudita el 23 de septiembre de 1978.

Pregunta: ¿Fue a hacer turismo allí?

Respuesta: Sí, en un yacimiento petrolífero en Dharan, el 23 de septiembre de 1978.

Pregunta: ¿Ha establecido su alguna vez se reunió la señora comenzó?

Respuesta: Sí, la última vez en una cena de Estado en Israel en enero de 1980.

CYRUS pudo responder correctamente a miles de preguntas, casi cualquier pregunta justa se podríapensar en pedir ella. Pero uno realmente se dispuso a explorar los límites de su fachada y encontrar las preguntas que iban más allá de la marca, que pronto se podría encontrar. "¿Alguna vez has conocido a una mujer jefa de Estado?" Era una pregunta que me lo preguntan CYRUS sabía que Indira Ghandi y Margaret Thatcher eran mujeres.

Pero por alguna razón la conexión no se puede extraer, y Cyrus no pudo contestar sí o no. Yo había dejado perplejos que, a pesar del hecho de que CYRUS podía manejar una gran cantidad de lo que podríamos llamar cuestiones vecinos sin problemas. Uno pronto aprende de este tipo de sondeo de ejercicio que es muy difícil extrapolar con precisión a partir de una actuación de la muestra a la competencia total del sistema. También es muy difícil dejar de extrapolar demasiado generosamente.

Mientras yo estaba visitando el laboratorio de Schenk en la primavera de 1980, algo que revela que pasó. El verdadero Cyrus Vance renunció repentinamente. El efecto sobre el programa CYRUS era caótica. Era totalmente incapaz de capa con la avalancha de noticias "inusual" por Cyrus Vance. Losúnicos tipos de episodios CYRUS podía entender en absoluto eran reuniones diplomáticas, vuelos, conferencias de prensa, cenas de estado, y similares-menos de dos docenas de tipos generales de actividades (las clases que son de interés periodístico y típico de secretarios de Estado). No tenía ninguna provisión para la repentina dimisión.

Era como si la UPI informó que una bruja malvada se había vuelto Vance en una rana. Es claramente posible que Ciro habría tomado ese informe más calma que la noticia real. Uno puede imaginar la conversación

Pregunta: Hola, Sr. Vance, ¿qué hay de nuevo?

Respuesta: Me convertí en una rana ayer.

Pero, por supuesto, sería no saber lo suficiente sobre lo que acababa de escribir para ser desconcertado, asustado o avergonzado. La razón es obvia. Al observar el interior CYRUS, usted encontrará que tiene definiciones óseos de miles de palabras, pero estas definiciones son mínimas. Ellos contienen tan poco como los diseñadores de sistemas piensan que pueden salirse conla suya.

Por lo tanto, tal vez, "abogado" se define como sinónimo de "abogado" y "asesor jurídico", pero aparte de eso, todo lo que uno descubrir acerca de los abogados es que son seres humanos adultos y que llevan a cabo diversas funciones en las áreas legales. a continuación, trazó el camino a "ser humano", que iba a encontrar a cabo varias cosas obvias CYRUS "sabía" acerca de los seres humanos (por lo tanto de los abogados /, pero eso no es mucho.

Que los abogados son graduados universitarios, que son mejor pagados que las camareras, que saben cómo atar sus zapatos, que es poco probable que se encuentran en compañía de leñadores-estos triviales, extraño, hechos acerca de los abogados no sería explícita o implícita en cualquier parte de este sistema.

En otras palabras, un estereotipo muy delgada de un abogado sería 6e incorporado en el sistema, porlo que casi nada se veía que alrededor de un abogado podría sorprenderlo. Así que las cosas siempresorprendentes no suceden, siempre y cuando el Sr. Vance, por ejemplo, conduce le de un diplomático típica, asistir a cenas de estado, dando discursos, volar desde El Cairo a Roma, y así sucesivamente, este sistema funciona muy bien.

Pero tan pronto como su camino es atravesado por una anomalía importante, el sistema es incapaz de capa y no pueden recuperarse sin la intervención humana bastante masiva. En el caso de la dimisión repentina, Kolodner y sus colegas pronto tuvieron CYRUS en marcha y funcionando de nuevo con un nuevo talento preguntas de contestación sobre Edmund Muskie, el sucesor de Vance. Pero no era menos vulnerable a los acontecimientos inesperados. No es que importara en particular, ya que Ciro fue un modelo teórico, no es un sistema práctico.

Hay una serie de formas de mejorar el rendimiento de estos sistemas, y, por supuesto, algunos sistemas son mucho mejores que otros. Sin embargo, todos los programas de IA en una u otra formatienen esta cualidad-como fachada, simplemente por razones de economía. Por ejemplo, la mayoría de los sistemas expertos en diagnóstico médico desarrollado hasta ahora operan con información estadística. No tienen conocimiento profundo o incluso poco profunda de los mecanismos causales subyacentes de los fenómenos que se están diagnosticando.

Para tomar un ejemplo imaginario, un sistema experto pidió que diagnosticar un dolor abdominal sería ajeno a la importación potencial del hecho de que el paciente había sido empleado recientemente como sparring por Mohammed Ali: no existiendo datos estadísticos de que disponga en el tasa de cálculos renales entre los asistentes de atleta. Eso es un caso imaginario, sin duda, demasiado obvio, tal vez, para dar lugar a un fallo real del diagnóstico y la práctica. Pero más sutiles y difíciles de detectar límites de la comprensión están siempre presentes, e incluso los expertos, incluso los diseñadores del sistema, puede ser incierto de dónde y cómo estos límites van a interferir con la operación deseada del sistema.

Una vez más, se pueden tomar medidas y se están tomando para corregir estos defectos. Por ejemplo, mi antiguo colega en Tufts, Benjamin Kuipers, está trabajando actualmente en un sistema experto en nefrología para el diagnóstico de enfermedades del riñón, que se basan en un elaborado sistema de razonamiento causal de los fenómenos que son diagnosticadas. Pero este es un proyecto muy ambicioso a largo plazo de considerable dificultad teórica. Y se toman incluso todos los pasos razonables y rentables para reducir al mínimo la superficialidad de los sistemas expertos, que

seguirán siendo fachadas, fachadas apenas un poco más gruesas o más amplias.

Cuando estábamos teniendo en cuenta el fantástico caso de la Cámara de Comercio loca de Great Falls, Montana, no podíamos imaginar un motivo plausible para cualquiera que vaya a ningún tipo de problemas de engañar a la prueba de Dennett. El supuesto rápida-sonda para la prueba Dennett parecía bastante seguro. Pero cuando nos fijamos en los sistemas expertos, vemos que, sin embargo,inocentemente, sus diseñadores no tienen motivación para hacer exactamente el tipo de truco que engañar a un probador de Turing no sospechoso.

En primer lugar, dado que los sistemas expertos son todas superspecializts que sólo se supone que saber sobre algún tema estrecho, los usuarios de estos sistemas, que no tienen mucho tiempo para matar, no te molestan sondeo ellos en los límites en absoluto. No se molestan en hacer preguntas "tontas" o irrelevantes. En su lugar, se concentran, no sin razón, en la explotación de los puntos fuertes del sistema. Pero ¿no deberían tratar de obtener una visión clara de las debilidades de un sistema, como así? El hábito normal de pensamiento humano cuando conversar con el uno al otro esasumir comprensión general, para asumir la racionalidad, para asumir, además, que el supuesto rápida-sonda es, en general, sonido.

Este hábito amable de pensamiento lleva casi irresistiblemente a poner demasiada fe en los sistemasinformáticos, especialmente los sistemas fáciles de usar que se presentan de una manera muy antropomórfica.

Parte de la solución a este problema es enseñar a todos los usuarios de computadoras, especialmentelos usuarios de los sistemas expertos, la forma de sondear sus sistemas antes de que dependen de ellos, la forma de buscar y explorar los límites de la fachada. Este es un ejercicio que requiere no sólo la inteligencia y la imaginación, sino también por un poco de comprensión especial sobre las limitaciones y la estructura actual de los programas de ordenador. Sería de gran ayuda, por supuesto, si tuviéramos estándares de veracidad en la publicidad, en efecto, de los sistemas expertos.

Por ejemplo, cada uno de estos sistemas debe venir con una rutina de demostración especial que muestra los tipos de deficiencias y fallos que el diseñador sabe que el sistema tenga. Esto no sería un sustituto, sin embargo, por una actitud de cautela, casi obsesivo, el escepticismo por parte de los usuarios, para que los diseñadores son a menudo, no siempre, sin darse cuenta de los defectos más sutiles en los productos que producen. Eso es inevitable y natural debido a la manera los diseñadores de sistemas deben pensar. Ellos están capacitados para pensar de manera positiva-constructiva, se podría decir-sobre los diseños que están construyendo.

Vengo, pues, a mis conclusiones. En primer lugar, una conclusión filosófica o teórica: La prueba de Turing, en forma no adulterada, sin restricciones como Turing presentó, es bastante fuerte bien utilizado. Estoy seguro de que ningún equipo en los próximos veinte años en ir a pasar el test de Turing sin restricciones. Bien pueden ganar el Campeonato Mundial de Ajedrez o incluso un premioNobel de física, pero no van a pasar la prueba de Turing sin restricciones.

Sin embargo, no es, creo, imposible, en principio, para un equipo para pasar la prueba en buena lid. No voy a dar una de esas prioridades a "ordenadores no puede pensar" argumentos. Yo estoy listo descaradamente, por otra parte, que declare que cualquier equipo que pasa en realidad la prueba de Turing sin restricciones será, en todo el sentido teóricamente interesante, una cosa pensante.

Pero recordando lo muy fuerte la prueba de Turing es, también hay que reconocer que también puede haber variedades interesantes del pensamiento o de la inteligencia que no están en buenas condiciones para jugar y ganar el juego de imitación. Que hay ganadores de la prueba de Turing no humanos todavía son visibles en el horizonte, no significa que no son máquinas que ya presentan

algunas de las características importantes del pensamiento.

Acerca de ellos es probablemente inútil preguntarle a mi pregunta del título, ¿Piensan? ¿Es que realmentepiensan? En algunos aspectos que hacen, y en algunos aspectos no lo hacen. Sólo una visión detallada de lo que hacen y cómo están estructurados revelarán lo que es interesante acerca de ellos.

La prueba de Turing, al no ser una prueba científica, es de escasa ayuda en esa tarea, pero hay un montón de otras maneras de examinar este tipo de sistemas. Veredictos sobre su inteligencia, capacidad de pensamiento o conciencia serán sólo como informativos y persuasivos como las teorías de la inteligencia, el pensamiento, o conciencia de las sentencias se basaron en, y desde nuestra tarea es crear este tipo de teorías, debemos seguir adelante con ella y dejar la Gran Veredictopara otra ocasión. Mientras tanto, si alguien quiere una prueba infalible de pensar por un equipo queestá casi garantizado que sea a prueba de fallos, la prueba de Turing hará muy bien.

Mi segunda conclusión es más práctico y, por tanto, en un claro sentido más importante. Versiones abaratado de la prueba de Turing están por todas partes en el aire. La prueba de Turing no es sólo eficaz, es totalmente natural, lo que es, después de todo, la forma en que ensayar la inteligencia de cada uno todos los días.

Y ya que el uso imprudente de estos juicios y estas pruebas es la norma, estamos con considerable peligro de extrapolar fácilmente ya juzgar demasiado generosamente sobre la comprensión de los sistemas que estamos usando. El problema de la sobreestimación de destreza cognitiva, la comprensión y la inteligencia no es, pues, sólo un problema filosófico. Es un problema social real, ynos debe alertar a nosotros mismos a él y tomar medidas para evitarlo.

Posdata: ojos, oídos, manos, e Historia

Mi conclusión filosófica en este trabajo es que cualquier equipo que en realidad pasó la prueba de Turing sería un pensador en todo el sentido teóricamente interesante. Esta conclusión parece a algunas personas a ir en contra de lo que yo mismo he argumentaron en otras ocasiones. Peter Bieri,al comentar sobre este trabajo en la Universidad de Boston, señaló que a menudo he pretendido mostrar la importancia de la comprensión genuina de una interconexión perceptual rica e íntima entre una entidad y sus alrededores en todo el mundo la necesidad de algo así como los ojos y los oídos-y una participación activa igualmente compleja con elementos de ese mundo-la necesidad de algo así como la mano con la que hacer las cosas en ese mundo. Por otra parte,

He sostenido a menudo que sólo una biografía de clase-una historia de proyectos reales, experiencias de aprendizaje y otros combates con la realidad-podría producir la clase de complejidad (tanto externos, o de comportamiento, e internos) que son necesarios para conectar a tierra una interpretación basada en principios de una entidad como un pensador, una entidad con las creencias, deseos, intenciones, y otras actitudes mentales.

Pero la pantalla opaca en los descuentos de la prueba de Turing o rechaza estos factores en conjunto, al parecer, al centrar la atención únicamente en la capacidad simultánea para participar en un tipo muy limitado de la actividad: la comunicación verbal. (Incluso he acuñado una etiqueta peyorativa para tales sistemas puramente lingüísticos usando: "postrado en la cama.")

¿Me voy de vuelta en mis afirmaciones anteriores? No, en absoluto. Me limito a señalar que la prueba de Turing es tan poderosa que se indirectamente a asegurar que estas condiciones, que son realmente necesarios, se cumplen por cualquier competidor exitoso.

"Usted bien puede estar en lo cierto," Turing podía decir, "que los ojos, los oídos, las manos y una historia son condiciones necesarias para el pensamiento. así, entonces yo sostengo que nada podría

pasar la prueba de Turing, que no tiene ojos, oídos, manos, y una historia. Esa es una afirmación empírica, lo que podemos esperar un día para probar. usted sugiere que no se trata sólo prácticamente o físicamente necesaria pero conceptualmente las condiciones necesarias para el pensamiento, se hace un reclamo filosófica que por mi parte no sabría cómo, o cuidado, para evaluar. ¿No es más interesante e importante en el final para descubrir si es o no es cierto que ningún sistema de postrado en la cama podía pasar una prueba de Turing exigente? "

Supongamos que ponemos a Turing la sugerencia de que agregar otro componente a su examen: No sólo es necesario que una entidad de ganar el juego de imitación, sino que también debe ser capaz de identificar-usando cualquier aparato sensorial que tiene a su disposición-una variedad de objetos familiares colocado en su habitación: una raqueta de tenis, una palmera en maceta, un cubo de pintura amarilla, un perro vivo. Esto garantizaría que de alguna manera u otra la entidad fue capaz de moverse alrededor y distinguir las cosas en el mundo.

Turing pudiera responder, afirmo que esta es una adición completamente innecesaria a su prueba, por lo que es más exigente de lo que ya era. Una conversación adecuadamente sondeo seguramente establecer más allá de una sombra de duda de que el concursante conocía su camino en el mundo real. La alternativa imaginada de alguna manera "prestocking" un equipo ciego postrado en la cama,con la suficiente información y un programa lo suficientemente listo como para engañar a la prueba de Turing es ciencia ficción de la peor especie: es posible que "en principio", pero no es ni remotamente posible, de hecho, en vista de la combinatoria explosión de posible variación tal sistema tendría que hacer frente.

"Pero supongamos que usted está equivocado. ¿Qué diría usted de una entidad que se ha creado de una sola vez (por algunos programadores, tal vez), un individuo al instante con todos los talentos deuna conversación, ser humano con experiencia encarnada? "Esto es como la pregunta: ¿Te llamas a un trozo de H20 que era tan duro como el acero a temperatura ambiente el hielo? No sé lo que Turing diría, por supuesto, así que voy a hablar por mí mismo.

Ante una violación tan improbable de lo 1 tomaré a las leyes de la naturaleza, probablemente estaríasin palabras.El menor de mis preocupaciones acerca de qué habría 6e salto lexicográfica de tomar, si decir, "resulta que, para mi asombro, que algo puede pensar sin haber tenido el beneficio de los ojos, los oídos, las manos, y una historia", o " Resulta que, para mi asombro, que algo puede pasar la prueba de Turing sin pensar. "La elección entre estas formas de expresar mi asombro sería pedir amí mismo una pregunta demasiado insignificante para merecer discusión.

Discusión

Pregunta: ¿Por qué se interesa Turing para diferenciar un hombre de una mujer en su famoso ensayo?

Respuesta: Eso fue sólo un ejemplo. Describió un juego de salón en el que un hombre trate de engañar al juez, respondiendo a preguntas como mujer respondería. Supongo que Turing estaba jugando en la idea de que tal vez, sólo tal vez, hay una gran diferencia entre la forma en que piensanlos hombres y la manera de las mujeres piensan. Pero, por supuesto, los dos son pensadores. Quería utilizar este hecho para darnos cuenta de que, aunque había claras diferencias entre la forma de un ordenador y un pensamiento persona, ambos habían todavía estar pensando.

Pregunta: ¿Por qué parece que algunas personas están molestos por la investigación en IA? ¿Tiene la investigación en IA amenazan nuestra autoestima?

Respuesta: Creo que, Herb Simon, ya ha dado el diagnóstico más astuto de eso. Para muchas personas la mente es el último refugio del misterio contra la propagación usurpación de la ciencia, yno les gusta la idea de ciencia que envuelve el último hit de la terra incógnita . Esto significa que se

les amenaza, creo que de manera irracional, por la posibilidad de que los investigadores de la inteligencia artificial puede llegar a entender la mente humana, así como los biólogos a entender el código genético y los físicos entienden la electricidad y el magnetismo. Esto podría llevar al "malvado científico" (para tomar un carácter común de la ciencia ficción) que puede controlar, porque él o ella tiene un profundo conocimiento de lo que está pasando en tu mente.

Esto me parece ser un temor totalmente sin valor, uno que se puede dejar de lado, por la sencilla razón de que la mente humana está llena de una cantidad extraordinaria de conocimiento detallado, como Roger Schenk, por ejemplo, ha estado señalando. Mientras el científico que intenta manipularte no comparte todos sus conocimientos, sus posibilidades de manipulación que son mínimos. La gente siempre puede golpear en la cabeza. Ellos pueden hacer eso ahora. No necesitamos la inteligencia artificial para manipular a la gente poniéndolos en cadenas o torturarlos. Pero alguien intenta manipular mediante el control de sus pensamientos e ideas, esa persona tendrá que saber lo que sabes y más. La mejor manera de mantenerse a salvo de ese tipo de manipulación es estar bien informado.

Pregunta: ¿Cree usted que vamos a ser capaces de programar la autoconciencia en una computadora?

Respuesta: Sí, yo creo que es posible programar la autoconciencia en una computadora. "La conciencia de sí" puede significar muchas cosas. se toma la noción más cruda simple de la conciencia de sí, supongo que sería el tipo de auto-conciencia que una langosta tiene: Cuando se tiene hambre, come algo, pero nunca se come a sí mismo. Tiene alguna manera de distinguir entre símismo y el resto del mundo, y tiene una relación muy especial para sí mismo. La langosta es humilde, en un aspecto, la auto-consciente.

¿Quieres saber si o no usted puede crear esa en el equipo, la respuesta es sí. No es ningún problema en absoluto.El equipo ya es una auto-observación, el autocontrol de la clase de cosas. Esa es una parte establecida de la tecnología. Pero, por supuesto, la mayoría de la gente tiene algo más en mente cuando hablan de la autoconciencia. Es esa luz interior especial, de esa manera privada que está contigo que nadie más puede compartir, algo que está siempre fuera de los límites de la informática.

¿Cómo podría un ordenador nunca ser conscientes en este sentido? Esta creencia, que muy apasionante y poderosa intuición, es que al final, en mi opinión, simplemente una ilusión de sentido común. Es tan apasionante como la ilusión común de que la tierra se detiene y se pone el sol alrededor de la tierra. Pero la única manera de que los que no creen en la ilusión de que alguna vez convencer al público en general que se trata de una ilusión es desplegando poco a poco una historia muy difícil y fascinante acerca de lo que está pasando en nuestras mentes.

Mientras tanto, la gente como yo, los filósofos que tienen que vivir por nuestro ingenio y contar un montón de historias usan lo que yo llamo las bombas de la intuición, los pequeños ejemplos que ayudan a liberar la imaginación. Simplemente quiero llamar su atención sobre un hecho.

Te ves en un ordenador, no me importa si se trata de un gigante Cray o un ordenador personal, ustedabre la caja y miro dentro y veo esos chips, usted dice: "De ninguna manera podía que ser conscientes. De ninguna manera podría ser que la auto-consciente ". Pero lo mismo es cierto si se toma la parte de arriba del cráneo de alguien y mira a la sustancia gris de pulsación de distancia de allí. Usted piensa, "Eso es consciente? De ninguna manera podía ese bulto de cosas ser consciente. "Por supuesto, no hace ninguna diferencia si usted lo mira con un microscopio o con el ojo desnudo.

En ningún nivel de inspección no un cerebro parezca que el asiento de la conciencia. Por lo tanto, no espere que un ordenador se vea como el asiento de la conciencia. Usted quiere tener una idea de cómo una computadora puede ser consciente, no es más difícil en el final de conseguir una

comprensión de cómo el cerebro puede ser consciente. Cuando desarrollamos buenas cuentas de la conciencia, que ya no parece tan obvio para todos que la idea de un equipo consciente de sí mismo es una contradicción en los términos. Al mismo tiempo, dudo que alguna vez habrá robots autoconscientes, pero por razones aburridas. No habrá ningún punto en su elaboración.

En teoría, se podría dotar de una vesícula biliar de los átomos? En principio, podríamos. Una vesícula es sólo una colección de átomos, pero la fabricación de uno le costaría a la luna. Sería más caro que todos los proyectos de la NASA siempre ha soñado, y no habría ninguna recompensa científica. Nosotros no aprender nada nuevo sobre el funcionamiento de la vesícula biliar.

Por la misma razón por la que no creo que vamos a ver a los robots humanoides de verdad, porque los robots prácticos y rentables no necesitan ser muy humanoide en absoluto. Tienen que ser como los robots que ya se puede ver en la General Motors, o como pequeños ordenadores cuadradas que hacen cosas con fines especiales.

Los temas teóricos serán estudiadas por los investigadores de AI mirando modelos que, para el profano, mostrarán muy pocas señales de la humanidad en todos, y será sólo por argumentos más bien indirectos que nadie será capaz de apreciar que estos modelos arrojan luz sobre la profunda cuestión teórica de cómo se organiza la mente.

Notas al pie

1. Alan M. Turing, "Computing Machinery and Intelligence" Mind 59 (1950).

2. René Descartes, Discurso del método (1637 ), trad. Lawrence LaFleur (Nueva York: Bobbs-Merrill, 1960).

3. Terry Winograd, Comprensión del Lenguaje Natural (Nueva York: Academic Press, 1972).

4. Ned Block, "psicologismo y el conductismo, Philosophical Review , 1982.

5. John Haugeland, Mind Design (Cambridge, Mass.: MIT Press, 1981), p. 16.

6. Joseph Weizenbaum, CACM17, no. 9 (septiembre de 1974): 543.

7. Doy las gracias a Kenneth Colby por darme las transcripciones completas (incluyendo comentarios y reacciones de los jueces) de los que se citan estos intercambios. El primer relato publicado del experimento es Jon F. Raiser, Kenneth Marcos Colby, William S. Faught, y Roger C. Parkinson, "¿Pueden los psiquiatras Distinguir una Simulación Computacional de la paranoia de la cosa real? Las limitaciones de las pruebas de Turing-como como medidas de la Adecuación de simulaciones ", en Journal of Psychiatric Research 15 , no. 3 (1980): 149-162. Colby discute Parry y sus implicaciones en "Modelado de una mente paranoica", en Behavioral and Brain Ciencias 4, no. 4 (1981): 515-560.

Cortesía de la Universidad Tufts

Daniel Dennett es Artes y Profesor Distinguido de Ciencias y director del Centro de Estudios Cognitivos de la Universidad Tufts. Es autor o editor de varios libros sobre la ciencia cognitiva y la filosofía de la mente, incluyendo I del Mente, coeditado con Douglans Hofstadter (1981); Elbow Room (1984) y La postura Intentiional (1987).

Temas: AI / Robótica | Quantum

LA EDAD DE máquinas inteligentes |

El impacto social de la Inteligencia Artificial

25 de abril 2001

Autor: Margaret A. Boden

¿Es la inteligencia artificial en la sociedad humana un sueño utópico o una pesadilla de Fausto? ¿Podrán nuestros descendientes nos honran para hacer máquinas de hacer cosas que las mentes humanas hacen o nos reprenden por la irresponsabilidad y la arrogancia? Cualquiera de estos juicios podrían hacerse uno de nosotros, como la mayoría de los proyectos humanos esta tecnología lactante es ambivalente. Sólo los que se dieron cuenta de los aspectos de su potencial dependerá en gran medida de los factores sociales y políticos. Aunque estos no son enteramente sujetos a control deliberado, pueden estar influidos por la elección humana y la opinión pública. Si las generaciones futuras van a tener razón para darnos las gracias en vez de que nos maldicen, es importante que el público (y políticos) de hoy deben saber lo más posible acerca de los efectos-de potenciales bien o para mal-de la inteligencia artificial (IA).

¿Cuáles son algunas de las ventajas potenciales de la gripe aviar? Claramente, AI puede hacer que el conocimiento más accesible. Seguramente veremos una gran variedad de sistemas expertos: para ayudar el diagnóstico médico y la prescripción, para ayudar a los científicos, abogados, asesores de

bienestar, y otros profesionales, y para proporcionar a las personas con información y sugerencias para la solución de problemas en la intimidad de sus hogares. Sistemas expertos educativos incluyen programas interactivos que pueden ayudar a los estudiantes (escolares o adultos, como los estudiantes de medicina) para familiarizarse con algún dominio establecido. Esto nos daría mucho más que un conjunto de herramientas útiles y cunas educativos. En virtud de sus aplicaciones en la comunicación y la exploración del conocimiento, AI podría revolucionar nuestra capacidad para la creatividad y la resolución de problemas, tanto como la invención de la imprenta hizo.

Una ventaja de tener ordenadores en el aula y en otros lugares es que no son humanos. Precisamenteporque no son, no van a ser aburrido por las preguntas de sus usuarios humana, ni desprecian los errores de sus usuarios, ya que otra persona podría. El usuario puede ser ignorante, estúpido o ingenuo, pero el equipo no va a pensar que sí. Por otra parte, lo que parece ser la ignorancia, la estupidez o la ingenuidad es a menudo una especie de juego de exploración con las ideas que es la esencia del aprendizaje y de la creatividad. Muchos niños tienen su autoestima socavada por el rechazo explícito o implícito de su maestro de sus intentos de pensamiento autónomo.Del mismo modo, muchas personas-por ejemplo, los que son - las mujeres, clase obrera, judío, discapacitado o tácito (y muchas veces inconsciente) perjuicio negro-encuentro en sus relaciones con organismos oficiales o profesionales. Un asesor de bienestar AI, por ejemplo, no ser objeto de discriminación encontra de este tipo de clientes a menos que sus datos y reglas de inferencia de parcialidad en los medios pertinentes. Un programa podría, por supuesto, ser escrito de modo que representen los prejuicios de su programador, pero el programa se puede imprimir y se examina, mientras que las actitudes sociales no pueden.

La inteligencia artificial podría incluso conducir a una sociedad en la cual las personas tienen mayorlibertad y mayor incentivo para concentrarse en lo que es más plenamente humanos. Muy pocos de nosotros hoy en día (especialmente los hombres) tienen tiempo para comprometernos con el desarrollo de nuestras relaciones interpersonales con la familia y amigos. El aumento del tiempo de ocio en la sociedad (en el supuesto de que las estructuras políticas y económicas apropiadas habían sido desarrollados para permitir esto) sería dar cabida a tal convivencia. En parte como resultado de esto y tal vez en parte como una reacción contra la naturaleza no emocional de la mayoría de los programas de IA, la dimensión emocional de la personalidad puede llegar a ser más de gran valor (una vez más, sobre todo por los hombres) de lo que es hoy en Occidente. En mi opinión, esto sería para bien.Del mismo modo, la nueva tecnología puede hacer posible que muchas más personas (unavez más, sobre todo hombres) para participar en actividades, ya sea remunerado o no, en el sector de los servicios: educación, salud, recreación y bienestar. La necesidad de este tipo de actividades esapremiante, pero la actual distribución del ingreso hace que estos puestos de trabajo intrínsecamentesatisfactorios económicamente poco atractivo. Uno de los beneficios más importantes de todo es que la IA puede rehumanizar-sí, rehumanizar-nuestra imagen de nosotros mismos. ¿Cómo puede seresto? La mayoría de la gente asume que la IA sea no tiene nada que enseñarnos acerca de la naturaleza del ser humano o que se nos presenta como "nada más que máquinas": pobre gente engañada, que creemos ser intencionales, criaturas responsables cuando en realidad no somos nada del especie.

El punto crucial es que la IA se refiere a las representaciones, y cómo se pueden construir, almacenar, acceder, en comparación, y se transforma. Un programa de computadora es en sí mismo un conjunto de representaciones, un sistema de símbolos que el mundo más o menos adecuadamente modelos. Por esta razón, es posible que un programa de AI para reflejar los prejuicios sexistas o racistas de su programador. Pero la representación es central para la psicología,así, para la mente también es un sistema que representa el mundo y los mundos posibles de varias maneras. Nuestras esperanzas, temores, creencias, recuerdos, percepciones, intenciones y deseos todos implican nuestras ideas acerca de (nuestros modelos mentales de) el mundo y de otros mundos. Esto es lo que los filósofos humanistas y psicólogos han dicho siempre, por supuesto, pero hasta hace poco no tenían el apoyo de la ciencia. Debido a ciencias como la física y la química no

tienen lugar para el concepto de representación, su influencia filosófica aver los últimos cuatro siglos ha sido insidiosamente deshumanizante. La mecanización de nuestro mundo picture-incluida nuestra imagen del hombre que era inevitable, por lo que una ciencia no puede describir no puede reconocer. No sólo puede la inteligencia artificial reconocer la mente (a diferencia del cuerpo), sino que también puede ayudar a explicarlo. It "nos devuelve a nosotros mismos", ayudando a comprender cómo es posible que un sistema de representación que se materializa en un mecanismo físico (cerebro o computadora).

Esto en cuanto a los espectáculos de color de rosa. ¿Qué hay de las consecuencias más oscuras? Muchas personas temen que en el desarrollo de la IA, podemos estar sembrando las semillas de nuestra propia destrucción, nuestra propia física, destrucción política, económica y moral. La destrucción física posiblemente podría ser el resultado de los planes actuales para utilizar AI dentro de la Iniciativa de Defensa Estratégica EE.UU. (Star Wars). Un científico de la computación altamente respetado, David Parnas, renunció públicamente de arriba comité asesor del gobierno de EE.UU. sobre IDE computación basándose en que la tecnología informática (y AI en particular) no puede, en principio, lograr la confiabilidad necesaria para un uso que incluso un fracaso podría ser desastroso . Después de haber trabajado en las aplicaciones militares a lo largo desu vida profesional, Parnas no tenía hacha política que afilar. Su renuncia, al igual que su testimonioante el Senado de los EE.UU. en diciembre de 1985, se basó en el criterio puramente técnico.

Destrucción política podría ser el resultado de la explotación de la AI (y telecomunicaciones altamente centralizados) por un Estado totalitario. Si la investigación en IA ha desarrollado programas con una capacidad para la comprensión de textos, comprensión del habla, la interpretación de las imágenes, y la actualización de la memoria, la cantidad de información acerca de las personas que estaba potencialmente disponible para el gobierno sería enorme. Buenas noticias para Gran Hermano, tal vez, pero no para ti y para mí.

Destrucción económica podría suceder también si los cambios en los patrones y / o las tasas de empleo no van acompañados de cambios estructurales radicales en la sociedad industrial y en la forma de pensar sobre el trabajo. Los economistas difieren sobre si la sociedad convivencial descrito anteriormente es incluso posible: algunos sostienen que no existe un sistema económico estable podría existir en la que sólo una pequeña fracción de las personas que hacen el trabajo productivo (sin servicio). Desde luego, si algo como esto ha de lograrse y alcanzarse sin costos sociales terribles, las nuevas formas de definir y distribuir los bienes de la sociedad tendrán que ser encontrado. Al mismo tiempo, nuestra noción de trabajo tendrá que cambiar: la ética protestante no es apropiado para una sociedad postindustrial de alta tecnología.

Por último, lo de la destrucción moral: ¿podríamos ser menos humano-en realidad, menos que humanos-como resultado de los avances en la AI? Esto podría suceder si la gente fuera a llegar a creer que el propósito, la elección, la esperanza, y la responsabilidad son todas ilusiones sentimentales. Los que creen que no tienen otra opción, hay autonomía, no es probable que tratar deejercerlo. Pero esto no tiene que suceder, porque nuestras metas y creencias, en una palabra, nuestrasubjetividad-no están amenazados por la IA. Como hemos visto, las implicaciones filosóficas de AI son el reverso de lo que se supone comúnmente que: bien entendida, la IA no es deshumanizante.

Un corolario práctico de este punto aparentemente abstracta es que no debemos abandonar nuestra responsabilidad de evaluar y, de ser necesario, rechazando el "asesoramiento" o "conclusiones" de los programas de ordenador. Precisamente porque un programa es una representación simbólica del mundo, en lugar de una parte del mundo considerada objetivamente, es, en principio, abierto a la pregunta. A las funciones de los programas en virtud de sus datos, sus reglas de inferencia, y sus valores (criterios de decisión), todos y cada uno de los cuales pueden ser inadecuados en varias maneras. (Piense en el ejemplo del sistema experto racista.) Damos por sentado que los seres humanos, incluidos los expertos (quizás especialmente expertos), se pueden confundir o mal

aconsejado acerca de cualquiera de estos tres aspectos del pensamiento. Igualmente debemos dar por sentado que los programas informáticos - que en todo caso son mucho menos sutiles y de sentido común que sus programadores e incluso a sus usuarios - se puede cuestionar también. Si olvidamos nunca que "es verdad porque el equipo lo dice" nunca es una justificación adecuada, el impacto social de la IA será horrendo hecho.

Cortesía de Margaret A. Boden

Margaret A. Boden


Creciendo en la era de las máquinas inteligentes:

Las reconstrucciones de la psicológica y Reconsideraciones de la Human

25 de abril 2001

Autor: Sherry Turkle

La fascinación cultural con la computación y la inteligencia artificial tiene dos caras. Hay entusiasmo por los propios artefactos: su poder, su capacidad de actuar como una extensión de nuestra mente tanto como las máquinas de las generaciones anteriores actuó como extensiones de nuestro cuerpo. Pero también, e igualmente importante, hay una implicación con las computadoras como espejos que nos confrontan con nosotros mismos. Aquí la pregunta no es si vamos a construir máquinas que nunca va a pensar como la gente, pero si la gente siempre hemos pensado como máquinas. Y si este es el caso, si estamos en algún sentido importante kin al ordenador, ¿es esto lo más importante acerca de nosotros? Es esto lo que es más esencial sobre el ser humano?

Estas preguntas han sido durante mucho tiempo la provincia de filósofos. Pero en los últimos años algo ha cambiado. Máquinas inteligentes han entrado en la conciencia pública no sólo como actores en escenarios de ciencia ficción, sino como objetos reales, los objetos que usted puede poseer, así como leer. Esto ha puesto el debate filosófico en un nuevo lugar. Inteligencia Artificial se ha salido del mundo de los profesionales en la vida de la cultura en general. Pero a diferencia de la forma en que una teoría como el psicoanálisis era capaz de moverse hacia una cultura más amplia, las nuevas consideraciones populares de la mente y la máquina se derivan de las relaciones reales de las personas con un objeto que se puede tocar y utilizar. Las nuevas ideas son llevadas por las relaciones con las computadoras como objetos para pensar.

http://www.kurzweilai.net/sherry-turkle

Un ejemplo sencillo hace que el punto. Hace veinte años, la cuestión de cómo las computadoras así podrían jugar el ajedrez era un tema de controversia para los investigadores de la IA y sus interlocutores filosóficos. Algunos escritores sintieron que no había límite a lo que las computadoras podrían alcanzar en este dominio. Otros respondieron que no habría límites absolutosa los poderes de las máquinas. Ajedrez "Real", argumentaban, era la clase de ajedrez sólo los seres humanos pueden desempeñar, ya que hizo un llamamiento a los poderes de la síntesis y la intuición que fueron sus raíces únicamente en las capacidades humanas.

Ese diálogo con las fortalezas y limitaciones de la máquina continúa dentro de la filosofía, sino que se han unido a otras conversaciones más informales: las de los jugadores más avanzados que se sientan frente a las computadoras en el torneo, los jugadores de ajedrez recreativas que compiten con las computadoras de ajedrez en casa. Las computadoras de ajedrez han conseguido muy buenos; ajedrecistas responden al tratar de determinar lo que es especial acerca de su juego, aunque no siempre se puede aprovechar este carácter especial para vencer realmente la máquina. Y, por supuesto, los jugadores son la primera generación de niños que han crecido jugando al ajedrez con los ordenadores. A los trece años de edad, Alex, juega todos los días con un equipo de ajedrez llamado Boris. Comenta que a pesar de que siempre pierde si él "pone el valor lo suficientemente alto" (es decir, si le pide el ordenador para jugar el mejor juego de lo posible), "que en realidad no siento como que estoy perdiendo." ¿Por qué? Porque "al ajedrez con Boris es como el ajedrez con alguien que está engañando. Él puede tener todas las más famosas, todos los mejores juegos de ajedrez allí a mirar, quiero decir, que se encuentran dentro de él.Soy capaz de leer acerca de ellos, pero no puedo recordarlos a todos, no todos los movimientos. No sé si esto es la forma en que funciona, pero es como en medio de todos los movimientos que podía leer todos los libros de ajedrez en el mundo. "En este caso, la singularidad humana se define no en términos de puntos fuertes, pero una cierta fragilidad. Ajedrez "Real" para este niño es el ajedrez humano, la clase de ajedrez que trabaja dentro de los límites de las limitaciones humanas.

Por lo tanto, la presencia de las máquinas inteligentes en la cultura provoca una nueva filosofía en lavida cotidiana.Sus preguntas no son tan diferentes a las planteadas por los profesionales: Si la mentees (por lo menos en algunos aspectos) de una máquina, que es el actor? ¿Dónde está la intención cuando se programa? ¿Dónde está la responsabilidad, el espíritu, el alma? En mi investigación sobrelas actitudes populares hacia la inteligencia artificial que he encontrado que las respuestas que se proponen no son muy diferentes, ya sea. Filósofos Frente a los objetos inteligentes, tanto profesionales y no profesionales se trasladan a principios de catálogo de la singularidad humana. Los profesionales encuentran en la intencionalidad humana, la encarnación, la emoción y la biología. Les resulta en el hecho de que el ciclo de la vida humana se enfrenta a cada uno de nosotros con la certeza de la muerte. Hay ecos claros de estas respuestas dentro de la cultura en general. Cuando los niños dicen que, nos distinguimos de inteligencia de la máquina por el amor y el afecto, por impulsos espirituales y los sensuales, y por la calidez y la familiaridad de la domesticidad. En palabras de doce años de edad, David: "Cuando hay equipos que son tan inteligentes como las personas, los equipos se hacen muchos de los puestos de trabajo, pero todavía habrá cosas por las que la gente haga. Las tareas se ejecutarán los restaurantes, el sabor de la comida, y ellos serán los que amen el uno al otro-tienen familias y se aman. Supongo que todavía a ser los que van a la iglesia. "

Una respuesta popular a la presencia de las computadoras es definir qué es lo más humano como lo que las computadoras no pueden hacer. Pero este es un principio frágil cuando está solo, porque deja uno tratando de adelantarse a lo que los ingenieros inteligentes se van a plantear con el siguiente. Una actitud cada vez más generalizada, al menos entre las personas que han sufrido el contacto con las computadoras, es admitir que la mente humana son una especie de computadora, y luego encontrar la manera de pensar de sí mismos como algo más también. Cuando lo hacen, los pensamientos de la gente por lo general recurren a sus sentimientos. Para algunas personas es suficiente decir, como lo hizo David, que las máquinas son la razón, y la gente es la sensualidad y

emoción. Pero otros se separaron de la capacidad humana para la razón. Ellos hablan de aquellas partes de nuestra razón que se puede simular y aquellas partes que no están sujetos a la simulación.

En todo esto, el ordenador interpreta el papel de un objeto evocador, un objeto que perturbe la ecuanimidad y provoca la auto-reflexión. Eso debe hacerlo para los adultos, no es sorprendente: después de todo, las máquinas inteligentes atacan muchos de nosotros como la ciencia ficción de la infancia que se ha convertido en real. Pero ya he sugerido que las computadoras también desempeñan este rol para los niños. Usted puede dar un ordenador a un niño con la esperanza de que va a enseñar matemáticas o habilidades de programación o verbos franceses.Pero independientemente de lo que la computadora le enseña al niño, lo hace algo más también. Para el niño, como para el adulto, la máquina es evocador. Crea nuevas oportunidades para pensar en las cuestiones filosóficas para que la infancia tiene que dar una respuesta, entre ellas la cuestión de lo que está vivo.

El psicólogo suizo Jean Piaget primero sistematizó nuestra comprensión del "niño como filósofo." Apartir de la década de 1920, Piaget estudió emergente forma de llegar a un acuerdo con estos aspectos del mundo como la causalidad, la vida y la conciencia de los niños. Descubrió que los niños comienzan por entender el mundo en términos de lo que mejor saben hacer: ellos mismos. ¿Por qué rodar la pelota por la pendiente? "Para llegar a la final", dice el niño, como si la pelota, al igual que el niño, tenía sus propios deseos. Pero el animismo infantil, esta asignación de las características de la vida a los objetos inanimados, es desplazada gradualmente por nuevas formas de entender el mundo físico en términos de procesos físicos. Con el tiempo el niño aprende que la piedra cae a causa de la gravedad, las intenciones no tienen nada que ver con eso. Y así una dicotomía se construye: Propiedades físicas y psicológicas destacan opuestos entre sí en dos grandes sistemas. Las propiedades físicas se utilizan para entender las cosas, la psicológica para entender a la gente y los animales. Pero el equipo es un nuevo tipo de objeto, un objeto psicológico. Es una cosa ("sólo una máquina"), sin embargo, tiene algo de una mente. El ordenador se encuentra entre lo uno y, un objeto sin un lugar claro en el sistema marcadamente dicotómica, y como tal, provoca una nueva reflexión sobre la materia, la vida y la mente.

Piaget sostuvo que los niños desarrollan el concepto de la vida, haciendo cada vez más finas distinciones sobre los tipos de actividades que son evidencia de vida. En particular, Piaget describe cómo se construye la noción de la vida en refinamientos progresivos del concepto de movimiento físico de los niños. A los seis años un niño puede ver una piedra rodante, un río, y una bicicleta tan vivo por la misma razón: ". Ellos van" Por ocho años de edad el mismo niño podría haber aprendidoa hacer una distinción entre el movimiento que un objeto puede generar por en sí y el movimiento impuesto por un agente externo. Esto permite "vivos" que se limita a cosas que parecen moverse por sí solos: un perro, por supuesto, pero también quizás una nube. Un objeto cae fuera de la categoría "vivos" cuando el niño descubre una fuerza exterior que da cuenta de su movimiento. Así que a las ocho en el río todavía puede estar vivo, porque el niño aún no puede entender su movimiento como procedentes de fuera de sí mismo, pero la piedra y la bicicleta no están vivos, ya que el niño puede. Por último, la idea de movimiento desde el interior es refinado a un concepto maduro de la actividad de la vida: el crecimiento, el metabolismo, la respiración.

Hay dos elementos clave en la historia como Piaget dijo ella. Primero, los niños construyen sus teorías de lo que está vivo y lo que no está vivo, ya que construir todas las demás teorías. Ellos usanlas cosas que les rodean: juguetes, personas, tecnología, el medio ambiente natural. En segundo lugar, en el mundo de Piaget, los niños de la clasificación de la concepción de la vida presenta una ventana hacia el niño "construcción de la física." Pensando en la idea de la vida requiere que el niñodesarrolle distinciones sobre el mundo de la física. La teoría de movimiento para distinguir los vivos de los no vivos se corresponde con el mundo de los objetos "tradicionales" que siempre han rodeado a los niños: animación de objetos, personas y animales que actúan e interactúan en sus propias-y todos los demás objetos, bastante bien inerte hasta determinado un empuje desde el

exterior. En los últimos años se ha producido un cambio importante. La nueva clase de objetos computacionales en los mundos de los niños ha provocado un nuevo lenguaje para la construcción de teorías sobre el concepto de la vida.

Los niños de hoy se enfrentan a objetos altamente interactivos que hablan, enseñan, juegan y ganan. Sus ordenadores y juguetes electrónicos no se mueven, pero son sin descanso activo en sus "vidas mentales." Los niños no siempre están seguros de si estos objetos están vivos, pero está claroque incluso los niños más pequeños que pensar en el movimiento no va a tomar una muy ahora hacia la solución de la cuestión. Los niños perciben los criterios pertinentes no como físicos o mecánicos, sino como psicológicos: ¿Son las computadoras inteligentes? ¿Pueden hablar? ¿Son conscientes? ¿Son conscientes? ¿Tienen sentimientos? Incluso, no engañan? La pregunta importanteno es si los niños ven las máquinas inteligentes como vivo. Algunos lo hacen, otros no, y, por supuesto, al final todos los niños aprenden la "respuesta correcta." Lo importante es el tipo de razonamiento que el niño utiliza para resolver la cuestión. El niño sabe que el equipo es "sólo una máquina", pero se presenta con características realistas, psicológicos. Computadoras obligan al niñoa pensar en cómo las mentes de la máquina y las mentes humanas son diferentes. De esta manera, elnuevo mundo de objetos computacionales se convierte en un apoyo a lo que Piaget podría haber llamado la construcción del niño, no de la física, sino de lo psicológico.

En el mundo de los adultos, los expertos discuten sobre si es o no computadoras alguna vez convertirse en verdaderos inteligencias artificiales, ellos mismos capaces de pensamiento autónomo,semejante a la humana.Pero independientemente de los futuros avances en la inteligencia artificial, los objetos computacionales están incluso ahora afectando a cómo los niños de hoy en día piensan. El lenguaje de la física da paso a la lengua de la psicología en que los niños piensan acerca de las computadoras y la cuestión de lo que está vivo.

Este cambio en el discurso, este nuevo uso de máquinas en la construcción de la psicológica, es importante por muchas razones. Aquí, menciono tres que son especialmente llamativo. En primer lugar, los niños son llevados a una nueva manera de hablar de la relación entre la vida y la conciencia. En los estudios de Piaget, la idea de la conciencia evolucionó al lado del otro con la ideade la vida. Generalmente, cuando los niños atribuyen vida a objetos inanimados, que atribuyen la conciencia también, cuando la vida se identificó con la biológica, la conciencia se convirtió en una propiedad única de los animales. Pero cuando los niños de hoy se reflejan en objetos computacionales, el patrón es muy diferente. Muchos niños permiten que las máquinas inteligentes sean conscientes de largo después de que se les niegan enfáticamente la vida. Cuando un niño comenta que el equipo no está vivo, pero se engaña "sin saberlo es hacer trampa", que es corregido por otro que insiste en que "saber es parte del engaño." Los niños hablan de la computadora no vivotan conscientes, sobre todo cuando se se presenta como "más inteligente" de lo que son, por ejemplo, en matemáticas o la ortografía o francés. Hablan de la computadora no viviente como tener malas intenciones cuando se los golpea constantemente en los juegos.Adultos sostienen sobre el hecho de que las computadoras no son conscientes como un signo de su diferencia fundamental con respecto a la gente. Pero los niños de hoy tienen una opinión diferente. La idea de una conciencia artificial no altera ellos. Les resulta algo muy natural. Ellos pueden ser la primera generación que crece con una división radical entre los conceptos de conciencia y la vida, la primera generación que crecen creyendo que los seres humanos no son necesariamente solo como inteligencias concientes. Disociación de la conciencia y de la vida del niño es un caso claro de donde no tiene sentido pensar en las ideas adultas que filtran hacia abajo a los niños. Más bien, debemos pensar en las resoluciones de los niños como la prefiguración de nuevos puestos para la próxima generación de adultos cuya cultura psicológica estará marcada por la cultura informática.

En segundo lugar, los niños son llevados a hacer distinciones cada vez más matizadas sobre el psicológico. Los niños más pequeños de alrededor de seis a ocho veces dicen que los ordenadores son como las personas, en su forma de pensar, pero a diferencia de la gente en sus orígenes. ("La

máquina llegó inteligente, porque la gente lo enseñaron.") Pero esto no es una posición estable. Es poco satisfactoria, ya que deja la diferencia esencial entre ordenadores y personas ligadas a algo quesucedió en el pasado, casi como si las mentes de los ordenadores y las mentes de los niños son iguales, sino que sólo se diferencian en sus padres. Los niños más grandes alcanzan una manera mássatisfactoria para describir lo que la gente comparte y no compartir con la psicología de la máquina. Cuando los niños más jóvenes hablan de la psicología computadoras, lanzan juntos tales observaciones no diferenciadas como que un juguete equipo es feliz, es inteligente, trucos, y se enoja. Los niños mayores hacen distinciones más finas dentro del dominio de lo psicológico. En particular, se dividen en dos. Ellos cómodamente manipular ideas tales como "que piensa, pero no se siente." Ellos cómodamente hablan de la línea entre lo afectivo y lo cognitivo.

Con la división de la psicológica, ya no es la cuestión de si algo tiene una psicología o no. Medianteel desarrollo de una idea distinta de lo cognitivo, los niños encuentran una manera de otorgar al ordenador de ese aspecto de la psicología que se sienten obligados a reconocer en virtud de lo que hacen las máquinas, mientras que se reservan otros aspectos de lo psicológico para los seres humanos. Esta respuesta a la inteligencia de las máquinas de la psicología división es particularmente marcado en los niños que utilizan ordenadores mucho en la escuela o en casa. Katy,once, después de un año de experiencia en la programación de computadoras, dijo, "La gente puede hacer que las computadoras inteligentes: sólo tienes que encontrar acerca de cómo la gente piensa y lo ponen en la máquina", pero las emociones son un asunto diferente. Para Katy, los tipos de pensamiento de la computadora puede hacer es el tipo que "todas las personas que hacen lo mismo. Así que no se puede dar computadoras sentimientos, porque todo el mundo tiene sentimientos diferentes ".

La distinción entre el pensamiento y el sentimiento no es la única línea que los niños dibujan a través de la vida mental en el curso de llegar a un acuerdo con la naturaleza de la computadora a la luz de la naturaleza humana. Las discusiones sobre si los ordenadores de trucos puede llevar a conversaciones acerca de las intenciones y la conciencia. Las discusiones acerca de las limitaciones de la computadora puede llevar a las distinciones entre el libre albedrío y la autonomía frente a la programación y la predeterminación. Esto a menudo lleva a los niños a otra distinción, la que existe entre el pensamiento de memoria, lo que las computadoras pueden hacer, y la originalidad, que es una prerrogativa humana. Por último, la discusión acerca de cómo las computadoras piensan en absoluto puede llevar a la distinción entre el cerebro y la mente. Todos estos son elementos de cómolas computadoras evocan una construcción cada vez más matizada de lo psicológico.

Por último, la nueva apreciación psicologizada de los niños de las máquinas influye en la forma en que se articulan lo más especial, lo más importante acerca de ser una persona. Mientras que los niños más pequeños pueden decir que la máquina está vivo ", ya que tiene sentimientos", los niños mayores tienden a conceder que la máquina tiene la inteligencia y es por lo tanto "tipo de vida", pero luego lo distinguen de la gente, porque carece de sentimientos. La definición aristotélica del hombre como animal racional (una definición poderosa incluso para los niños cuando se define la gente a diferencia de sus vecinos más cercanos, los animales) da paso a una distinción diferente. Los niños de hoy llegaron a entender los ordenadores a través de un proceso de identificación con ellos como entidades psicológicas. Y vienen a verlos como nuestros nuevos vecinos más cercanos. Desde el punto de vista del niño, esto es un vecino que parece compartir, o incluso sobresalir en, nuestra racionalidad. La gente todavía se definen en contraste con sus vecinos más cercanos. Pero ahora la gente es especial porque se sienten. La noción de un animal racional da paso a la construcción paradójica de las personas como máquinas emocionales.

Este último punto me lleva al punto de partida de donde empecé: con la imagen de las computadoras como objetos evocadores de la vida de los adultos. Mis estudios muestran que muchos adultos siguen básicamente el mismo camino que hacen los niños cuando hablan de los seres humanos en relación con las nuevas máquinas inteligentes. La versión del niño es ser humano

es ser emocional. La versión del adulto es ser humano es ser unprogrammable. La gente que dice que ellos son perfectamente cómodo con la idea de la mente como máquina de asentimiento a la idea de que el pensamiento simulado está pensando, pero a menudo no pueden decidirse a proponer,además, que la sensación simulada está sintiendo.

Hay un sentido en el que ambas reacciones, del niño y del adulto, contrastan con un temor frecuenteque la implicación con la inteligencia de la máquina conduce a una visión mecánica de la gente. En su lugar, lo que me parece es una especie de reacción romántica. Hay una tendencia a ceder a la computadora el poder de la razón, pero al mismo tiempo, en la defensa, para la construcción de un sentido de identidad que se centra cada vez más en el alma y el espíritu en la máquina humana.

En una primera audiencia, muchas personas encuentran estas observaciones tranquilizadoras. Pero es importante destacar que hay una nota inquietante en esta reconsideración tecnología provocado de la especificidad humana. El pensamiento y el sentimiento son inseparables. Cuando ellos son arrancados de su compleja relación con los demás y de forma incorrecta definido como mutuamenteexcluyentes, lo cognitivo puede convertirse en mero proceso lógico y lo afectivo se reduce a lo visceral. Lo que era más poderoso sobre la visión psicológica de Freud fue su aspiración de ver el pensamiento y el sentimiento como siempre existiendo juntos en la interacción con los demás. En elpensamiento psicoanalítico se hace un esfuerzo para explorar la pasión en la prueba de los matemáticos, así como un esfuerzo para usar la razón en la comprensión de la fantasía más primitivo. El inconsciente tiene su propio lenguaje altamente estructurado, que puede ser descifradoy analizado. Lógica tiene un lado afectivo, y afectar tiene una lógica. Modelos computacionales de la mente en el tiempo pueden profundizar nuestra apreciación de estas complejidades. Pero por el momento, el impacto popular de las máquinas inteligentes en nuestra cultura psicológica va en la otra dirección. La aceptación demasiado fácil de la idea de que las computadoras se parecen mucho a las personas en su pensamiento y sólo se diferencian en su falta de sentimientos es compatible conuna vista dichotomized y simplista de la psicología humana. El esfuerzo de pensar en contra de esta tendencia va a ser uno de nuestros mayores desafíos en la era de las máquinas inteligentes.


Notas al pie


Autor: Ray Kurzweil

La Segunda Revolución Industrial

1. Duncan Bythell, Los tejedores manuales: un estudio en la Industria del Algodón Inglés durante la Revolución Industrial, p. 70.

2. Bythell, "La Venida del Powerloom," Los tejedores manuales, pp 66-93.

3. Malcolm I. Thomis ha escrito una buena documentación de este importante movimiento históricoen Los luditas :Machine -Breaking en Inglaterra de la Regencia .

4. Véase, por ejemplo, Sir Percy Snow, altavoz, "Los científicos y la toma de decisiones", en MartinGreenberger, ed.,computadoras y el mundo de la Futuro , p. 5, y Langdon Winner, "ludismo como Epistemología", en AutónomaTecnología , pp 325-395.


5. Ben J. Wattenberg, ed., La Historia de Estadística de los Estados Unidos desde la época colonial hasta el presente.

6. Departamento de Comercio, Oficina del Censo, EE.UU. Resumen estadístico de los Estados Unidos, 1986 , ed 106a., p. 390, véase también EE.UU. Oficina del Censo, Cómo Vivimos: antes y ahora .

7. Ben J. Wattenberg, ed., La Historia de Estadística de los Estados Unidos desde la época colonial hasta el presente.

8. Departamento de Comercio de EE.UU., Oficina del Censo, Compendio de Estadísticas de los Estados Unidos, 1986 .

9. Ben J. Wattenberg, ed., La Historia de Estadística de los Estados Unidos desde la época colonial hasta el presente, p. 224.

10. Departamento de Comercio, Oficina del Censo de EE.UU., Estadísticas históricas de la U S.:. Colonial Times para 1970 , vol. 1, y el Centro Nacional para Estadísticas de la Educación, Departamento de Educación de EE.UU., 1986.

11. Departamento de Comercio, Oficina del Censo de EE.UU., Estadísticas históricas de la U S.:. Colonial Times para 1970 , vol. 1.

12. Departamento de Comercio, Oficina del Censo de EE.UU., Estadísticas históricas de la U S.:. Colonial Times para 1970 , vol. 1.

13. Wassily W. Leontief, El impacto de la automatización en el Empleo 1963-2000.

14. Wassily W. Leontief, El impacto de la automatización en el empleo, 1963-2000.

15. Este fenómeno se analiza en profundidad por Barry Bluestone y Bennett Harrison, en la desindustrialización de América, también, ver Lester Thurow "El aumento de la desigualdad", Scientific American , julio de 1987, 30 a 38, y Harrison y Bluestone, The Great U- Girar .

16. Tom Forester examina las tendencias de los costos y de poder en la revolución de las computadoras en Alta Tecnología Sociedad , pp.21-41.

17. Edward Feigenbaum y Pamela McCorduck discuten el impacto de los sistemas expertos en el campo de la biología molecular en la quinta generación, p. 66. Bocetos de los programas de diagnóstico con ayuda de computadora, actualmente en uso se pueden encontrar en Katherine DavisFishman, The ComputerEstablecimiento, pp 361-366 ; véase también Roger Schank, A Cognitive Computer : El Lenguaje , Aprendizaje y artificial inteligencia , pp 231-234.

18. Ben J. Wattenberg, ed., La Historia de Estadística de los Estados Unidos desde la época colonialhasta la actualidad, la serie F, pp 1-5, 1965.

19 . David L. Parnas ofrece una perspectiva sobre este tema en "Equipos en Armas: los límites de confianza". en David Bellin y Gary Chapman, eds, Computadoras en Battle-se trabaja? pp 209-231 ; también de interés es una declaración sobre las perspectivas futuras para la AI por Robert Dale, en Allen M. Din, ed,. Armas y de Inteligencia Artificial , p. 45.

20. Esta posibilidad puede ser más hipotética que real debido a la estrecha relación entre la industriay los servicios. La pérdida de producción en áreas clave, por ejemplo, podría ser peligroso para las perspectivas de la próxima etapa de la innovación. Para un análisis de estos y otros problemas, vea

SS Cohen y J. Zysman, Asuntos de Manufactura .

21. Traducido del ruso, "SAM" significa misil tierra-aire, o, literalmente, fija almacén de mantenimiento de aire.

22. Ver Tom Athanasiou, "Inteligencia Artificial como la tecnología militar", en Bellin y Chapman, eds., Computadoras en batalla.

23. SCI está dirigido hacia el uso de la informática avanzada para desarrollar armas y sistemas "parala gestión de la batalla en entornos complejos donde la toma de decisiones humanas [isl visto para ser inadecuada" (Allan M. Din, ed., armas y la inteligencia artificial , p. 7 véase también pp 90-91 en el mismo volumen).

¿Qué es la influenza aviar, de todos modos?

1. Definiciones similares se encuentran en muchos libros de texto sobre la influenza aviar.

2 . Esta conferencia fue originalmente llamado el Proyecto de Investigación de Verano Dartmouth sobre Inteligencia Artificial, para una relación completa de este evento histórico, ver Pamela McCorduck, Máquinas que piensan, pp 93 y ss.

3. Norbert Weiner, el famoso matemático que acuñó este término (más tarde sustituido por el término "inteligencia artificial"), fue claramente encariñado con el significado de su raíz griega, "kubernetes": piloto o gobernador.

4. Estos términos fueron introducidos por Edward Feigenbaum, véase su "Arte de la Inteligencia Artificial: Temas y Estudios de Caso en Motores de Conocimiento", en AFIPS Actas de la Conferencia del 1978 Nacional ComputerConferencia 47: 227-240.

5. Roger Schank, The Cognitive Computer , pp 49-51.

6. El laico puede también querer ver a Susan J. Shepard, "Conversando con Tiny ELIZA," Computer Language 4 (mayo 1987 ). Véanse también las notas 61 y 62 del capítulo 2 .

7. Ver Hans Berliner, "New Hitech Success Computer Chess", AI Revista 9 (Verano 1988): 133 . Y, para un brillante análisis de la máquina frente a la inteligencia humana en el ajedrez y de los peligros de la rigidez en "máquinas de aprendizaje", véase Norbert Weiner, ponente, "Los científicos y la toma de decisiones", en Martin Greenberger, ed.,Computadoras y el Mundo del Futuro , pp 23-28 .

8. Ver Lofti Zadeh, "Fuzzy Sets", en Información y Control 8 : 338-353 . Véase también una fascinante entrevista con Zadeh publicó en Communications of the ACM , abril de 1984, pp 304-311 , en el que se analiza la insuficiencia de precisión técnicas de IA y herramientas para resolver lavida real ("fuzzy") problemas.

9. Véase Sigmund Freud, Psicopatología de la cotidiana vida , en Los básicos escritos de Sigmund Freud; ver también sus Collected Papers ,. para otro punto de vista, ver Carl Jung y otros, hombre ysus símbolos, y para obtener una visión más corto pero ancho en el tema, ver William Kessen y Emily D. Cahan, "Un siglo de Psicología: del sujeto al objeto al agente," American Scientist, noviembre-diciembre 1986, pp 640-650.

10. Visión más completa y actual de Newell se encuentra en Juan E. Laird, A. Newell, y Paul S. Rosenbloom, "SOAR: Una arquitectura para la Inteligencia" (Universidad de Michigan Ciencia Cognitiva y la máquina de Inteligencia de Informes Técnicos de Laboratorio n º 2, 1987. ).

11. Vea la defensa de Richard Dawkins del Darwinismo en El relojero ciego : ¿Por qué la Evidencia de la EvoluciónRevela un Universo sin Diseño; . para algunos argumentos clásicos en el diseño frente a la necesidad, también véase A. Hunter Dupree, en Ada Gray, editor, Darwiniana, pp 51-71.

12. Este tema se aborda de manera elocuente en un pequeño volumen (23 páginas) por S. Alexander, Arte y Instinct.

13. Para algunos, por supuesto, el concepto de Dios no es aplicable al budismo, véase William James, Las variedades de la experiencia religiosa, pp 42-44 y 315 .

14. Charles Darwin, El Origen de las Especies . En esta, su obra clásica sobre la selección natural y la evolución, Darwin afirma: "Si se pudiera demostrar que cualquier órgano complejo (ismo) existió, lo que podría posiblemente no haber sido formado por numerosas, sucesivas , ligeras modificaciones, mi teoría se desglose "(p 229).

15. Richard Dawkins, El relojero ciego , pp . 112-113.

16. Tenga en cuenta, por ejemplo, un argumento convincente en contra de esta idea (que en vez campeones de la noción de la jerarquía en la evolución) de Stephen Jay Gould, "es un nuevo y Teoría General de la Evolución Emergente?" Paleobiología 6 (1979): 19-130.

17. Ver Gould, Paleobiología 6 (1979): 119-130. Asimismo, en Stephen Jay Gould, La falsa medida del hombre, pp326-334, se hace mención de la "naturaleza humana" en relación con el concepto de selección natural. Ver también Richard Dawkins, El relojero ciego , pp 141-142.

18. Esta idea es apoyada, al menos en teoría, por algunos pioneros de la AI; véase, por ejemplo, Lawrence Fogel, Alvin Owens, y Michael Walsh, Artificial Inteligencia través simulado Evolution , pp viii y 112.

19. Edward Fredkin del MIT se acredita con decir: "La inteligencia artificial es el siguiente paso en la evolución" de Sherry Turkle, el segundo yo , p. 242.

Raíces Filosóficas

1. La literatura sobre la mente como máquina es extensa. Una obra provocativa es de Daniel C. DennettBrainstorms: Ensayos filosóficos sobre Mente y Psicología . Dennett, filósofo, se inspira en los logros de IA para formular una nueva teoría de la mente. Un importante estudio de las cuestiones filosóficas se puede encontrar en Margaret Boden Artificial Inteligencia y el Hombre Natural , capítulo 14, véase también Pamela McCorduck,Máquinas que piensan. Un breve resumen,útil de las tendencias es la introducción ("Filosofía y AI: algunos problemas") Steve Torrance, ed,. La Mente y la máquina : Aspectos Filosóficos de la Inteligencia Artificial . Para el nexo de la filosofía-AI, ver los documentos en Martin D. Ringle, ed, filosóficos. Perspectivas de la Inteligencia Artificial. Otra fuente importante es John Haugeland, ed., Mind Design . El legado del problema mente-cuerpo se relaciona con los debates contemporáneos AI en breve, viva la moda por Paul M. Churchland en Materia yConciencia .

2. Algunos teóricos que han argumentado para el enfoque de la mente, más allá de la máquina son JR Lucas, Hubert Dreyfus, y John Searle. Lucas, en 1961, utilizó teorema de incompletitud de Gödel para argumentar que las computadoras nunca podrían modelar la mente humana con éxito, ver sus "Mentes, Máquinas y Gödel," Filosofía 36 (1961): 120-124. Para una refutación de esta posición, ver de Dennett Brainstorms , capítulo 13. Famosa crítica de Dreyfus de la IA es lo que lascomputadoras no pueden hacer: Los límites de la Inteligencia Artificial . Searle distingue entre las capacidades de los "débiles AI" y "IA fuerte" en sus 1980 papel "Mentes, cerebros y programas,"El Behavioral and Brain Ciencias 3 (1980): 417-424. (Papel de Searle se reimprime como el capítulo

10 de la Haugeland Mind Designs .) Aquí Searle introduce su famoso "habitación china" ejemplo para criticar lo que él ve como el "conductismo residual" de la IA. Una revisión muy útil a la crítica de la IA es J. Schwartz, "Límites de la Inteligencia Artificial", en Stuart C. Shapiro, ed., Enciclopedia de la Inteligencia Artificial , vol. 1. La Enciclopedia es una fuente general excelente.

3. Véase la discusión de Boden, en Inteligencia Artificial , pp 21-63, del intento de Colby para desarrollar un modelo de cálculo de las emociones humanas, en las páginas 440-444, argumenta quelas emociones no son "simplemente" los sentimientos, en lo que los ordenadores no puede hacer , Dreyfus argumenta desde un punto de vista fenomenológico que las computadoras nunca puede simular nuestra comprensión, en parte debido a nuestra capacidad de experimentar emociones. Dennett proporciona una discusión interesante de la cuestión en el capítulo 11 ("¿Por qué no puede hacer un equipo que siente dolor") de Brainstorms .

4. Según Dreyfus en lo que las computadoras no pueden hacer , "La historia de la inteligencia artificial, así podría comenzar alrededor del 450 antes de Cristo," cuando Platón expresó la idea de que "todo conocimiento debe ser formulable en definiciones explícitas que podrían aplicarse a cualquiera" (p. 67) .

5. Para una visión general véase DA Rees, "platonismo y la tradición platónica," La Enciclopedia de Filosofía , vol. 6, pp 333-341 (New York: The Macmillan Company, 1967).

6. Véase Thomas L. Hankins, la Ciencia y la Ilustración . Ver también Ernst Cassirer, La filosofía de la Ilustración ,los tres primeros capítulos ofrecen una visión general importante de los nuevos estudios de la mente y cómo se reflejan los métodos de la nueva ciencia.

7. Ver Reinhardt Grossman, Fenomenología y existencialismo : una introducción; las críticas de AI montados por Hubert y Stuart Dreyfus tienen sus raíces en la fenomenología. Hubert Dreyfus ha desarrollado la noción heideggeriana de que el entendimiento está incrustado en un mundo de propósito social, que no pueden ser adecuadamente representado como un conjunto de hechos. Stuart Dreyfus hace hincapié en la importancia de las habilidades que escapan a las representaciones y las normas mediante la elaboración de la fenomenología existencial de Merleau-Ponty. Véase H. Hall, "Fenomenología", en Shapiro, Enciclopedia de la Inteligencia Artificial , vol. 2, pp 730-736.

8. Ver AJ Ayer, "Introducción del editor", en AJ Ayer, ed,. Positivismo Lógico , pp 3-28, Rudolf Carnap, "La eliminación de la metafísica mediante el análisis lógico del lenguaje," en Ayer positivismo lógico , pp 3-81 ; Noam Chomsky,Estructuras sintácticas (1957). Para una revisión de los logros y la influencia de Chomsky, ver Frederick J. NewmeyerLinguistic Theory in America , 2 ª ed., en el capítulo 2, "La revolución de Chomsky."

9. Este debate, en sus dimensiones técnicas y personales, se describe con cierto detalle en la McCorduckMáquinas que la piensa.

10. Las obras de Platón están fácilmente disponibles en griego y en Inglés en las ediciones Loeb Classical Library, se mencionan algunas otras traducciones al inglés de obras individuales más adelante. Un excelente lugar para comenzar es una de varias obras de referencia: Gilbert Ryle, "Platón", en The Encyclopedia of Philosophy , vol. 6, pp 324-333; DJ Allan, "Platón", en el Dictionary of Scientific Biography, v ol. 11, páginas 22-31 (Nueva York: Hijos de Charles Scribner, 1975). Una descripción más detallada se puede encontrar en JN Findlay, Platón y el platonismo: Una introducción.

11. En Aristóteles: El Crecimiento y Estructura de Su Pensamiento , capítulos 2 y 3, GER Lloyd describe Aristóteles tanto como un alumno y un crítico de Platón.

12. Consulte "La Academia griega," en La Enciclopedia de Filosofía , vol. 3, pp 382-385. La Academia también se trata en de Ryle "Platón", pp 317-319. En su excelente estudio, Una Historia del griego Filosofía , vol. 4, p. 19, WKC Guthrie explica que la Academia no era en absoluto como nuestra universidad moderna: tenía elementos religiosos que podríamos más fácilmente asociarse con una universidad medieval. Volumen 4 de esta encuesta se dedica a Platón, la Academia se discute en las páginas 8-38. Los primeros años de la Academia de Platón se describen en la edición de la reimpresión de 1888 clásico de Eduard Zeller, Platón y la Academia Mayor . Ver nota 17 a continuación.

13. Guthrie (vol. 4, pp 338-340) señala que Platón fue influenciado por las religiones de misterio de su época, especialmente en el Fedón.

14. Platón describe los movimientos de los planetas en pasajes importantes de la República y el Timeo ; En Platón's Timeo , pp 33-35, Francis Cornford ofrece un útil resumen de las clases de movimiento Platón describe en elTimeo . GER Lloyd tiene una discusión lúcida y concisa de la astronomía de Platón en el capítulo 7 de Griego temprano Ciencia : Thales a Aristóteles , pp 80-98. La naturaleza de la astronomía de Platón, durante mucho tiempo un tema controvertido para la historia de la ciencia, se analiza de John D. Anton Ciencia y las Ciencias, en Platón .

15. El mito de Er en la República (617-618) fue la versión de Platón de un proyecto inicialmente desarrollado por el filósofo pitagórico Filolao, que puso el fuego en la extremidad y en el centro del universo, desplazando así a la tierra de su posición central (GS Kirk, JE Raven, y M. Schofield, Lospresocráticos filósofos, p. 259). El concepto pitagórico de un fuego central es descrito por S. Sambursky en La Física Mundial de los griegos , pp 64-66.

16. El descubrimiento de los números irracionales eventualmente resultó en el rechazo de un pitagórico "atomismo geométrico" y llevó al concepto del continuum (S. Sambursky, el mundo físico de los griegos , pp 33-35). En PlatónTeeteto , el matemático Teodoro demuestra la irracionalidad de los números no cuadrados hasta la raíz de 17.Platón y luego afirma que las raíces de todos los números que no son cuadrados son irracionales. Según GER Lloyd ( Griego temprano Ciencia : Thales a Aristóteles , pp 32-34), la irracionalidad de la raíz cuadrada de 2 era conocida incluso antes de la época de Platón. Los griegos expresaron comúnmente la prueba en términos geométricos, al mostrar que la diagonal de un cuadrado no es conmensurable con su lado. (La prueba supone la conmensurabilidad, a continuación, muestra que conduce a una imposibilidad porque el número resultante es a la vez par e impar.) El descubrimiento de que algunas magnitudes son inconmensurables (c. 450-441 aC) se atribuye a Hippacos de Mepontum, miembro de la Hermandad de Pitágoras, de Alexander Helleman y Bryan Bunch, los horarios de Ciencia , p. 31.

17. ER Dodds, Los griegos y lo irracional es un tratamiento clásico de este tema. Ananké se describe en detalle en FM Cornford, Platón 's Cosmología , pp 159-177. Un trabajo más reciente es el de Richard R Mohr platónicaCosmología .

18. En el Fedón y La República, Platón se opone a la actividad del intelecto para la pasividad "brutal" del deseo (Martha Nussbaum, "Animales racionales y la explicación de la acción", en La Fragilidad de la Bondad: La suerte y laÉtica en la Tragedia griega y filosofía , p. 273). En este libro Nussbaum explora la antítesis de la filosofía griega entre el poder de control de la razón y eventos fuera del control de uno, una antítesis fundamental para los diálogos de Platón.

19. La primera mención de las formas está en el Fedón , una excelente discusión se puede encontraren el artículo de Gilbert Ryle (pp. 320-324), en La Enciclopedia de la Filosofía .

20. La teoría de Platón de la materia en el Timeo, donde las partículas más pequeñas son triángulos, es una mezcla de las ideas pitagóricas y atomismo Democritan (véase S. Sambursky, el mundo

físico de los griegos, p. 31).

21. Cornford, de Platón 's Cosmología , pp . 159-177, ofrece un análisis lúcido de esta tensión entrela necesidad y la razón.

22. En el diálogo como forma elegida de Platón, véase D. Hyland de "¿Por qué Platón escribió diálogos," Filosofía y Retórica 1 (1968): 38-50.

23. El físico Werner Heisenberg describe cómo llegó a su principio de incertidumbre, que formuló en 1927 en el capítulo 6 de su volumen con gracia por escrito y entretenido Física y el futuro:. Encuentros y ConversacionesHeisenberg fue influenciado por la física corpuscular de Platón, y se explora la relación entre Platón las ideas y la teoría cuántica en el capítulo 20, "Las partículas elementales y platónica Filosofía (1961-1965)."

24. Una nueva interpretación refrescante del Fedro emphasizin g el papel de la paradoja es Martha Nussbaum del "'Esta historia no es verdad': Madness, la Razón y retractación en el Fedro, "capítulo 7 en La Fragilidad de la Bondad,pp . 200-228 .

25. DA Rees, "platonismo y la tradición platónica," p. 336. Fue Jenócrates, que dirigió la Academia después de la muerte de Espeusipo, sucesor inmediato de Platón, que identificó las Ideas platónicas con números matemáticos, no los números "ideales" postuladas en la Academia de Platón y en virtud de tratados en el Fedón . El destino de las diversas formas de platonismo son revisados en varios artículos breves en el Diccionario de la Historia de las Ideas(New York: Charles Scribner Sons, 1973), vol. 3: "platonismo en Filosofía y Poesía", de John Fisher pp. 502-508; John Charles Nelson de "platonismo en el Renacimiento", pp 508-515, y Ernst Moritz Manasse del "platonismo desde la Ilustración", pp 515-525 .

26. DH Fowler, en las matemáticas de Platón Academia 's , reconstruye en detalle el plan de estudios de la Academia. Una cuenta particularmente legibles de los trabajos de los geómetras se puede encontrar en el capítulo 3 de Francois Lasserre, El nacimiento de las matemáticas en el siglo de Platón . Un tratamiento más técnico se puede encontrar en el capítulo 3 de Wilbur Richard Knorr, La Antigua Tradición de Geometric Problemas.

27. Para una visión general de la filosofía de los números de Platón, consulte "Platón," La Nueva Enciclopedia Británica, vol. 14, p. 538. El texto de la Epinomis en griego y en Inglés, ver WRM Cordero, ed., Platón , Loeb Classical Library, vol. 8. En el Epinomis, 976 DE, el orador se pregunta lo que la ciencia es indispensable para la sabiduría: "es la ciencia que dio el número a toda la raza de los mortales." Ver también RS Brumbaugh, Platón Imaginación Matemático 's.

28. Una excelente introducción al pensamiento de la Ilustración es de dos volúmenes de Peter Gay, La Ilustración : Una Interpretación, vol. 1 , The Rise of Modern Paganismo y vol. 2, La Ciencia de la Libertad.

29. La biografía definitiva es de Richard Westfall Nunca en descanso: una biografía de Isaac . Newton Nadie interesado en los logros científicos de Isaac Newton debe dejar de ver de I. Bernard Cohen revolución newtoniana.Quienes deseen abordar Newton en el original se debe ver de Isaac Newton Philosophiae Naturalis Principia Mathematica, tercera edición (1726), montado por Alexander Koyré, I. Bernard Cohen y Anne Whitman.

30. Otto Mayr, Autoridad, Libertad, y las máquinas automáticas en la Europa moderna.

31. Una visión general útil de la vida y la obra de Descartes se puede encontrar en El Dictionary of Scientific Biography, vol. 4, pp 55-65. Descartes, por Jonathan Rée, es insuperable en ofrecer una visión unificada de la filosofía de Descartes y su relación con otros sistemas de pensamiento.

32. El breve Discours de la méthode apareció en 1637 y está escrito de una manera autobiográfica animado. Es fácilmente disponible en la Biblioteca de la edición de Artes Liberales, que incluye los apéndices en la que Descartes introdujo la geometría analítica y su teoría de la refracción: Discurso del Método , Óptica, Geometría , y Meteorología, trans. por Paul J. Olscamp.

33. Derek J. de Solla Price, "Autómatas y los orígenes del Mecanismo y mecanicista Filosofía," Tecnología y Cultura5 (1964): 23.

34. Véase I. Bernard Cohen en Newton en el Diccionario de la biografía científica, vol. 10, pp 42-103, y de Cohenrevolución newtoniana, mencionado anteriormente.

35. Charles Gillispie, el borde de la objetividad, p. 140. El prestigio resultante de la ciencia durante la Ilustración se trata en el capítulo 5.

36. Para una introducción fácil de leer y lúcido a la relatividad, ver el 1925 clásico de Bertrand Russell, El ABC de la Relatividad , cuarto rev. ed. Un tratamiento más detallado puede encontrarse en el Albert Einstein, la relatividad : la teoría especial y general, una exposición popular, trans. Robert Lawson.

37. Gillispie, el borde de la objetividad, pp 145-150.

38. La crítica de Leibniz del relojero Dios se puede encontrar en una carta escrita en noviembre de 1715 Samuel Clarke (1675-1729), discípulo reconocido de Newton (ver pp 205-206 de Leibniz Philosophical Writings , GHR Parkinson, ed.). Para el famoso debate iniciado esta carta, ver The Leibniz-Clarke Correspondencia , HG Alexander, ed.

39. PESO Jones, Kant y el siglo XIX , p. 14. El legado de Descartes se expresa en la propia definición de Kant de la Ilustración, que es citado por Ernst Cassirer en La filosofía de la Ilustración , p. 163: "La iluminación es el éxodo del hombre de su tutela auto-incurren. La tutela es la imposibilidad de utilizar el propio entendimiento sin la guía de otra persona. Esta tutela es auto-incurridos si su causa no reside en ninguna debilidad del entendimiento, sino en la indecisión y la falta de coraje para usar la mente sin la guía de otro. "Atrévete a saber" ( ! sapere aude) Tenga el valor de usar tu propia inteligencia, lo que es el lema de la Ilustración ".

40. Immanuel Kant, Crítica de Pure Reason , 1 ª ed. 1781; Prolegómenos a toda futura Metafísica , 1 ª ed. 1783. Las relaciones entre la filosofía y la ciencia kantiana se exploran en Gordon G. Brittan,Jr., de Kant Teoría de la Ciencia .

41. Una breve historia del positivismo lógico se puede encontrar en AJ Ayer, el positivismo lógico , pp 3-28. Moritz Schlick, centro del Círculo de Viena, en la década de 1920, compara la kantiana y tratamientos positivista de la realidad en "El positivismo y el realismo", un ensayo publicado en 1932 o 1933 y reimpreso en Ayers positivismo lógico (ver p. 97).

42. Ayer, en el positivismo lógico , p. 11, señala el carácter positivista de ataque de Hume sobre la metafísica y luego afirma que él bien podría haber citado Kant en su lugar, "quien sostuvo que el entendimiento humano se perdió en contradicciones cuando se aventuró más allá de los límites de laexperiencia posible." Afirma Ayer que "el originalidad de los positivistas lógicos yacía en su toma de la imposibilidad de la metafísica no dependen de la naturaleza de lo que podría ser conocido, sino en la naturaleza de lo que se podría decir "( positivismo lógico , p. 11).

43. Norman Malcolm, Ludwig Wittgenstein : Una memoria , con una Semblanza de Georg Henrik von Wright , p. 10.Mientras que Kant distingue entre lo que puede y no puede ser conocido, Wittgenstein distingue entre lo que puede y no puede ser dicho. Consulte " El Tractatus ", capítulo 6del TW Jones, El siglo XX a Wittgenstein y Sartre .

44. Ludwig Wittgenstein, Tractatus Logico-Philosophicus, trans. por DF Pears y BF McGuiness, primera edición alemana publicada en 1921.

45. Malcolm, Ludwig Wittgenstein , pp 11-12.

46. Wittgenstein, Tractatus , p. 37.



49. Para una discusión de lectura de la tesis de Church-Turing, véase David Harel Algorithmics: El Espíritu de la Computación , pp 221-223. La tesis de Church-Turing, llamado así por Alonzo Church y Alan Turing, se basa en las ideas desarrolladas en los siguientes trabajos: Alan Turing, "Sobre los números computables, con una aplicación al Entscheidungsproblem", Proc. Londres Matemáticas. Soc . 42 (1936): 230-265; Alonzo Church, "problema sin solución de la teoría elemental de números," Amer. J. . Matemáticas 58 (1936): 345-363.

50. Véase, por ejemplo, la declaración en 4.002 de Wittgenstein Tractatus , p. 37.

51. Wittgenstein, Tractatus , páginas 7, 151.

52. Ludwig Wittgenstein, Investigaciones filosóficas , trad. De mayor. E. M. Anscombe.

53. Michael Dummett, en su "Frege y Wittgenstein" (en Irving Block, ed., Perspectivas sobre la filosofía de Wittgenstein , pp 31-42), sostiene que Wittgenstein intentó y no pudo proporcionar una teoría del lenguaje en las Investigaciones filosóficas .

54. En el prólogo de las Investigaciones Filosóficas (p. vi), Wittgenstein afirma que reconoció "graves errores" en su trabajo anterior, el Tractatus . El enfoque más atomista de este último es desafiado por un mayor énfasis en los contextos en las Investigaciones filosóficas . Anthony Kenny compara las dos obras en el "de Wittgenstein temprano Filosofía de la mente," Block, ed., Perspectivas , pp 140-147. AJ Ayer comenta que Wittgenstein "modificó los rigores de su temprana positivismo" como se expresa en el Tractatus . (Véase de Ayer Lógico positivismo , p. 5).

55. En el prefacio de su obra 1936 Idioma , Verdad y Lógica , p. 31, Alfred Ayer afirma que sus opiniones se derivan de los escritos de Russell y Wittgenstein.

56. Ver Reinhardt Grossman, Fenomenología y existencialismo.

57. Tractatus , p. 151.

58. Hubert L. Dreyfus, "Alquimia e Inteligencia Artificial," La RAND Corporation, diciembre de 1965, publicación 3244.Para un perfil de Dreyfus, ver Frank Rose, "El Caballero Negro de AI," Ciencia 85 , 6 (marzo de 1985): 46-51.

59. Pamela McCorduck, máquinas que la piensa , p. 204. McCorduck dedica el capítulo 9 ("L'affaire Dreyfus") a una historia atractiva de la crítica de Dreyfus y las reacciones que provocó en la comunidad de la IA.

60. ELIZA se anunció por primera vez en "ELIZA-Programa informático para el Estudio de la Comunicación del Lenguaje Natural entre el hombre y la máquina," de Joseph Weizenbaum Comunicaciones de la Asociación deComputing Machinery 9 (1966): 36-45. Hubert Dreyfus perplejo ELIZA introduciendo la frase "Me siento feliz", y luego corregirlo, añadiendo:

"No, eufórico." ELIZA respondió con "No seas tan negativo", ya que está programado para responder de esa manera cada vez aparece "no" en cualquier parte de la entrada. Ver Hubert Dreyfusy Stuart Dreyfus, "¿Por qué Computadoras Nunca puede pensar como la gente," Tecnología de Revisión 89 (1986): 42-61.

61. ELIZA imita a un psicoterapeuta de Rogers, cuya técnica consiste en gran parte de la eco declaraciones del paciente, sino que, por tanto, utiliza muy poca memoria, y llega a sus "respuestas"mediante la combinación de transformaciones de las sentencias "de entrada" con frases almacenadasen palabras clave. Sus profundas limitaciones fueron reconocidos por su creador. En su obra de 1976 del ordenador Poder y Human Reason , Weizenbaum sostiene que las limitaciones de Eliza sirven para ilustrar la importancia del contexto para la comprensión del lenguaje natural, una cuestión planteada en su escrito inicial. Él eligió este tipo de diálogo psicoterapéutico precisamente porque el psicoterapeuta en tal necesidad de diálogo sabe prácticamente nada sobre el mundo real. Ver Margaret Boden, Artificial Inteligencia y el Hombre Natural , p. 108.

62. Dreyfus desarrolló este argumento en detalle en lo que las computadoras no pueden hacer: Los límites de la Artificial Inteligencia . Allí se exponen objeciones a "la suposición de que el hombre funciona como un propósito general símbolo de la manipulación de dispositivos" (p. 156). Especialmente dibujando su ira fue la obra de Allen Newell y HA Simon, Computadora Simulación de Human Pensamiento , La RAND Corporation, P-2276 (abril de 1961).

63. PROLOG, un lenguaje de programación basado en la lógica, fue ideado por Colmerauer en Marsella en 1970 (véase WF Clocksin y CS Mellish, Programación en PROLOG ).

64. La lógica difusa, desarrollada por LA Zadeh, protege contra la simplificación excesiva de la realidad por no asumir todas las cuestiones fundamentales tienen respuestas sí o no. Ver EH Mamdani y BR Gaines,Razonamiento Fuzzy y sus aplicaciones.

65. Véase, en particular, la introducción a la edición revisada, en Hubert Dreyfus, lo que los ordenadores no puede hacer .

66. Las predicciones de Dreyfus sobre las limitaciones de los programas que juegan al ajedrez han sido probadas una y otra vez mal. Programas que juegan al ajedrez han mejorado su desempeño a través de la aplicación de una mayor y una mayor potencia de cálculo. Uno de los últimos puntos dereferencia se produjo cuando HiTech ganó el Campeonato Estatal de Pennsylvania en 1988. Ver Hans Berliner, "HITECH convierte en el primer ordenador senior Maestro", AI Revista 9 (otoño de 1988): 85-87.

67. McCorduck, Máquinas que piensan, p. 205.

68. En lo que los ordenadores no se puede hacer Dreyfus argumenta: "No hay justificación para el supuesto de que primero experimentan hechos aislados, o instantáneas de los hechos, o vistas momentáneas de instantáneas de hechos aislados, y luego les damos importancia. La superfluidad analítica de un proceso de este tipo es lo que los filósofos contemporáneos como Heidegger y Wittgenstein están tratando de señalar "(p. 270).

69. Hubert L. Dreyfus y Stuart E. Dreyfus, "Realización de una Mente frente Modelar el cerebro: Inteligencia Artificial Volver a branchpoint," Daedalus 117 (invierno 1988): 15-43. Este número de Dédalo, dedicado a la IA, se publicó posteriormente en forma de libro, véase Stephen R. Graubard, ed,. La Inteligencia Artificial Debate: intentos fallidos, Fundaciones Reales.

70. Dreyfus y Dreyfus, "Realización de una Mente," p. 15.

71. Jack Cowan y David H. de Sharp revisan la importancia de las redes neuronales para la IA en las "redes neuronales e inteligencia artificial," Daedalus 117 (invierno 1988): 85-121.

72. Dreyfus y Dreyfus, "Realización de una Mente", pp 38-39.

73. Consulte "El papel de la Administración en la conducta inteligente", el capítulo 7 de Hubert Dreyfus lo que los ordenadores no se puede hacer .

74. Sherry Turkle también explora las respuestas de los niños a las computadoras en su trabajo 1984, El Segundo asistencia: Computadoras y Human Spirit , en el capítulo 1, "Los filósofos Niño: ¿Es inteligente Máquinas Alive"

75. Sigmund Freud, El chiste y su relación con lo inconsciente, 1st ed, 1905. Marvin Minsky ofrece una nueva interpretación de los chistes, haciendo hincapié en la importancia del "conocimiento sobre el conocimiento", en sus "bromas y la lógica del inconsciente cognitivo", en Lucía Vaina y Jaakko Hintikka, eds., limitaciones cognitivas sobreComunicación , pp 175-200.

Roots Matemáticas

1. Para que la relación entre la lógica y la recursividad, ver Stephen Cole Kleene, "I-definibilidad y recursividad," Duke diario matemático 2 (1936): 340-353. Véase también Stephen Cole Kleene, Introducción a Metamathematics . Para la contribución de Rosser, véase J. Barkley Rosser, "Extensiones de algunos teoremas de Gödel y Church," Journal of Symbolic Lógica 1 (1936): 87-91. Iglesia ha hecho muchas contribuciones importantes a la lógica y la computación. Una presentación coherente de su obra aparece en Alonzo Church, Introducción a la MatemáticaLógica ,vol. 1.

2. Para el sabor de esta teoría, véase un texto clásico sobre el análisis numérico y el cálculo: RW Hamming,Introducción al Análisis Numérico Aplicada .

3. Un buen ejemplo de este tipo de pensamiento es Bertrand Russell, Introduction to Mathematical Philosophy .

4. La paradoja se introdujo por primera vez en Bertrand Russell, Principios de Matemáticas , 2 ª ed., pp 79-81. La paradoja de Russell es una variante sutil de la paradoja del mentiroso. Ver EW Beth, Fundamentos de la Matemática, p. 485.

5. Gottlob Frege estaba a punto de publicar una obra monumental sobre la aritmética y la teoría de conjuntos, cuando Russell señaló las implicaciones de su paradoja. Frege sólo podría añadir una posdata que decía: "Un científico difícilmente puede encontrarse con algo más indeseable que tener los cimientos ceden el paso al igual que el trabajo está terminado. En esta posición, me pusieron en una carta del Sr. Bertrand Russell. "Ver Bertrand Russell, Carta a Frege, 1902, publicado en Jean van Heijenoort, ed., De Frege a Gödel.

6. Bertrand Russell, Principios de Matemáticas , 2 ª ed., 1938, pp 10-32, 66-81.

7. Bertrand Russell, Principios de Matemáticas , 2 ª ed., pp 10-32, 66-81.

8. Ver Bertrand Russell, Principios de Matemáticas , 2 ª ed., págs v-xiv.

9. Véase también Alfred N. Whitehead y Bertrand Russell, Principia Mathematica, 3 vols., 2 ª ed., pp 187-231.

10. Presentado por primera vez en Alan Turing M, "Sobre los números computables, con una aplicación al Entscheidungsproblem", Proc. Londres Matemáticas . Soc. 42 (1936): 230-265.

11. El trabajo en PROLOG se inició en 1970. Una presentación clara de los fundamentos conceptuales de PROLOG aparece en Robert Kowalski, "Lógica de Predicados como un lenguaje de programación," Universidad de Edimburgo, la DAI Memo 70, 1973. Ver también Alain Colmerauer, "Sur les bases théoriques de Prolog," Groupe de IA, UER Luminy, Univ. d'Aix-Marsella, 1979. Este y otros aspectos del programa japonés se discuten en Edward Feigenbaum y Pamela McCorduck, la quinta generación, p . 115.

12. Estos primeros experimentos se describen en A. Newell, JC Shaw, y H. Simon, "Empirical Exploraciones con la Teoría de la máquina lógica," Actas de la Western Joint Computer Conferencia 15 (1957): 218-239.

13. Modelo teórico de Turing fue introducido por primera vez en Alan M. Turing, "Sobre los números computables, con una aplicación al Entscheidungsproblem", Proc. Londres Matemáticas. Soc. " 42 (1936): 230-265.

14. Un documento de gran influencia es Alan M. Turing, "Computing Machinery and Intelligence" Mind 59 (1950): 433-460, reimpreso en E. Feigenbaum y J. Feldman, eds,. Computadoras y Pensamiento .

15. El programa se llama la "Turochamp" (evidentemente una contracción de "Turing y Champernowne"). Ver Andrew Hodges, Alan Turing : The Enigma , pp 338-339.

16. Turing morfogénesis investigado profundamente lo suficiente como para producir un documento sobre el tema: Alan M. Turing, "la base química de la morfogénesis", Phil. Trans. Roy. . Soc 1952: B237.

17. Ver Andrew Hodges, Alan Turing : The Enigma, pp 267-268.

18. Para una cuenta de ingeniería de este proyecto, véase B. Randell, "El Coloso" (1976), reimpresoen N. Metropolis, J. Howlett, y GC Rota, eds., Una Historia de la Computación en el siglo XX .

19. Véase David Hilbert, Grundlagen der Geometrie , Liepzig y Berlín, 1899, 7 ª ed., 1930.

20. Alan M. Turing. "Sobre los números computables, con una aplicación al Entscheidungsproblem", Proc. Londres Matemáticas . Soc. 42 (1936): 230-265.

21. Tal vez se han ignorado los modelos más sencillos que han aparecido desde entonces. Ver Marvin Minsky,Computación : Máquinas finito e infinito.

22. Esta tesis se llegó independientemente a por la Iglesia y Turing alrededor de 1936.

23. Para un excelente artículo sobre la teoría de la computación, véase John M. Hopcroft, "Máquinas de Turing",Scientific American , mayo de 1984, pp 86-98.

24. El problema castor ocupado es un ejemplo de una gran clase de funciones no computable, como se puede ver a partir de Tibor Rado, "en las funciones no computable," de Bell System Technical Journal 4l, no. 3 (1962): 877-884.

25. La versión de la Iglesia del resultado aparece en Alonzo Church, "problema sin solución de Teoría de Números Primaria," Jour de América. Matemáticas 58 (1936): 345-363.

26. Podemos ver las preocupaciones de Gödel sobre marco de Russell en Kurt Gödel, "de Russell Lógica Matemática" (1944), en el PA Schilpp, ed., La filosofía de Bertrand Russell .

27. Teorema de incompletitud de Gödel primero apareció en: Kurt Gödel, "Über unenscheiderbare

formales Sätze der Principia Mathematica und Systeme verwandter I, " Monatsh. Math. Phys. . 38 (1931): 173-198.

28. Ver Alonzo Church, "Observaciones sobre la Entscheidungsproblem," Journal of Symbolic Lógica 1 (1936): 40-41, y Kurt Gödel, "Sobre indecidibles Proposiciones de los sistemas matemáticos formales," informe mimeografiado de conferencias en el Instituto de Estudios Avanzados, Princeton, 1934.

29. Herbert A. Simon, La Forma de Automatización para hombres y Gestión (Harper & Row, 1965), p. 96.

30. Una breve reflexión por Turing sobre algunas de las cuestiones detrás de las máquinas de pensamiento aparece como parte del capítulo 25 de BW Bowden, ed., Más rápido que el pensamiento .

31. Para una cuenta de introducción de algunas de las implicaciones de la tesis de Church-Turing, ver Douglas Hofstadter, Gödel, Escher, Bach: un Eterno Oro Braid , pp 559-586.

La fórmula para la Inteligencia

1. Ver Morris Kline, Matemáticas y la búsqueda del conocimiento.

2. Ver Albert Einstein, la relatividad : El Especial y la Teoría General . Una cuenta más legible se presenta en Bertrand Russell, ABC de la Relatividad Ver también A. Einstein, "Zur Elektrodynamic bewegter Korpen" Annalen derPhysik 17 (1905): 895, 905.

3. Para el matemático maduro, una excelente introducción se puede encontrar en Enrico Fermi, Termodinámica(Englewood Cliffs, NJ: Prentice-Hall, 1937).

4. Atkins da cuenta de la termodinámica y la entropía que es fascinante y informal pero erudita en PW Atkins, La segunda ley.

5. Un vistazo a la complejidad se presenta en Allan C. Wilson, "La base molecular de la evolución", Scientific American , octubre de 1985, pp 164-173.

6. Ver Rudy Rucker, los cinco niveles de la realidad matemática, pp 14-35.

7. Las motivaciones y las misiones de los paralelos antropomórficos son considerados en John D. Barrow y Frank J. Tipler, El Principio Cosmológico Antrópico , pp 1-23.

8. Robert P. Crease Ver y Charles C. Mann, La Segunda Creación , pp 393-420.

9. Por una contribución a una "teoría de todo", véase Stephen Hawking, Breve Historia del Tiempo . Una discusión más populares se da en Heinz R. Pagels, Perfect Symmetry , pp 269-367.

10. En 1666 Gottfried Leibniz contempla un sistema científico de razonamiento, el "ratiocinator cálculo", que se podría utilizar para resolver argumentos formalmente. George Boole se ocupó de este problema y presentó su trabajo en 1854 en una investigación de las Leyes del Pensamiento en la que se basan las teorías matemáticas de la lógica y las probabilidades , se discuten aspectos de lo que en las siguientes páginas

11. Ver Douglas Hofstadter, Gödel, Escher, Bach. Una Eterna Trenza de Oro, pp 559-586.

12. Meindl, James D. "chips de Advanced Computing", Scientific American , octubre de 1987, p. 78.

13. Para un tratamiento detallado, véase Carver Mead y Lynn Conway, Introduction to VLSI Systems. Viejo pero no obstante muy relevante es el artículo de Ivan E. Sutherland y Carver Mead A., "Microelectronics and Computer Science," Scientific American , septiembre de 1977, pp 210-228.

14. Para una discusión que es menos filosófica que la de Hofstadter, consulte Rudy Rucker, Los Cinco Niveles deMatemática Realidad , pp 207-249.

15. Ver John M. Hopcroft, "Máquinas de Turing", Scientific American , mayo de 1984, p. 91.

16. Véase A. Newell y HA Simon, "GPS: un programa que simula el pensamiento humano". En EA Feigenbaum y J. Feldman, eds, Computadoras y Pensamiento , pp 71-105, y Claude Shannon, "una máquina de jugar al ajedrez, "Scientific American , octubre de 1950.

17. Para un boceto, ver Patrick H. Winston, "La Revolución LISP," BYTE , abril de 1985, p. 209.

18. Por esta razón hemos sido más exitosos en la creación de programas de damas. Ver Arthur L. Samuel, "Algunos estudios realizados en Aprendizaje Automático Uso del juego de damas" (1959), reimpreso en EA Feigenbaum y J. Feldman, eds., Computadoras y Pensamiento , pp 279-293. Una nota temprana se da en Claude Shannon, "Programación de un ordenador para jugar al ajedrez," Philosophical Magazine, serie 7, 41 (1950): 256-275.

19. Esto y algunas de las otras formulaciones discutidas aquí se han examinado en profundidad por los investigadores en la teoría de juegos. Un trabajo pionero en el área es de RD Luce y H. Raiffa, Juegos y Decisiones.El famoso teorema Minimax en sí fue presentado en J. von Neumann, "Zur Theorie der Gesellschaftespiele"Mathematische Annalen 100 (1,928): 295-320.

20. Esto sirve para demostrar que, en teoría, una computadora puede ser tan bueno como cualquier otro jugador de ajedrez humano.

21. Los investigadores han intentado varias estrategias para sortear los problemas creados por esta explosión combinatoria en el número de posibles movimientos de ajedrez en cada etapa. Ver Peter Frey, "An Introduction to Computer Chess", en Peter Frey, ed., Ajedrez Habilidad en el hombre y lamáquina , así como MM Botvinnik,Computadoras en Ajedrez , pp 15-21.

22. AK Dewdney, "El Rey ha muerto, larga vida al rey", Scientific American , julio de 1986, p. 13.

23. Ver Gregory Chaitin, "Sobre la dificultad de la Computación," IEEE Transactions on Information Theory 16 (1970): 5-9, y Gregory Chaitin, "Cálculo de la Función castor atareado," IBM Watson Research Center Report, RC 10722, 1970. Una introducción fácil a ciertos aspectos dela computabilidad y complejidad está en Michael R. Garey y David S. Johnson, Computadoras y la dificultad.

24. Véase, por ejemplo, la pieza de MA Tsasfman y BM Stilman MM Botvinnik, ed., Computadoras en ajedrez . Véase también Carl Ebeling, todos los movimientos correctos, pp 56-64.

25. Una presentación lúcida sobre las dos posiciones se puede encontrar en Carl Ebeling, All the Right Moves , pp 1-3.

26. Comparar las diferentes estrategias y sistemas descritos en Peter Frey, ed., Ajedrez Habilidad enel hombre yla máquina .

27. Un informe reciente sobre HiTech es Hans Berliner, AI Magazine, verano de 1988.

28. La estructura de HiTech está bien documentado en Carl Ebeling, todos los movimientos correctos.

29. HA Simon y Allen Newell, "Resolución de problemas Heurística: El siguiente avance en la investigación de operaciones," Operaciones de Investigación 6 (enero-febrero de 1958).

30. Un informe del desempeño del sistema se muestra Danny Kopec y Monty recién nacido, "Belle and Mephisto Dallas Títulos de ajedrez por ordenador de captura en la FJCC," Communications of the ACM , de julio de 1987, pp 640-645.

31. En 1988 HiTech convirtió en el primer sistema para vencer a un gran maestro de ajedrez humano, aunque sea uno que ha estado fuera de forma. Harold C. Schonberg Véase, Nueva York Times , 26 de septiembre de 1988.

32. Véase W. Daniel Hillis, "La Máquina de conexiones", Scientific American , junio de 1987.

33. Eliot Hearst, "El Hombre y la máquina: Logros de ajedrez y ajedrez Pensamiento", en Peter Frey, ed,. AjedrezHabilidad en el hombre y la máquina .

34. Un examen útil de la psicología del jugador de ajedrez, a la luz de los resultados de los programas de ajedrez se da en Brad Leithauser, "Computer Chess," New Yorker , 9 de mayo de 1987, pp 41-73. Ver también el artículo de Hearst, citado en la nota 33.

35. Un excelente estudio está en Geoffrey C. Fox y Paul C. Messina, "Advanced Computer Arquitecturas," Scientific American , octubre de 1987, pp 66-74. La intensa actividad de investigación es evidente por Richard Miller (director del proyecto), ópticos Computadoras: La próxima frontera en Informática , vols.1 y 2 (Englewood, NJ: Análisis Técnico, 1986).

36. Incluso los programas de la primera de damas fueron bastante buenos. Ver Pamela McCorduck, máquinas que la piensa, pp.152-153.

37. HJ Berliner, "Programa de ordenador Backgammon Beats Campeón del Mundo," Inteligencia Artificial 14, no.1 (1980).

38. Ver HJ Berliner, "Computer Backgammon", Scientific American , junio de 1980.

39. El número de movimientos posibles en cada punto se estima en 200 para ir. Véase E. Thorp y WE Walden, "Un Estudio Asistido por Computador de Go en M por N Boards", en RB Banerji y MD Mesarovic, eds,. Enfoques teóricos para no numérica Resolución de Problemas (Berlin: Springer-Verlag, 1970 ), pp 303-343.

40. Un primer esfuerzo en marcha se describe en W. Reitman y B Wilcox, "Reconocimiento de Patrones y Patrón Directed Inferencia en un Programa de Reproducción Go", en DA Waterman y F. Hayes-Roth, eds., patrón-DirectedInferencia Sistemas .

41. Como afirma John Laird, el caníbales y misioneros problema es, "Tres caníbales y tres misioneros quieren cruzar un río. Aunque todos ellos pueden fila, sólo tienen disponible un pequeñobote con capacidad para dos personas. La dificultad es que los caníbales no son fiables: si alguna vez superan a los misioneros en una orilla del río, van a matarlos. ¿Cómo se las arreglan los viajes en barco por lo que los seis llegar a salvo al otro lado? "

42. A. Newell, JC Shaw y HA Simon, "Exploraciones empíricos con la Teoría de la máquina lógica"(1957), reimpreso en EA Feigenbaum y J. Feldman, eds., Informática y Pensamiento , pp 109-133. Los resultados generales pueden verse en A. Newell, JC Shaw y HA Simon, "Un Informe sobrela resolución de problemas de programa", Actas de la Conferencia Internacional sobre Información

de Procesamiento (UNESCO, París, 1959), pp 256-264.

43. Cabe destacar que de los hermanos Dreyfus. Ver Hubert Dreyfus, lo que los ordenadores no puede hacer , 2 ª ed.

44. A. Newell y HA Simon, "GPS: un programa que simula el pensamiento humano", en EA Feigenbaum y J. Feldman, eds., Computadoras y Pensamiento , pp 71-105.

45. HA Simon y Allen Newell, "Resolución de problemas Heurística: El siguiente avance en la investigación de operaciones," Operaciones de Investigación . 6 (enero-febrero de 1958).

46. Algunos problemas se describen en Patrick H. Winston, Artificial Inteligencia , pp 146-154. Losresultados y las lecciones de GPS se detallan en A. Newell y HA Simon, Human Problem Solving.

47. Véase E. Feigenbaum y Avron Barr, El Manual de la Inteligencia Artificial , vol. 1, pp 123-138.

48. Un excelente artículo sobre la inteligencia y la computadora de ajedrez es A. Newell, JC Shaw yHA Simon, "Programas jugando al ajedrez y el problema de la complejidad" (1958), reimpreso en E. Feigenbaum y J. Feldman,Computadoras y Pensamiento

49. Vistas de Minsky sobre la inteligencia nos sirven bien aquí: Marvin Minsky, "¿Por qué la gente piensa en las computadoras no pueden," Tecnología Review, noviembre-diciembre de 1983, pp 64-70.

50. Formalmente se define en Marvin Minsky y Seymour Papert, Perceptrones , p. 12.

51. WS McCulloch y Pitts W., "Un cálculo lógico de las ideas inmanentes en Redes Neuronales", Boletín de la Matemática Biofísica 5 (1943).

52. Marvin Minsky y Seymour Papert, Perceptrones , pp 136-150.

53. Un excelente artículo introductorio sobre la historia y los logros de conexionismo es Jerome Feldman, "Conexiones", BYTE , abril de 1985, pp 277-284.

54. Esto se refleja en los informes provisionales emitidos por el Laboratorio de IA del MIT durante ese período.Véase, por ejemplo, Marvin Minsky, Seymour Papert, "Nuevo Progreso en Inteligencia Artificial," MIT Laboratorio de Inteligencia Artificial, AI nota 252, 1972.

55. Ver Douglas Hofstadter, Metamagical Themas , pp 274-292.

56. Algoritmos ampliamente aplicables son propensos a realizar débilmente en todos sus dominios. Ver Seymour Papert, "Uno AI o muchos," Dédalo, Invierno 1988.

57. Una encuesta reciente en Jack D. Cowan y David. H. Sharp "Neural Nets e Inteligencia Artificial", Daedalus , Invierno 1988, pp 85-121.

58. Documentos importantes sobre el trabajo reciente se ponen juntos en el estándar de referencia en el campo: DE Rumelhart, JL McClelland, y el Grupo de Investigación PDP, Parallel Distributed Processing .

59. Ver Marvin Minsky, "Modelos conexionistas y sus perspectivas", en David Waltz, ed,. Modelos conexionistas y sus implicaciones (Norwood, NJ: Ablex Publishing, 1988).

60. Esta selección se lleva a cabo en el estilo de "resumir" en la teoría de la sociedad. Ver Marvin Minsky, Sociedadde la Mente , p . 95.

61. Los árboles de decisión se han utilizado ampliamente en la Ciencia de la Administración. Para una introducción agradable, véase Howard Raiffa, Análisis de Decisiones: Conferencias de introducción (Reading, Mass.: Addison-Wesley).

62. Este es un punto bien llevado a cabo en Marvin Minsky, "¿Por qué la gente piensa en las computadoras no pueden," Tecnología de la opinión , noviembre-diciembre de 1983, pp 64-70.

63. Ver RC Schank y Abelson R., Scripts, planes, metas, y la Comprensión (Hillsdale, NJ: Erlbaum,Lawrence Associates, 1977).

64. Marvin Minsky, "Hablemos francamente sobre el Neurodesarrollo Epistemología," Actas de la Quinta Conferencia Internacional Conjunta sobre AI (Cambridge, Mass., 1977). El trabajo de Minsky culminó en un libro importante: Marvin Minsky, La sociedad de la mente .

65. Minsky, The Society of Mind, p. 17.

66. Para un bosquejo de la teoría de la sociedad, ver Marvin Minsky, "sociedad de la mente," Artificial InteligenciaDiario 1989.

67. Para los primeros trabajos relacionados, consulte Jerome Lettvin, H. Maturana, W. McCulloch yW. Pitts, "Lo que el ojo de la rana le dice a cerebro de la rana," Actas del IRE 47 (1959): 1940-1951. Este famoso artículo es reimpreso con otros documentos relacionados en Warren S. McCulloch, las realizaciones de la Mente . Véase también: WS McCulloch y Pitts W., "Un cálculo lógico de las ideas inmanentes en Redes Neuronales", Boletín de la Matemática Biofísica 5 (1943 ), reimpreso en Warren S. McCulloch, las realizaciones de la Mente .

68. Jerome Lettvin, H. Maturana, W. McCulloch y W. Pitts, "Lo que el ojo de la rana Tells cerebro de la rana", Actas del IRE 47 (1959): 1940-1951.

69. John McDermott, "R1: Un Configurer basada en reglas de Sistemas Informáticos," Artificial Inteligencia 19, no. 1 (1982). Véase también John McDermott, "XSEL: Asistente A de ordenador Vendedor", en J. Hayes, D. Michie, y YH Pao, Máquina Inteligencia 10 (Nueva York: Halsted, Wiley, 1982).

70. PH Winston y KA Prendergast, eds., El AI Negocios, pp 41-49, 92-99.

71. Un caso fuerte para el uso de computadoras en gran medida como conformadores de entorno social se encuentra en Terry Winograd y Fernando Flores, Comprensión Computadoras y Cognición: A New Foundation for Design.

72. Ver Seymour Papert, "Uno AI o muchos?" Daedalus, invierno 1988, p. 7.

73. Un esfuerzo a gran escala que se toma en serio este problema se describe en D. Lenat, M. Pastor, y M. Prakash, "CYC: Usando el sentido común de conocimientos para superar la fragilidad y el Conocimiento Adquisición cuellos de botella", AI Magazine, Winter 1986.

74. Un relato agradable de la genética, la evolución y la inteligencia está en Carl Sagan, Los Dragones del Edén.

75. Los informes originales de Crick y Watson, sorprendentemente legible, se pueden encontrar en James A. Peters, editor,. Documentos Classic en Genética (Englewood Cliffs, NJ: Prentice-Hall, 1959). Un relato apasionante de los éxitos y fracasos que condujeron a la doble hélice se da en JD Watson, The Double Helix.

76. La estructura y el comportamiento del ADN y el ARN se describen en: Felsenfeld Gary,

"ADN", Scientific American, octubre de 1985. Y James Darnell, "ARN", Scientific American, octubre de 1985.

77. Un relato fascinante de la nueva biología se da en Horace Judson F., El octavo día de la Creación.

78. GL Stebbins y FJ Ayala: "La evolución del darwinismo", Scientific American, julio 1985, p. 73.

Roots Mecánicas

1. Véase J. David Bolter, hombre de Turing: la cultura occidental en el Computer Age, pp . 17-24. Bolter ilustra el mecanismo de cálculo astronómico se describe en detalle en Derek J. de Solla Price, "Una Computadora griego antiguo," Científico Americano, junio de 1959, pp 60-67, ver también Derek J. de Solla Price, Engranajes de los griegos : El Mecanismo de Antikythera-A Calendario ordenador desde circa 80 B. C . autómatas temprana y su relación con AI se discuten enel popular 1979 la historia de Pamela McCorduck de la investigación en IA, Máquinas que piensan, capítulo 1. Otra fuente útil y animado es de John Cohen Humanos Robots en el mito y la ciencia .Quizás las mejores fuentes detalladas sobre los autómatas a través de las edades son Derek J. de Solla Price, "Autómatas y los Orígenes del Mecanismo y mecanicista Filosofía," Tecnología y Cultura 5 ( 1964): 9-23, y Silvio Bedini, "El papel de los autómatas en la historia de la tecnología," Tecnología y Cultura 5 (1964): 24-42. Un volumen clásico con muchas ilustraciones es Alfred Chapuis y Edmond Droz, Autómatas: Una Histórico y Tecnológico de Estudio, trans. Alec Reid. Otto Mayr describe la importancia de los autómatas en la cultura europea en la Autoridad,Libertad, y las máquinas automáticas en la Europa moderna.

2. Para una historia general de las artes mecánicas véase C. Cantante, EJ Holmyard, AR Hall, y TI Williams, eds.,Una Historia de la Tecnología , y AP Usher, Una Historia de las invenciones mecánicas, 2 ª ed. Los interesados en las tecnologías antiguas deben consultar RJ Forbes, Studies inAncient Tecnología .

3. Price, "Autómatas y los orígenes del Mecanismo," p. 11. Otras obras importantes en tecnologías antiguas son AG Drachman, La mecánica Tecnología de la Antigüedad griega y romana , AP Neuberger, Las Artes Técnicas y Ciencias de los Antiguos, y KD Blanco, griega y romana Tecnología .

4. Price, "Autómatas y los orígenes del Mecanismo," p. 11. Joseph Needham describe el fascinante autómatas en China en la época de los presocráticos en su Ciencia y Civilización en China , vol. 2, pp 53-54, 516. La orquesta mecánica chino, que consta de doce figuras en bronce, también se describe en Needham Ciencia y Civilización en China ., vol. 4, p. 158. Descartes, quien estaba muy interesado en autómatas, describe en uno de sus cuadernos cómo reproducir la paloma de Arquitas. Ver Mayr, Autoridad, Libertad, y las máquinas automáticas , p. 63.

5. Mucho más de los androides, ver a Samuel L. Macey, relojes y el Cosmos: Tiempo de vida occidental y el pensamiento, ver también Carlo M. Cipolla, Relojes y Cultura, 1300-1700, y David S. Landes, Revolution in: Relojes y la formación del mundo moderno.

6. Bedini describe autómata de Torriano en "Autómatas en la historia de la tecnología," p. 32, dondeaparece como la figura 5. Para más información sobre P. Jacquet-Droz y Écrivain, ver de Bedini "Autómata", p. 39, y de MaceyRelojes y el Cosmos , pp 210-211. El hijo de P. Jacquet-Droz, Henri-Louis, creó un artista mecánico que dibujó flores y un músico que tocaba el clavecín. Él también hizo un par de manos artificiales para el hijo de un general, que había perdido sus propias manos en un accidente de caza. El éxito de Henri-Louis en esta empresa fue elogiado por el gran creador de autómatas Jacques de Vaucanson (1709-1782). Vea las entradas para Pierre Jacquet Droz-y Henri-Louis-Jacquet Droz en Nouvelle Biographie Générale , vol. 14 (Paris: Didot, 1868), pp 812-

813. Vaucanson fue quizás mejor conocido por su autómata de pato, que se comió, bebió, masticó, yse excreta. Ver Macey Relojes y el Cosmos , p. 210, y "Autómatas en la historia de la tecnología," de Bedini pp 36-37, que tiene un diagrama del mecanismo interno del pato (figuras 11 y 12). Cualquier persona interesada en Vaucanson debe ver a Michael Cardy, "La tecnología como Juego: El caso de Vaucanson," Stud. Voltaire Cent 18. 241 (1986): 109-123. En 1726 Jonathan Swiftdescribe una máquina que escribe automáticamente los libros, ver Eric A. Weiss, "Informática Máquina de Jonathan Swift," Anales de la Historia de la Computación 7 (1985): 164-165.

7. Martin Gardner, "El Ábaco: Primitive pero efectiva Digital Computer", Scientific American 222 (1970): 124-127; Parry H. Luna, El Ábaco : Su historia , su diseño, su Posibilidades en el Mundo Moderno, JM Pullan, La Historia del Abacus(Londres: Hutchinson, 1968).

8. Huesos o varillas de Napier se describen y representado en nosotros de Stan Augarten Bit por bit : An IllustratedHistoria de Computadoras , pp 9-10. Un tratamiento más detallado se puede encontrar en la RM Williams, "A partir de Napier a Lucas: El uso de los Huesos de Napier en Cálculo Instruments," Anales de la Historia de la Informática5 (1983): 279-296.

9. Una máquina de calcular anterior fue ideado por el gran pensador Wilhelm Shickard (1592-1635). Máquina de Shickard, y el desarrollo de Pascal del Pascaline se describen en la Augarten Bit por bit : An Illustrated Historia de Computadoras , pp 15-30. Una descripción más técnica se puede encontrar en René Taton, "Sur l'invención de la máquina de arithmetique," Revue d'histoire des Sciencies et de leurs aplicaciones 16 (1963): 139-160; Jeremy Bernstein, La MáquinaAnalítica : Computadoras - Pasado, Presente y Futuro , p. 40; Herman Goldstine, El ordenadorde Pascal a von Neumann , p. 7-8.

10. Blaise Pascal, Pensées (Nueva York: EP Dutton & Co., 1932), p. 96, no. 340.

11. La Pascaline, de los cuales tal vez diez o quince años se han vendido, no se vendió por una variedad de razones. Ver Augarten, Bit por bit , pp 27-30.

12. El Calculador escalonada, como Leibniz llamó a su máquina, empleó un equipo especial como un multiplicador mecánico. Ver Augarten, Bit por bit , pp 30-35, y Goldstine, El ordenador de Pascal a von Neumann , pp 7-9. La carrera de Morland se describe en la biografía de Henry W. Dickinson, Sir Samuel Morland, Diplomat y Inventor ,1625-1695.

13. . Brian Randell, ed, Los orígenes de las computadoras digitales: Selected Papers, p. 2.

14. Augarten, Bit por bit , p. 89.

15. Papel de Babbage se puede encontrar en HP Babbage, Motores Cálculo de Babbage , pp 220-222.

16. HP Babbage, Motores Cálculo de Babbage , pp 223-224. En Babbage y la Sociedad Astronómica, ver Anthony Hyman, Charles Babbage : Pionero del ordenador , pp 50-53.

17. Véase el capítulo 2 de la Augarten Bit por bit , lo que proporciona unas magníficas ilustraciones. La vida y la carrera de Babbage se tratan en detalle en Hyman Charles Babbage . JoelShurkin ofrece una cuenta viva del trabajo de Babbage en sus motores de la Mente : Una Historia de la Informática , en el capítulo 2. Una biografía recientemente publicada casi un siglo después de su terminación es HW Buxton, Memorias de la Vida y Trabajos de la tarde Charles Babbage , Lcdo., FRS ., ed. A. Hyman.

18. Allen G. Bromley, Introducción a HP Babbage, Motores Cálculo de Babbage , pp xiii-xvi; Bernstein, La Máquina Analítica , pp 47-57.

19. Augarten, Bit por bit , pp 62-63; Bernstein, La Máquina Analítica , p. 50; Hyman, Charles Babbage , p. 166.

20. Augarten, Bit por bit , pp 63-64. Babbage se describen las características de su máquina en "Sobre los Poderes Matemáticos del Motor de Cálculo", escrito en 1837 y reimpreso en el apéndice B de Hyman Charles Babbage .

21. Una biografía reciente es Dorothy Stein, Ada, una vida y una herencia.

22. Goldstine, el ordenador , p. 26.

23. Su traducción y notas se pueden encontrar en HP Babbage, Cálculo de Babbage Motores , pp 1-50.

24. El final de la vida solitaria de Babbage se describe con Hyman, Charles Babbage , capítulo 16.

25. Joel Shurkin, en los motores de la Mente , p. 104, describe la máquina de Aiken como "una máquina analítica electromecánico con el manejo de tarjetas de IBM." Para una historia concisa de la evolución de la Mark I, ver de Augarten Bit por bit , pp 103-107. I. Bernard Cohen ofrece una nueva perspectiva sobre la relación de Aiken a Babbage en su artículo "Babbage y Aiken," Anales de la Historia de la Informática 10 (1988): 171-193.

26. Cualquier persona con un interés serio en la historia de las calculadoras debe estar consciente delos siguientes dos clásicos: D. Baxandall, Cálculo de máquinas e instrumentos ., y Ellice Martin Horsburgh, ed, los instrumentos modernos y métodos de cálculo: Un Manual de la celebración del tricentenario de Napier Exposiciones. Algunas de las calculadoras y máquinas de tabulación de la década de 1940 se describen en Charles y Ray Eames, Un Ordenador Perspectiva, págs 128-159. Una breve historia pictórica de máquinas calculadoras se puede encontrar en George C. Chase, "Historia de la Mecánica Computing Machinery," Anales de laHistoria de la Computación 2 (1980): 198-226. Dos fuentes importantes de la historia de la informática, además de los Anales , son N. Metropolis, J. Howlett, y Gian-Carlo Rota, eds., Una Historia de la Computación en el sigloXX , y Brian Randell, Los Orígenes de Digital Computers.

27. Véase el capítulo 3 de la Augarten Bit por bit , y de Eames Un Ordenador Perspectiva, págs 16-17, 22-30.

28. Augarten, Bit por bit , pp . 78-83; Randell, Orígenes , p. 28.

29. Shurkin, Motores de la Mente , p. 94; Augarten, Bit por bit , p. 82; Eames, Un Ordenador Perspectiva , p. 39. La vida y la obra de Burroughs se describen en Molly Gleiser, "William S. Burroughs," Computer Decisions, marzo de 1978, pp 34-36.

30. En 1913 la Burroughs Adding Machine Company tenía $ 8 millones en ventas, según de Augarten Bit por bit , p.82.

31. El legado de la crisis censo se describe en detalle en LE Truesdell, El desarrollo de la tarjeta desacador de Tabulación de la Oficina del Censo , 1890-1940 (Washington DC: Oficina de Imprenta del Gobierno, 1965).

32. Ver biografía de Geoffrey D. austriaco, Herman Hollerith: Recordar gigante de la Información Procesamiento , pp 50-51. Shurkin, en los motores de la Mente , en el capítulo 3, ofrece un relato muy legible y conciso de Hollerith y su obra censo.

33. Austriaco, Herman Hollerith, pp 16-17, 51; Augarten, Bit por bit , p. 75.

34. Austriaco, Herman Hollerith, pp 63-64.

35. Sistema de Hollerith para el censo de 1890 es similar a uno que describió en un artículo de 1889, "Un sistema de tabulación eléctrica", extractos de la cual se reproduce en Randell, Orígenes , pp 129-139. Véase también la discusión de Randell del trabajo de Hollerith, pp 125-126.

36. Según Augarten en Bit por bit , p. 77, la Oficina del Censo fue capaz de dar un total preliminar población de 62.622.250 sólo seis semanas después de que todos los datos llegados a Washington.

37. Austriaco, Herman Hollerith , p. 153.

38. Shurkin, Motores de la Mente , pp 78-82; austriacos, Herman Hollerith, capítulo 13.

39. Austriaco, Herman Hollerith, p. 176 y ss.

40. Véanse los capítulos 20 y 21 en austríaca, Herman Hollerith, así como Shurkin, Motores de la Mente , p. 86.

41. Austriaco, Herman Hollerith, p . 312.

42. Shurkin, Motores de la Mente , pp . 91-921; Augarten, Bit por bit , pp 177-178; austriacos, Herman Hollerith, pp329. La carrera de Thomas Watson se revisa en Augarten, Bit por bit , 168ff pp.

43. Shurkin, Motores de la Mente , p. 92. Consulte la sección "El ascenso de IBM," el capítulo 25, en el de Austria,Herman Hollerith, y "La rebelión de IBM", capítulo 6, en el de Augarten Bit por bit . Véase también Charles J. Bashe, Lyle R. Johnson, John H. Palmer, y EmersonW. Pugh, IBM primeras computadoras 's.

44. Augarten, Bit por bit , pp 217-223. Shurkin examina las relaciones entre IBM y sus competidores en los motores de la Mente , pp 260-279.

45. Aiken es citado en Bernstein, La Máquina Analítica , p. 62.

46. Bernstein, La Máquina Analítica , p. 73.

Roots electrónicos

1. Los escritos de estos primeros pensadores son particularmente perspicaz con respecto a lo que significa calcular. Algunas obras representativas son HP Babbage, "la Máquina Analítica de Babbage," Nota Mensual de la Real Sociedad Astronómica 70 (1910): 517-526, 645. George Boole, Una Investigación de las Leyes delPensamiento sobre los que se fundamenta la teorías matemáticas de la lógica y las probabilidades :; Bertrand Russell, (Perú, III Open Court Publishing Co., 1952.) Principios de Matemáticas , 2 ª ed, y h. . Hollerith, "La tabulación de la máquina eléctrica," Diario de la Royal Statistical Society 57, no. 4 (1894): 678-682. Para una descripción detallada de las contribuciones de Burroughs, científico y comercial, véase B. Morgan, total acumulado: La Evoluciónde la adición de la máquina .

2. La afirmación de Zuse es apoyado por las solicitudes de patente que presentó. Ver, por ejemplo, K. Zuse, "Verfahren zur Selbst Atigen Durchfurung von Rechnungen mit Hilfe von Rechenmaschinen," solicitud de patente alemana Z23624, 11 de abril de 1936. Extractos traducidos,titulado "Métodos para la ejecución automática de los cálculos con la ayuda de computadoras," aparecen en Brian Randell, Los Orígenes de Digital Ordenadores , pp 159-166.

3. De una entrevista con Computerworld revista. Publicado en La Historia de la Computación en 1981 por CW Comunicaciones, Framingham, Mass. entrevistadores de la revista eran lo

suficientemente emprendedora para localizar Zuse en Hunfeld, Alemania, (donde vive actualmente) y producen una entrevista interesante.

4. Ene Lukasiewicz desarrolló dos anotaciones relacionadas, cada una destinadas a aliviar ciertos aspectos de la representación y la computación en la lógica matemática. Véase Donald Knuth, El Arte de ordenador Programación , volumen 1, Algoritmos Fundamentales, 2 ª edición (Reading, Mass.: Addison-Wesley, 1973), p. 336.

5. Una descripción de tres páginas de un ordenador electromecánico propósito especial que se utiliza para procesar los datos de volar ala de la bomba se da en K. Zuse, "Rechengerate für Flugelvermessung," memorándum privado, 10 de septiembre de 1969.

6. La carga se hace fuerte por Rex Malik en Y mañana ... el mundo (Londres: Millington, 1975).

7. 1.980 tesis doctoral de Pablo Ceruzzi nos da una cuenta detallada de las cuotas de Zuse a la tecnología informática y las coloca en el contexto adecuado. Paul E. Ceruzzi, "La Prehistoria de la calculadora numérica, 1935-1945:. Un estudio Cross-Cultural" Universidad Tecnológica de Texas, 1980.

8. La propia declaración de Zuse en su vida y en sus computadoras (con muchos detalles de construcción) aparece en Konrad Zuse, Der Computer -Mein Lebenswerk (Berlin: Verlag Moderne Industrie, 1970). Más recuerdos recientes aparecen en Konrad Zuse, "Algunas observaciones sobre la historia de las computadoras en Alemania", en N. Metropolis, J. Howlett, y G. C Rota, eds., Una Historia de la Computación en el siglo XX, pp 611-628.

9. John E. Savage, Susan Magidson, y Alex M. Stein, The Mystical Machine , pp 25-26.

10. Ver Andrew Hodges, Alan Turing :. El Enigma biografía de Hodges, ahora un estándar de referencia en la vida de Turing, da una cuenta original de los ordenadores de tiempo de guerra de Turing.

11. Para una cuenta de ingeniería del proyecto Colossus, véase B. Randell, "El Coloso", reimpreso en N. Metropolis, J. Howlett, y G. C Rota, eds., Una Historia de la Computación en el siglo XX .

12. Un excelente conjunto de breves biografías de los pioneros de la informática, entre ellos uno de Aiken, se puede encontrar en Robert Slater, retratos en silicio .

13. Ver Andrew Hodges, Alan Turing : The Enigma .

14. Ver Cuthbert Hurd, "Desarrollo de la Computación en IBM," en N. Metropolis, J. Howlett, y GC Rota, eds., UnaHistoria de la Computación en el siglo XX, pp 389-418. El papel de IBM en el desarrollo de estos primeros ordenadores se cubre en Charles Bashe et al., IBM primeras computadoras 's . Este libro detallado tiene éxito en mostrar cómo agotar un esfuerzo intelectual y físico que era para construir computadoras.

15. La Historia de la Informática (Framingham, Mass.: CW Communications, 1981), p. 52.

16. Grace Hopper se lleva a cabo como un fuerte, dedicado, e intelectual inspirador en la biografía de Robert Slater en Slater , Retratos en silicio .

17. John E. Savage, Susan Magidson, y Alex M. Stein, The Mystical Machine , p. 30.

18. Para una breve visión general de los principios y de la construcción de ENIAC y las lecciones aprendidas en las palabras de los propios diseñadores, véase J. Presper Eckert, "La ENIAC", y John W. Mauchly, "El ENIAC." Ambas piezas aparecen en N . Metropolis, J. Howlett, y G. C Rota, eds.,

Una Historia de la Computación en el siglo XX, pp525-540, 541-550.

19. El juicio llevado a cabo miles de páginas de material sobre las primeras computadoras, valiosos para el historiador ordenador. Conclusiones del juez Larson se registran en ER Larson, "Determinación de Hechos, FJ, y Orden de Juicio," Archivo no. 4-67, civ. 138, Honeywell Inc. contra Sperry Rand Corp. e Illinois Scientific Development, Inc., Tribunal de Distrito de EE.UU., Distrito de Minnesota, Cuarta División, 19 de octubre de 1973.

20. Una descripción de la máquina y sus aplicaciones se da en JV Atanasoff, "Informática Máquina para la solución de los grandes sistemas de ecuaciones algebraicas lineales," Ames, Iowa: Iowa State College, 1940. Reeditado en Brian Randell, ed,. Los orígenes de Digital Ordenadores: Papeles seleccionados (Berlín: Springer-Verlag, 1973), pp 305-325.

21. El concepto de programa almacenado ha demostrado ser una de las más sólidas en la informática. Para una historia de su desarrollo y ejecución, y también para un análisis claro de la experiencia ENIAC, véase Arthur Burks, "De ENIAC al Programa almacenado: Dos revoluciones en Informática", en N. Metropolis, J. Howlett, G. C Rota, eds.,Una Historia de la Computación en el siglo XX, pp 311-344.

22. Para una explicación lúcida de la idea de programa almacenado, véase John E. Savage, Susan Magidson, y Alex M. Stein, The Mystical Machine , pp 31-32, 58-62.

23. El entusiasmo de estos desarrollos es capturado hábilmente en la autobiografía de Wilkes: Maurice Wilkes,Memorias de un ordenador Pioneer (Cambridge: MIT Press, 1981).

24. Para el papel de la investigación y el desarrollo en el auge de IBM, consulte Charles Bashe et al., IBM 's primeras computadoras ,

25. Alan M. Turing, "Computing Machinery and Intelligence" Mind 59 (1950): 433-460.

26. Pamela McCorduck, Máquinas que piensan (San Francisco: WH Freeman, 1979), pp 93-102.

27. Von Neumann hizo hincapié en las diferencias entre el sistema nervioso y el equipo de "The General y Teoría de la lógica de los autómatas," en LA Jeffress, ed,. cerebral Mecanismos de Conducta (Nueva York: John Wiley & Sons, 1951). Él no ve cómo estos dos se pueden hacer para ser funcionalmente equivalente.

28. Un libro se publicó póstumamente, sin embargo: J. von Neumann, el ordenador y el cerebro (New Haven: Yale University Press, 1958).

29. Norbert Wiener, Cibernética (Cambridge: MIT Press, 1943).

30. Wiener es un escritor delicioso: las mejores biografías de él son tal vez la suya. Ver Norbert Wiener, Ex-Prodigy(Cambridge: MIT Press, 1963) y Norbert Wiener, soy un matemático (Boston: Houghton Mifflin, 1964).

31. Wiener le gusta creer que la vida subyacente medio no era la energía, pero la información. Para un relato de cómo esto motivó que muchos de los proyectos de la salchicha de Frankfurt, véase la excelente biografía de Steve Heims, John von Neumann y Norbert Wiener: De Matemáticas para las Tecnologías de la Vida y la Muerte(Cambridge: MIT Press, 1980).

32. Muchos de los resultados de Fredkin vienen de estudiar su propio modelo de cálculo, lo que refleja de manera explícita una serie de principios fundamentales de la física. Véase el clásico de Edward y Tommaso Toffoli Fredkin, "conservador Logic" International Journal of Theoretical Física 21, nos. 3-4 (1982).

33. Un conjunto de preocupaciones acerca de la física de la computación analítica similares a los de Fredkin de se puede encontrar en Norman Margolus, "Física y Computación", Ph.D. tesis, MIT.

34. En su provocador libro La venida de sociedad postindustrial , sociólogo de Harvard Daniel Bell introduce la idea de que la codificación del conocimiento se está convirtiendo en el centro de la sociedad. En la quinta generación(Reading, Mass.: Addison-Wesley, 1983), Edward Feigenbaum y Pamela McCorduck discutir la realidad inminente de tal sociedad.

35. Ver Norbert Wiener, Cibernética .

36. El analizador diferencial y otras máquinas computadoras analógicas se describen en el capítulo 5 de Michael Williams, Una Historia de la Computación Tecnología (Englewood Cliffs, NJ: Prentice-Hall, 1985). Propia cuenta del equipo de Bush se presenta en "El analizador diferencial", Revista del Instituto Franklin 212, no. 4 (1936): 447-488.

37. Las desventajas de las computadoras analógicas se consideran en el capítulo 5 de Michael Williams, Historiade la Computación Tecnología (Englewood Cliffs, NJ: Prentice-Hall, 1985).

38. Ver Norbert Wiener, Cibernética .

39. Estas tendencias son de ritmo rápido. Ver Tom Forester, Alta Sociedad Tech (Cambridge: MIT Press, 1987).

40. Una explicación clara de la tecnología detrás del disco compacto aparece en John J. Simon, "'DeArena Circuitos y demás consultas", Harvard University Oficina de Tecnología de la Información, 1986.

41. Ver John J. Simon, "'De Arena Circuitos' y Otros Preguntas", Oficina de Tecnología de la Información de 1986 la Universidad de Harvard.

42. La estructura del transistor se explica con Stephen Senturia y Bruce Wedlock, Electronic Circuits and Applications(Nueva York: McGraw-Hill, 1983).

43. Ver Claude Shannon y Warren Weaver, La Teoría Matemática de la Comunicación (Urbana, III. University of Illinois Press, 1964).

44. En los últimos años un trabajo muy interesante que se ha hecho para averiguar cómo el cerebro procesa las entradas perceptivas. Para una muestra del pensamiento actual en la zona, ver a Ellen Hildreth y Christof Koch, "El análisis del movimiento visual: De la Teoría Computacional de Neural Mechanisms," Laboratorio de Inteligencia Artificial del MIT, memo AI no. 919, 1986.

45. Una obra clara y técnicamente precisa sobre la revolución en la música producida por la representación de la música en forma digital se presenta en la comprensión de Computadoras: entrada, salida, (Alexandria, Virginia: Time-Life Books, 1986).

46. Haugeland aclara muchos temas por tratar de formalizar nuestras intuiciones. ¿Qué significa cuando decimos que la mente es una computadora? pide Haugeland en Inteligencia Artificial : La Idea Muy.

47. Alan Turing, "Computing Machinery and Intelligence" Mind 59 (1950): 433-460 (reimpreso en E. Feigenbaum y J. Feldman, Computadoras y Pensamiento ) . Norbert Wiener, Cibernética o Control y Comunicación en el animal y la máquina . Warren McCulloch y Walter Pitts, "Un cálculo lógico de las ideas inmanentes en la actividad lógica,"Boletín de Matemática Biofísica , 5 (1943): 115-137. Claude Shannon, "Programación de un ordenador digital para Jugar Ajedrez," Filosofía Revista 41 (1950): 356-375. Un documento relacionado, más favorable a la

persona común, es "jugador de ajedrez automático", Scientific American , octubre de 1950, p. 48.

48. Véase A. Newell, JC Shaw y HA Simon, "Programación de la Teoría de la máquina lógica", Actas del Conjunto de Occidente Computer Conferencia, 1957, pp 230-240.

49. Véase A. Newell, JC Shaw y HA Simon, "empíricos Exploraciones de la Teoría de la máquina lógica", Actas del Conjunto de Occidente Computer Conferencia , 1957, pp 218-239.

50. Las amplias técnicas de la Teoría de la máquina lógica se generalizaron en el GPS. Esto se describe en A. Newell, JC Shaw y HA Simon, "Informe sobre el Programa General de Solución de Problemas", reimpreso en E. Feigenbaum y J. Feldman, eds., Computadoras y Pensamiento . Newell y Simon continuó sus estudios y resumió sus resultados en Human Problem Solving , que puso menos énfasis en la implementación de equipo real de sus ideas.

51. A. Newell y HA Simon, "Solving heurístico Problema: El siguiente avance en la investigación de operaciones,"Diario de Operaciones de Investigación Society of America 6, no. 1 (1958), reimpreso en Herbert Simon, Modelos de racionalidad limitada , vol. 1, Economic Análisis y Políticas Públicas (Cambridge MIT Press, 1982).

52. En particular, los hermanos Dreyfus. Ver Hubert Dreyfus, lo que los ordenadores no puede hacer , 2 ª ed.

53. De hecho, la predicción sobre el ajedrez aún no se ha hecho realidad. El Premio Fredkin irá al primer equipo para convertirse en campeón mundial de ajedrez. Programa corrector de Samuel no fue escrito específicamente como un programa de juego de papeles, sino como un ejercicio de aprendizaje automático. Ver Arthur L. Samuel, "Algunos estudios realizados en Aprendizaje Automático Uso del juego de damas", reimpreso en EA Feigenbaum y J. Feldman, eds., Computadoras y Pensamiento , pp 279-293.

54. Delicioso libro de McCorduck en la historia de la inteligencia artificial, máquinas que piensan , contiene un capítulo sobre la ya famosa Conferencia de Dartmouth.

55. Ver breve reflexión de Edward Feigenbaum sobre el Twenty y cinco años de la inteligencia artificial: "El Mensaje de AAAI Presidente," AI Revista , Invierno 1980-1981.

56. La versión más mencionados es Marvin Minsky, "Pasos hacia la Inteligencia Artificial", en EA Feigenbaum y J. Feldman, eds., Computadoras y Pensamiento , pp 406-450.

57. LISP fue originalmente introducido en una serie de notas en el Laboratorio de Inteligencia Artificial del MIT.Mucho de esto se abrió camino en las publicaciones oficiales. Ver John McCarthy, "Funciones recursivas de expresiones simbólicas y su cómputo por la máquina, Parte I," Comunicaciones de la ACM 3, no. 4 (1960). El lenguaje de pronto se convirtió en lo suficientemente popular como para McCarthy para publicar un manual: John McCarthy, PW Abrahams, DJ Edwards, TP Hart, MI y Levin, LISP 1.5 Manual del programador (Cambridge: MITPress, 1962). Ver Pamela McCorduck, Máquinas que piensan , pp 97-102.

58. Daniel Bobrow, "Entrada de lenguaje natural para un problema de la computadora Solución de sistema" en Marvin Minsky, Semántica Información Processing , pp 146-226.

59. Thomas Evans, "Un programa para la Solución de Geometric-Analogía preguntas de la prueba de inteligencia", en Marvin Minsky, Semántica Información Processing , pp 271-353.

60. Este trabajo se describe en R. Greenblatt, D. Eastlake, y S. Crocker, "El Programa de Ajedrez Greenblatt," MIT Laboratorio de Inteligencia Artificial, memo AI 174, 1968. El programa derrotó a

Hubert Dreyfus, que dudaban de una vez firmemente que un programa de ajedrez podría igualar incluso un jugador humano amateur.

61. Las lecciones de DENDRAL se registran y analizan en Robert Lindsay, Bruce Buchanan, Edward Feigenbaum y Joshua Lederberg, Aplicaciones de la Artificial Inteligencia de Química Inferencia: La DENDRAL Proyecto (Nueva York: McGraw-Hill, 1980). Una breve y clara explicación de los mecanismos esenciales detrás DENDRAL se da en Patrick Winston, Inteligencia Artificial (1984), pp 163-164, 195-197.

62. Mucho se ha escrito acerca de ELIZA, pero la cuenta más clara de cómo funciona ELIZA es del propio Weizenbaum: "ELIZA-Programa informático para el Estudio de la Comunicación del Lenguaje Natural entre el hombre y la máquina," Communications of the ACM 9 (1966): 36 - 45. ELIZA ha, por supuesto, atrajo a numerosas críticas, muchas de las cuales fueron expresadas primero por el propio Weizenbaum. See.Hubert Dreyfus, lo que las computadoras no pueden hacer .

63. Durante muchos años SHRDLU se citó como un logro importante de la inteligencia artificial. La tesis de Winograd ha sido publicado en forma de libro: Comprensión del Lenguaje Natural (Nueva York: Academic Press, 1972). Una breve versión aparece como "Un Modelo de Procedimiento de Pensamiento y Lenguaje", en Roger Schank y Kenneth Colby, eds,. Informática Modelos de Pensamiento y Lenguaje (San Francisco: WH Freeman, 1973).

64. Minsky y Papert señalan que estos ejemplos de juguetes ofrecen muchas abstracciones importantes para su posterior análisis. Ver Marvin Minsky y Seymour Papert, "Inteligencia Artificial Informe de Progreso", MIT Laboratorio de Inteligencia Artificial, AI nota 252, 1973.

65. Warren McCulloch y Walter Pitts, "Un cálculo lógico de las ideas inmanentes en la actividad lógica," Boletín deMatemática Biofísica 5 (1943): 115-137. La obra clásica de Rosenblatt es Principios de Neurodinámica (Nueva York: Spartan Libros, 1962).

66. Minsky y Papert trazan gran parte de esta controversia y de la historia, con detalles técnicos, en el prólogo y el epílogo de la edición revisada de su libro, publicado en 1988.

67. Esta tendencia se explica y alabado en Edward Feigenbaum, "El arte de la Inteligencia Artificial: Temas y Estudios de Caso en Ingeniería del Conocimiento," Quinta Conferencia Internacional Conjunta sobre ArtificialInteligencia , 1977.

68. El enfoque fue convincente a la luz de lo que podía hacer. Vea los papeles en E. y J. FeigenbaumFeldman,ordenador y Pensamiento .

69. Representación del conocimiento ha sido y continúa siendo una importante área de investigación de la inteligencia artificial. Véase R. Brachman y H. Levesque, eds,. Lecturas en Representación del Conocimiento (Los Altos, California: Morgan Kaufman, 1986).

70. La escena del restaurante es un ejemplo popular de scripts como un medio de representación delconocimiento. Los scripts se llevaron a cabo como un plan de gran alcance para el razonamiento en R. Schank y Abelson R., Scripts, Planes, Metas y Entendimiento (Hillsdale , NJ: Lawrence ErlbaumAssociates, 1977).

71. El trabajo de Minsky en los marcos es uno de los más citados en la IA. La forma más completa por escrito de la teoría es Marvin Minsky, "Un marco para la representación del conocimiento," MIT Laboratorio de Inteligencia Artificial, AI nota 304, 1974.

72. Véase R. Schank y Abelson R., Scripts, Planes, Metas y Entendimiento (Hillsdale, NJ: Lawrence Erlbaum Associates, 1977).

73. Una excelente introducción a la tecnología y las aplicaciones de los sistemas expertos es F. Hayes-Roth, DA Waterman, y DB Lenat, eds,. Sistemas Expertos Building (Reading, Mass.: Addison-Wesley, 1983).

74. Algunos sistemas expertos famosos son descritos por los propios creadores en F. Hayes-Roth, DA Waterman, y DB Lenat, eds,. Sistemas Expertos Building (Reading, Mass.: Addison-Wesley, 1983).

75. Véase Edward Feigenbaum y Pamela McCorduck, la quinta generación .

76. La inteligencia artificial está empezando a tener un efecto importante en la productividad de muchas organizaciones. Este fenómeno se explora en Edward Feigenbaum, Pamela McCorduck, y Penny Nii, El ascenso de la Compañía de Expertos (Reading, Mass.: Addison-Wesley, 1989).

Reconocimiento de Patrones: La Búsqueda de la Orden

1. Un excelente tratamiento de la función de las imágenes y representaciones "holísticos" en la cognición se puede encontrar en Ned Block, ed,. Imagery (Cambridge: MIT Press, 1981).

2. Ver Newell y análisis de Simon de juego de ajedrez humano en Allen Newell y Herbert Simon, Human Problem Solving (Englewood Cliffs, NJ: Prentice-Hall, 1972).

3. Un ensayo de especial relevancia para la discusión aquí es Zenon Pylyshyn, "Imágenes e Inteligencia Artificial", en CW Savage, ed,. Percepción y Cognición: Problemas en los Fundamentos de Psicología , Ciencias de Minnesota en la Filosofía de la Ciencia, vol. 9 (Minneapolis: University of Minnesota Press, 1978).

4. La imaginación es una habilidad que se desarrolla con la edad. Experimentos de Piaget muestran que para el lactante (hasta una cierta edad), un objeto que no está visible no existe. Véase J. Piaget, Play, Dreams, e imitación en la infancia (Nueva York: WW Norton, 1951).

5. Esta técnica es simple, pero sorprendentemente potente y se ha utilizado ampliamente en los programas de IA.Ver Patrick H. Winston, Inteligencia Artificial , pp 159-167.

6. Una clara introducción a los problemas y los procedimientos esenciales en la visión de la máquina aparece en el capítulo 10 del libro de texto clásico de Patrick H. Winston, Inteligencia Artificial .

7. Esta y otras técnicas para identificar los bordes son revisados en L. Davis, "un estudio de las técnicas de detección de borde," Computer Graphics and Image Processing 4 (1975): 248-270. Unarevisión más detallada aparece en Azriel Rosenfeld y Avinash Kak, digital Procesamiento de imágenes (Nueva York: Academic Press, 1976).Un resumen más reciente de los resultados, incluyendo el trabajo de John Canny, es Ellen Hildreth, "Detección de bordes," MIT Laboratorio de Inteligencia Artificial, AI nota 858, 1985.

8. El uso de cruces por cero en estéreo para aislar los bordes se introdujo en David Marr y Poggio Tomaso, "Una teoría de la visión estéreo Humano", Actas de la Royal Society de Londres, 204 (1979). El uso de cruces por cero también se trató en la obra de Ellen Hildreth: "La detección de los cambios de intensidad por ordenador y Biológica Vision Systems," Computer Vision, gráficos y procesamiento de imágenes 23 (1979). Tratándose de eficiencias más recientemente incorporados,véase John Canny, "Búsqueda de bordes y líneas en imágenes", MIT Laboratorio de Inteligencia Artificial, informe técnico 720, 1983.

9. Falso hipótesis puede ser corregido también por algunas de las técnicas que se detallan en LS Davis, "un estudio de las técnicas de detección de borde," Computer Gráficos y procesamiento de

imágenes 4 (1975): 248-270.También ver a Ellen Hildreth, "Detección de bordes," MIT Laboratoriode Inteligencia Artificial, AI nota 858, 1985.

10. Hubel y Wiesel son responsables de muchos de los aspectos importantes de nuestro conocimiento actual sobre los mecanismos biológicos de la visión. Llevaron a cabo muchos experimentos imaginativos para revelar la estructura y la descomposición funcional de la corteza. Notable es el descubrimiento de la presencia de neuronas de detección de bordes. Ver DH Hubel y Wiesel TN, "Arquitectura Funcional del mono macaco de la corteza visual,"Diario de Fisiología 195 (1968): 215-242. Un fascinante libro escrito para el lego como unaintroducción al procesamiento de la visión del cerebro es David Hubel, ojos, cerebro , y Visión.

11. Para más detalles sobre los aspectos computacionales de la recuperación de datos de superficies a partir de imágenes por medio del filtrado de sombrero y otras técnicas relacionadas, vea W. Eric L. Grimson, desde imágenes a superficies (Cambridge: MIT Press, 1981).

12. Un artículo esclarecedor sobre las capacidades computacionales del ojo para el procesamiento de imágenes es Tomaso Poggio, "Visión de Hombre y máquina," Scientific American , abril de 1984.

13. Ver Tomaso Poggio, "Visión de Hombre y máquina," Scientific American , abril de 1984.

14. David Marr es brillante en la fusión de los estudios de la biología y la visión artificial. Su clásico muy influyente, publicado póstumamente, es la visión . Un documento que resume de manera excelente y demuestra su enfoque computacional para la visión es D. Marr y HK Nishihara, "Procesamiento de la Información Visual: Inteligencia Artificial y el sensorio de la vista," Tecnología Review, octubre de 1978.

15. Ver Tomaso Poggio, "Visión de Hombre y máquina" Scientific American , abril de 1984.

16. La geometría de la estereopsis y la visión estéreo se examinan con mucha ST Barnard y MA Fischler, "Stereo Computacional desde la perspectiva de IU," Actas de la imagen Comprender Taller , 1981.

17. Bordes introducen limitaciones que reducen en gran medida el número de maneras dos imágenes pueden estar condensados. Sin tal procesamiento previo, juego sería extremadamente difícil. Consideremos, por ejemplo, la complejidad computacional de la fusión de los estereogramasal azar-punto. Véase David Marr, Visión , p. 9.

18. Para los detalles de estas técnicas, consulte RO Duda y PE Hart, Clasificación de patrones y análisis de la escena (New York: Wiley, 1973).

19. Véase W. Eric L. Carmesí, desde imágenes a superficies. Reconocimiento de objetos y el etiquetado es un problema difícil. Para el papel del conocimiento y modelos preconcebidos en este proceso, consulte Rodney Brooks, "basado en modelos de interpretación tridimensional de las imágenes bidimensionales," Actas de la Séptima Conferencia Internacional Conjunta sobre Artificial Inteligencia , 1981. Cilindros generalizadas se utilizan con frecuencia como representaciones intermedias de objetos. Véase D. Marr y HK Nishihara, "Información Visual de ejecución: Inteligencia Artificial y el sensorio de la vista," Tecnología de la opinión , octubre de 1978.

20. La naturaleza paralela de los procesos computacionales que constituyen la visión temprana se examina en un excelente artículo de revisión: Tomaso Poggio, Vincent Torre, y Christof Koch, "Visión Computacional y Regularización Theory," Naturaleza , 26 de septiembre de 1985. El papel de los cálculos analógicos también se discute allí.

21. Para algunas lecciones que la evolución ofrece para las estrategias en la inteligencia artificial, Rodney Brooks ver, "La inteligencia sin la representación", Inteligencia Artificial , 1989.

22. Este punto se lleva a cabo con especial elegancia en Dana Ballard y Christopher Brown, "Visión: Biología retos tecnológicos", BYTE , abril de 1985.

23. La estructura de la máquina de conexión se describe de manera excelente, junto con algunas aplicaciones de visión artificial, en W Daniel Hillis, "La Máquina de la conexión" Scientific American , junio de 1987.

24. El papel de los cálculos analógicas en la visión se discute en Tomaso Poggio, Vincent Torte, y Christof Koch, "Computational Visión y Regularización Theory," Naturaleza , 26 de septiembre de 1985.

25. Las redes neuronales y los mecanismos correspondientes se han aplicado con bastante éxito en los problemas de visión. Para el trabajo en la visión temprana, véase DH Ballard, "Redes de parámetros: Hacia una teoría de bajo nivel de la visión," Inteligencia Artificial Diario 22 (1984): 235-267. Para los procesos de más alto nivel, ver D. Sabbah, "Cálculo con conexiones en el reconocimiento visual de objetos de Origami," Ciencia Cognitiva 9 (1985): 25-50.

26. Por ejemplo, las redes neuronales primeros fracasaron para determinar la conectividad de dibujos. La capacidad de las redes neurales más complejas para determinar la conectividad sigue siendo controvertido. Ver Marvin Minsky y Seymour Papert, Perceptrones , pp 136-150.

27. El manifiesto de los nuevos conexionistas es Parallel Distributed Processing, vols. 1 y 2, de David Rumelhart, James McClelland, y el Grupo de Investigación PDP. Capítulo 2 de este libro describe las nuevas estructuras de los nervios-net.

28. Marvin Minsky y Seymour Papert, Perceptrones , edición revisada., p. VII.

29. Los sistemas distribuidos, cuyos mecanismos de memoria y no se almacenan centralmente, peroen un gran espacio, son menos propensos a la degradación catastrófica. Las redes neuronales son nosólo paralelos sino también los sistemas distribuidos. Véase el capítulo 1 de la DE Rumelhart, JL McClelland, y el Grupo de Investigación PDP, Parallel Distributed Processing: Exploraciones en la microestructura de la Cognición , vol. 1.

30. Un excelente estudio de la adquisición de habilidades con algunas implicaciones para el procesamiento distribuido en paralelo es DE Rumelhart y Norman DA, "Simulación de un mecanógrafo Skilled: Un Estudio de Skilled Cognitivo-Motor Performance", Instituto de Ciencias Cognitivas, informe técnico 8102 de la Universidad de California, San Diego, 1981.

31. Esta objeción se articula en Hubert Dreyfus y Stuart Dreyfus, Mind Over Machine : El poder de Human intuición y experiencia en la Era de la Informática (New York: The Free Press, 1986), pp101-121.

32. Daniel Hillis señala que para muchos sistemas físicos que son inherentemente paralela, el flujo de fluido, por ejemplo, simplemente no es conveniente pensar en términos de procesos secuenciales. Del mismo modo, la lógica resulta ser un inconveniente para el análisis de, por ejemplo, procesos de principios de visión. Véase W. Daniel Hillis, "La Máquina de conexiones", Scientific American , junio de 1987.

33. Este enfoque multinivel, multiparadigma se sigue en la teoría de la sociedad de la mente. Ver Marvin Minsky, Lasociedad de la mente .

34. Descripciones de los niveles más altos tienen un menor volumen de información, pero

incorporan un mayor número de restricciones y requieren más amplio conocimiento sobre el mundofísico. Véase el capítulo 1 en David Marr, Vision.

35. Véase el apéndice de Marvin Minsky, La sociedad de la mente .

36. Para los desarrollos recientes en el diseño y fabricación de los chips, ver JD Meindl, "chips for Advanced Computing", Scientific American , octubre de 1987.

37. David Marr y Poggio Tomaso, "Cooperativa de Cálculo de Disparidad Stereo," Ciencia 194 (1976): 283-287.

38. Véase David Marr y Poggio Tomaso, "De Entender Computación para Entender Neural Circuito," Actas de la Royal Society de Londres , 1977, pp 470-488.

39. La tesis de Daniel Hillis sugiere áreas en las que el paralelismo debe ser explotada. Véase W. Daniel Hillis, The Connection Machine (Cambridge: MIT Press, 1985).

40. David Marr es responsable de estas representaciones importantes para el procesamiento de la visión. Los tres están claramente explicados en D. Marr y HK Nishihara, "Información Visual de ejecución: Inteligencia Artificial y el sensorio de la vista," Tecnología de la opinión , octubre de 1978.

41. La segmentación es una de las principales preocupaciones en la construcción del sistema de reconocimiento de voz de oídas. El problema se resolvió en parte mediante el uso de múltiples fuentes de conocimiento y múltiples expertos. Véase L. Erman, F. Hayes-Roth, V. Menor, y D. Raj Reddy, "los rumores-II Discurso Entender Sistema: La integración de los conocimientos para resolver la incertidumbre," Informática Encuestas 12, no. 2 (1980): 213-253.

42. Véase L. Erman, F. Hayes-Roth, V. Menor, y D. Raj Reddy, "los rumores-II Discurso Entender Sistema: La integración de los conocimientos para resolver la incertidumbre," Informática Encuestas 12, no. 2 (7980): 213-253.

43. Los primeros años de la inteligencia artificial vieron un montón de trabajo sobre reconocimientode caracteres.Pero los investigadores no podían realizar extensos experimentos en sus programas debido a la falta de potencia de los ordenadores. Ver WW Bledsoe y yo Browning, "Reconocimiento de Patrones y lectura por máquina," Actas de la oriental Joint Computer Conferencia de 1959. Un artículo más general es Oliver Selfridge y U. Neisser, "Reconocimiento de patrones por máquina", Scientific American , marzo de 1960, 60-68.

44. El sistema de oídas tiene una interesante aplicación de un gestor de este tipo. Ver L. Erman, F. HayesRoth, V. Menor, y D. Raj Reddy, "los rumores-II Discurso Comprensión del sistema:. Integrarconocimientos para resolver la incertidumbre" Encuestas Informática 12, no. 2 (1980): 213-253.

45. Para algunos puntos interesantes sobre el uso de múltiples expertos, véase Douglas Lenat, "Aplicaciones informáticas para Sistemas Inteligentes", Scientific American, septiembre de 1984.

46. Para las técnicas básicas para la comparación de plantillas, consulte RO Duda y PE Hart, Patrón Clasificación y Análisis de la escena (New York: Wiley, 1973).

47. Un tratamiento lúdico de la naturaleza de las fuentes y tipos de letra se presenta en el capítulo 13 de Douglas Hofstadter, Metamagical Themas .

48. Este conjunto de paradigmas se aplica con éxito en el sistema de rumores en el contexto de reconocimiento de voz. Véase L. Erman, F. Hayes-Roth, V. Menor, y D. Raj Reddy, "los rumores-II Discurso Entender Sistema: La integración de los conocimientos para resolver la

incertidumbre," Informática Encuestas 12, no. 2 (1980): 213-253.

49. Para más detalles sobre el proyecto, consulte Tomaso Poggio y el personal, "MIT Progreso en Comprensión de Imágenes," Actas del Taller Interpretación de Imágenes (Cambridge, Mass., 1988),pp 1-16.

50. El proyecto trata de incorporar lo que sabemos acerca de la naturaleza de la visión de computación en el cerebro, un tema tratado en Tomaso Poggio, Vincent Torre, y Christof Koch, "Computational Visión y Regularización Theory," Naturaleza , 26 de septiembre 1985.

51. Ver T. Poggio, J. Little, et al., "La visión artificial del MIT," Actas de la Interpretación de Imágenes Taller(Cambridge , Mass., 1988), pp 177-198.

52. Para el trabajo relacionado, ver Anya Hurlbert y Tomaso Poggio, "Máquinas de hacer (y de Inteligencia Artificial),"Dédalo, Invierno 1988.

53. El Terregator y algunos otros proyectos del grupo de Robótica de la Universidad Carnegie-Mellon se describen con Eric Lerner, "Robótica: El nacimiento de una nueva visión," Ciencia Compendio , julio de 1985.

54. Un artículo informativo sobre Carver Mead y sus chips especializados para el procesamiento de la visión es: Andrew Pollack, "chips que emulan la acción de la Retina", New York Times , 26 de agosto de 1987, p. D6.

55. Harry Newquist, ed, Tendencias AI '87:. Un informe anual amplio sobre la Inteligencia Artificialde la Industria (Scottsdale, Arizona: DM Data, 1987).

56. Consulte "Tecnología de ayudar en identificación de huellas dactilares, informes de EE.UU.," New York Times,04 de mayo 1987, p. A20.

57. Para una descripción de estos nuevos productos, consulte Wesley Iversen, "Fingerprint Reader Restringe el acceso a los terminales y PCs," Electrónica, 11 de junio 1987, p. 104.

58. Un muy buen trabajo de revisión sobre los sistemas de visión de Amnistía Internacional y sus aplicaciones industriales es Michael Brady, "Visión Inteligente", en W. Eric Grimson y Ramesh Patil, eds., AI en la década de 1980y más allá .

59. Harry Newquist, ed, Tendencias AI '87:. Un informe anual amplio sobre la Inteligencia Artificialde la Industria (Scottsdale, Arizona: DM Data, 1987).

60. Un artículo de fondo sobre el papel de los sistemas inteligentes en la guerra moderna es J. Franklin, Laura Davis, Randall Shumaker, y Paul Morawski, "Aplicaciones Militares", en Stuart Shapiro ed., Enciclopedia de laInteligencia Artificial , vol. 1 (Nueva York: John Wiley & Sons, 1987).

61. La inteligencia de los aviones pilotados a distancia ofrece grandes posibilidades, como se puede ver a Peter Gwynne, "Los vehículos dirigidos por control remoto de Ingreso al Servicio," Alta Tecnología , enero de 1987, pp 38-43.

62. Los sistemas expertos, reconocimiento de patrones y otros tipos de sistemas de información médica se convertirá cada vez más utilizado en la medicina. Ver Glenn Rennels y Edward Shortliffe,"Computación Avanzada para la Medicina", Scientific American , octubre de 1987.

63. Un artículo bellamente ilustrada en la tecnología de imágenes médicas es Howard Sochurek, "Nueva Visión de la Medicina", National Geographic , enero de 1987, pp 2-41.

64. La propuesta de Schwartz creó expectación en el mundo del arte. Su investigación se describe en Lillian Schwartz, "Mona Lisa de Leonardo," Arte y Antigüedades , enero de 1987. Un breve, descripción más técnica aparece en el siguiente libro en las computadoras y el arte. Cynthia Goodman, digitales Visiones (Nueva York: HN Abrams, 1987), pp 41-43.

65. Para JB Watson, fundador del conductismo en América, el pensamiento era como hablar con uno mismo. Se concede gran importancia a los pequeños movimientos de la lengua y la laringe cuando uno está pensando. Ver JB Watson, el conductismo (Nueva York: Norton, 1925).

66. Los espectadores de la película My Fair Lady recordarán que la anatomía de la producción del habla es un tema importante para los fonéticos. Véase M. Kenstowicz y C. Kissebereth, generativo Fonología: Descripción y Teoría(Nueva York: Academic Press, 1979) y P. Ladefoge, Un Curso de Fonética , 2 ª ed. (Nueva York: Harcourt Brace Jovanovich, 1982).

67. La distribución del sonido es particular a cada idioma. Un importante estudio de Inglés es N. Chomsky y M. Halle, El Patrón de sonido de Inglés (Nueva York: Harper & Row, 1968).

68. Algunos problemas y procedimientos para el procesamiento auditivo temprano se presentan en S. Seneff, "Pitch and Spectral Analysis of Speech Basado en una perspectiva auditiva," Ph.D. tesis, MIT Departamento de Ingeniería Eléctrica, 1985.

69. Este tema se trata en JS Perkell y DH Klatt, eds,.. Variabilidad y invariancia en los procesos delhabla (Hillsdale, NJ: Erlbaum, Lawrence Associates, 1985).

70. H. Sakoe y S. Chita, "Un enfoque dinámico-Programación en Continuo de reconocimiento de voz," Actas del Congreso Internacional de Acústica , Budapest, Hungría, 1971, pp 206-213.

71. Este enfoque es seguido fielmente en la construcción del sistema de reconocimiento de voz de oídas. Véase L. Erman, F. Hayes-Roth, V. Menor, y D. Raj Reddy, "los rumores-II Discurso Entender Sistema: La integración de los conocimientos para resolver la incertidumbre," InformáticaEncuestas 12, no. 2 (1980): 213-253.

72. Una revisión exhaustiva de ASR es Victor Zue, "Automated Speech Recognition", en W. Eric L.Grimson y Ramesh Patil, eds., AI en la década de 1980 y más allá.

73. Ver Harry Newquist, ed, Tendencias AI '87:. Un informe anual amplio sobre la Inteligencia Artificial de la Industria (Scottsdale, Arizona: DM Data, 1987).

74. Vea los artículos de portada fascinantes en los equipos y la música en la edición de junio 1986, de BYTE.

La búsqueda del conocimiento

1. Estos y otros aspectos interesantes de la memoria se discuten en el capítulo 8 de Marvin Minsky, sociedad de la mente .

2. La forma más completa por escrito de la teoría de los marcos es Marvin Minsky, "Un marco para la representación del conocimiento," Laboratorio de Inteligencia Artificial del MIT, AI nota 306. Otras versiones, menos técnicos han aparecido desde entonces. Ver Marvin Minsky, "Un marcopara la representación del conocimiento", en Juan Haugeland, ed., Mind Design .

3. Una breve descripción de los sistemas de clasificación seguidos actualmente se da en la clasificación: Guía de un principiante a algunos de los sistemas de Biológica Clasificación en uso hoy en día , el Museo Británico (Historia Natural), Londres, 1983.

4. Los éxitos y limitaciones de estos sistemas se discuten en el excelente libro de Lynn Margulus y Karlene Schwartz, Cinco Reinos: Una guía ilustrada de los phyla de la vida en la Tierra , 2 ª ed. (Nueva York: WH Freeman, 1988).

5. Dewey publicó por primera vez su obra clásica de forma anónima bajo el título, "Una clasificación y el Asunto de títulos." Muchas ediciones han aparecido desde entonces, ya que el sistema Dewey ha crecido para satisfacer todos los retos de las bibliotecas del mundo. Ver Melvil Dewey, Clasificación Decimal Dewey y el Índice relativa: Ideado por Melvil Dewey ., 19a ed, editado bajo la dirección de Benjamin Custer (Albany, NY: Forest Press, 1979).

6. Ross Quillian se acredita generalmente con el desarrollo de las redes semánticas como una representación del conocimiento de los sistemas de IA. A pesar de que presentó esta representación tan temprano como 1963, el estándar de referencia para su trabajo en esta área es M. Ross Quillian, "Memoria Semántica", en Marvin Minsky,Semántica Información Processing (1968).

7. Ver Patrick H. Winston, "Aprender Descripciones estructurales de los ejemplos," en Patrick H. Winston, LaPsicología de Computer Vision (Nueva York: McGraw-Hill, 1975).

8. Algunas de las realidades psicológicas detrás de las redes semánticas se examinan en M. Ross Quillian, "Memoria Semántica", en Marvin Minsky, Semántica Información Processing .

9. Algunas explicaciones interesantes de la disonancia cognitiva se dan en Henry Gleitman, Psicología , 2 ª ed.(Nueva York: WW Norton & Co., 1986), pp 374-376.

10. Un excelente libro sobre la influencia de los medios de comunicación en el pensamiento políticoes Edwin Diamond y Stephen Bates, The Spot: The Rise of Political Publicidad en Televisión (Cambridge: MIT Press, 1984).

11. Un libro revelador sobre los aspectos psicológicos de la publicidad de hoy es William Meyers, Las Image Makers: Poder y persuasión en Madison Avenue (Nueva York: Times Books, 1984).

12. Muchas investigaciones se han realizado en los últimos años sobre los mecanismos para el cálculo y la memoria en el cerebro humano, en particular, ya que cualquier nuevo conocimiento podría contribuir de manera significativa al debate sobre el conexionismo. Una cuenta de introducción es de Paul M. Churchland, Materia yConciencia , edición revisada.

13. Este último punto es fuertemente llevó a cabo por Roger Schank y Peter Childers en La Actitud Creativa (Nueva York: Macmillan, 1988).

14. Que las computadoras nunca pueden ser creativos ha sido durante mucho tiempo un argumento contra la posibilidad de la inteligencia artificial. Un breve refutación y un examen de lo que significa ser creativos aparece como parte de Marvin Minsky, "¿Por qué la gente piensa en las computadoras no pueden" A1 Revista 3, no. 4 (otoño de 1982).

15. D. Raj Reddy, Fundaciones y Grandes Desafíos de Artificial Inteligencia , próximos. Para un análisis similar de la capacidad de procesamiento del cerebro, véase JA Feldman y DH Ballard, "Modelos conexionistas y sus propiedades," Ciencia Cognitiva 6 (1982): 205-254.

16. Se está trabajando para que los sistemas inteligentes para aprovechar las experiencias del pasadoen lugar de confiar únicamente en el análisis profundo de la situación actual. Para ver un ejemplo, consulte Craig Stanfill y David Waltz, "Hacia Memoria Razonamiento Basado en" Communicationsof the ACM 29, no. 12 (1986).

17. Ver Craig Stanfill y David Waltz, "Hacia basados en memoria Razonamiento," Comunicaciones

de la ACM 29, no.12 (1986).

18. Ajedrecista humano y el ajedrez informático se analizan las similitudes y diferencias en Eliot Hearst, "El hombre y la máquina: Logros de ajedrez y ajedrez Pensamiento". En Peter Frey, ed, Ajedrez Habilidad en el hombre y la máquina , 2 ª ed, 1983..

19. Ver Eliot Hearst, "El hombre y la máquina."

20. Newell y sus colegas sostienen que gran parte del aprendizaje es la reorganización de ciertos recuerdos en eficientes "trozos". Véase John E. Laird, P. Rosenbloom, y Allen Newell, "Hacia Chunking como Mecanismo de Aprendizaje General," Actas de la Conferencia Nacional de la Asociación Americana para Artificial Inteligencia ,Austin, Tex, 1984.

21. Para ver cómo chunking encaja en la visión SOAR de la cognición y la inteligencia, véase John E. Laird, P. Rosenbloom, y Allen Newell, "SOAR: Una arquitectura para la Inteligencia General," Inteligencia Artificial Journa1 33 (1987): 1-64.

22. Un excelente libro introductorio sobre la estructura y diseño de sistemas expertos, con la contribución de muchas figuras notables por su trabajo en esta área, es Frederick Hayes-Roth, DA Waterman, y DB Lenat, eds.,construcción Sistemas Expertos.

23. XCON, una vez llamado R1, fue desarrollado conjuntamente por la Universidad Carnegie-Mellon y Digital Equipment Corporation (DEC). Véase J. McDermott, "R1: Un Configurer basada en reglas de Sistemas Informáticos," Inteligencia Artificial Diario 19, no. 1 (1982).

24. Para una vista diciembre de sus experiencias con XCON, ver Arnold Kraft, "XCON: Una configuración del sistema experto en Digital Equipment Corporation", en Patrick Winston y Karen Prendergast, eds,. La AI Negocios(Cambridge: MIT Press, 1984).

25. Muchas técnicas fueron introducidas para manejar la incertidumbre de las proposiciones que se pide un sistema experto que tratar. La lógica difusa es un tal sistema. Ver Lofti Zadeh, "Fuzzy Logicy Razonamiento Aproximado," Synthese 30 (1975): 407-428. Lógica difusa de Zadeh tiene una seriede limitaciones, y otros sistemas para la incertidumbre han crecido en popularidad. Véase Edward Shortliffe y Bruce Buchanan, "Un Modelo de Razonamiento inexacto en Medicina," Mathematical Biosciences 23 (1975): 350-379.

26. El papel de los sistemas expertos y sistemas basados en el conocimiento de las economías del futuro y las implicaciones del proyecto de quinta generación japonesa, se discuten en Edward Feigenbaum y Pamela McCorduck, La Quinta Generación.

27. Véase Edward Feigenbaum, "El arte de la Inteligencia Artificial: Temas y Casos de Estudio en Ingeniería del Conocimiento," Quinta Conferencia Internacional Conjunta sobre Artificial Inteligencia , Cambridge Mass., 1977.

28. Las experiencias y contribuciones de los experimentos DENDRAL se registran y analizan en detalle en R. Lindsay, BG Buchanan, EA Feigenbaum, y J. Lederberg, DENDRAL : Inteligencia Artificial y Química (Nueva York: McGraw-Hill, 1980).

29. Un excelente artículo de revisar la investigación sobre, y las lecciones de los dos sistemas es Bruce Buchanan y Edward Feigenbaum, "DENDRAL y Meta-DENDRAL: sus aplicaciones Dimension" Inteligencia Artificial Diario 11 (1978): 5-24.

30. Victor L. Yu, Lawrence M. Fagan, SM Wraith, William Clancey, A. Carlisle Scott, John Hannigan, Robert Blum, Bruce Buchanan, y Stanley Cohen, "Selección de los antimicrobianos por Computadora: Una evaluación ciega por expertos en enfermedades infecciosas," Diario de la

Asociación Médica de Estados Unidos 242, no. 12 (1979): 1279-1282.

31. Los resultados del proyecto MYCIN en Stanford han tenido una gran influencia en el pensamiento actual en la inteligencia artificial. Se presentan y analizan en Bruce Buchanan y Edward Shortliffe, eds,. basada en reglas Sistemas Expertos: Los MYCIN Experimentos de la Stanford Programación Heurística Proyecto (Reading, Mass.: Addison-Wesley, 1984).

32. La industria de un sistema experto es una floreciente. Ver Paul Harmon y David King, Sistemas Expertos:Inteligencia Artificial . en Negocios La diversidad de las áreas de aplicación de los sistemas expertos es notable.Ver Terri Walker y Richard Miller, Sistemas Expertos '87 (Madison, Georgia: SEAI Técnica Publications, 1987).

33. Harry Newquist, ed,. AI Tendencias '87: un informe anual amplio sobre la Artificial Inteligencia Industria(Scottsdale, Arizona: DM Data, 1987). Los sistemas expertos están cambiando la forma en la resolución de problemas se manejan en las empresas de todo el mundo. Véase Edward Feigenbaum, Pamela McCorduck, y Penny Nii, El ascenso de la Compañía de Expertos .

34. Véase Edward Feigenbaum, "El arte de la Inteligencia Artificial: Temas y Casos de Estudio en Ingeniería del Conocimiento," Quinta Conferencia Internacional Conjunta sobre Artificial Inteligencia , Cambridge Mass., 1977.

35. El sistema experto MYCIN apareció originalmente como tesis doctoral de Edward Shortliffe en 1974. Otras disertaciones Stanford exploran aún más los conceptos generales detrás de MYCIN y produjeron algunas herramientas y aplicaciones importantes. TEIRESIAS de Randall Davis, una herramienta interactiva para ayudar a los conocimientos estructura ingeniero del conocimiento, se presenta en Randall Davis, "Aplicaciones de Conocimiento Meta-Level a la construcción, mantenimiento y utilización de grandes bases de conocimiento", Ph.D.tesis de la Universidad de Stanford, Laboratorio de Inteligencia Artificial, 1976. William van Melle tuvo éxito en demostrar que, de acuerdo con el marco conceptual propuesto anteriormente por Feigenbaum et al., El motor de inferencia y la base de conocimientos de hecho podrían ser separadas. Sistema de Van Melle, EMYCIN, representó a la estructura de las inferencias y razonamientos en MYCIN. Consulte "Un Sistema de Dominio Independiente que ayuda en la construcción de Consulta Programas Basada en el Conocimiento", Ph.D. W. van Melle, tesis de la Universidad de Stanford, Departamento de Informática, 1980.

36. EMYCIN se combinó con una base de conocimientos sobre diagnóstico de trastorno pulmonar para producir PUFF. Ver Janice Aikens, John Kunz, Edward Shortliffe, y Robert Fallat "SOPLO: UnSistema Experto para la Interpretación de la función pulmonar de datos", en William Clancey y Edward Shortliffe, eds,. Lecturas en MedicalInteligencia Artificial : La Primera Década.

37. William Clancey y Reed Letsinger "NEOMICINA: Reconfiguración de un sistema experto basado en reglas para la aplicación a la enseñanza", en William Clancey y Edward Shortliffe, eds,. Lecturas en Medicina ArtificialInteligencia : La primera década , y EH Shortliffe, AC Scott. M. Bischoff, AB Campbell, W. van Melle, y C. Jacobs, "ONCOCIN: Un Sistema Experto para la Oncología Protocolo de gestión", en Actas de la Séptima Conferencia Internacional Conjunta sobre Inteligencia Artificial (Menlo Park, California: Asociación Americana para Inteligencia Artificial, 1981), pp 876-881.

38. Ver Ramesh Patil, Peter Szolovits, y William Schwartz, "La comprensión causal de la enfermedad del paciente en el diagnóstico médico," en William Clancey y Edward Shortliffe, eds,. Lecturas en Medical Inteligencia Artificial : la primera década.

39. Organización del conocimiento es especialmente difícil cuando los dominios son tan amplias

como la del CADUCEO, el sistema desarrollado principalmente por Harry Pople y Jack Myers. Ver Harry Pople, "Métodos heurísticos para la imposición de la Estructura de Problemas estructurados-III: La Estructura de la diagnosis médica", en Peter Szolovits, ed,. Inteligencia Artificial en Medicina (Boulder, Col.: West View Press, 1982).

40. Un breve resumen de la actuación de CADUCEO es Harry Pople, "CADUCEO: Un Sistema Experto Experimental para el diagnóstico médico," en Patrick Winston y Karen Prendergast, eds,. La AI negocios.

41. Una evaluación reciente de la comunidad médica del rendimiento y el potencial de la inteligencia médica artificial es William Schwartz, Ramesh Patil, y Peter Szolovits, "Inteligencia Artificial en Medicina: ¿Dónde estamos?"New England Journal of Medicina 316 (1987): 685 -688.

42. Ver William Schwartz, Ramesh Patil, y Peter Szolovits, "Inteligencia Artificial en Medicina: ¿Dónde estamos?" New England Journal of Medicine 316 (1987): 68.588.

43. Para las aplicaciones de la inteligencia artificial en una amplia variedad de áreas, incluyendo finanzas, ver Wendy Rauch-Hindin, Inteligencia Artificial en los negocios, la ciencia y la industria.

44. La estructura del Prospector se explica en RO Duda, JG Gaschnig y PE Hart, "Diseño del modelo en el Sistema Consultor PROSPECTOR para la Exploración Minera", en D. Michie, ed,. Sistemas Expertos en la micro- electrónicaEdad (Edimburgo: Edimburgo University Press, 1979). Un informe sobre el papel de Prospector en encontrar el yacimiento de molibdeno en Washington es en la AN Campbell, VF Hollister, RO Duda, y PE Hart, "El reconocimiento de un mineral fuerte oculta por un programa de inteligencia artificial", Ciencia 217, no. 3 (1982). Prospector también se discute en Avron Barr, Edward Feigenbaum, y Paul Cohen, eds,. El Manual de Inteligencia Artificial (Los Altos, California: William Kaufman, 1981).

45. Proyectos de IA de Digital Equipment Corporation se describen con Susan Scown, La Inteligencia ArtificialExperiencia (Maynard, Mass.: Digital Press, 1985).

46. Muchos de estos productos-sistemas expertos se describen con Paul Harmon y David King, Sistemas Expertos:Inteligencia Artificial en Negocios , pp 77-133

47. Dos visiones generales de las metas y los proyectos constituyentes de la Iniciativa Estratégica Computing son Dwight Davis, "La evaluación de la Iniciativa Estratégica de Informática," Alta Tecnología en abril de 1985, y Karen McGraw, "Sistemas de Desarrollo Integral," DS & E (Defensa Ciencia y Electrónica), diciembre 1986.

48. Asociado del piloto es evaluada por dos oficiales de la Fuerza Aérea en Ronald Morishige y John Retelle, "Combate Aéreo e Inteligencia Artificial," Air Force Magazine , octubre de 1985.

49. Las soluciones a algunas de las limitaciones de los sistemas expertos impuestas por las arquitecturas actuales se discuten en Randall Davis, "Sistemas Expertos: ¿Dónde estamos? Y ¿A dónde vamos desde aquí? "MIT Laboratorio de Inteligencia Artificial, AI nota 665, 1982.

50. Hasta hace poco, la máquina de aprendizaje ha sido un área olvidada en la inteligencia artificial,tal vez debido a las muchas dificultades que subyacen al problema. Una importante colección de documentos sobre aprendizaje automático es Ryszard Michalski, Jaime Carbonell, y Tom Mitchell, eds,. Machine Learning -Una Inteligencia ArtificialApproach (Palo Alto, California: Tioga Publishing Company, 1983).

51. Douglas Lenat escribió AM (Automated Matemático) como un experimento en la causa de la máquina de aprendizaje por descubrimiento, en el área de la teoría de números. EURISKO es un programa de descubrimiento de la mejora. Los sistemas se discuten en Douglas Lenat, "¿Por qué

soy y EURISKO parecen funcionar,"Inteligencia Artificial Diario 23 (1984): 269-294.

52. Robert Hink y David Woods, "cómo los seres humanos de procesos de conocimiento incierto", AI Revista , Fall 1987. Este documento está escrito principalmente para ayudar a los ingenieros del conocimiento en la estructuración de los conocimientos de dominio de una manera estadísticamente exacta.

53. Los aspectos cognitivos y de comportamiento de la toma de decisiones bajo incertidumbre humana son considerados en una importante colección de documentos:. Daniel Kahneman, Paul Slovic, y Amos Tversky, eds,Judgement bajo Heurística incertidumbre y sesgos . Los ensayos de este volumen evalúan aspectos interesantes del proceso de la gente vía e interpretar la información.

54. Véase Samuel Holtzmann, Sistemas de Decisión Inteligentes (Reading, Mass.: Addison-Wesley, 1989).

55. Esto no es sorprendente, ya que el lenguaje es un medio de expresar el pensamiento principio. Todo el campo de la psicolingüística se dedica al estudio de la relación entre el lenguaje yel pensamiento. Tan fuerte es el atractivo de este contexto, que algunos creen que la hipótesis de Whorf, que, sin apretar declaró, sostiene que no puede haber pensamiento sin lenguaje. Otros aceptar una forma mucho más débil de la hipótesis de Whorf: que tiene que haber un lenguaje del pensamiento, un lenguaje que no es necesariamente la misma que la propia lengua hablada Véase J. Fodor, Bever T. y M. Garrett, La Psicología de Idioma (Nueva York: McGraw-Hill, 1975), y Benjamin Whorf,Lenguaje , pensamiento y realidad : Selected Writings (Cambridge, Mass.: MIT Press, 1956).

56. Estos y otros aspectos teóricos de la lingüística computacional se cubren en Mary D. Harris, Introducción alLenguaje Natural Procesamiento .

57. Terry Winograd ha argumentado convincentemente que las lenguas naturales suponen una enorme cantidad de conocimiento previo. Un sistema informático que carece de este conocimiento no será capaz de entender el lenguaje en el sentido de que el altavoz podría esperar un oyente humano. Ver Terry Winograd, "¿Qué significa para comprender el lenguaje," Ciencia Cognitiva 4 (1980).

58. Y. Bar-Hillel, "El estado actual de la traducción automática de las Lenguas", en FL Alt, ed., avances de la computación , vol. 1 (Nueva York: Academic Press, 1960).

59. Una cuenta de la impresionante actuación de Logos aparece en Tim Johnson, Lenguaje Natural Computing: Loscomerciales Aplicaciones (Londres: Ovum, 1985), pp 160-164.

60. No hay más que lo que significan los estados que lo que realmente decimos. En general, estamos preocupados con las prácticas efectos de lo que decimos. Algunas clases de habla son acciones, y estas expresiones se conocen como actos de habla. Ver John Searle, Speech Acts (Cambridge: Cambridge University Press, 1969).

61. Las metáforas y modismos son una poderosa manera de comunicarse. Lakoff sostiene que las metáforas no son simplemente recursos literarios pero impregnan todos los aspectos del pensamiento cotidiano. Ver Mark Johnson y George Lakoff, metáforas vivimos por.

62. Terry Winograd, "¿Qué significa para comprender el lenguaje," Ciencia Cognitiva 4 (1980).

63. Mucho se ha escrito sobre SHRDLU, ya que demuestra la comprensión profunda y el razonamiento dentro de su limitada área de especialidad. 1970 La tesis de Winograd sobre SHRDLU se modifica ligeramente y publicado como Terry Winograd, Comprensión del Lenguaje Natural (Nueva York: Academic Press, 1972). Una breve presentación de las principales ideas

aparece como Terry Winograd, "Un Modelo de Procedimiento de la comprensión del lenguaje", en Roger Schank y Kenneth Colby, eds,. Informática Modelos de Pensamiento yLenguaje (San Francisco: WH Freeman, 1973).

64. Que los mundos de juguete ofrecen abstracciones de valor significativo que se argumenta por Marvin Minsky y Seymour Papert en "Inteligencia Artificial Informe de Progreso", MIT Laboratorio de Inteligencia Artificial, AI nota 252, 1972.

65. Un breve artículo sobre Harris y El intelecto es Barbara Buell, "El Profesor Camino recto A s enla Ruta 128, "Business Week , 15 de abril de 1985.

66. Scripts aparecieron ya en 1973. Ver Robert Abelson, "La Estructura de los Sistemas de Creencias", en Roger Schank y Kenneth Colby, eds,. Informática Modelos de Pensamiento y Lenguaje (San Francisco: WH Freeman, 1973). Sin embargo, su uso como un poderoso mecanismo para la representación del conocimiento se convirtió sofisticado sólo unos pocos años más tarde. El estándar de referencia en los guiones es Roger Schank y Abelson Robert, Scripts, Planes, Metas y Entendimiento (Hillsdale, NJ: Erlbaum, Lawrence Associates, 1977).

67. Los esfuerzos de Schank en Sistemas Cognitivos son descritos por él en Frank Kedig, "Una conversación con Roger Schank," Psicología Hoy , abril de 1983. Desde que Roger Schank ha dimitido todos los principales papeles en Sistemas Cognitivos.

68. Un excelente estudio de la empresa de lenguaje natural es Tim Johnson, Lenguaje Natural Computing: Loscomerciales Aplicaciones (Londres: Ovum, 1985).

69. La traducción de texto por computadora es un negocio de rápido crecimiento. Ver Harry Newquist, ed,. AITendencias '87: un informe general anual sobre la Inteligencia Artificial de la Industria (Scottsdale, Arizona: DM Data, 1987).


71. La producción de RUR y sus implicaciones para los robots se discuten en Jasia Reichardt, Robots: Realidad, ficción y de Predicción, un delicioso libro sobre la historia y el futuro de los robots.

72. Algunos de estos primeros robots se describen en Reichardt, Robots: Fact, Fiction, y Predicción.

73. Esta generación de robots y su papel en la automatización de fábricas es examinado por Isaac Asimov con su habitual claridad científica en Isaac Asimov y Karen Frenkel, Robots: Las máquinasen la imagen del hombre.


75. Hoy en día la importancia de la programación de robots es inmensa, ya que la programación es la ruta principal para robots adaptativos. Ver Tomas Lozano-Pérez, "Robot Programming", MIT Laboratorio de Inteligencia Artificial, nota 698, 1982.

76. Isaac Asimov y Karen Frenkel, Robots: Máquinas en la imagen del hombre.

77. Fábricas totalmente automáticas son inusuales hoy. Más comunes son las plantas cuya organización y funcionamiento se basan en gran medida de maquinaria robótica, mientras que los

trabajadores humanos manejan otras operaciones importantes. La estructura de este tipo de unidadesde producción se describe de manera realista en Christopher Joyce, "Fábricas medirá, ya que hacen", New Scientist , 4 de septiembre de 1986.

78. ¿Cuál será la fábrica del futuro? Algunos análisis son presentados en Philippe Miller, "Robots Inteligentes: Ir hacia Megassembly", y Pablo Russo, "Robots Inteligentes:. Mito o realidad" Ambos ensayos aparecen en Patrick Winston y Karen Prendergast eds,. La AI negocios . Un escritor especula que las fábricas totalmente automatizadas serán trasladados lejos de la tierra, y que pronto se industrializando el espacio exterior. Ver Lelland AC Weaver, "Fábricas en el espacio," The Futurist , mayo-junio de 1987.

79. Isaac Asimov y Karen Frenkel, Robots: Máquinas en la imagen del hombre.

80. Ver Gene Bylinsky, "La invasión de los robots de servicio," de Fortune , 14 de septiembre de 1987.

81. Gene Bylinsky, "La invasión de los robots de servicio," de Fortune , 14 de septiembre de 1987.

82. Para más detalles sobre Odex y otros robots que se utilizan para aumentar la seguridad para los trabajadores humanos en las centrales nucleares, ver Steve Handel, "Asistencias AI Seguridad Nuclear Plant," Artificial AplicadaInteligencia Periodista , junio de 1986. Consulte "High Tech al Rescate", un informe especial en la revista Business Week , 16 de junio de 1986 para una descripción de la fábrica de Allen Bradley. También vea Gene Bylinsky, "La invasión de los robots de servicio," de Fortune , 14 de septiembre de 1987.

83. Algunas de estas nuevas metodologías se describen en el contexto de las piernas artificiales en Marc H. Raibert e Ivan Sutherland, "Máquinas Eso Walk", Scientific American , enero de 1983.

84. Jugador de Ping-Pong de Anderson fue el resultado de su trabajo doctoral en la Universidad de Pennsylvania. El diseño y construcción de este robot se detallan en Russell Anderson, "Un Robot Ping-Pong Player" (Cambridge: MIT Press, 1985).

85. La destreza y versatilidad de algunos de manos robóticas de hoy es, sin duda alentadores. Un informe, acompañado de excelentes fotografías, aparece en Daniel Edson, "Dar Robot Hands un toque humano", de altatecnología , septiembre de 1985.

86. Un artículo informativo sobre lo que los robots activados por voz de Leifer y Michalowski podían hacer por las personas con discapacidad es Deborah Dakins, "Robot activado por voz trae la independencia a los pacientes con discapacidad," California Physician, agosto de 1986. Los estudios en la robótica están dando lugar a una importante industria: la eventual producción de miembros artificiales, corazones y oídos. Ver Sandra Atchison, "Meet the Campus Los capitalistas de Bionic Valley", Business Week, 05 de mayo 1986.

87. El músico robótico de Waseda es una interesante síntesis de una variedad de tecnologías. Hay dos excelentes referencias sobre Wabot-2. Las actuaciones aspectos del robot están cubiertas de Curtis Roads, "El Tsukuba Musical Robot," Computer Music Diario , Verano 1986. El diseño y la ingeniería de los aspectos del robot se tratan en una serie de artículos escritos por el equipo de Waseda en sí. Estos artículos aparecen en un número especial del boletín de investigación de la universidad: "Número especial sobre WABOT-2", Boletín de la Ciencia y laIngeniería de Investigación de Laboratorio (Universidad de Waseda) no. 112 (1985).

88. Experimentos no convencionales de Paul McCready en aerodinámica es bastante fascinante. Uno él y sus máquinas voladoras pueden reunirse en Patrick Cooke, "El hombre que lanzó un dinosaurio," Ciencia 86, abril de 1986.

89. Proyecto Vehículo Autónomo Tierra del Departamento de Defensa ha producido al menos dos "robots" de transporte que se pueden utilizar en un terreno que no es transitable por medios convencionales. El vehículo de suspensión adaptativa, que se desarrolló principalmente en la Universidad Estatal de Ohio, se describe en Kenneth Waldron, Vincent Vohnout, Arrie Perry y Robert McGhee, "Diseño de configuración de la Suspensión Adaptativa del vehículo," Internacional de Robótica de Investigación Diario , Verano 1984. El Terregator (otro vehículo) y otros proyectos de los grupos de robótica de la Universidad Carnegie-Mellon se describen con Eric Lerner, "Robótica: El nacimiento de una nueva visión," Ciencia Compendio , julio de 1985.

90. La inteligencia de aviones dirigidos por control remoto, se describen en Peter Gwynne, "Los vehículos dirigidos por control remoto de Ingreso al Servicio," Alta Tecnología , enero de 1987, pp 38-43.

91. La contribución de cada una de estas disciplinas a los robots que subyacen a la tecnología se describe en el artículo de importancia crítica Michael Brady, "Inteligencia Artificial y Robótica," Laboratorio de Inteligencia Artificial del MIT, memo AI no. 756, 1983.

92. Que la mayoría de los robots de la función de hoy en ambientes sólo organizados o artificiales ha sido una preocupación importante para Rodney Brooks, un experto en robótica del MIT cuya robots e insectos artificiales móvil realizar tareas muy simples en los entornos dinámicos que nos encontramos todos los días. Ver Rodney Brooks, "autónomas Mobile Robots", en W. Eric Grimson y Ramesh Patil, eds., la IA en los años 1980 y más allá.

93. Noel Perrin profesor en Dartmouth, sostiene que a pesar de que los robots aún no están muy extendidos en los hogares, la investigación en robótica ha sido lo suficientemente exitosa como parajustificar una mirada seria a los robots de impacto tendrá en última instancia, sobre la sociedad. Ver Noel Perrin, "no estamos preparados para los Robots", Wall Street Journal , en la página editorial del 25 de febrero de 1986.

94. Proyecto Quinta Generación de Japón y el papel de ICOT y el MITI se presentan en sus dimensiones tecnológicas, personales y socio-políticos en el libro bien escrito Edward Feigenbaum y Pamela McCorduck, la quinta generación. Este libro provocador sirvió como un grito de guerra para la industria de American esfuerzos para responder a ICOT.

95. La primera descripción completa de los proyectos de la quinta generación japonesa es "esquemade los planes de investigación y desarrollo para la quinta generación Computer Systems," Instituto de Tecnología de Computadoras de Nueva Generación (ICOT), Tokio, mayo de 1982. Descripciones de trabajo en proceso se liberan con frecuencia por ICOT a través de sus revistas, actas de congresos, informes de investigación. Revista primaria de ICOT es ICOT Diario Resumen .

96. Una breve pero completa descripción de las respuestas de América y Europa al esfuerzo japonésaparece como capítulo 7 de Susan J. Scown, The Artificial Inteligencia Experiencia: An Introduction (Maynard, Mass.: Digital Press, 1985). Tal vez la cobertura más completa de estos esfuerzos internacionales aparece en quinta generación Computadoras: Un informe sobre los principales Internacionales de Investigación Proyectos y Cooperativas(Madison, Ga: SEAI Technical Publications, 1985).

97. Véase Edward Feigenbaum y Pamela McCorduck, la quinta generación, 1983, pp 774-226, y también Susan J. Scown, The Artificial Inteligencia Experiencia: An Introduction (Maynard, Mass.: Digital Press, 1985), pp 150-152 .

98. Las leyes de competencia siguen siendo un problema en la operación de MCC. Ver David

Fishlock, "The West retoma el desafío japonés: ¿Cómo EE.UU. está reescribiendo las leyes antimonopolio", Financial Times (Londres), 27 de enero de 1986.

99. Susan J. Scown, La Inteligencia Artificial Experiencia: An Introduction (Maynard, Mass.: Digital Press, 1985), pp 154-155.

100. La investigación financiada y administrada por Alvey se describe en sus publicaciones. Véase el "Informe Anual del Programa Alvey, 1987," Alvey Dirección, London, 1987.

101. Susan J. Scown, La Inteligencia Artificial Experiencia: An Introduction (Maynard, Mass.: Digital Press, 1985), pp 153-154.

102. Ver Quinta Generación Computadoras A informe sobre los principales proyectos de investigación internacionales y Cooperativas (Madison, Georgia: SEAI Technical Publications, 1985).

103. No todo el mundo está preocupado por el futuro de los sistemas informáticos de la quinta generación de Japón. Véase J. Marshall Unger, La Falacia de quinta generación: ¿Por qué Japón está apostando su futuro enInteligencia Artificial (Oxford: Oxford University Press, 1987).

La ciencia del arte

1. Vea los artículos publicados en el Computer Music Diario , donde gran parte de esta revolución está documentado. Una selección de estos artículos se pueden encontrar en Curtis Roads, La Música de la máquina : "Lecturas de Computer Music . Diario "Artículos sobre música por ordenador también aparecen en la revistaComputers and the Humanities.

2. Las capacidades y las limitaciones de la tecnología digital se revisan en las partes 1 y 2 de Curtis Roads y John Strawn, eds., Foundations of Computer Music . En la generación de tonos digital, véase el capítulo 13 de Hal Chamberlin, Aplicaciones Musicales de Microprocesadores.

3. Para una introducción general a los principios de la síntesis de la música y una breve historia, véase el capítulo 1 de la Chamberlin Aplicaciones musicales . Capítulo 18 describe el software de música-síntesis, y en el capítulo 19 se examinan diversos sintetizadores.

4. MIDI se describe en Chamberlin, aplicaciones musicales , pp 312-316. Chamberlin hizo la predicción de que en 1990 un nuevo protocolo de la música se desarrolló "como las debilidades de MIDI se manifiestan" (p. 789).

5. En La Tecnología de Informática de Música , un texto para los compositores, Max V. Mathews ofrece un apéndice sobre la psicoacústica y la música, ya que, según él, no existen las intuiciones delos nuevos sonidos posibles con los ordenadores.

6. Vea el capítulo 16 en de Chamberlin Aplicaciones musicales.

7. Hal Chamberlin de "Una muestra de las técnicas para el rendimiento del equipo de la Música", publicado originalmente en Byte revista en septiembre de 1977, se describe cómo crear cuatro partes melodías en un ordenador personal. Stephen K. Roberts describió su propio sistema de teclado polifónico en "Polifonía Made Easy", un artículo publicado originalmente en Byte en enero de 1979. Ambos artículos fueron reimpresos en Christopher P. Morgan, ed,. El " Byte "Libro de Computer Music , véase pp 47-64 y pp 117-120, respectivamente.

8. En el capítulo 18 de las aplicaciones musicales , Chamberlin se describen las técnicas de programación para sistemas de actuación programada y reclamaciones ", es indiferente que la síntesis se realiza en tiempo real o no, ya que el 'score' está definitivamente preparado fuera del

tiempo real" (p. 639).

9. En la edición de secuencias, consulte Chamberlin, aplicaciones musicales , en el capítulo 11.

10. Bateman se analiza el papel de la informática en la composición en los capítulos 11 y 12 de la Introducción a laInformática Música . Relata la composición estocástica posible con el ordenadoral hecho de que Mozart compuso una vez con la ayuda de un par de dados, pero se hace hincapié en la subordinación de la computadora a la creatividad del compositor humano. Para una buena revisión de las diversas técnicas de selección que participan en los programas que componen la IA, véase C. Ames, "AI en la Música", en Stuart C. Shapiro, ed., Enciclopedia de la Inteligencia Artificial , vol. 1, pp 638-642.

11. Ver Ames, "AI en Música", en Shapiro, Enciclopedia de la Inteligencia Artificial , vol. 1 pp 638-642. Véase también S. Papert, "Informática Educativa: cuestiones conceptuales", en Shapiro, Enciclopedia de la Inteligencia Artificial , vol.1, p. 183. Papert señala que las dificultades de rendimiento pueden ser eludidas mediante el uso de la computadora, y que los estudiantes pueden empezar a componer de la misma manera que aprendan a dibujar en el estudio de arte o escribir en el estudio de la literatura.

12. Sistemas de música para los ordenadores personales se describen en CMUSIC software para el Apple Macintosh, " Computer Music Diario 9 (1985): 52-67. Ver también C. Yavelow, ". Yavelow ", computadoras personales y de la Música," Revista de la Sociedad de Ingeniería de Audio 35 (1987): 160-193.

13. Una revisión exhaustiva de la notación musical computarizado, incluyendo una tabla de sistemas importantes y una bibliografía útil, se encuentra en NP Carter, RA Bacon, y T. Messenger, "la adquisición, representación y Reconstrucción de la música impresa por ordenador: una revisión, " Los ordenadores y las Humanidades 22 (1988): 117-136. Compositor profesional está siendo utilizado por Garland Pulse para producir ediciones de la música del siglo XVI (p. 130).

14. Chamberlin discute el uso de sintetizadores en la educación musical en la p. 710 de Aplicaciones musicales

15. Una breve evaluación del papel de la informática en el arte se puede encontrar en Philip J. Davisy Reuben Hersh, Descartes ' Sueño : El mundo según Matemáticas , pp 43-53. Herbert W. Francke analiza el arte de la computadora resistencia encontrada en "refracciones de la ciencia en el arte", enH. 0. Peitgen y PH Richter, Labelleza de los fractales: Imágenes de Sistemas Dinámicos Complejos, pp 181-187.

16. Neal Weinstock, en Computer Animation , se analizan algunas de las limitaciones de la resolución de los ordenadores personales (véase el capítulo 1). Para una visión general de hardware de gráficos, incluyendo únicamente salida y el hardware de visualización, véase el capítulo 2 en Weinstock, y el capítulo 3 en el texto estándar, JD Foley y A. Van Dam, Fundamentos de Interactivo Computer Graphics.

17. Los avances en gráficos por ordenador se están produciendo a un ritmo rápido, y la literatura es vasta. Varias fuentes importantes de hasta al día la información son los ACM Transactions on Graphics, Computer Graphics, Informe Trimestral del Grupo de Interés Especial ACM de gráficos Computer Graphics World , y artículos sobre gráficos por ordenador en Byte . Melvin L.Prueitt arte y la ordenador tiene imágenes deslumbrantes producidos utilizando una amplia variedad de técnicas informáticos de gráficos e incluye una serie de ejemplos de arte producidas en los ordenadores personales (ver págs 29 y 191 a 194). Una revisión de la historia temprana de los gráficos por ordenador, con ilustraciones, es proporcionada por HW Francke en ordenador Gráficos- Computer Art , pp 57-105. Ejemplos de las aplicaciones prácticas de los

gráficos por ordenador se encuentran en Donald Greenberg, Aaron Marcus, Allen H. Schmidt, y Vernon Gorter, El ordenador Imagen: Aplicaciones de la Informáticagráfica . El paso de las imágenes fijas a la imagen del ordenador transformable moderna ha estimulado un nuevo enfoque analítico de gráficos, ejemplificada por Jacques Bertin, Semiología de Gráficos , trad. William J. Berg.

18. La evolución reciente de las pantallas en color-gráficos se describen en H. John Durett, ed., El color y elordenador . Capítulo 12 revisa la tecnología disponible para los dispositivos de color en papel, y también hay capítulos sobre el color en imágenes médicas, cartografía y aplicaciones educativas.

19. Muchas de estas técnicas se describen e ilustran en Prueitt, Arte y el ordenador . Algunos de los logros extraordinarios en la prestación de la reflexión se ilustran en las páginas 144 a 150, y un ejemplo de la síntesis de escenas naturales y artificiales se encuentran en la p. 29. Un excelente ejemplo de distorsión se obtiene con placas de E a la J de Foley y Van Dam, Fundamentos de interactivo de computadoras gráficos , que ilustran el mapeo de imágenes de un mandril en una serie de diferentes formas geométricas. Capítulo 14 de este trabajo se presenta una descripción de las técnicas que se utilizan para mejorar el realismo de imágenes por ordenador.

20. Los interesados en los aspectos técnicos de transformación de la imagen debe consultar el capítulo 8 de Foley y Van Dam, Fundamentos de Interactivo Computer Graphics.

21. Artistas de la computadora en activo durante la década de 1970 describen sus relaciones con su medio elegido en Ruth Leavitt, del artista y del ordenador . Cuando se le preguntó si su trabajo se podría hacer sin la computadora, dijo el artista ordenador Aldo Giorgini, "Sí, de una manera análogaa la de la talla de mármol con una esponja" (p. 12).

22. El juego de la vida fue inventado por John Conway en 1970 y es un ejemplo de un autómata celular. Como Tommaso Toffoli y Norman Margolis señalan, "A automatamachine celular es un sintetizador universo." Ver susautómatas celulares Máquinas: un nuevo entorno para modelar, p. 1. Una explicación de entretenimiento de juegos de la vida se puede encontrar en el capítulo 7 de Ivars Peterson, The Mathematical turístico: Snapshots of ModernMathematics . Ver también AK Dewdney, El Sillón Universo , "World Cuatro:. Vida en Autómatas" Dewdney explora los conceptos de las computadoras de una sola dimensión y la vida tridimensional. Capítulo 25 en Elwyn R. Berlekamp, John H. Conway, y Richard K. Guy senda del triunfo para su Matemático Juegos, está dedicado a los juegos de la vida. En la página 830, los autores describen cómo hacer que una computadora de vida: "Muchos equipos se han programado para jugar el juego de la vida. Vamos a devolver el cumplido, mostrando la forma de definir los patrones de vida que pueden imitar los ordenadores "Ver, también, William Poundstone,. El recursiva Universo : Cosmic Complejidad y Límites de la Ciencia del Conocimiento , los capítulos 11 y 12 y la sección "La vida para Home Computers ".

23. Ver 1987 la obra de Richard Dawkins El relojero ciego . Dawkins ideó un modelo simple para laevolución, empezando con una figura de palo, su programa produce más y más complejas figuras a menudo se asemejan a las formas naturales reales, como los insectos. Dieciséis números de función como "genes" y determinar las formas resultantes, o "bioformas".

24. En el esquema de Dawkins, el observador humano ofrece la selección natural, la elección de "mutaciones" que "sobrevivir." Un artista podría utilizar criterios estéticos para determinar la dirección de la "evolución." AK Dewdney describe el programa de Dawkins, que se ejecuta en el Mac, en "Un relojero ciego Encuestas La tierra de Biomorfos", Scientific American , febrero 1988, pp 128-131.

25. Para una excelente introducción al concepto de recursividad, vea Poundstone, El

recursiva Universo .

26. Un relato de ecléctica carrera de Mandelbrot y su descubrimiento de la "geometría de la naturaleza" se puede encontrar en James Gleick, Caos : presentación de una Nueva Ciencia , pp 81-118. La biblia de la geometría fractal es Benoit Mandelbrot, The Fractal Geometry de la Naturaleza (1983). Este trabajo reemplazado volúmenes anteriores de Mandelbrot Fractales: Forma, Chance, y Dimension . Las imágenes producidas por los fractales se describen e ilustran en la obra clásica de H.-0. Peitgen y PH Richter, La belleza de los fractales: Imágenes de complejos sistemas dinámicos . Peitgen y Richter se dedicaron al estudio del conjunto de Mandelbrot y produjeron espectaculares imágenes, que se publicará y exhibirá (ver Gleick, Caos , pp, 229 y ss.)

27. Véase pp 213-240 en la Gleick Caos . evoluciones caóticas fractal se discuten en el capítulo 20 del de Mandelbrot Fractal Geometry .

28. Algunos de los trabajos de Mandelbrot sobre el cambio de precios y de escala en la economía sepuede encontrar en El fractal Geometría de la Naturaleza , pp 334-340. Para mayor comprensión dela aplicación de Mandelbrot de los fractales en la economía y la biología, ver Gleick, Caos , pp 81-118. En las propiedades de escalamiento en la música, ver El fractal Geometría de la Naturaleza , pp 374-375.

29. Peterson, The Mathematical turística , pp 114-116. Ver también Mandelbrot, El fractal Geometría de la Naturaleza, en el capítulo 5.

30. Peterson, The Mathematical Turista, pp 126-127. El modelado de las nubes con los fractales, ver Mandelbrot, Elfractal Geometría de la Naturaleza , p. 112.

31. "No hay que sorprenderse de que los fractales de escala deben limitarse a proporcionar primerasaproximaciones de las formas naturales que deben abordarse. Se debe más bien se maravillan de que estas primeras aproximaciones son tan sorprendentemente razonable "(Mandelbrot, The Fractal Geometry de la naturaleza , p. 19.) En "El ordenador como Microscopio", en La Matemática de Turismo, Peterson señala que "fractales naturales son a menudoauto -similar en un sentido estadístico "(p. 119). Vea también las páginas 155-164.

32. "La infografía ofrece una manera conveniente de representar y explorar objetos fractales, y la geometría fractal es una herramienta útil para la creación de imágenes de ordenador" (Peterson, TheMathematical Turista, p. 123.)

33. Mandelbrot explora la aplicación de la geometría fractal a la cosmología en The Fractal Geometry de la Naturaleza . Véase en particular el capítulo 9.

34. La discusión de Mandelbrot de la etimología es en El fractal Geometría de la Naturaleza , pp 4-5.

35. El concepto de la dimensionalidad es central para la comprensión de los fractales y para una comprensión de la estructura de la naturaleza. Véase el capítulo 3 de Mandelbrot, The Fractal Geometry de la Naturaleza .

36. Ver Mandelbrot, "Índice de dimensiones seleccionadas", en Fractales: Forma, azar y dimensión, p. 365, donde se da la dimensión costa como 1.25. Mandelbrot dedica el capítulo 6 de El Fractal Geometry de Naturaleza a los "copos de nieve y otras curvas de Koch." En "La curva de Koch Tamed" él da su dimensión fractal como 1.2618 (p. 36). Peterson describe la curva de Koch, creada en 1904, en La Matemática de Turismo , pp 116-119.

37. Consulte el capítulo 10 de Mandelbrot, El fractal Geometría de la Naturaleza , y el capítulo

"atractores extraños" en Gleick, Caos .

38. Ver Mandelbrot en el arte fractal, páginas 23-24 de El fractal Geometría de la Naturaleza . Señala que las imágenes creadas por los fractales pueden ser una reminiscencia de la obra de MC Escher Escher porque fue influenciado por las teselaciones hiperbólicas, que están relacionados con formas fractales (p. 23). Mandelbrot también sugiere que el trabajo de ciertos grandes artistas del pasado, cuando se ilustra la naturaleza, ejemplifica "temas abordados por la geometría fractal": los ejemplos son el frontispicio de illustrées Moralisee Biblia , de Leonardo de diluvio , y de Hokusai Great Wave (ver págs C1 , 2, 3, 16). Algunos ejemplos notables de imágenes fractales se describen e ilustran en la Prueitt Arte y el ordenador (páginas 119, 121-124, 127, 166, 169). Alan Norton ha producido formas complejas bellas y extrañas mediante la generación y visualización de fractales geométricos en tres dimensiones (ver Prueitt, pp 123-124). Para las imágenes que se asemejan a paisajes naturales, véase placas C9, C11, C13 y C15 en de Mandelbrot Fractal Geometry de la Naturaleza . propio Mandelbrot sostiene que estos paisajes artificiales son el equivalente fractal de la "síntesis completa de la hemoglobina de los átomos componentes y (un gran mucho) tiempo y energía "(p. C8).

39. En los sistemas de animación sofisticados, véase el capítulo 4, en Nadia Magenat-Thalman y Daniel Thalman,Computer Animation: Teoría y Práctica . En los fractales y su uso en la generación de imágenes, ver páginas 106-110.

40. Harold Cohen, "How to Draw Tres personas en un jardín botánico," AAAI-88, Actas de la Conferencia Nacional Séptimo Inteligencia Artificial , 1988, pp 846-855. Algunas de las implicaciones de AARON se discuten en Pamela McCorduck, "Inteligencia Artificial: Un Aperçu", Daedalus , Invierno 1988, pp 65-83. Este número de Dédalo , dedicado a la IA, se ha publicado en forma de libro como Stephen R. Graubard, ed,. La Artificial Inteligencia Debate: intentos fallidos, Fundaciones reales.

41. Para una comparación entre los procedimientos tradicionales de la animación y los nuevos métodos de computación, véanse los capítulos 1 y 2 en Magenat-Thalman y Thalman, Computer Animation. Véase también Weinstock, Computer Animation.

42. Prueitt, Arte y el ordenador , p. 30. De hecho, Pruiett sugiere que el arte por ordenador "puede estar más cerca de la mente y el corazón humanos que otras formas de arte. Es decir, que es un arte creado por la mente y no por el cuerpo "(pp. 2-3).

43. El más famoso de estos editores es EMACS, un editor de visualización en tiempo real de que Stallman desarrolló en el año 1974 a partir de los sistemas anteriores, en particular, TECO, desarrollado en 1962 por Richard Greenblatt et al. Para una descripción de EMACS, ver Richard M.Stallman, "EMACS: El extensible, personalizable, Auto-Documentado Display Editor". En David R. Barstow, Howard E. Shrobe y Erik Sandewell, eds, entornos de programación interactiva , pp . 300-325.

44. Por ejemplo, la electrónica de Oxford Inglés Diccionario (OED) permite a los estudiosos a responder a las preguntas que habrían tenido una vida de trabajo en el pasado reciente. Ver Cullen Murphy, "Ordenadores: Atrapados en el Web of Bytes", The Atlantic, febrero de 1989, pp 68-70.

45. Nuevas técnicas para acceder a la información (búsqueda en línea) se describen en Roy Davies, ed,.Inteligentes de Información Sistemas: Avances y Perspectivas.

46. Para una evaluación reciente de la autoedición, véase John R. Brockmann, "Autoedición-Beyond Caramba: Parte 1, una visión crítica", y Brockmann, "Autoedición-Beyond Caramba: Parte 2, A Bibliografía crítica de Materiales, "tanto en IEEE Transactions on Profesional Comunicación , marzo de 1988.

47. Nuevas herramientas para la organización conceptual se describen en Edward Árido, texto, contexto , y de hipertexto .

48. En la Introducción a Racter, Barba del Policía es-Construido Medio, William Chamberlain describe el proceso detrás de la prosa de Racter: ciertas reglas de Inglés se introducen en el ordenador, y lo que el equipo produce se basa en las palabras que encuentra en sus archivos, lo que a continuación, se combinan de acuerdo con "las directivas de sintaxis." Chamberlain concluye que este proceso "parece girar un hilo de lo que podría pasar inicialmente para el pensamiento coherenteen toda la copia generada por computadora de modo que una vez que se ejecuta el programa, su producción no sólo es nuevo y incognoscible, es aparentemente pensativo. Es una locura "pensar" loreconozco, pero "pensar" que se expresa en perfecto Inglés. "Ver la discusión por AK Dewdney," Conversaciones con Racter ", en La Butaca Universo , pp 77-88. Dewdney señala que Racter no es inteligencia artificial sino "artificialmente loco" (p. 77).

49. Para la historia y la evaluación de varios intentos de traducción que utilizan computadoras, véase Y. Wilks, "traducción automática", en Shapiro, ed. Enciclopedia de la Inteligencia Artificial , vol. 1, pp 564-571.

Visiones

1. Douglas R. Hofstadter, Metamagical Themas: Questing para la esencia de la mente y del patrón, p.128.

2. David Waltz, "Las perspectivas para la construcción de máquinas verdaderamente inteligente", Daedelus , invierno 1988, p. 204.

3. El prefacio de Tom Forester Information Technology Revolución examina cuestiones similares.

4. En el otoño de 1987 una edición completa de la revista Scientific American se dedicó a este tema. En particular, véase Abraham Peled, "The Next Revolution PC", Scientific American , octubrede 1987, pp 56-64.

5. Véase James D. Meindl, "chips de Advanced Computing", Scientific American , octubre de 1987, pp 79-81 y 86-88.

6. Ver Mark H. Kryder, "Tecnologías de la ficha Almacenamiento para Advance Computing," Scientific American , octubre de 1987, pp 117-125.

7. Tales como los procesadores masivamente paralelos basados posiblemente en los superconductores. Ver Peter J. Denning, "paralelismo masivo en el futuro de la ciencia," American Scientist , enero-febrero 1989, p. 16.

8. Marvin Minsky discute este problema en "Cosas son difíciles," sociedad de la mente , p. 29.

9. Koji Kobayashi, Informática y Comunicación: una visión de C & C, pp 165-166.

10. Véase Marshall McLuhan, Understanding Medios .

11. Para una visión de un sistema de oficina de interfaz con una red de comunicaciones públicas, consulte Koji Kobayashi, Informática y Comunicación , en el capítulo 10. Ver también Roger Shanky Peter G. Childers, "El Mundo del Futuro", en El Cognitive Computer , pp 227-230.

12. David NL Levy, Todo sobre Ajedrez y Computadoras . Ver también MM Botvinnik, Computadoras en ajedrez .

13. Un interesante estudio de la pertinencia de las observaciones formuladas por los jugadores de

ajedrez maestro durante el juego se pueden encontrar en Jacques Pitrat, "Evaluación Moves no posiciones", en Barbara Pernici y Mareo Somalvico, eds., III Convegno Internazionale L'Intelligenza artificiale ed il Gioco Degli Scacchi (Federazione Italiana Scacchistico, Regione Lombardia, Politecnico di Milano, 1981).

14. Prueba de ello son los programas de primera juego de mesa siguiendo el modelo de las estrategias principales jugadores. El programa de las damas de Arthur Samuels 1959, por ejemplo, tenía 53 mil puestos en el directorio de la memoria. Ver Peter W. Frey, "Estrategias algorítmicas para Mejorar el Desempeño de los Programas de Juego de papeles," en Evolución , juegos y aprendizaje : Modelos para la adaptación de las máquinas y de la naturaleza , Actas de la Quinta Conferencia Internacional del Centro de Estudios no lineales anual en Los Alamos, Nuevo México, 20 al 24 mayo, 1985, p. 355.

15. Recursividad y el poder computacional masivo permiten soluciones sutiles (y por lo tanto enormemente variados) a los problemas algorítmicos. Véase, por ejemplo, Gary Josin, "Neural Net Heurística" BYTE , octubre de 1987, pp 183-192, y Douglas Lenat, "El papel de la heurística en el aprendizaje por descubrimiento", en la RZ Michalski, JJ Carbonell, y T. M Mitchell, eds,. Machine Learning : Una Inteligencia Artificial Enfoque . También vea Monroe recién nacido, Computer Chess , pp 8-15.

76. Véase el artículo de John Hilusha, "Carreteras Inteligentes Probado para evitar atascos de tráfico," Nueva YorkHorario 18 de octubre de 1988.

17. Los planes ya están en marcha para el desarrollo y el uso de vehículos voladores. Véase, por ejemplo, "Simulación de un Libro de vehículos de cojín de aire", informe final para el período enero1975-diciembre 1976, Charles Stark Draper Laboratory, Cambridge, 1977.

18. Para los últimos avances en diseño por ordenador y el chip, vea James D. Meindl, "patatas fritasde Computación Avanzada," Scientific American , octubre de 1987, pp 78-88. Una extensa pero menos actual revisión de la tecnología se puede encontrar en Alan Burns, El Microchip.

19. Ver Stewart Brand, El Laboratorio de Medios: Inventar el futuro en el MIT, pp 83-91.

20. Aunque la prueba de Turing ha sido discutido ampliamente en los capítulos 2 y 3, el lector común puede apreciar, además, una presentación clara de esta famosa prueba de Isaac Malitz, "La Máquina de Turing", BYTE ,noviembre de 1987, pp 348-358.

21. Investigación en la Universidad de Illinois, es un ejemplo de ello. El Centro para la Investigación y Desarrollo superconductor se estableció allí en 1984 con el propósito de demostrar que el procesamiento en paralelo de alta velocidad es práctico para una amplia gama de aplicaciones.

22. Mención considerable se da a esta tecnología en B. Deaver y John Ruvalds, eds, avances en lasuperconductividad . Véase especialmente A. Barone y G. Paternò, "Efectos de Josephson: Conceptos Básicos."

23. Véase MA Lusk, JA Lund, ACD Chaklader, M. Burbank, AA Fife, S. Lee, B. Taylor y J. Vrba, "La fabricación de una cerámica Superconductor Wire", Superconductor Ciencia y Tecnología 1 (1988): 137 -140.

24. Por breve pero informativo artículo sobre el tema, véase Robert Pool, "Nuevos superconductores responder a algunas preguntas," Ciencia 240 (8 de abril de 1988): 146-147.

25. Véase David Chaffee, el recableado de América: La Fibra Óptica Revolución . Además, un relato fidedigno, técnicamente informativo se puede encontrar en Robert G. Seippel, Fibra óptica .

26. Un relato conciso y breve de la nueva tecnología que sirve de base para estos avances se puede encontrar en Tom Forester, La Revolución de Materiales , pp 362-364.

27. Es interesante comparar las menciones hechas de la computación molecular de Tom Forester sociedad de alta tecnología , p. 39, con los de su Revolución Materiales , pp 362-364.

El impacto en. . .

1. Seymour Papert presenta un argumento convincente para un amplio uso de las computadoras en el aula en "Equipos y Culturas computadora", Mindstorms, pp 19-37.

2. Véanse las notas 5 y 14 años para el prólogo de este libro para las fuentes de estas estadísticas.

3. Wassily Leontief y Faye Duchin, eds., El Futuro Impacto ofAutomation sobre los Trabajadores , p. 18. Véase también la nota 13 para el prólogo de este volumen.

4. Wassily Leontief y Faye Duchin, eds., El Futuro Impacto de la Automatización de los Trabajadores , pp 20-21.

5. Wassily Leontief y Faye Duchin, eds., El Futuro Impacto de la Automatización de los Trabajadores , pp 12-19.Véase también James Jacobs, "necesidades de formación de Pequeñas y Medianas Empresas de Tecnologías Avanzadas de Manufactura", en 1987 la Conferencia IEEE sobre Gestión y Tecnología , Atlanta, Georgia, 27 al 30 octubre 1987, pp 117-123.

6. Wassily Leontief y Faye Duchin, eds., El Futuro Impacto de la Automatización de los Trabajadores . pp 25-26, 52.

7. Wassily Leontief, "La economía mundial hasta el año 2000", Scientific American , septiembre 1980, pp 206-231.

8. Wassily Leontief y Faye Duchin, eds., El Futuro Impacto de la Automatización de los Trabajadores , pp 25-26, 92.

9. Tom Forester, Alta Sociedad Tech, p. 181.

10. Véase "La Sede Electrónica", en Tom Forester, Alta Sociedad Tech , pp 195-217.

11. De hecho, los disquetes y CDs popularmente han sido llamados un "nuevo papiro."

12. Ver Ted H. Nelson, "Getting It fuera de nuestro sistema", en G. Schechler, ed., información de recuperación , pp 191-210. Para un recuento reciente que revela los cambios y avances, ver Marcos Bernstein. "La Marca y la brújula: Herramientas de orientación para los usuarios de hipertexto", SIG OIS Boletín 9 (1988): 34-45.

13. Tenga en cuenta, por ejemplo, la considerable reorganización profesional en la fuerza de trabajo para dar cabida a la creciente avances tecnológicos en el lugar de trabajo. Véase S. Norman Feingold y Norma Reno Miller,emergentes Carreras: Nuevas Ocupaciones para el año 2000 y añossubsiguientes , vol. 1.

14. Para un análisis de las respuestas psicológicas de los niños a las computadoras, consulte "La pregunta de '¿En serio Alive", "en Sherry Turkle, el segundo yo , pp 324-332.

15. En aras de la brevedad, voy a utilizar el término "educación" aquí en el sentido convencional de la educación durante los primeros años escolares, pero las ideas expresadas en esta sección pertenecen a la educación en general. Véase, por ejemplo, Elizabeth GERVER, "Los ordenadores y el aprendizaje informal", en HumanizarTecnología Informática en la Comunidad de Uso y

adultos Educación , y Jean-Dominique Warnier, "La Enseñanza de la Informática", en Informática y Humano Inteligencia , p. 113 y ss.

16. Existe un creciente volumen de literatura sobre el tema de los niños y las computadoras. Véase, por instanceSherry Turkle, "Programadores de Niños", en El Segundo Auto , pp 93-136; Robert Yin y J. L Blanco, "Implementación del microordenador en las Escuelas", en Milton Chen y William Paisley, eds., Niños y Los microordenadores , pp 109-128; Seymour Papert, Daniel Watt, Andrea di Dessa, y Sylvia Weir, "Informe Final del Proyecto LOGO Brookline," memo MIT AI no. 545, septiembre de 1979 y RD Pea y DM Kurland, "Sobre la cognitiva y Beneficios de la Enseñanza Infantil de programación: una mirada crítica", en nuevas ideas en Psicología ., vol. 1.

17. Debra Lieberman, "Investigación y microcomputadoras," en Milton Chen y William Paisley, eds., Niños y Microinformática , pp 60-61.

18. Ver John Seely Brown, "Proceso contra del producto", en Chen y Paisley, eds., Niños y Microinformática , pp 248-266.

19. Funcionando bien en este momento están conectados en red catálogos de fichas informatizadas que unen diversas bibliotecas universitarias. Para una visión escéptica de la creación de redes, consulte Theodore Roszak, "Las comunidades en línea: La Promesa de la Red", en El culto de la Información : El Folklore de Computadoras y lo Verdadero Arte de Pensar .

20. Tom Forester narra con rapidez los obstáculos que han contribuido a esta situación en la sociedad de alta tecnología , pp 165-169. Estos obstáculos no obstante, desde el otoño de 1980 hasta la primavera de 1982 el número de ordenadores más que triplicado en las escuelas estadounidenses. Véase también Jack Rochester y John Gantz, The Naked ordenador , p. 104.

21. Edward Tenner, Harvard Revista 90 (1988): 23-29.

22. Tenner, Harvard Revista 90 (1988): 23-29.

23. Para una presentación desapasionada e informativa de la Iniciativa de Defensa Estratégica, en elcual se examina una "respuesta nuclear flexible", véase Stephen J. Cimbala, "La Iniciativa de Defensa Estratégica", en Stephen J. Andriole y Gerald W. Hople, eds., Defensa Aplicaciones de la Inteligencia Artificial , pp 263-291.

24. Ver Randolf Nikitta, "Inteligencia Artificial y el campo de batalla automatizado táctico", en Allan M. Din, ed,. Armas yla Inteligencia Artificial : Armas y Control de Armas de Aplicaciones de Computación Avanzada , pp 100-134.

25. McGeorge Bundy, George F. Kennan, Robert S. McNamara, y Gerard Smith, "Las armas nucleares y la Alianza Atlántica", Relaciones Exteriores , Primavera 1982, pp 753-768. Otra valoración reflexiva y sucinta del tema de la disuasión nuclear es de Leon Wieseltier Guerra Nuclear, Paz Nuclear .

26. Véase Edward C. Taylor, "Inteligencia Artificial y de Mando y Control-Qué y Cuándo?" En Andriole y Hople, eds.,Aplicaciones de Defensa de Inteligencia Artificial , pp 139-149. Véase también Alan Borning, "Sistema informático de confiabilidad y la guerra nuclear", en Communications of the ACM 30 (1987): 124.

27. Ver Alan Borning, "Sistema informático de confiabilidad y la guerra nuclear", Communications of the ACM 30 (1987): 112-131.

28. Ver PR Cohen, D. Día, J. Delisio, M. Greenberg, R. Kjeldsen, D. Suthers, y P. Berman, "Gestiónde la Incertidumbre en la Medicina", International Journal of aproximado Razonamiento ,

septiembre 1987, pp 103 -116.

29. Véase la discusión de Tom Forester de las recientes innovaciones en biotecnología en su Revolución Materiales, pp 362-364.

30. Para el bien iniciado, el excelente pero muy técnico revista Biomateriales, células artificiales y Órganos Artificiales: An International Journal con frecuencia publica artículos relacionados con el tema.

31. Ver Glenn D. Rennels y Edward H. Shortliffe, "Computación Avanzada para la Medicina", Scientific American , octubre de 1987, pp 154-161. Véase también James S. Bennell "ROGET: Un Sistema Basado en el Conocimiento para la adquisición de la estructura conceptual deun sistema experto de diagnóstico," Diario de razonamiento automatizado 1 (1985): 41-50.

32. Para obtener una visión clara del problema de visión, ver Michael Brady, "Visión Inteligente", en Grimson y Patil, eds., AI en la década de 1980 y más allá , pp 201-243.

33. Aunque todavía estamos lejos de este logro, se está avanzando en el campo de la notación musical. Véase, por ejemplo, John S. Gourlay, "un idioma para Music Printing," Comunicación de la ACM 29 (1986): 388-401.

34. De interés para el lector puede ser la publicación anónima "Vladimir Ussachevsy: En celebración de su setenta y cinco cumpleaños", Universidad de Utah, 1987, pp 8-9.

35. Véase David Dickson, "Computer Soviética Lag," Ciencia , agosto de 1988, pág. 1033. Algunosotros datos interesantes acerca de las restricciones soviéticas se encuentran en Rochester y Gantz, "¿Cómo es su CPU, Boris?" The Naked ordenador .

Postcript

1. Ver págs 677-678 de Douglas Hofstadter Gödel, Escher, Bach: un Eterno Oro Braid (Nueva York: Basic Books, 1979) para una más amplia exposición de su concepto de las debilidades potenciales de ordenador.

2. Marvin Minsky, sociedad de la mente , páginas 186, 288.

3. El lector común encontrará pertinente al tema examen filosófico y científico de Paul M. Churchland largo de la Materia y Conciencia .

4. Véanse las cartas de Einstein de 9 de agosto de 1939 y 22 de diciembre de 1950, a E. Schrödinger, en K. Przibram, ed., Cartas sobre Wave Mechanics , pp 35-36 y 39-40.

5. Es cierto que algunos repudiar la aplicabilidad de las metáforas subatómicas a cualquier otro aspecto de la vida.Ver Paul G. Hewitt, conceptual Física , 2 ª ed., pp 486-487.


Cronología


Autor: Ray Kurzweil

El mundo ha cambiado menos desde que Jesús Cristo que lo ha hecho en los últimos treinta años.

Charles Péguy, 1913

Año Evento

Hace 140-190000000años

Los dinosaurios vagan por la tierra.

Hace menos de 100.000 años

Homo sapiens comienzan a usar la inteligencia para alcanzar sus objetivos.

Hace más de 5.000 años

El ábaco, que se asemeja a la unidad aritmética de una computadora moderna, se desarrolla en el Oriente.

3000-700 aC

Relojes de agua se construyen en China en el año 3000 aC, en Egipto c. 1500 aC, y en Asiria 700 aC

2500 aCLos egipcios inventaron la idea de las máquinas pensantes: los ciudadanos acuden en busca de consejo a los oráculos, que son estatuas con sacerdotes escondidos en el interior.

b. 469 aCSócrates, el maestro de Platón, es el primer pensador occidental para afirmar que las actividades mentales se producen en el inconsciente.

469-322 aC

Sócrates, Platón y Aristóteles establecen la filosofía esencialmente racionalista de la cultura occidental.

427 aCEn el Fedón y posteriormente trabaja Platón expresa ideas, varios milenios antes de la llegada de la computadora, que son relevantes a los dilemas modernos respecto pensamiento humano y su relación con la mecánica de la máquina.

c. 420 aCArquitas de Tarento, un amigo de Platón, construye una paloma de madera cuyos movimientos son controlados por un chorro de vapor o de aire comprimido.

b. 415 aC Teeteto, miembro de la Academia de Platón, crea la geometría sólida.

387 aCPlatón funda la Academia para la búsqueda de la ciencia y de la filosofía en un bosque a las afueras de Atenas. Es el resultado en el desarrollo fértil de la teoría matemática.

343-334 aC

Aristóteles continúa con la tradición platónica al convertirse en el maestro de Alejandro Magno en el343 aC y fundó el Liceo, también conocida como la escuela peripatética de los filósofos, en el 334 aC

293 aCEuclides, también miembro de la Academia de Platón, es el expositor de la geometría plana. Él escribe los Elementos, un libro de texto de matemáticas básicas para los próximos 2.000 años.

c. 200 antes de Cristo.

En China artesanos desarrollan elaborada autómatas, incluyendo una orquesta mecánica.

c. 200 aCUn ingeniero egipcio mejora el reloj de agua, por lo que es el dispositivo de cronometraje más preciso para casi 2.000 años.

AD 529 La Academia de Platón y el Liceo de Aristóteles están cerrados por el emperador Justiniano.


c. 600 Las primeras obras que mencionan el juego de ajedrez aparecen en la India.

725Un ingeniero chino y un monje budista construir el primer verdadero reloj mecánico, un dispositivo accionado por agua con un escape que hace que el reloj para funcionar.

c. 1310Los primeros relojes mecánicos aparecieron en Europa, al parecer derivada de historias sobre la existencia de los relojes mecánicos en China.

1494 Leonardo da Vinci dibuja un reloj con un péndulo.

1530 La rueca está en uso en Europa.

1540, 1772La tecnología de la relojería resultados en la producción de más elaborada autómatas en el Renacimiento europeo. Dama de Gianello Toriano mandolina-playing (1540) y el hijo de P. Jacquet-Droz (1772) son ejemplos famosos.

1543Nicolás Copérnico publica De Revolutionibus, en el que señala que la Tierra y los demás planetas giran alrededor del sol, cambiando de este modo la relación del hombre con Dios.

Siglos décimo séptimo a décimo octavo

Esta es la era de la Ilustración, un movimiento filosófico para restaurar la supremacía de la razón humana, el conocimiento y la libertad, con desarrollos paralelos en la ciencia y la teología. Tenía sus raíces en el Renacimiento europeo y la filosofía griega de veinte siglos antes y constituye la primera reconsideración sistemática de la naturaleza del pensamiento humano y el conocimiento desde los platónicos.

1617John Napier inventa Huesos de Napier, de importancia para el futuro desarrollo del cálculo de los motores.

1637Ren? Escartes, quien formuló la teoría de la refracción óptica y desarrolló los principios de la geometría analítica moderna, empuja el escepticismo racional a sus límites en su obra más completa, Discours de la M? Oda. Su conclusión fue que pienso, luego existo.

1642Blaise Pascal perfecciona la Pascaline, una máquina capaz de sumar y restar. Es la primera máquina de calcular automático del mundo.

c. 1650 Otto von Guericke perfecciona la bomba de aire y lo utiliza para producir vacíos.

1670 Pensamientos, por Blaise Pascal, se publica póstumamente.

1687De Isaac Newton Philosophiae Naturalis Principia Mathematica, conocida como Principia, establecesus tres leyes del movimiento y la ley de la gravitación universal.

1694Gottfried Wilhelm Leibniz, un inventor del cálculo, perfecciona el Liebniz ordenador, una máquina que multiplica mediante la realización de adiciones repetitivas, un algoritmo todavía se utiliza en lascomputadoras modernas.

1719Lo que parece ser la primera fábrica, una fábrica de seda-thread Inglés, emplea a 300 trabajadores,la mayoría mujeres y niños.

1726Jonathan Swift describe una máquina que escribirá automáticamente los libros en Los viajes de Gulliver.

1733John Kay allana el camino para tejer mucho más rápido patentando su nuevo motor para la Apertura y lana de vestir, más tarde conocida como la lanzadera volante.

1760Benjamin Franklin, en Filadelfia, erige pararrayos después de haber encontrado, a través de su famoso experimento de la cometa en 1752, que los relámpagos son una forma de electricidad.

c. 1760La esperanza de vida al comienzo de la Revolución Industrial es cerca de 37 años en América del Norte y el noroeste de Europa.

1764 James Hargreaves inventa la máquina de hilar, que es capaz de girar ocho hilos a la vez.

1769

Richard Arkwright, el fundador del sistema de la fábrica moderna, las patentes una hiladora hidráulica que es demasiado grande y caro para el uso en viviendas familiares. Él construye una fábrica para su máquina en 1781, lo que allanaría el camino para que muchos de los cambios económicos y sociales que caracterizan a la Revolución Industrial.

1781 Immanuel Kant publica su Crítica de la razón pura, que expresa la filosofía de la Ilustración,

mientras que restar importancia al papel de la metafísica. Se prepara el escenario para el surgimiento del racionalismo del siglo XX.

1792Edmund Cartwright inventa la primera máquina de peinar la lana para alimentar a las nuevas máquinas de hilar mecanizadas.

1792 William Murdock inventa iluminación carbón-gas. Las calles de Londres se iluminarán por 1802.

1800 Están automatizados Todos los aspectos de la producción de tela.

1805Joseph-Marie Jacquard diseña un método para la automatización de tejido con una serie de tarjetasperforadas. Esta invención se puede utilizar muchos años más tarde en el desarrollo de los primeros ordenadores.

1811 Ned Ludd funda el movimiento ludita en Nottingham por el asunto de los empleos frente a

la automatización.

1821Charles Babbage se adjudicó la primera medalla de oro de la Sociedad Astronómica Británica por sus observaciones de papel en la aplicación de maquinaria al cálculo de tablas matemáticas.

1821Michael Faraday, ampliamente reconocido como el padre de la electricidad, informa su descubrimiento de la rotación electromagnética y construye los dos primeros motores propulsados por electricidad

1822Charles Babbage desarrolla el motor de diferencia, pero sus complejidades técnicas agotar sus recursos financieros y la capacidad de organización. Con el tiempo se abandona a concentrar sus esfuerzos en un ordenador de propósito general.

1829 El primer reloj electromagnéticamente accionado se construye.

1832Charles Babbage desarrolla el principio de la máquina analítica, que es la primera computadora del mundo y se puede programar para resolver una amplia variedad de problemas lógicos y computacionales.

1835Joseph Henry inventa el relé eléctrico, un medio de transmisión de los impulsos eléctricos a través de largas distancias, que sirve como base del telégrafo.

1837Samuel Finley Breese Morse patentes su versión más práctica del telégrafo, que envía las letras enlos códigos que consisten en puntos y rayas.

1843Ada Lovelace, hija única legítima de Lord Byron y la primera programadora de computadoras del mundo, publica sus propias notas con su traducción del artículo de LP Menabrea en la Máquina Analítica de Babbage.

1843Soren Kierkegaard, que tendrá una gran influencia de las ideas de los existencialistas modernos, publica O-O, su obra más importante, seguido de otros escritos que denuncian la iglesia organizadapor el Estado en razón de que la religión es un asunto del alma individual.

1846Alexander Bain utiliza cinta de papel perforado para enviar mensajes telegráficos, lo que mejora la velocidad de transmisión.

1847George Boole publica sus primeras ideas sobre la lógica simbólica. Él va a desarrollar estas ideas en su teoría de la lógica binaria y la aritmética que sigue siendo la base de la computación moderna.

1851 Una exposición en Londres promueve la aplicación de la ciencia a la tecnología y

1854 Un telégrafo eléctrico se instala entre París y Londres.

1855Heinrich Geissler Igelshieb desarrolla su bomba de mercurio, que se utiliza para producir los primeros buenos tubos de vacío. Ello conducirá al desarrollo de los rayos catódicos y, finalmente, aldescubrimiento del electrón.

1855William Thomson desarrolla una teoría éxito de la transmisión de señales eléctricas a través de cables submarinos.

1859 Charles Darwin, en El origen de las especies, explica su principio de la selección natural y su

influencia en la evolución de las distintas especies.

1861 San Francisco y Nueva York están conectados por una línea de telégrafo.

1864 Ducos de Harron desarrolla un dispositivo de imágenes en movimiento primitivo en Francia.

1866 Ciro West Field establece un cable telegráfico a través del Océano Atlántico.

1870PIB sobre una base per cápita y en constantes de 1958 dólares es de $ 530. Doce millones de estadounidenses, o el 31 por ciento de la población, tienen puestos de trabajo, y sólo el 2 por cientode los adultos tienen diplomas de escuela secundaria.

1871Charles Babbage muere, dejando a más de 400 metros cuadrados de dibujos para su motor analítico.

1873Melvil Dewey desarrolla para la Biblioteca del Colegio Amherst un plan para 999 categorías de materiales que se conoce como el Sistema Decimal Dewey. Se perfecciona con el tiempo para proporcionar un número prácticamente ilimitado de subdivisiones.

1876Teléfono de Alexander Graham Bell recibe la patente de EE.UU. 174.465, la patente más lucrativo jamás concedido.

1879G. Frege, uno de los fundadores del lenguaje simbólico moderno, propone un sistema de notación para el razonamiento mecánico. Este trabajo es un precursor del cálculo de predicados, que se utiliza para la representación del conocimiento en inteligencia artificial.

1879Thomas Alva Edison inventa la primera lámpara incandescente que puede grabar durante un período de tiempo significativo.

1880Friedrich Nietzsche escribe Morgenroete y posteriormente trabaja oponerse romanticismo y sosteniendo el arte, la filosofía y la religión como ilusiones. Estas ideas influyen fuertemente en el existencialismo moderno.

1882El diseño de Thomas Alva Edison para la estación de la ciudad de Nueva York Pearl Street en el bajo Broadway trae iluminación a los Estados Unidos.

1885 Boston se encuentra conectado a Nueva York por teléfono.

1886Alexander Graham Bell, con una versión modificada del fonógrafo de Thomas Alva Edison, usa discos de cera para grabación de sonido.

1887 El primer automóvil con motor a gasolina se vende en Alemania.

1888Patentes William S. Burroughs una máquina de sumar. Esta máquina es modificada, cuatro años después de incluir la resta y la impresión. Es la primera calculadora clave impulsada confiable del mundo y pronto ganar una amplia aceptación.

1888 Experimentos Heinrich Hertz con la transmisión de lo que ahora se conoce como ondas de radio.

1888 Se introduce la primera cámara de rollo de película comercial.

1890

Herman Hollerith, que incorpora ideas de telar de Jacquard y la Máquina Analítica de Babbage, patentes una máquina electromecánica información que utiliza tarjetas perforadas. Se gana el concurso del Censo de EE.UU. de 1890, con el resultado de que la electricidad se utiliza por primera vez en un gran proyecto de procesamiento de datos.

1894Guglielmo Marconi construye su primer equipo de radio, que suena una campana de 30 pies de distancia.

1894 Niagara Falls es aprovechada para la electricidad.

1896 Una buena película se muestra primero ante un público que paga en Berlín.

1896 Herman Hollerith forma la empresa Tabulating Machine, que se convertirá en IBM.

1897Joseph John Thomson, con mejores bombas de vacío que la disponible anteriormente, descubre el electrón, la primera partícula conocida más pequeño que un átomo.

1897 Alexander Popov, un ruso, utiliza una antena para transmitir ondas de radio y Guglielmo Marconi,

un italiano, recibe la primera patente concedida para la radio. Marconi ayuda a organizar una compañía para comercializar su sistema.

1899La primera grabación del sonido se produce magnéticamente en el cable y en una franja delgada de metal.

1899David Hilbert consolida los logros de las matemáticas del siglo XIX, con publicaciones como Los fundamentos de la geometría.

1900Herman Hollerith introduce una alimentación automática de tarjetas en su máquina de información para procesar los datos del censo de 1900.

1900

Todo el mundo civilizado está conectado por telégrafo, y en los Estados Unidos hay más de 1,4 millones de teléfonos, 8.000 automóviles registrados, y 24 millones de bombillas eléctricas. La promesa de Edison de bombillas eléctricas tan barato que sólo los ricos podrán permitirse velas se dio cuenta de este modo. Además, la Gramophone Company anuncia una elección de cinco mil grabaciones.

1900Más de un tercio de todos los trabajadores estadounidenses están involucrados en la producción de alimentos.

1900

David Hilbert introduce el método directo en el cálculo de variaciones y presenta una agenda para las matemáticas del siglo XX, que incluye una lista de los 23 problemas más acuciantes en la Conferencia Internacional de Matemáticas en París. Él predice que estos problemas ocuparán la atención de los matemáticos durante el próximo siglo.

1901 Marconi en Terranova recibe la primera transmisión de radio transatlántica telegráfica.

1901Sigmund Freud publica La interpretación de los sueños, que, junto con sus otras obras, se ilumina el funcionamiento de la mente.

1904 John Ambrose Fleming presenta una patente para el primer tubo de vacío, un diodo.

1906Reginald Aubrey Fessenden inventa la radio AM y transmite por ondas de radio a los operadores inalámbricos en barcos de Estados Unidos frente a la costa del Atlántico un villancico, un trino del violín, y por primera vez el sonido de una voz humana.

1907Lee De Forest y R. von Lieben inventan el tubo de vacío amplificador, conocido como un triodo, quemejora en gran medida la radio.

1908 Orville Wright hace su primer vuelo en avión de una hora.

1910-1913Bertrand Russell y Alfred North Whitehead publican sus tres volúmenes Principia Mathematica, una obra fundamental sobre los fundamentos de las matemáticas que proporciona una nueva metodología para todas las matemáticas.

1911Tabulación Machine Company de Herman Hollerith adquiere varias otras compañías y cambia su nombre por el de Computing-Tabulating-Recording Company (CTR). En 1914 Thomas J. Watson esnombrado presidente.

1913Henry Ford introduce el primer método de la línea de montaje el caso de la producción automatizada.

1913A. Meissner inventa un transmisor de radio con tubos de vacío. Radio transmisor triodo modulación se introdujo el año siguiente, y en 1915 se introdujo el oscilador de radio-tubo.

1915La primera llamada telefónica transatlántica de América del Norte se hace entre Thomas A. Watson en San Francisco y Alexander Graham Bell en Nueva York.

1915 Albert Einstein completa su teoría de la gravedad conocida como la teoría general de la relatividad.

1921

Dramaturgo checo Karel Capek populariza el término robot, una palabra que acuñó en 1917 para describir a los mecánicos en su RUR drama de ciencia ficción (Robots Universales de Rossum). Sus máquinas inteligentes, destinados como sirvientes para sus creadores humanos, terminan tomando el mundo y la destrucción de toda la humanidad.

1921Ludwig Wittgenstein, a menudo referido como el primer positivista lógico, publica Tractatus Logico-Philosophicus, considerado por algunos como tal vez el trabajo filosófico más influyente del siglo XX.

1923Vladimir Kosma Zworkin, el padre de la televisión, da la primera demostración de un tubo de televisión de cámara electrónica, utilizando un dispositivo de transmisión mecánica. Desarrolla la iconoscope, un tipo temprano de sistema de televisión, el año siguiente.

1924Thomas J. Watson se convierte en el director general de CTR y cambia el nombre de la empresa International Business Machines (IBM). IBM se convertirá en el líder de la industria moderna y una de las mayores empresas industriales del mundo.

1925 Niels Bohr y Werner Heisenberg sientan las bases de la mecánica cuántica.

1925Vannevar Bush y sus compañeros de trabajo a desarrollar la primera computadora analógica, una máquina diseñada para resolver ecuaciones diferenciales.

1926La era del cine sonoro de movimiento se introduce por The Jazz Singer, protagonizada por Al Jolson.

1927 Charles Lindbergh hace el primer vuelo sin escalas en solitario a través del Océano Atlántico.

1927Martin Heidegger publica Sein und Zeit, vol. 1, que tiene sus raíces en el trabajo de Soren Kierkegaard y en gran medida influye en el desarrollo futuro del existencialismo.

1927The Machine Company Accounting Poderes pasa a través de una serie de fusiones a convertirse en la Remington Rand Corporation.

1927Werner Heisenberg postula su principio de incertidumbre, que dice que los electrones no tienen ningún lugar preciso sino nubes de probabilidad de posibles ubicaciones. Él gana el Premio Nobel cinco años después de su descubrimiento de la mecánica cuántica.

1928John von Neumann presenta el teorema minimax, que se utiliza ampliamente en los programas de juego de roles.

1928Philo T. Farnsworth demuestra televisión primero totalmente electrónico del mundo, y Vladimir Zworkin recibe una patente para un sistema de televisión en color.

1929 Se introduce la radio FM.

1930Paul Adrian Maurice Dirac publica sus Principios de la Mecánica Cuántica, en la que se formula unateoría matemática general.

1930 Más de 18 millones de radios son propiedad en un 60 por ciento de los hogares estadounidenses.

1930Computadora analógica de Vannevar Bush, el analizador diferencial, se construye en el MIT. Será utilizado para calcular trayectorias de artillería durante la Segunda Guerra Mundial.

1930La música ha cambiado de estilo romántico de Brahms y Mahler principios a la atonalidad de Schoenberg, el arte del cubismo y el expresionismo de Picasso, y la poesía al minimalismo de EzraPound, TS Eliot y William Carlos Williams.

1931Kurt Gödel publica su teorema de incompletitud, que ha sido llamado el más importante de toda la matemática.

1932RCA demuestra un receptor de televisión con un tubo de imagen de rayos catódicos. En 1933 Zworkin produce un tubo de rayos catódicos, llamado el iconoscope, que hace que la televisión de alta calidad casi una realidad.

c. 1935La búsqueda de Albert Einstein para una teoría del campo unificado ocupa la mayor parte de las dos últimas décadas de su vida.

1936 Regular la transmisión de la televisión pública se inicia en Gran Bretaña.

1937Basándose en el trabajo de Bertrand Russell y Charles Babbage, Alan Turing publica Sobre los números computables, su ahora célebre papel introducción de la máquina de Turing, un modelo teórico de un ordenador.

1937

La tesis de Church-Turing, desarrollada independientemente por Alonzo Church y Alan Turing, establece que todos los problemas tienen solución por un ser humano se reducen a un conjunto de algoritmos, o más simplemente, que la inteligencia artificial y la inteligencia humana son esencialmente equivalentes.

1937 Frank Whittle construye el primer motor a reacción de trabajo.

1939 Los primeros vuelos comerciales regulares comienzan cruzar el Océano Atlántico.

1940John V. Atanasoff y Clifford Berry construir una computadora electrónica conocida como ABC.Esta es la primera computadora electrónica, pero no es programable.

1940

Los 10.000 personas esfuerzo bélico equipo británico conocido como Ultra crea Robinson, la primera computadora operativo del mundo. Está basado en relés electromecánicos y es lo suficientemente potente como para decodificar los mensajes de Enigma, la máquina de cifrado de la primera generación de los nazis.

1941Konrad Zuse, un alemán, completa la primera computadora digital totalmente programable del mundo, el Z-3, y contrata a Arnold Fast, un matemático ciego, para programarlo. Fast convierte en la primera programadora del mundo de una computadora programable operacional.

1943Warren McCulloch y Walter Pitts escriben su cálculo lógico influyente de la ideas inmanentes en la actividad nerviosa, que analiza las arquitecturas de la red neuronal para la inteligencia.

1943El equipo Ultra construye Colossus, un equipo que utiliza tubos electrónicos de 100 a 1000 veces más rápido que los relés utilizados por Robinson. Se rompe códigos alemanes cada vez más complejas y contribuye a ganar los aliados de la Segunda Guerra Mundial.

1943

Jean-Paul Sartre, un existencialista moderna, publica L'Etre et le N? Ty obras posteriores que incorporen las ideas de Soren Kierkegaard y Martin Heidegger al tiempo que subraya el papel del libre albedrío en un mundo aparentemente sin sentido. El mundo espiritual y emotiva, que no tiene sentido para los positivistas lógicos es existencialistas la sede del verdadero significado.

1944Howard Aiken completa la primera computadora programable de América, la Mark I. Utiliza cinta de papel perforado para tubos de programación y de vacío para calcular problemas.

1945 Konrad Zuse desarrolla Plankalkül, el primer lenguaje de alto nivel.

1946John von Neumann publica el primer trabajo moderno en el concepto de programa almacenado y comienza la investigación informática en el Instituto de Estudios Avanzados de Princeton.

1946John Presper Eckert y John W. Mauchley desarrollan ENIAC, en primer lugar, de propósito general (programable) ordenador digital totalmente electrónico del mundo. Es casi 1.000 veces más rápido que el Mark I y se utiliza para el cálculo de tablas de balística-combustión para el Ejército.

1946Televisión entra en la vida estadounidense, incluso más rápidamente que la radio hizo en la décadade 1920. El porcentaje de hogares estadounidenses que tienen conjuntos salta de un 0,02 por ciento en 1946 a 72 por ciento en 1956 y más del 90 por ciento en 1983.

1947

William Bradford Schockley, Walter Hauser Brittain y John Ardeen inventan el transistor, un dispositivo de minutos que funciona como un tubo de vacío, pero los interruptores de corriente y se apague a velocidades mucho más rápidas. Se pone en marcha una revolución en la microelectrónica, reduciendo el costo de las computadoras y que lleva al desarrollo de sistemas grandes y nuevas y potentes ordenadores principales del marco.

1947 Un avión vuela a velocidad supersónica por primera vez, en los Estados Unidos.

1948 Norbert Wiener publica Cibernética, un libro seminal sobre la teoría de la información.

1950El censo de EE.UU. está primero manejado por un ordenador programable, UNIVAC, desarrollado por Eckert y Mauchley. Es el primer ordenador comercializado.

1950Alan Turing Computing Machinery and Intelligence describe un medio para determinar si una máquina es inteligente conocida como la prueba de Turing.

1950Televisión en color comercial se inicia en la televisión en blanco y negro de EE.UU. Transcontinental se inaugura el año siguiente.

1950 Claude Elwood Shannon escribe una propuesta de un programa de ajedrez.

1951EDVAC, Eckert y el primer equipo de Mauchley que implementa el concepto de programa almacenado, se efectuará directamente en la Escuela Moore de la Universidad de Pennsylvania.

1951 Un Congreso Cibernética se celebra en París.

1952La cadena de televisión CBS utiliza UNIVAC para predecir correctamente la elección de Dwight D. Eisenhower como presidente de los Estados Unidos.

1952 Se introduce el radio de transistores de bolsillo.

1952El 701, la primera computadora electrónica digital de línea de producción de IBM, está diseñado porNathaniel Rochester y comercializados para uso científico.

1953 James D. Watson y Francis HC Crick descubren la estructura química de la molécula de ADN.

1953Dos declaraciones de gran importancia para el existencialismo moderno aparecen: Investigaciones filosóficas de Ludwig Wittgenstein y Esperando a Godot, una obra de Samuel Beckett.

1955El Remington Rand Corporation se une con Sperry Gyroscope para convertirse en la Sperry-Rand Corporation, uno de los principales competidores de IBM para un tiempo.

1955IBM presenta su primera calculadora de transistor, con 2.200 transistores en lugar de los tubos de vacío 1200 que de otro modo serían necesarios.

1955 El primer diseño se crea para una máquina robotlike para uso industrial en los EE.UU.

1955 Allen Newell, JC Shaw y Herbert Simon desarrollan IPL-II, el primer lenguaje de AI.

1955El inicio del programa espacial y los militares en los EE.UU., al reconocer la necesidad de computadoras lo suficientemente poderosas como para dirigir los cohetes a la luna y los misiles a través de la estratosfera, al financiar grandes proyectos de investigación.

1956Allen Newell, JC Shaw y Herbert Simon crean la lógica teórica, que utiliza técnicas de búsqueda recursiva para resolver problemas matemáticos.

1956 El primer cable telefónico transatlántico comienza a operar.

1956Fortran, el primer lenguaje de programación científica, es inventado por John Backus y un equipo de IBM.

1956MANIAC I, el primer programa de computadora para vencer a un ser humano en un juego de ajedrez, es desarrollado por Stanislaw Ulam.

1956La inteligencia artificial es nombrado en una conferencia de informática en la universidad de Dartmouth.

1957Allen Newell, JC Shaw y Herbert Simon desarrollan General Problem Solver, que utiliza el análisis de medios y fines para resolver problemas.

1957Noam Chomsky escribe Estructuras sintácticas, la primera de muchas obras importantes que le harán ganar el título de padre de la lingüística moderna. Este trabajo considera seriamente el cálculo necesario para la comprensión del lenguaje natural.

1958 Jack St. Clair Kilby inventa el primer circuito integrado.

1958John McCarthy y Marvin Minsky encontraron el Laboratorio de Inteligencia Artificial del Instituto Tecnológico de Massachusetts.

1958 El primer avión comercial EE.UU. vuela desde Nueva York a París.

1958Allen Newell y Herbert Simon predicen que dentro de diez años, un ordenador digital será el campeón del mundo de ajedrez.

1958John McCarthy introduce LISP, uno de los primeros (y sigue siendo ampliamente utilizado) idioma AI

1958La Agencia de Proyectos de Investigación Avanzada de Defensa está establecido. Se financiará gran parte importante de investigación de ciencias informáticas en las décadas por venir.

1958-1959Jack Kilby y Robert Noyce desarrollan de forma independiente el chip, lo que conduce a ordenadores mucho más baratos y más pequeños.

1959Programa corrector de papeles de Arthur Samuel, terminado como un estudio en el aprendizaje de máquinas, funciona tan bien como algunos de los mejores jugadores de la época.

1959De Dartmouth Thomas Kurtz y John Kemeny encontrar una alternativa al procesamiento por lotes: tiempo compartido.

1959

El advenimiento de la preparación de documentos electrónicos se incrementará el consumo de papel EE.UU. de documentos impresos: la nación ahora consume 7 millones de toneladas de papelal año, cifra que aumentará a 22 millones en 1986. Las empresas estadounidenses usarán 850000000000 páginas en 1981, 2,5 billones de páginas en 1986, y 4 billones de dólares en 1990.

1959Grace Murray Hopper, uno de los primeros programadores de la Mark I, desarrolla COBOL, un lenguaje de programación diseñado para el uso empresarial.

1960Agencia de Proyectos de Investigación Avanzada del Departamento de Defensa aumenta sustancialmente su financiación de la investigación informática.

1960 Cerca de 6.000 equipos están en funcionamiento en los Estados Unidos.

1960Demostración de Yehoshua Bar-Hillel del Nonfeasibility de traducción completamente automática de alta calidad señala la dificultad de la traducción automática de un lenguaje natural a otro: un programa tiene que entender realmente el mundo un pasaje en particular se refiere a.

1960Máquinas-Red neuronal actuales incorporan un pequeño número de neuronas organizadas en sólo una o dos capas. Estos modelos están matemáticamente resultaron ser limitados en lo que pueden hacer.

1961El presidente John F. Kennedy, dirigiéndose a una sesión conjunta del Congreso, dice, creo que hay que ir a la luna, lanzando así el proyecto Apolo, que proporcionará el impulso a la investigación importante en la informática.

1961 Yuri Gagarin se convierte en el primer ser humano en orbitar la Tierra.

1961 Una empresa de EE.UU. comercializa primeros robots industriales del mundo.

1962El primer departamento de la informática que ofrece un doctorado se estableció en la Universidad de Purdue.

1962 El tiempo compartido se introduce en un ordenador en Filadelfia para el control de inventario.

1962

John Glenn, Jr., en su Mercury 6 cápsula espacial, se convierte en el primer estadounidense en orbitar la Tierra. La sonda espacial Mariner EE.UU. es el primer objeto hecho por el ser humano para viaje a otro planeta. Y Telstar de Estados Unidos se convierte en el primer satélite de comunicaciones activos, transmitiendo imágenes de televisión de todo el mundo.

1962D. Murphy y Richard Greenblatt desarrollan el editor de texto TECO, uno de los primeros sistemas de procesamiento de textos, para su uso en el equipo PDP1 en el MIT.

1962Frank Rosenblatt publica Principios de Neurodinámica, en el que define el perceptrón, un elemento de proceso simple para las redes neuronales. Se introdujo por primera vez el perceptrón en una conferencia en 1959.

1962Thomas Kuhn publica La Estructura de las Revoluciones Científicas, en el que teoriza sobre la naturaleza del crecimiento del conocimiento científico.

1963La obra de M. Ross Quillian conduce a la red semántica como un medio de representación del conocimiento en términos de conceptos y relaciones entre conceptos.

1963 Proyecto MAC se establece en el MIT para la investigación de ciencias informáticas.

1963

Investigadores de la IA de la década de 1960, tomando nota de la similitud entre las lenguas humanas y de ordenador, adopten el objetivo de analizar las oraciones del lenguaje natural.Sistemade análisis de Susumo Kuno revela la gran extensión de la ambigüedad sintáctica y semántica en elidioma Inglés. Está probado en la sentencia El tiempo vuela como una flecha.

1963 John McCarthy funda el Laboratorio de Inteligencia Artificial de la Universidad de Stanford.

1963 Marvin Minsky publica sus pasos influyentes Hacia la Inteligencia Artificial.

1964 IBM consolida su liderazgo en el sector de la informática con la introducción de su

1964 Daniel Bobrow completa su trabajo de doctorado en el campo educativo, un programa de lenguaje

natural que puede resolver problemas a nivel de la escuela secundaria en álgebra.

1964Gordon Moore, uno de los fundadores de Fairchild Semiconductor Corporation, predice que los circuitos integrados se duplicarán en la complejidad de cada año. Su declaración será conocida como la ley de Moore y de veras sea cierto en las próximas décadas.

1964De Marshall McLuhan Understanding Media prevé los medios electrónicos, especialmente la televisión, como la creación de una aldea global en la que el medio es el mensaje.

1965Raj Reddy funda el Instituto de Robótica de la Universidad Carnegie-Mellon. El instituto se convierte en un centro de investigación para la IA.

1965

El proyecto DENDRAL comienza en la Universidad de Stanford, dirigido por Bruce Buchanan, Edward Feigenbaum, y premio Nobel Joshua Lederberg. Su objetivo es experimentar en el conocimiento como el principal medio de producción de la conducta de resolución de problemas. El primer sistema experto, DENDRAL, encarna un amplio conocimiento del análisis de la estructura molecular. Seguimiento trabajo, llevado a cabo a través de la década de 1970, producir meta-DENDRAL, un programa de aprendizaje que maquina automáticamente nuevas reglas para DENDRAL.

1965Hubert Dreyfus presenta un conjunto de argumentos filosóficos contra la posibilidad de la inteligencia artificial en un memorando Corporación RAND titulado Alquimia e Inteligencia Artificial.

1965Dirigido por Edward Feigenbaum y sus asociados el proyecto de programación heurística, que más tarde se convertirá en el Laboratorio de Sistemas de Conocimiento, comienza en la Universidad de Stanford

1965Herbert Simon predice que para el 1985 las máquinas serán capaces de hacer cualquier trabajo que un hombre puede hacer.

Mid 1960 Los ordenadores están empezando a ser ampliamente utilizado en el sistema de justicia criminal.

Mid 1960El conocimiento científico y profesional está comenzando a ser codificado en un formato legible por máquina.

1966Richard Greenblatt se desarrolla un programa de ajedrez-juego bastante sofisticado, una versión delo que contradice Hubert Dreyfus, un crítico de AI que duda fuertemente la capacidad de los ordenadores para jugar al ajedrez.

1967Seymour Papert y su equipo en el MIT comienzan a trabajar en LOGO, un lenguaje de programación orientado a la educación que será ampliamente utilizado por los niños.

1967 El negocio del software nace cuando IBM anuncia que dejará de vender el software

1968David Hubel y Wiesel Torstein publicar el primero de muchos papeles importantes en la corteza mono macaco. Ellos descubren células de detección de bordes en las capas exteriores de la corteza visual.

1968Marvin Minsky publica Tratamiento de la información semántica, una importante colección de documentos que describen el trabajo de AI por él y sus estudiantes.

1968Noam Chomsky y Morris Halle publicar el patrón de sonido de Inglés, un estudio histórico de la fonética inglesa.

1968La película 2001: una odisea del espacio, de Arthur C. Clarke y Stanley Kubrick, presenta HAL, un equipo que puede ver, hablar, escuchar, y pensar como sus colegas humanos a bordo de una nave espacial.

1969 Neil Armstrong se convierte en el primer hombre en pie sobre la luna.

1969Marvin Minsky y Seymour Papert escriben Perceptrones, un libro que presenta limitaciones de una sola capa de las redes neuronales.

1970El PIB sobre una base per cápita y en constante 1958 dólares es de $ 3,500, o más de seis veces más que hace un siglo.

1970 El disquete se introduce para el almacenamiento de datos en las computadoras.

1970 Harry Pople y Jack Myers, de la Universidad de Pittsburgh comenzar a trabajar en Internista, un

sistema que ayuda a los médicos en el diagnóstico de una amplia gama de enfermedades humanas.

1970El trabajo doctoral de Patrick Winston presenta un programa que aprende a reconocer un arco, y también aborda el problema de aprendizaje automático.

1970Terry Winograd completa su tesis fundamental sobre SHRDLU, un sistema de lenguaje natural que exhibe un comportamiento inteligente diversa en el pequeño mundo de los bloques de los niños. SHRDLU es criticado, sin embargo, por su falta de generalidad.

1971

Kenneth Colby, Sylvia Weber, y FD Hilf presente un informe sobre Parry, un programa que simula una persona paranoica, en un artículo titulado Artificial Paranoia. El programa es tan convincente que los psiquiatras clínicos no pueden distinguir su comportamiento de la de una persona paranoide humana.

1971 El primer microprocesador se introduce en los EE.UU.

1971 La primera calculadora de bolsillo se introduce. Puede sumar, restar, multiplicar y dividir.

1971 Discado telefónico directo de forma regular empieza entre las partes de los EE.UU. y Europa.

1972Hubert Dreyfus publica lo que las computadoras no pueden hacer, una elaboración de su crítica de 1965 de AI. Argumenta que la manipulación de símbolos no puede ser la base de la inteligencia humana.

1973Alain Colmerauer presenta un esbozo de PROLOG, un lenguaje de programación lógica. La lenguase convertirá en muy popular y se adoptó para su uso en el Programa Japonés de quinta generación.

1973Roger Shank y Abelson desarrollan Robert scripts, los sistemas de conocimiento de representación que se utilizan para describir situaciones cotidianas.

1974 El primer robot industrial controlado por ordenador se desarrolla.

1974

Edward Shortliffe completa su tesis doctoral sobre MYCIN, un sistema experto diseñado para ayudar a los médicos recetan un antibiótico apropiado por determinar la identidad exacta de una infección en la sangre. Trabajar para aumentar este programa con otros sistemas importantes, notablemente TEIRESIAS y EMYCIN continuará hasta principios de 1980. TEIRESIAS será desarrollado en 1976 por Randall Davis para servir como una poderosa herramienta de información-estructuración de los ingenieros del conocimiento. EMYCIN, por William van Melle, representará a la estructura esquelética de las inferencias.

1974Marvin Minsky emite Un marco para la representación del conocimiento como un memo de IA del MIT, un hito en la representación del conocimiento.

1974Se establece la red de comunicaciones informáticas SUMEX-AIM para promover el desarrollo de las aplicaciones de la inteligencia artificial a la medicina.

1975

Benoit Mandelbrot, escribe Les fractales objet: Forme, hasard et dimensión, su primer largo ensayo sobre la geometría fractal, una rama de las matemáticas que él desarrolló. Formas fractales se utilizan ampliamente para modelar fenómenos caóticos en la naturaleza y para generar imágenes de ordenador realistas de objetos de origen natural.

1975Medicina se está convirtiendo en una importante área de aplicaciones para la investigación en IA.Cuatro grandes sistemas expertos médicos han sido desarrollados por ahora: PIP, CASNET, MYCIN y Internista.

1975Los Programas de Investigación Avanzada Agencia de Defensa pone en marcha su Programa de Entendimiento Imagen de estimular la investigación en el campo de la visión artificial.

1975Más de 5.000 microordenadores se venden en los EE.UU., y el primer ordenador personal, con 256bytes de memoria, se introduce.

1970El papel del conocimiento en el comportamiento inteligente es ahora un foco importante de la investigación en IA. Bruce Buchanan y Edward Feigenbaum de la Universidad de Stanford ingeniería del conocimiento pionero.

1976Daniel Bell publica La sociedad post-industrial, que introduce el concepto de una sociedad en la que el principio axial es la centralidad y la codificación del conocimiento.

1976Como representación de una imagen visual, David Marr propone un esquema primordial, que contiene información que describe los cambios de brillo, manchas y texturas.

1976Kurzweil Computer Products presenta la máquina de lectura Kurzweil, que lee en voz alta cualquier texto impreso que se presenta a la misma. Basado en la tecnología omnifuente-de reconocimiento de caracteres, que pretende ser una ayuda sensorial para ciegos.

1976

Douglas Lenat presenta un programa llamado AM (for Automated Matemático) como parte de su tesis de doctorado de Stanford. AM, un precursor de la EURISKO, es un sistema basado en el conocimiento que hace que los descubrimientos en la teoría de los números y las matemáticas abstractas.

1976Joseph Weizenbaum, que creó el famoso programa ELIZA, que simula un psicoterapeuta de Rogers, publica Computer Power y la razón humana. Él argumenta que incluso si pudiéramos construir máquinas inteligentes, que no sería ético hacerlo.

1976-1977Lynn Conway y Carver Mead colaborar y armar un conjunto de principios para el diseño VLSI. Su clásico libro de texto Introducción al Diseño VLSI se publicó en 1980. Circuitos VLSI formarán la base de la cuarta generación de computadoras.

1977

David Marr y Poggio Tomaso señalan la diferencia destacada entre el cerebro humano y el ordenador de hoy en un documento sobre la visión por computador, desde la comprensión de la Computación para la comprensión de circuitos neuronales. Mientras que la conexión a la relación de componentes es sólo 3 en los ordenadores, que es 10000 en la corteza de un mamífero.

1977 Steven Jobs y Stephen Wozniak diseñan y construyen la Apple Computer.

1977 El primer campo de la computadora para los niños se llevó a cabo en Connecticut.

1977La película de Star Wars cuenta con 3CP0 y una pléyade de otros robots imaginativas reales como la vida con un amplio espectro de las emociones humanas convincentes.

1977Voyagers 1 y 2 se ponen en marcha y la radio de nuevo miles de millones de bytes de datos informatizados sobre los nuevos descubrimientos a medida que exploran los planetas exteriores de nuestro sistema solar.

1977 El Apple II, la primera computadora personal que se vende en forma ensamblada, es éxito

1978David Marr y HK Nishihara proponen una nueva representación de la información visual. El boceto 21/2-dimensional, presenta la profundidad y la orientación de todas las superficies visibles.

1978Digital Equipment Corporation (DEC) y la Universidad de Carnegie-Mellon comenzar a trabajar en XCON, un sistema experto que configura los sistemas informáticos. Para 1980 XCON entrará en uso regular, ahorrando millones de dólares en plantas de diciembre.

1979

En un estudio publicado en la Revista de la Asociación Médica de Estados Unidos por nueve investigadores, el rendimiento de MYCIN se compara con la de los médicos sobre diez casos de prueba de la meningitis. MYCIN hace al menos tan bien como los expertos médicos. El potencial delos sistemas expertos en medicina llega a ser ampliamente reconocido.

1979Dan Bricklin y Bob Frankston crean Visicalc, la primera hoja de cálculo electrónica, acreditado con el establecimiento de la computadora personal como herramienta de negocio serio.

1979 Pac Man y otros primeros videojuegos computarizados aparecen.

1980 AI ingresos de la industria es de unos cuantos millones de dólares por año.

1980 Douglas R. Hofstadter gana el Premio Pulitzer por su best-seller Gödel, Escher, Bach.

1980 David Marr y Ellen Hildreth publicar un importante estudio sobre la detección de bordes.

1980La sección Propædia de la decimoquinta edición de la Enciclopedia Británica representa un ambicioso intento de codificar un resumen de todo el conocimiento humano en sólo 800 páginas.

A principiosde 1980

Los robots de segunda generación llegan con la capacidad de precisamente los movimientos de efecto con cinco o seis grados de libertad. Se utilizan para la soldadura industrial y pintura a pistola.

A principiosde 1980

El proyecto MYCIN produce neomicina y ONCOCIN, sistemas expertos que incorporan bases de conocimiento jerárquicos. Son más flexibles que MYCIN.

A principiosde 1980

Los sistemas expertos suelen tener bases de conocimiento de alrededor de mil reglas.

1980El paradigma de la red neuronal comienza a hacer una reaparición, como modelos de neuronas son ahora

1981

MITI, el ministerio de Japón para el comercio y la industria, ha anunciado planes para desarrollar en1990 las computadoras inteligentes que serán al menos mil veces más potente que los actuales. MITI tiene un historial de liderar la industria japonesa a la dominación mundial en una amplia gama de campos.

1981Autoedición se arraiga cuando Xerox lleva a cabo su Star Computer. Sin embargo, no va a ser popular hasta Laserwriter de Apple llega al mercado en 1985. Autoedición proporciona escritores y artistas una forma barata y eficaz para componer e imprimir documentos de gran tamaño.

1981 IBM presenta su ordenador personal (PC).

1982 Reproductores de disco compacto se comercializan por primera vez.

1982Una campaña de publicidad del millón de dólares de Mitch Kapor introduce Lotus 1-2-3, un programa de hoja de cálculo enormemente popular.

1982

Con más de 100.000 asociaciones entre los síntomas y las enfermedades que cubren el 70 por ciento de todo el conocimiento en el campo, caduceo, una mejora en el sistema experto Internista, está desarrollado para medicina interna por Harry Pople y Jack Myers de la Universidad de Pittsburgh. Probado contra los casos de la revista New England Journal of Medicine, resulta más preciso que los seres humanos en una amplia gama de categorías.

1982Robots de defensa juegan un papel vital en la destrucción israelí de 29 rusa SAM (misiles tierra-aire) sitios en una sola hora, durante la invasión del Líbano.

1982

ICOT de Japón, un consorcio empresarial formado para cumplir algunos de los objetivos del Proyecto de quinta generación, comienza el desarrollo de actividades con financiamiento de US $ 1mil millón (media del MITI, la mitad de la industria japonesa) en diez años. Una respuesta es iniciada por los estadounidenses.

1982Prospector de SRI International, un sistema experto mineralógica iniciado en 1976 y actualizado anualmente, señala la ubicación de un importante depósito de molibdeno.

1983Edward Feigenbaum y Pamela McCorduck publican su influyente libro La quinta generación, el desafío informático de Japón al mundo.

1983La Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) da a conocer la IniciativaEstratégica Computing, un importante programa de investigación en microelectrónica, las arquitecturas de computación, y la IA.

1983 Seis millones de ordenadores personales se venden en los EE.UU.

1983Isaac Asimov describe en su novela de ciencia ficción Robots del Amanecer de una sociedad de dos siglos a partir de ahora en el que una bella mujer de ciencias y su amante robot humaniforme viven en compañía de una generación de compañeros robóticos, funcionarios, maestros y guardias.

1984La Comunidad Económica Europea constituye ESPRIT, un programa de cinco años para desarrollarcomputadoras inteligentes. Se inicia con US $ 1,5 mil millones en financiamiento.

1984Racter, creado por William Chamberlain, es el primer programa de computadora para escribir un libro.

1984Ronald Reagan firma la legislación para permitir la formación de la Microelectrónica y Computer Corp. (MCC), un consorcio de 21 empresas que tengan por objeto el desarrollo de las computadoras inteligentes. MCC tiene un presupuesto anual de investigación de US $ 65 millones.

1984Universidad de Waseda en Tokio completa Wabot-2, un robot de 200 libras que lee partituras a través de su ojo de la cámara y toca el órgano con sus diez dedos y dos pies.

1984Los discos ópticos de almacenamiento de datos informáticos se introducen e IBM trae un chip de memoria RAM megabit con cuatro veces la memoria de los chips anteriores.

1985 Marvin Minsky publica The Society of Mind, en el que presenta una teoría de la mente en la que la

inteligencia se ve que es el resultado de las organizaciones propias de un gran número de mecanismos sencillos, cada uno de los cuales es por sí misma poco inteligente.

1985Jerome Wiesner y Nicholas Negroponte encontraron Laboratorio de Medios del MIT para hacer la investigación sobre las aplicaciones de los aspectos de la ciencia de la computación, la sociología yla inteligencia artificial a la tecnología de los medios de comunicación.

1985 Durante este año 6000 diseños para circuitos integrados de aplicación específica (ASIC) son

1985El Laboratorio de Medios del MIT crea la primera imagen holográfica tridimensional que se generen en su totalidad por ordenador.

c. 1985 Japón es líder mundial en el desarrollo de la robótica, producción y aplicación.

Mid 1980La investigación en IA comienza a centrarse seriamente en arquitecturas paralelas y metodologías para la resolución de problemas.

Mid 1980 Robots de tercera generación llegan con inteligencia limitada y algo de visión y percepción táctil.

1986 AI ingresos de la industria es de $ 1 mil millones.

1986Albert Lawrence, Alan Schick, y Robert Birge de llevar a cabo investigaciones de la Universidad Carnegie-Mellon se centró en el esfuerzo por desarrollar una teoría de la computación molecular.

1986Policía de Dallas usan un robot para entrar en un apartamento. El fugitivo se agota en el miedo y serinde.

1986Los teclados electrónicos representan el 55,2 por ciento del mercado de teclado musical estadounidense, frente al 9,5 por ciento en 1980. Se espera que esta tendencia continúe hasta que el mercado es casi todo electrónico.

1986James McClelland y David Rumelhart editar una serie de documentos en los modelos de la red neuronal para la inteligencia, una colección que pronto se convertirá en el manifiesto de los nuevos conexionistas.

1986Tecnología para el reconocimiento óptico de caracteres representa una industria de $ 100 millones que se espera que crezca a varios cientos de millones en 1990.

1986Nuevos sistemas de imágenes médicas son la creación de una mini revolución. Los médicos ahora pueden hacer juicios exactos sobre la base de puntos de vista de las áreas dentro de nuestros cuerpos y cerebros.

1986El uso de procesamiento de imágenes y reconocimiento de patrones, Lillian Schwartz se le ocurre una respuesta a una pregunta de 500 años de edad: ¿Quién fue la Mona Lisa? Su conclusión: el propio Leonardo da Vinci.

1986

La esperanza de vida es de unos 74 años en los EE.UU. Sólo el 3 por ciento de la fuerza laboral estadounidense está implicado en la producción de alimentos. Completamente 76 por ciento de los adultos estadounidenses tienen diplomas de escuela secundaria, y 7,3 millones de estudiantes estadounidenses están matriculados en la universidad.

1986Trabajo doctoral de Russell Anderson de la Universidad de Pennsylvania es un jugador de ping-pong robótico que gana contra los seres humanos.

1986Los mejores jugadores de ajedrez equipo ahora están compitiendo con éxito en el nivel de maestro mayor, con HiTech, la máquina líder de ajedrez, análisis de 200.000 puestos en las juntas por segundo.

1987 Mercado continuo ayuda a empujar acciones del NYSE a su mayor pérdida en un solo día.

1987El mercado de productos de lenguaje natural (excluyendo el reconocimiento automático del habla) se estima en $ 80 millones y se espera que crezca a $ 300 millones en el 1990.

1987El margen comercial de las tecnologías relacionadas con la IA en los EE.UU., con exclusión de la robótica, es ahora de $ 1,4 mil millones. Se espera que alcance los $ 4 mil millones de 1990.

1987Sistemas de voz actuales pueden proporcionar cualquiera de los siguientes: un amplio vocabulario, reconocimiento de habla continua, o la independencia de los altavoces.

1987Japón desarrolla el Sistema Automatizado de Identificación de Huellas Dactilares (AFIS), que permite a las agencias policiales de Estados Unidos para rastrear rápidamente e identificar a los sospechosos.

1987Sistemas de robótica de visión son ahora una industria de $ 300 millones y crecerá a US $ 800 millones para el 1990.

1987En la actualidad hay 1900 sistemas expertos que trabajan, 1.200 más que el año pasado. El área de aplicación más popular es la financiación, seguido por el control de la fabricación y el diagnóstico de fallos.

1987XCON, sistema experto de diciembre para la configuración de equipos, ha crecido desde su introducción en 1980. Ahora cuenta con una base de conocimientos que incorpora más de 10.000 normas y hace el trabajo de 300 personas con más precisión que los seres humanos.

1988 Los costos actuales de la memoria del ordenador sólo 10-8 de lo que lo hizo en 1950.

1988El mercado de sistemas expertos es ahora un valor de $ 400 millones, frente a US $ 4 millones en 1981. El mercado se prevé que crezca a $ 800 millones en 1990.

1988Marvin Minsky y Seymour Papert ofrecen su punto de vista de los recientes acontecimientos en la maquinaria neural de la red por la inteligencia en una edición revisada de Perceptrones.

1988La población de robots industriales ha aumentado desde unos pocos cientos en 1970 a varios cientos de miles, la mayoría de ellos en Japón

1988En los EE.UU. 4.700.000 microcomputadoras, minicomputadoras 120.000 y 11.500 mainframes se venden en este año.

1988 Máquina de conexión de W. Daniel Hillis es capaz de 65.536 cálculos al mismo tiempo.

1988Fuerzas del Pacto de Varsovia están a menos de una década detrás de las fuerzas de la OTAN en la inteligencia artificial y otras tecnologías informáticas.

1989Potencia de cálculo por unidad de costo se ha duplicado aproximadamente cada 18 a 24 meses en los últimos 40 años.

1989 La tendencia de lo analógico a lo digital seguirá revolucionando un número creciente de industrias.

1989Japón, un país muy pobre en recursos naturales, pero rico en experiencia, se ha convertido en la nación más rica del planeta, según lo medido por el valor total de todos los activos.

Finales de 1980

La aviónica centrales de un avión de combate típico utiliza 200.000 líneas de software. Se espera que la cifra aumente a alrededor de 1 millón en la década de 1990. El Ejército de los EE.UU. en su conjunto emplea a unos 100 millones de líneas de software (y se espera que utilice 200 millones para el 1993). La calidad del software se convierte en un tema urgente que los planificadores están empezando a abordar.

Finales de 1980

El equipo está siendo reconocida como una poderosa herramienta para la expresión artística.

A principiosde 1990

Un cambio profundo en la estrategia militar llega. Las naciones más desarrolladas cada vez más confían en las armas inteligentes, que incorporan copilotos electrónicos, técnicas de reconocimiento de patrones y tecnologías avanzadas para el seguimiento, identificación y destrucción.

A principiosde 1990

Sistemas de voz continuos pueden manejar grandes vocabularios para tareas específicas.

A principiosde 1990

Procesadores informáticos operan a velocidades de 100 MIPS.

A principiosde 1990

Tecnología Aplicación específica de circuito integrado (ASIC), la redacción de los programas de chips tan fácil como escribir programas de software.

1990Una computadora y procesamiento de información de la industria de varios cientos de millones de dólares se está convirtiendo, junto con una generación de inteligencia de la máquina ubicua que trabaja íntimamente con sus creadores humanos.

1990

Se lograron avances significativos hacia un asistente inteligente, un sistema de apoyo a decisiones capaz de una amplia variedad de tareas administrativas y de recopilación de información. El sistema puede, por ejemplo, preparar un informe de viabilidad sobre una propuesta de proyecto después de acceder a varias bases de datos y hablar con los expertos humanos.

1990La identificación de personas fiable, usando técnicas de reconocimiento de patrones aplicadas a patrones visuales y del habla, reemplazar cerraduras y llaves en muchos casos.

1990Músicos, así como estudiantes que están aprendiendo música cumplida, son acompañados habitualmente por músicos cibernéticos.

1990Tecnología de AI es de mayor importancia estratégica de los recursos humanos, la geografía y los recursos naturales.

Finales de 1990

Documentos con frecuencia no existen en el papel, ya que incorporan la información en forma de audio y vídeo pedazos.

Finales de 1990

Tecnología de los medios de comunicación es capaz de producir personalidades generadas por ordenador, sistemas de imágenes inteligentes con algunas características humanas.

1999El ordenador y de procesamiento de información del mercado de varios cientos de millones de dólares es en gran medida inteligente para los estándares de 1990.

2000Los chips tridimensionales y geometrías de componentes más pequeños contribuyen a una mejora en el poder multithousandfold ordenador (en comparación con la década anterior).

2000 Aparecen chips con más de un mil millones de componentes.

2000 El campeón mundial de ajedrez es un ordenador.

Década de 2000

Traducción de teléfonos permiten a dos personas en todo el mundo para hablar con los demás, incluso si no hablan el mismo idioma.

Década de 2000

Máquinas de voz a texto se traducen voz en una pantalla visual para personas sordas.

Década de 2000

Ayudas de prótesis robóticas exoesqueléticas permiten personas parapléjicos a caminar y subir escaleras.

Década de 2000

Los teléfonos son respondidas por un contestador automático inteligente que conversa con la persona que llama para determinar la naturaleza y prioridad de la llamada.

Década de 2000

El chófer cibernética, instalado en el coche de uno, se comunica con los otros coches y sensores en las carreteras. De esta manera se impulsa con éxito y se desplaza de un punto a otro.

A principiosdel siglo 21

Las computadoras dominan el ambiente educativo. Courseware es lo suficientemente inteligente como para comprender y corregir las inexactitudes en el modelo conceptual de un estudiante. Tecnología de los medios de comunicación permite a los estudiantes interactuar con simulaciones de los mismos sistemas y personalidades que están estudiando.


El sector de la producción de toda la sociedad es operado por un pequeño número de técnicos y profesionales. Personalización individual de productos es común.


Las drogas se han diseñado y probado en simuladores bioquímicos humanos.


Máquinas Seeing para ciegos proporcionan tanto las funciones de navegación y lectura.

2010Una computadora personal tiene la capacidad para responder a una gran variedad de consultas, yaque sabrá dónde encontrar el conocimiento. Las tecnologías de comunicación permiten acceder a muchas fuentes de conocimientos mediante la comunicación inalámbrica.

2020-2050Una llamada telefónica, que incluye imágenes en movimiento holográficas tridimensionales de gran realismo, es como visitar a la persona llamada.

2020-2070 Un equipo que pasa la prueba de Turing, que indica la inteligencia de nivel humano.

1990 La Edad de Las Maquinas Inteligentes

Documents

Transcript of 1990 La Edad de Las Maquinas Inteligentes