Historia de la inteligencia artificial y caractersticas1

Ms. Ing. Jairo E. Mrquez D.

La Inteligencia Artificial surge a partir de algunos trabajos publicados en la dcada de1940, los cuales no tuvieron gran repercusin, pero a partir del influyente trabajo en 1950de Alan Turing, matemtico britnico, se abre una nueva disciplina de las ciencias de lainformacin.

Si bien las ideas fundamentales seremontan a la lgica y algoritmos de losgriegos, y a las matemticas de los rabes,varios siglos antes de Cristo, el conceptode obtener razonamiento artificial apareceen el siglo XIV. A finales del siglo XIX seobtienen lgicas formales suficientementepoderosas y a mediados del siglo XX, seobtienen mquinas capaces de hacer uso detales lgicas y algoritmos de solucin.

Entonces, qu es la inteligencia artificial?

- Es el nuevo y excitante esfuerzo de hacer que los computadores piensenmquinas con mentes, en el ms amplio sentido literal. (Haugeland, 1985).

- El estudio de los clculos que hacen posible percibir, razonar y actuar. (Winston,1992).

- El arte de desarrollar mquinas con capacidad para realizar funciones que cuandoson realizadas por personas requieren de inteligencia. (Kurzweil, 1990).

- Es el resultado de combinar distintas reas (ciencias) con el propsito de crearmquinas que puedan (inteligencia). (Grupo 13).

- El estudio de como hacer computadoras que hagan cosas que, de momento, la gentehace mejor. (Rich y Knight, 1991).

- Un campo de estudio que busca explicar y emular el comportamiento inteligente entrminos de procesos computacionales. (Schalko, 1990).

- El estudio de las facultades mentales a travs del estudio de modeloscomputacionales. (Charniak y McDermott, 1985)

Estos conceptos confluyen a lo que se puede definir como Mquina inteligente; la cual estoda aquella que toma una decisin o piensa, producto de deducir de la informacin quedispone en su memoria. En otras palabras, lo que deduce no se encuentra exactamente igualen la memoria, sino que se toma informacin que fue almacenada anteriormente para

1 Fuente de consulta. Historia de la inteligencia artificial.http://es.wikipedia.org/wiki/Historia_de_la_inteligencia_artificial [En lnea] Consultado el 18 de noviembrede 2011. Modificado y/o adaptado por el autor.

realizar una deduccin. Por consiguiente, se infiere que la IA a diferencia de los sistemasoperacionales presenta ciertos elementos que la distinguen, como son:

Los sistemas operacionales se caracterizan por:

- Pensar el algoritmo para luego programarlo.- Procesamiento de datos mayormente.- Solo acepta la mejor solucin posible.

Para el caso de la IA:

- Busca la informacin necesaria para solucionar un problema.- Procesamiento de conocimiento.- Acepta una respuesta o solucin viable.

La Inteligencia Artificial comenz como elresultado de la investigacin en psicologacognitiva y lgica matemtica. Se ha enfocadosobre la explicacin del trabajo mentaly construccin de algoritmos de solucina problemas de propsito general. Punto de vistaque favorece la abstraccin y la generalidad.

La Inteligencia Artificial es una combinacinde la ciencia del computador, fisiologa yfilosofa, tan general y amplio como eso, es querene varios campos (robtica, sistemasexpertos, por ejemplo), todos los cuales tienenen comn la creacin de mquinas que pueden"pensar".

Trabajos tericos fundamentales fueron el desarrollo de algoritmos matemticos porWarren McCullock y Walter Pitts, en 1943, necesarios para posibilitar el trabajo declasificacin, o funcionamiento en sentido general, de una red neuronal. En 1949 DonaldHebb desarroll un algoritmo de aprendizaje para dichas redes neuronalescreando, enconjunto con los trabajos de McCullock y Pitts, la escuela creacionista. Esta escuela seconsidera hoy como el origen de la Inteligencia Artificial, sin embargo se trat poco pormuchos aos, dando paso al razonamiento simblico basado en reglas de produccin, loque se conoce como sistemas expertos.

Caractersticas de la Inteligencia Artificial2

1. Una caracterstica fundamental que distingue a los mtodos de InteligenciaArtificial de los mtodos numricos es el uso de smbolos no matemticos, aunque

2 Fuente. Neurociencia y Realidad virtual. http://neurocienciaeia.blogspot.com/ [On line] Consultado el 20 dejulio de 2012.

no es suficiente para distinguirlo completamente. Otros tipos de programas comolos compiladores y sistemas de bases de datos, tambin procesan smbolos y no seconsidera que usen tcnicas de Inteligencia Artificial.

2. El comportamiento de los programas no es descrito explcitamente por el algoritmo.La secuencia de pasos seguidos por el programa es influenciado por el problemaparticular presente. El programa especifica cmo encontrar la secuencia de pasosnecesarios para resolver un problema dado.

3. Estos programas incorporan factores y relaciones del mundo real y del mbitodel conocimiento en que ellos operan.

4. Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de InteligenciaArtificial los programas no pueden trabajar con este tipo de problemas.

Heurstica e Inteligencia Artificial3

La heurstica se trata del arte de innovar, de visualizar en el diseo, de concebir nuevasideas, de hacer descubrimientos o logros, tambin es la capacidad de un sistema pararealizar de forma inmediata innovaciones positivas para sus fines. La capacidad heursticaes un rasgo caracterstico de los humanos, desde cuyo punto de vista puede describirsecomo el arte y la ciencia del descubrimiento y de la invencin o de resolver problemasmediante la creatividad y el pensamiento lateral o pensamiento divergente.Los procesos que se llevan a cabo en el cerebro pueden ser analizados, a un nivel deabstraccin dado, como procesos computacionales de algn tipo.

En cierto sentido, el enfoque heurstico es el caracterstico de la IA. Newell y Simonasociaban el "mtodo de bsqueda heurstica" con el tipo de representacin de soluciones

3 Heurstica e Inteligencia Artificial. Revista. Hiperenciclopedica de Divulgacin del saber. Ao 2006. Vol. 5,nmuro 4. Octubre a diciembre de 2011.

parciales. Nosotros nos vamos a limitar a explicar qu significa el trmino "heurstica" en elmbito de la inteligencia artificial.Desde el inicio de la IA, el trmino "heurstica" oscil entre dos sentidos fundamentalesvinculados a la utilizacin de informacin del dominio de problemas (con el fin de haceruna bsqueda ms eficiente) y a la imposibilidad de garantizar encontrar la solucin de unproblema.

Estas definiciones se refieren, a dos conjuntos diferentes de mtodos: dispositivos quemejoran la eficiencia y dispositivos que no garantizan obtener un resultado. El paradigmametaheurstico consiste en una familia de mtodos de bsqueda que comenz adesarrollarse con ese nombre a partir de la dcada del 80. Estrictamente no se lo consideraun paradigma sino simplemente un conjunto de mtodos o herramientas de bsqueda, peroes posible que tarde o temprano entre en esta categora. Osman y Kelly (1996) describen lametaheurstica del siguiente modo: "Estas familias de enfoques incluyen pero no se limitana procedimientos adaptativos aleatorios golosos, algoritmos genticos, bsqueda de umbraly sus hbridos. Incorporan conceptos basados en la evolucin biolgica, la resolucininteligente de problemas, las ciencias matemticas y fsicas, el estudio del sistema nerviosoy la mecnica estadstica". Un poco ms adelante los autores describen a la disciplina de lasiguiente forma: "Las metaheursticas son una clase de mtodos aproximados, que estndiseados para atacar problemas de optimizacin combinatoria difciles para los que lasheursticas clsicas fracasaron en ser efectivas y eficientes. Las metaheursticasproporcionan marcos generales que permiten crear nuevos hbridos combinando diferentes

conceptos de: heursticas clsicas; inteligencia artificial; evolucin biolgica; sistemasneuronales y mecnica estadstica".Finalmente, Osman y Kelly comentan: "Debe notarse que existen convergencias tericaspara algunas de las metaheursticas bajo algunos supuestos. Sin embargo, estos supuestosno pueden satisfacerse o aproximarse en la mayora de las aplicaciones prcticas. Por lotanto, se pierde la capacidad para demostrar optimalidad y se obtienen solucionesaproximadas. A pesar de este inconveniente, las metaheursticas han sido altamenteexitosas en encontrar soluciones ptimas o cuasi ptimas en muchas aplicaciones prcticasde optimizaciones en diversas reas, ms que sus heursticas subordinadas".

Yagiura e Ibaraki (1996) mencionan la combinacin de herramientas heursticas en marcosms sofisticados como caracterstica distintiva de las metaheursticas y consideran que dosde sus propiedades atractivas son la simplicidad y la robustez.Finalmente y para que conste la estrecha relacin entre heurstica e inteligencia artificialpresentamos algunas definiciones clsicas de Inteligencia Artificial:

Systems that can demonstrate human-like reasoning capability to enhance the quality oflife and improve business competitiveness. (Japan-Spore AI Centre)

La Inteligencia Artificial es el estudio de tcnicas de resolucin de problemas concomplejidad exponencial a partir del conocimiento del campo de aplicacin delproblema. (Rich)

Tipos de algoritmos Heursticos

En una primera clasificacin podemos decir que los algoritmos heursticos pueden sersimples o complejos. Los algoritmos simples tienden a tener reglas de terminacin biendefinidas, y se detienen en un ptimo local, mientras que los algoritmos ms complejospueden no tener reglas de terminacin estndar, y buscan soluciones mejores hasta alcanzarun punto de parada arbitrario.Dentro de los algoritmos heursticos complejos podemos hacer una segunda clasificacin,esta vez orientada a la funcionalidad de los mismos. En primer lugar podemos encontrarnoscon algoritmos que fueron diseados para dar solucin a problemas de bsqueda deptimos o clasificacin y por otro lado tenemos los algoritmos que tratan de deducirconocimiento a partir de un conjunto de axiomas, estos ltimos conocidos como sistemasbasados en el conocimiento.Entre los algoritmos de bsqueda de ptimos se encuentran los siguientes mtodos:

Bsqueda Tab Temple Simulado Algoritmos Genticos Redes Neuronales Agentes inteligentes

Los sistemas basados en el conocimiento definen un rea muy concreta dentro de lainteligencia artificial, conocida como Ingeniera del conocimiento. Los sistemasdesarrollados en este campo siguen un patrn heurstico similar al razonamiento humano.

Bsqueda Tab

La bsqueda tab es un procedimiento o estrategia dado a conocer en los trabajos deGlover, y que esta teniendo grandes xitos y mucha aceptacin en los ltimos aos. Segnsu creador, es un procedimiento que "explora el espacio de soluciones ms all del ptimolocal", (Glover y Laguna). Se permiten cambios hacia arriba o que empeoran la solucin,una vez que se llega a un ptimo local. Simultneamente los ltimos movimientos secalifican como tabs durante las siguientes iteraciones para evitar que se vuelvan asoluciones anteriores y el algoritmo cicle. El trmino tab hace referencia a un tipo deinhibicin a algo debido a connotaciones culturales o histricas y que puede ser superada endeterminadas condiciones. (Glover).

Temple SimuladoEl uso del temple simulado en problemasde Optimizacin se ha extendido desdemediados de los ochenta hasta ahora, apartir de los trabajos de Kirpatrick, Gelatt& Vecchi. Los algoritmos TempleSimulado estn basados en una estrechaanaloga entre los procesos fsicostermodinmicos y los elementos de unproblema de optimizacin combinatoria.Aunque asintticamente estos algoritmosse comportan como exactos, (un anlisisexhaustivo de esta afirmacin se puedeencontrar en el trabajo de Aarts & Korst),en la prctica se disean como heursticos.El campo de aplicaciones se ha extendidodurante estos aos. En problemas de rutasdestacan las aportaciones de Osman, parael VRP; y Aarts y otros, para el problemadel viajante de comercio.

Algoritmos GenticosEn los aos setenta, de la mano de John Holland surgi una de las lneas ms prometedorasde la inteligencia artificial, la de los algoritmos genticos. Son llamados as porque seinspiran en la evolucin biolgica y su base gentico-molecular. Estos algoritmos hacenevolucionar una poblacin de individuos sometindola a acciones aleatorias semejantes alas que actan en la evolucin biolgica (mutaciones y recombinacin gentica), as comotambin a una seleccin de acuerdo con algn criterio, en funcin del cual se decide culesson los individuos ms adaptados, que sobreviven, y cules los menos aptos, que sondescartados.

Redes Neuronales

En inteligencia artificial las redes de neuronas artificiales (RNA) son un ejemplo deaprendizaje y procesamiento automtico basado en el funcionamiento del sistema nerviosoanimal. Se trata de simular el comportamiento observado en las redes neuronales biolgicasa travs de modelos matemticos mediante mecanismos artificiales (circuitos integrados,ordenadores...). Con las RNA se pretende conseguir que las mquinas den repuestassimilares a las del cerebro humano, caracterizadas por su generalizacin y robustez.Sistemas expertosLos sistemas expertos se basan en simular el razonamiento humano con un doble inters: enprimer lugar el del analizar el razonamiento de un experto en la materia para podercodificarlo con la ayuda de un determinado lenguaje informtico; por otra parte, la sntesisartificial de los razonamientos para que se parezcan a los del experto humano en laresolucin de un determinado problema. Estos dos intereses han hecho que losinvestigadores del campo de la IA intenten establecer una metodologa que les permitaverificar la "comunicacin" con los expertos y separar los distintos tipos de razonamiento(formal, deductivo, inductivo...), adems de construir los elementos necesarios paramodelizarlos.Mientras que en la programacin clsica se diferencia solamente entre el programa y losdatos, en los sistemas expertos se diferencian tres componentes:

Una base de conocimientos Una base de hechos Un motor de inferenciaLa base de conocimientosalmacena toda la informacinespecfica relativa al campo deconocimiento deseado. Para ello sehace uso de un lenguaje especficopara representar los conocimientosy que permite definir al experto supropio vocabulario tcnico.En la base de hechos se encuentranlos datos relativos a los problemasque se quieren resolver con laayuda del sistema. La memoria detrabajo almacena los resultadosintermedios, pudiendo guardar el rastro de las inferencias realizadas. Es por eso que puedeutilizarse para explicar la forma en la que el sistema ha deducido la informacin duranteuna sesin de trabajo o describir el comportamiento del propio sistema. Al comienzo delperodo de trabajo, en la base de hechos slo se encuentran los datos introducidos por elusuario del sistema, pero a medida que acta el motor de inferencia, almacena lasinducciones y deducciones que ha llevado a cabo el sistema para conseguir lasconclusiones.

El motor de inferencia, es un programa que a partir del "conocimiento" puede resolver elproblema especificado. Esto se consigue gracias a los datos de la base de hechos delsistema. Por lo general, las reglas de la base de conocimiento son silogismos demostrativos(si A es cierto entonces deducimos B). En este caso, el motor de inferencias selecciona,valida y activa las reglas que permiten obtener la solucin correspondiente al problema encuestin.Existen dos tipos de motor de inferencia: los que emplean el razonamiento aproximado(cuyo resultado puede ser errneo) y los que usan un tipo de razonamiento a partir del quese puede obtener resultado verdadero.Los elementos bsicos de todo sistema experto son:

1. Base de conocimientos: diseada a partir del conocimiento de un experto ogrupo de expertos humanos, est formada por reglas de validez general,distribuciones de probabilidad,...

2. Motor de inferencia: sistema de procesamiento lgico o probabilstico quepermite obtener unas conclusiones a partir de unos datos.

3. Interface de usuario: medio de comunicacin entre el usuario y la mquina.A travs de la interface el sistema solicita datos al usuario y le muestra lasconclusiones obtenidas.

4. Subsistema de adquisicin de conocimiento: controla la forma en la quenuevo conocimiento es incorporado a la base de conocimientos.

5. Subsistema de explicacin: se encarga de justificar las conclusionesobtenidas.

Esquema de funcionamiento de un sistema experto

Agentes inteligentes

En los ltimos aos, dentro de la Inteligencia Artificial se estn dedicando importantesesfuerzos a la construccin de programas conocidos como agentes inteligentes. Se trata deprogramas capaces de llegar a averiguar los gustos o preferencias del usuario y adaptarse aellos. Aunque son muchos los posibles usos, uno de los ms destacados es la bsqueda deinformacin en Internet. En la red pueden encontrarse ya programas que son capaces dellegar a identificar los temas de inters de un usuario particular a partir de las bsquedasque habitualmente realiza, una vez identificados esos temas pueden actuar como filtros,mostrando al usuario nicamente la informacin que le pueda resultar relevante, oinformando automticamente de la aparicin de nuevas pginas sobre sus temas de inters.(Cobo O. ngel).

Introduccin a la verificacin en la ingeniera del conocimiento.

Al igual que la ingeniera del software, la ingeniera del conocimiento cuenta entre susfases con una destinada a la evaluacin del sistema desarrollado.

Fases habituales en la ingeniera del conocimiento:

1. Estudio de viabilidad2. Adquisicin del conocimiento3. Conceptualizacin (anlisis)4. Formalizacin (diseo)5. Implementacin6. Evaluacin

La fase de evaluacin en la ingeniera del conocimiento se caracteriza por los siguientesaspectos a tener en cuenta

Verificacin Sintaxis y estructura adecuada (no redundante, completa, consistente) Se realiza en modelos conceptuales, formales y computables

Validacin Semntica adecuada [experto] Se realiza en modelos conceptuales, formales y computables

Por lo tanto podemos considerar como un proceso fundamental en la evaluacin de"software inteligente" la creacin de modelos matemticos.

Modelos Matemticos

Una de las fases del mtodo heurstico sebasa en construir modelos. Aunqueexisten muchas definiciones de modelo,

una de las ms interesantes es la de Aracil: "Un modelo constituye una representacinabstracta de un cierto aspecto de la realidad, y tiene una estructura que est formada por loselementos que caracterizan el aspecto de la realidad modelada y por las relaciones entreestos elementos".Nosotros estamos interesados en modelos formales basados en la lgica matemtica, y estosestn basados en un conjunto de relaciones matemticas (relaciones lgicas, ecuaciones,inecuaciones, etc.) que representan las relaciones existentes en el mundo real. Un modeloqueda por lo tanto definido por las relaciones que contiene.Podemos clasificar los modelos matemticos segn su funcin:

Modelos predictivos: Son aquellos que nos informan sobre el comportamiento de lavariable en el futuro, esto es, lo que debera ser. Los modelos basados en tcnicasestadsticas se corresponden con este tipo.

Modelos evaluativos: Se basan en medir las diferentes alternativas para comparar losresultados de ellas. Este es el caso de los rboles de decisin.

Modelos de optimizacin: Estos modelos tratan de localizar un optimo del problema(generalmente el ptimo global), es decir, buscan la mejor alternativa posible. Estnbasados en tcnicas de programacin matemtica.

Una vez se ha mostrado una breve clasificacin de los modelos, es necesario aportar unamedida de su solucin, puesto que el objetivo de definir un modelo es, resolverlo"cmodamente" y extraer los resultados necesarios para tomar alguna decisin.La resolubilidad de los problemas depende de tres caractersticas:

1. El tamao del problema: La variables y ecuaciones que contiene. para un mayornmero de stas resultar ms difcil resolver el problema.

2. El tipo del problema: entero, lineal y no lineal. Los problemas lineales son "fciles"de resolver, mientras que los no lineales son muy difciles.

3. El tipo de instancias: Deterministas o ciertas, con riesgo (conociendo laprobabilidad de ocurrencia), con incertidumbre (se conocen los posibles resultadospero no la probabilidad de que ocurran) y turbulencia (no conocemos ningunacosa).

Punto de inflexin de la disciplina

En su histrico artculo de 1950, Turing propuso que la pregunta puede pensar unamquina? era demasiado filosfica para tener valor y, para hacerlo ms concreto, propusoun juego de imitacin. En la prueba de Turing intervienen dos personas y uncomputadora. Una persona, el interrogador, se sienta en una sala y teclea preguntas en laterminal de una computadora. Cuando aparecen las respuestas en la terminal, elinterrogador intenta determinar si fueron hechas por otra persona o por una computadora. Siacta de manera inteligente, segn Turing es inteligente. Turing, seal que una mquinapodra fracasar y an ser inteligente. Aun as crea que las mquinas podran superar laprueba a finales del siglo XX.

De todas maneras esta prueba no tuvo el valor prctico que se esperaba, aunque susrepercusiones tericas son fundamentales. El enfoque de Turing de ver a la inteligenciaartificial como una imitacin del comportamiento humano no fue tan prctico a lo largodel tiempo y el enfoque dominante ha sido el del comportamiento racional, de manerasimilar, en el campo de la aeronutica se dej de lado el enfoque de tratar de imitar a lospjaros y se tom el enfoque de comprender las reglas de aerodinmica. Aunque desdeluego, el enfoque del comportamiento humano y el del pensamiento humano siguensiendo estudiados por las ciencias cognitivas4 y continan aportando interesantes resultadosa la Inteligencia Artificial, y viceversa.

Disciplinas sobre las que se apoya

La ciencia no se define, sino que se reconoce. Para la evolucin de la Inteligencia Artificiallas dos fuerzas ms importantes fueron la lgica matemtica, la cual se desarrollarpidamente a finales del siglo XIX, y las nuevas ideas acerca de computacin y losavances en electrnica que permitieron la construccin de los primeros computadores en1940. Tambin son fuente de la inteligencia artificial: la filosofa, la neurociencia y lalingstica. La lgica matemtica ha continuando siendo un rea muy activa en lainteligencia artificial. Incluso antes de la existencia de los ordenadores con los sistemaslgicos deductivos.

4 Se denomina ciencia cognitiva al estudio interdisciplinario de cmo la informacin es representada ytransformada en la mente/cerebro. Es el conjunto de disciplinas que surgen de la convergenciatransdisciplinaria de investigaciones cientficas y tecnolgicas, en torno a los fenmenos funcionales yemergentes, dados a partir de las actividades neurofisiolgicas del encfalo y del sistema nervioso,incorporados, y que tpicamente se les denomina como: mente y comportamiento.

La naturaleza de las investigaciones cognitivas es necesariamente transdisciplinaria (es decir, tanto inter comomultidisciplinarias), surgiendo en un primer momento a partir de disciplinas autnomas como la lingstica, lapsicobiologa cognitiva y la inteligencia artificial, y aadindose en una etapa ms reciente la neurociencia yla antropologa cognitiva.

Orgenes y Evolucin Cronolgica

Antecedentes

Los juegos matemticos antiguos, como el delas Torres de Hani (hacia el 3000 a. C.),muestran el inters por la bsqueda de un modoresolutor, capaz de ganar con los mnimosmovimientos posibles.

Cerca de 300 a. C., Aristteles fue el primeroen describir de manera estructurada un conjuntode reglas, silogismos, que describen una partedel funcionamiento de la mente humana y que,al seguirlas paso a paso, producen conclusionesracionales a partir de premisas dadas.

En 250 a. C. Ctesibio de Alejandra construyla primera mquina autocontrolada, unregulador del flujo de agua que actuabamodificando su comportamiento"racionalmente" (correctamente) peroclaramente sin razonamiento.

En 1315, Ramon Llull tuvo la idea de que el razonamiento poda ser efectuado de maneraartificial.

En 1847 George Boole estableci la lgica proposicional (booleana), mucho ms completaque los silogismos de Aristteles, pero an algo poco potente.

En 1879 Gottlob Frege extiende la lgica booleana y obtiene la Lgica de Primer Orden lacual cuenta con un mayor poder de expresin y es utilizada universalmente en la actualidad.

En 1903 Lee De Forest inventa el triodo, tambin llamado bulbo o vlvula de vaco.

En 1937 Alan Turing public un artculo de bastante repercusin sobre los "NmerosCalculables", un artculo que estableci las bases tericas para todas las ciencias decomputacin, y que puede considerarse el origen oficial de la informtica terica. En esteartculo introdujo el concepto de Mquina de Turing, una entidad matemtica abstracta queformaliz el concepto de algoritmo y result ser la precursora de las computadorasdigitales. Poda conceptualmente leer instrucciones de una cinta de papel perforada yejecutar todas las operaciones crticas de un computador. El artculo fij los lmites de lasciencias de la computacin porque demostr que no es posible resolver problemas conningn tipo de computador. Con ayuda de su mquina, Turing pudo demostrar que existenproblemas irresolubles, de los que ningn ordenador ser capaz de obtener su solucin, porlo que se le considera el padre de la teora de la computabilidad5.

En 1940 Alan Turing y su equipo construyeron el primer computador electromecnico y en1941 Konrad Zuse cre la primera computadora programable y el primer lenguaje de

5 La Teora de la computabilidad es la parte de la computacin que estudia los problemas de decisin quepueden ser resueltos con un algoritmo o equivalentemente con una mquina de Turing. La teora de lacomputabilidad se interesa a cuatro preguntas:

Qu problemas puede resolver una mquina de Turing? Qu otros formalismos equivalen a las mquinas de Turing? Qu problemas requieren mquinas ms poderosas? Qu problemas requieren mquinas menos poderosas?

La teora de la complejidad computacional clasifica las funciones computables segn el uso que hacen dediversos recursos en diversos tipos de mquina.

programacin de alto nivel Plankalkl. Las mquinas ms potentes, aunque con igualconcepto, fueron la ABC y ENIAC.

En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales,el cual se considera el primer trabajo del campo de inteligencia artificial, aun cuandotodava no exista el trmino.

1950s

En 1950 Turing consolid el campo de la inteligencia artificial con su artculo ComputingMachinery and Intelligence, en el que propuso una prueba concreta para determinar si unamquina era inteligente o no, su famosa Prueba de Turing por lo que se le considera elpadre de la Inteligencia Artificial. Aos despus Turing se convirti en el adalid quequienes defendan la posibilidad de emular le pensamiento humano a travs de lacomputacin y fue coautor del primer programa para jugar ajedrez.

En 1951 William Shockley inventa el transistor de unin. El invento hizo posible una nuevageneracin de computadoras mucho ms rpidas y pequeas.

Durante este periodo la IA se redujo a una actividad acadmica poco conocida fuera de losambientes especializados. La ambicin exagerada en los objetivos planteados se contrapusocon las limitaciones de la tecnologa de la poca, lo que conllevara una desilusingeneralizada al final de estos aos, y no solo por estas limitaciones, sobre todo por laconstatacin terica de la imposibilidad de obtener resultados en ciertos casos.

A pesar de esto, se realizaron avances menos ambiciosos, y entre los proyectos msdestacados se encuentran:6

- Logic theorist. (1956). Fue programado por Alan Newell, Herbert Simon y J.C. Shaw ybuscaba las demostraciones de Teoremas Lgicos, es decir, de la forma: supuesto que obien X o bien Y es verdadera, y supuesto que Y es falsa, entonces X es verdadera.

En 1956 se acu el trmino "inteligencia artificial" en Dartmouth durante una conferenciaconvocada por McCarthy, a la cual asistieron, entre otros, Minsky, Newell y Simon. En estaconferencia se hicieron previsiones triunfalistas a diez aos que jams se cumplieron, loque provoc el abandono casi total de las investigaciones durante quince aos.

- General Problem Solver.(GPS) Este programa intentaba resolver problemas mediante unatcnica que permitiera, dados el objetivo y los medios disponibles, encontrar la manera deutilizar dichos medios para alcanzar el objetivo (anlisis medios-fines), pero solo se pudoaplicar a algunas tareas muy simples ya que requera gran cantidad de conocimientos sobreel dominio.

6 Fuente de consulta. Historia e la inteligencia artificial.http://matap.dmae.upm.es/LE/Divulgacion/IA/ISMAESWEB/historia/historia.htm [On line] Consultado el 20de julio de 2012.

- Perceptrn. (1958). Fue iniciado por Frank Rosenblatt, con la intencin de determinaralgunas de las propiedades fundamentales de los sistemas inteligentes. Rosenblatt crea quela conduccin de la informacin a travs de las redes neuronales tena un gran componentealeatorio, y por eso utiliz la teora de probabilidad. La mejora del Perceptrn hizo quefuera capaz de distinguir y clasificar patrones muy complejos, y aunque en 1969, Minsky yPapert con su "Perceptrons: An Introduction to Computational Geometry" pusieron demanifiesto las limitaciones de este tipo de redes, como el de solucionar problemas que nosean linealmente separables, el Perceptrn ha servido como base para otros modelos de redneuronal como la Adaline, o las redes multicapa.

- LISP. (1958). Jhon McCarthy creo el lenguaje de programacin de los investigadores dela IA

- SAINT. (1961) Programa de J. Slagle, que inicia la automatizacin de la integracinsimblica.

- Geometry Theorem Prover. (1958). Programa desarrollado por IBM para resolverproblemas geomtricos.

- Programa para jugar a las damas. (1962). Creado por Samuel, y tambin desarrolladopor IBM, era capaz de aprender de la experiencia, y corregir sus propios errores parapartidas posteriores. Bernstein logr lo mismo para el ajedrez, pero las quejas de losaccionistas de IBM, al considerar que se estaba gastando su dinero que frivolidades acabocon estos proyectos.

- Traduccin Automtica. Tras la II Guerra Mundial, en la que los britnicos utilizaronordenadores para descifrar cdigos secretos nazis, la CIA intento crear un programa quetradujera casi en el acto cualquier texto de cualquier idioma, pero tras un gran esfuerzohumano y econmico el proyecto resulto un fracaso y se paralizaron todos lasinvestigaciones lingsticas financiadas con dinero pblico. Un ejemplo del resultado de latraduccin del ingls al ruso y luego del ruso al ingls.

Original en ingles: El espritu es fuerte, pero la carne es dbil.

Resultado despus de traducir al ruso y luego al ingls: El vodka es bueno, pero el fileteest podrido.

- Micromundos de Bloques. (1963). Tras desistir de los intentos en visin artificial, en losque se intentaba conectar una cmara a un ordenador y que este describiera lo visto, seintento llevarlo a cabo con unos objetivos ms humildes. Los micromundos son"representaciones" de laboratorio de la vida real, donde quien interactu con la realidad seaun ordenador, y as en 1964 se crearon los programas STUDENT y SIR. El primero, creadopor Bobrow, entenda enunciados de problemas algebraicos y responda a preguntas deltipo: Juan tiene 10 aos ms que Pedro que tiene el doble de Luis... Por su parte el SIRcomprenda oraciones sencillas. Ambos funcionaban por "comparacin de patrones", esdecir, detectando unas palabras clave en una posicin determinada obtena la informacinnecesaria.

- ELIZA. (1965) Creado por Weizenbaum, que perfeccionaba al STUDENT y al MIT,permitiendo cambiar de tema, por ejemplo. ELIZA es un programa de gran importanciadentro de la IA, pero su forma de entablar una conversacin se debe a numerosos "trucos",como repetir frases cambiando el "yo" por el "tu" o utilizar frases hechas ("ya veo", etc).Pareca que el ELIZA lograra superar el test de Turing, pero no lo hizo, pues esteprograma, en medio de una conversacin, intercala frases hechas que un humano noutilizara.

- SHAKEY. (1969) Un equipo de investigacin de Stanford tuvo la idea de poner ruedas aun robot. El ejrcito americano vio en este proyecto la posibilidad de lograr un espamecnico, pero su apariencia no pasaba ni mucho menos inadvertida, y se redefini elproyecto. Al robot se le llamo Shakey, y se investigo su uso para recibir rdenes y llevarobjetos a determinados sitios, pero el proyecto dejo de ser subvencionado.

- DENTRAL. (1965) Tambin en Stanford, y es el primer sistema experto. Significa rbolen griego, y permiti a los qumicos estudiar las caractersticas de un compuesto qumico,ya que hasta entonces su nica forma de investigacin era tomar hiptesis y compararlascon los resultados experimentales. El exceso de optimismo, como anunciar con antelacinresultados que luego nunca se conseguiran marcaron hizo mucho mal a la inteligenciaartificial, y as, subestimar la dificultad de los problemas a los que se enfrentabandesacreditaron mucho a la IA, llegando incluso a perder subvenciones millonarias.

1970 a 19797

Durante este periodo, se inicia la institucionalizacin de la comunidad cientfica de la IA,con el Primer Congreso Internacional de Inteligencia Artificial y la aparicin de la primerarevista especializada, Artificial Intelligence. Tambin, se extiende su estudio de los crculosacadmicos a centros de investigacin y a las universidades, donde se tratan problemasmenos tericos y se realizan aplicaciones ms experimentales, como los sistemas expertos yla programacin lgica.

El exceso de optimismo y sus nefastas consecuencias dieron paso a un replanteamiento delos objetivos y como consecuencia el tratamiento de problemas ms concretos. Seempezaron a utilizar sistemas expertos, que se basan en la simulacin del razonamientohumano y que supuso un gran avance, los mas destacados son:

- MYCIN (1976) Creado en Stanford por Feigenbaum y Buchanan se trata de un sistemaexperto para el diagnstico de enfermedades infecciosas. Desde los resultados de anlisisde sangre, cultivos bacterianos y otras datos, es capaz de determinar, o al menos sugerir elmicroorganismo causante de la infeccin, y despus de esto, recomienda una medicacinque se adaptaba perfectamente a las caractersticas del sujeto.

- PROSPECTOR (1978) Sistema experto capaz de encontrar yacimientos de minerales, enparticular cobre y uranio.

7 Ibid.

- XCON (1979) Creado por Jhon McDermott, es el primer sistema experto con aplicacionesfuera de los mbitos acadmicos y de los laboratorios de investigacin. Este sistemapermita configurar todos los ordenadores que DEC iba a sacar al mercado, y que tenanconfiguraciones distintas entre s, evitando de esta manera que los fallos de estosordenadores obligaran a arreglarlos uno por uno. Tras un primer fracaso, su posteriordesarrollo logro conseguir los objetivos marcados.

Dentro de la programacin lgica se logra uno de los avances mas destacables con laaparicin del lenguaje PROLOG, en 1972 por la Universidad de Marsella. Los xitos deestos sistemas expertos animaron a muchas empresas a invertir en IA. Su desarrollo hizoque estos programas fueran ms rentables y as empezaron a sustituir a personas expertas endeterminadas materias.

1980s

En 1980 la historia se repiti con el desafo japons de la quinta generacin, que dio lugaral auge de los sistemas expertos pero que no alcanz muchos de sus objetivos, por lo queeste campo sufri una nueva interrupcin en los aos noventa.

En 1980 se crea el sistema experto matemtico MAPLE, al que sigue en 1988 elMATHEMTICA. Ambos programas permiten trabajar directamente con expresionessimblicas como derivadas, matrices o tensores.

En 1982 se funda el ECCAI (European Coordinating Committee for Artificial Intelligence).En 1985 la Nasa crea el CLIPS, un generador de sistemas expertos codificado en C. Esemismo ao se crea un juego de ajedrez que alcanza el nivel de Gran Maestro.

En 1987 Martin Fischles y Oscar Firschein describieron los atributos de un agenteinteligente. Al intentar describir con un mayor mbito (no slo la comunicacin) losatributos de un agente inteligente, la IA se ha expandido a muchas reas que han creadoramas de investigacin enorme y diferenciada. Dichos atributos del agente inteligente son:

1. Tiene actitudes mentales tales como creencias e intenciones.2. Tiene la capacidad de obtener conocimiento, es decir, aprender.3. Puede resolver problemas, incluso particionando problemas complejos en otros ms

simples.4. Entiende. Posee la capacidad de crearle sentido, si es posible, a ideas ambiguas o

contradictorias.5. Planifica, predice consecuencias, evala alternativas (como en los juegos de

ajedrez)6. Conoce los lmites de sus propias habilidades y conocimientos.7. Puede distinguir a pesar de la similitud de las situaciones.8. Puede ser original, creando incluso nuevos conceptos o ideas, y hasta utilizando

analogas.9. Puede generalizar.10. Puede percibir y modelar el mundo exterior.11. Puede entender y utilizar el lenguaje y sus smbolos.

A finales de los 80 se recuperan los esquemas del Perceptrn para las redes neuronales, y seempiezan a utilizar los nuevos microordenadores de Apple e IBM, siendo este el fin de lasLISP.

Podemos entonces decir que la IA posee caractersticas humanas tales como el aprendizaje,la adaptacin, el razonamiento, la autocorreccin, el mejoramiento implcito, y lapercepcin modular del mundo. As, podemos hablar ya no slo de un objetivo, sino demuchos, dependiendo del punto de vista o utilidad que pueda encontrarse a la IA.

1990s

En los 90s surgen los agentes inteligentes.En 1997 se produjo uno de los hechos mspopulares relacionado con la IA cuando DeepBlue logro vencer a Kasparov, pero la industriajaponesa ha ido ms alla y primero Honda conASIMO, un robot humanoide capaz de andar ysubir escalaras, y luego Sony con su AIBO, unrobot-perro al que se le han programadoemociones e instintos. Sus actos buscansatisfacer sus deseos, que previamente han sidogenerados por sus instintos, si los satisfaceestar contento, sino mostrara su enfado hastalograr la atencin que quiere y la manera conque el amo responda a estas expresiones de emotividad influir en su "personalidad". AIBOpuede reconocer hasta 40 voces y puede recordar el nombre que se le de y responder antesu llamada.

Otros logros de la IA, son por ejemplo el reconocimiento de la voz para reservar billetes deavin, proteccin de fraudes de tarjetas de crdito, deteccin de pequeas anomalasinvisibles al ojo humano en radiografas, traduccin automtica de documentos o lautilizacin de sistemas expertos en el diagnostico de enfermedades o incluso en elfuncionamiento del trasbordador espacial.8

2000s

El programa Artificial Linguistic Internet Computer Entity (A.L.I.C.E.) gan el premioLoebner al Chatbot mas humano en 2000, 2001 y 2004, y en 2007 el programa Ultra HalAssistant gan el premio.

2010s

En la actualidad se est tan lejos de cumplir la famosa prueba de Turing como cuando seformul: Existir Inteligencia Artificial cuando no seamos capaces de distinguir entre unser humano y un programa de computadora en una conversacin a ciegas. Como ancdota,

8 Ibidem.

muchos de los investigadores sobre IA sostienen que la inteligencia es un programa capazde ser ejecutado independientemente de la mquina que lo ejecute, computador o cerebro:

En 2010 el programa Suzette gan el premio Loebner. Algunos programas de inteligenciaartificial gratuitos son Dr. Abuse, Alice, Paula SG, Virtual woman millenium.

2011

Se crea por parte de investigadores de la Ecole Polytechnique Federale de Lausanne enSuiza, un sistema que permite identificar y rastrear jugadores de baloncesto. Por ahora seemplea para telemetra, pero lo que sigue es comentar las peripecias del juego, y otroscomo la Formula 1. Verhttp://www.youtube.com/watch?feature=player_embedded&v=ZgbCZgXRRkY

SmartBird: Creado por Festo, este robot vuela como un ave. Verhttp://www.youtube.com/watch?feature=player_embedded&v=nnR8fDW3Ilo#!

Chatbot: El laboratorio Creative Machines de Cornell en los EE. UU dise esteexperimento en el que dos IA conversaron de forma fluida. Verhttp://www.youtube.com/watch?feature=player_embedded&v=WnzlbyTZsQY

ASIMO. Este robot de Honda, ha venido evolucionando a lo largo de los aos, en la quehasta el 2011 ya este sistema reconoce voces en una conversacin. Verhttp://www.youtube.com/watch?feature=player_embedded&v=MTtWETnWfHo#!

Robot Flexible. Cientficos de Harvard mostraron el prototipo de un robot flexible, hechode materiales blandos, que le permite reconfigurar su estructura morfolgica, de tal maneraque le permite obviar obstculo. Verhttp://www.youtube.com/watch?feature=player_embedded&v=Z19OZUQV20E

Swarmanoid: Es la creacin de varios robots actuando de forma colectiva. En la que unosse especializan en la manipulacin de objetos y la escalada, algunos se mueven en el sueloy trasportan objetos, otros vuelan y observan el entorno desde lo alto. Este video presentaeste sistema cordianado por Marco Dorigo, financiado por la Comisin Europea. Verhttp://www.youtube.com/watch?feature=player_embedded&v=M2nn1X9Xlps

Otros proyectos que vale la pena mencionar son:

- Un equipo de neurocientficos espaoles ha desarrollado una interfaz cerebro-ordenador basada en un telfono mvil. Las personas con movilidad reducidapodran beneficiarse de este innovador sistema en un futuro prximo. En elexperimento que aparece en la fotografa de portada, el participante utilizanicamente su pensamiento para marcar un nmero de telfono.

- Supercomputador Watson: IBM desarroll una supercomputadora llamada Watson ,la cual gan una ronda de tres juegos seguidos de Jeopardy9, venciendo a sus dosmximos campeones, y ganando un premio de 1 milln de dlares que IBM luegodon a obras de caridad

2012

Cientficos de un proyecto llamado COSPAL, patrocinado por la Unin Europea, hancreado un robot cuya inteligencia Artificial es comparable a un beb humano de 2 a 3 aos.Segn los cientficos que disearon el robot, el gran paso se dio al unificar en un solosistema las dos filosofas clsicas sobre cmo disear sistemas de Inteligencia Artificial(IA). Por un lado est la manera clsica de proveerle a una IA un conjunto extenso dereglas, las cuales son evaluadas por la IA y toma decisiones en base a ellas. La otra manerams moderna es proveer lo que se llama una red neuronal, que permite que la IA mismaaprenda las reglas y se adapte al medio ambiente. Como ejemplo, al robot (el cual tiene

9 Jeopardy es un concurso de televisin estadounidense con preguntas sobre historia, literatura, arte, culturapopular, ciencia, deportes, geografa, juegos de palabras, y otros temas. El programa tiene un formato de"respuesta y pregunta", en el cual a los concursantes se les presentan pistas en forma de respuestas, y debendar sus respuestas en forma de una pregunta.

cmaras para ver y un brazo para manipular objetos) se le mostr el popular juguete paranios en donde se le provee al beb varias piezas de diferentes formas geomtricas, y estetiene que aprender a insertarlas en agujeros de la forma compatible con ellos. Se procedi aentrenar al robot como se entrenara a un nio, dicindole simplemente si lo estabahaciendo mal o no, pero en ningn momento programndole las reglas del juego, o nisiquiera lo que debera hacer. El robot, poco a poco empez a entender lo que deba hacer,y no solo eso, sino que empez a aprender la manera en que deba colocar las piezas en sulugar. Esto, por mas sencillo que parezca, es un gigantesco paso en el desarrollo deverdaderas entidades de IA, y sin duda alguna de aqu en adelante este tipo de tecnologasolo har que estas Inteligencia Artificiales se tornen cada vez mas inteligentes, yconscientes, de s mismas.10

Test de Turing

Si usted seor lector hablara con una mquina a travs de internet, podra distinguir si setrata de un computador?

La prueba de Turing.

Los seres humanos evalan la inteligencia de sus congneres a travs de la interaccin conellos, si un computador pudiera hacerse pasar por una persona... se podra afirmar que es

10 Fuente de informacin. Crean inteligencia artificial con inteligencia de un bebe. [On line]. Consultado el17 de julio de 2012. http://www.eliax.com/?post_id=4615

inteligente? Existen algunos candidatos que estn muy cerca de aprobar este examen,conocido como el test de Turing, incluyendo al robot cleverbot.

El Test de Turing (o Prueba de Turing) es una prueba propuesta por Alan Turing parademostrar la existencia de inteligencia en una mquina. Fue expuesto en 1950 en unartculo (Computing machinery and intelligence) para la revista Mind, y sigue siendo unode los mejores mtodos para los defensores de la Inteligencia Artificial. Se fundamenta enla hiptesis positivista de que, si una mquina se comporta en todos los aspectos comointeligente, entonces debe ser inteligente.

La prueba consiste en un desafo. Se supone un juez situado en una habitacin, y unamquina y un ser humano en otras. El juez debe descubrir cul es el ser humano y cul es lamquina, estndoles a los dos permitido mentir al contestar por escrito las preguntas que eljuez les hiciera. La tesis de Turing es que si ambos jugadores eran suficientemente hbiles,el juez no podra distinguir quin era el ser humano y quin la mquina. Todava ningunamquina puede pasar este examen en una experiencia con mtodo cientfico.

En 1990 se inici un concurso, elPremio Loebner11, unacompeticin de carcter anualentre programas de ordenadorque sigue el estndar establecidoen la prueba de Turing. Un juezhumano se enfrenta a dospantallas de ordenador, una deellas que se encuentra bajo elcontrol de un ordenador, y la otrabajo el control de un humano. Eljuez plantea preguntas a las dospantallas y recibe respuestas. Elpremio est dotado con 100.000dlares estadounidenses para el programa que pase el test, y un premio de consolacin parael mejor programa anual. Todava no ha sido otorgado el premio principal.

Pruebas paralelas

Existe otra prueba parecida, propuesta por John Searle y popularizada por Roger Penrose:la "sala china"12, para argumentar que la mquina no ha superado la Prueba de Turing. Enesencia, es igual en la forma, pero se realiza con personas encerradas en una habitacin y se

11 El Premio Loebner es una competicin de carcter anual que concede premios a un programa deordenador que est considerado por el jurado que lo compone, como el ms inteligente de los que se hanpresentado. El formato de la competicin sigue el estndar establecido en el test de Turing. Un juez humanose enfrenta a dos pantallas de ordenador, una de ellas que se encuentra bajo el control de un ordenador, y laotra bajo el control de un humano. El juez plantea preguntas a las dos pantallas y recibe respuestas. En base alas respuestas, el juez debe decidir qu pantalla es la controlada por el ser humano y cul es la controlada porel programa de ordenador.

requiere que estas no conozcan el idioma en que se realiza la conversacin. Para ello se usaun diccionario que permite confeccionar una respuesta a una pregunta dada, sin entenderlos smbolos. Como consecuencia, se argumenta que por mucho que una persona sea capazde enviar una cadena de smbolos en chino relacionada con otra cadena recibida, no quieredecir que sepa chino, sino que sabe aplicar un conjunto de reglas que le indican lo que hade enviar.

Falta la semntica en el proceso y por eso es muy cuestionada como inteligencia artificial,puesto que equipara una mquina pensante con una que parece que piensa. Ray Kurzweilpredice que el ordenador pasar la prueba de Turing hacia el 2029, basado en el conceptode singularidad tecnolgica.

Aplicaciones

Una de las aplicaciones de la prueba de Turing es el control de spam. Dado el gran volumende correos electrnicos enviados, el spam es, por lo general, enviado automticamente poruna mquina. As la prueba de Turing puede usarse para distinguir si el correo electrnicoera enviado por un remitente humano o por una mquina (por ejemplo por la pruebaCaptcha).

El Captcha es el acrnimo de Completely Automated Public Turing test to tell Computersand Humans Apart (Prueba de Turing pblica y automtica para diferenciar mquinas yhumanos).

Este es un tpico test para la secuencia "smwm" que dificulta el reconocimiento de lamquina distorsionando las letras y aadiendo un degradado de fondo.

Se trata de una prueba desafo-respuesta utilizada en computacin para determinar cundoel usuario es o no humano. La tpica prueba consiste en que el usuario introduzca unconjunto de caracteres que se muestran en una imagen distorsionada que aparece enpantalla. Se supone que una mquina no es capaz de comprender e introducir la secuenciade forma correcta por lo que solamente el humano podra hacerlo.

Los captchas son utilizados para evitar que robots, tambin llamados spambots, puedanutilizar ciertos servicios. Por ejemplo, para que no puedan participar en encuestas,registrarse para usar cuentas de correo electrnico (o su uso para envo de correo basura)y/o ms recientemente, para evitar que correo basura pueda ser enviado por un robot (elremitente debe pasar el test antes de que se entregue al destinatario).

El sistema captcha tiene las siguientes caractersticas por definicin:

Son completamente automatizados, es decir, no es necesario ningn tipo demantenimiento / intervencin humana para su realizacin. Esto supone grandesbeneficios en cuanto a fiabilidad y coste.

El algoritmo utilizado es pblico. De esta forma la ruptura de un captcha pasa a ser unproblema de inteligencia artificial y no la ruptura de un algoritmo secreto.

La habitacin China

La habitacin china es un experimento mental, propuesto originalmente por John Searle ypopularizado por Roger Penrose, mediante el cual se trata de rebatir la validez del Test deTuring y de la creencia de que una mquina puede llegar a pensar.

Searle se enfrenta a la analoga entre mente y ordenador cuando se trata de abordar lacuestin de la conciencia. La mente implica no slo la manipulacin de smbolos, y ademsde una sintaxis posee una semntica.

El experimento de la habitacin china

Supongamos que han pasado muchos aos, y que el ser humano ha construido una mquinaaparentemente capaz de entender el idioma chino, la cual recibe ciertos datos de entradaque le da un hablante natural de ese idioma, estas entradas seran los signos que se leintroducen a la computadora, la cual ms tarde proporciona una respuesta en su salida.Supngase a su vez que esta computadora fcilmente supera la Prueba de Turing, ya queconvence al hablante del idioma chino de que s entiende completamente el idioma, y porello el chino dir que la computadora entiende su idioma.

Ahora Searle pide suponer que l est dentro de ese computador completamente aislado delexterior, salvo por algn tipo de dispositivo (una ranura para hojas de papel, por ejemplo)por el que pueden entrar y salir textos escritos en chino.

Supongamos tambin que fuera de la sala o computador est el mismo chino que crey quela computador entenda su idioma y dentro de esta sala est Searle que no sabe ni una solapalabra en dicho idioma, pero est equipado con una serie de manuales y diccionarios quele indican las reglas que relacionan los caracteres chinos (algo parecido a "Si entran tal y talcaracteres, escribe tal y tal otros").

De este modo Searle, que manipula esos textos, es capaz de responder a cualquier texto enchino que se le introduzca, ya que tiene el manual con las reglas del idioma, y as hacercreer a un observador externo que l s entiende chino, aunque nunca haya hablado o ledoese idioma.

Dada esta situacin cabe preguntarse:

Cmo puede Searle responder si no entiende el idioma chino? Acaso los manuales saben chino? Se puede considerar todo el sistema de la sala (diccionarios, Searle y sus

respuestas) como, un sistema que entiende chino?

Manipular smbolos en base a su forma no significa que conozcamos su contenido.

De acuerdo a los creadores del experimento, los defensores de la inteligencia artificialfuerte -los que afirman que programas de ordenador adecuados pueden comprender ellenguaje natural o poseer otras propiedades de la mente humana, no simplementesimularlas- deben admitir que, o bien la sala comprende el idioma chino, o bien el pasar eltest de Turing no es prueba suficiente de inteligencia. Para los creadores del experimentoninguno de los componentes del experimento comprende el chino, y por tanto, aunque elconjunto de componentes supere el test, el test no confirma que en realidad la personaentienda chino, ya que como se sabe Searle no conoce ese idioma.

El argumento de la habitacin china

Esto es as en el contexto de la siguiente argumentacin:

1. Si la Inteligencia Artificial Fuerte es verdadera, hay un programa para el idioma chino talque cualquier mecanismo que lo ejecute entiende chino.

2. Una persona puede ejecutar mecnicamente un programa para el idioma chino sinentender el idioma chino.

3. Los argumentos de la inteligencia artificial fuerte son falsos porque en realidad elsistema no entiende chino, nada ms simula entender.

Una puntualizacin importante: Searle no niega que las mquinas puedan pensar -el cerebroes una mquina y piensa-, niega que al hacerlo apliquen un programa.

Crticas al experimento de la habitacin china

El experimento mental de la habitacin chinaconfirmara la premisa 2, a juicio de sus defensores. Ajuicio de sus detractores, la premisa 2 basada en lainferencia a partir del experimento mental no esconcluyente. Las objeciones suelen seguir una de lastres lneas siguientes:

Aunque el habitante de la habitacin noentienda chino, es posible que el sistema msamplio formado por la habitacin, losmanuales y el habitante entienda chino.

Una persona manipulando signos escritosdentro de una habitacin esttica no es el nicocandidato posible para ocupar el puesto desistema computacional capaz de entenderchino. Hay otros modelos posibles: a. un robotcapaz de interactuar con el entorno y aprenderdel mismo; b. un programa que regule los

procesos neuronales involucrados en la comprensin del chino, etc. No hay raznpara decir que estos modelos slo exhiben una comprensin aparente, como en elcaso de la habitacin y su habitante, pero son modelos de Inteligencia Artificial.

Si la conducta de la habitacin no es evidencia suficiente de que entiende chino,tampoco puede serlo la conducta de ninguna persona. Se hace uso de una figuraretrica tratando de desfigurar el concepto de entendimiento, ya pues es absurdodecir que la mquina no puede "responder en chino a un hombre" porque "noentiende realmente el chino", para entender de ese modo "se ha de ser capaz decrear la idea en base a la forma conceptual", esa teora de la idea quizs sea algoms "idealista" que cientfica. En cualquier caso la mente de un hombre se basa enalgoritmos ms complejos y ms costosos de procesar que los que actualmenteposeen los actuales computadores. Es cuestin de tiempo.

La adquisicin de entendimiento (a lo que podemos llamar inteligencia) es unproceso evolutivo, en el cul puede aplicarse diferentes tcnicas y herramientas queconlleven al individuo a un aprendizaje (en este caso del idioma chino), por lo cualse hace necesario establecer niveles de entendimiento en el tiempo.

Respuestas a los Argumentos en contra de la habitacin China

Aunque es verdad que el sistema maneja el chino, ste no entiende el idioma, esdecir, la persona dentro del cuarto no entiende lo que est haciendo, nada ms loest haciendo. Por consiguiente, el que un computador maneje un idioma, nosignifica que ste entienda lo que est haciendo, nada ms significa que estrealizando una accin.

A su vez, la persona que maneja el chino no slo se puede entender como unapersona, lo que trata de mostrar el ejemplo es el cmo las computadoras noentienden lo que manejan y nada ms siguen unas reglas ya determinadas sin tenerque entenderlas.

La ltima proposicin tiene muchas contradicciones, por ejemplo se sabe que losque estn leyendo estas palabras s entienden el idioma, al contrario de lacomputadora, que tan solo maneja informacin sintctica (es decir que nada msmanejan una accin, sin contenido propio), los humanos manejamos informacinsemntica (con contenido, lo que nos asegura que comprendamos lo que hacemos,ya que le vemos contenido a lo que hacemos).

Que un sistema pueda responder a acciones con una accin, no significa que tengaInteligencia en s mismo, todo lo que hace para responder a las acciones con unaaccin es inentendible para l, simplemente responde a las acciones con una accinque sucede mediante inferencias, creando relaciones y agrupando, para determinaruna conclusin basta y probable de ser errnea. Es hasta ahora imposible poderdemostrar lo contrario pues no hay manera de plasmar lo biolgico en una mquina,y lo biolgico es sumamente complejo ms an que lo artificial, lo artificial alcrearse es entendible en su totalidad, en cambio hay ciertas partes de lo biolgico

que an no se pueden interpretar, tal es el caso de la inteligencia de los seres. El serhumano tiene capacidades que jams podrn ser imitadas por una mquina,simplemente por ser biolgico, natural.

Singularidad tecnolgica13

En futurologa, la singularidad tecnolgica (algunas veces llamada simplemente laSingularidad) es un acontecimiento futuro en el que se predice que el progreso tecnolgicoy el cambio social se acelerarn debido al desarrollo de inteligencia sobrehumana,cambiando nuestro ambiente de manera tal, que cualquier ser humano anterior a laSingularidad sera incapaz de comprender o predecir. Dicho acontecimiento se hanombrado as por analoga con la singularidad espaciotemporal observada en los agujerosnegros, donde existe un punto en el que las reglas de la fsica dejan de ser vlidas, y dondela convergencia hacia valores infinitos hace imposible el definir una funcin.

El tiempo que resta antes de que se llegue a ese fenmeno se acelera con la utilizacin demquinas para apoyar tareas de diseo o mejoras de diseo de nuevos inventos.

La Singularidad Tecnolgica (paradiferenciarla del concepto de Singularidaden la fsica) contempla un momento en lahistoria donde el progreso tecnolgicogenera un cambio comparable alnacimiento de vida humana en la Tierra.La causa precisa de este cambio es lacreacin inminente de entidades coninteligencia mayor a la humana por mediode la tecnologa, escribi Vernor Vinge,autor de ciencia ficcin que propuso el

trmino de Singularidad Tecnolgica en un ensayo publicado en 1993. All Vinge especulaque este cambio podra darse por medio de la inteligencia artificial, las interfaceshumano/computador, o por la modificacin biolgica del genoma humano. Luego de estepunto, terminara la historia humana.14

Vinge afirma tambin que Creo que es probable que con la tecnologa podamos, en unfuturo muy cercano, crear o convertirnos en seres ms inteligentes que los humanos. Talsingularidad tecnolgica revolucionara nuestro mundo, llevndolo a una era post-humana. Si fuera a pasar dentro de un milln de aos, no valdra la pena preocuparse.As que a que me refiero cuando digo un futuro muy cercano? En mi ensayo de 1993,

13 Fuente. Singularidad tecnolgica. http://es.wikipedia.org/wiki/Singularidad_tecnol%C3%B3gica [En lnea]consultado el 18 de noviembre de 2011.

14 Fuente. Especial H2blOg: La Singularidad Tecnolgica. [en Linea] Consultado el 25 de junio de 2012.http://proyectoliquido.net/h2blog/121/especial-h2blog-la-singularidad-tecnologica/

El Advenimiento de la Singularidad Tecnolgica, dije que estara sorprendido si lasingularidad no sucediera para el 2030. Mantengo mi posicin con respecto a esaafirmacin asumiendo que evitamos las descomunales catstrofes cosas como las guerrasnucleares, las superplagas, las emergencias climticas a las que le dedicamosapropiadamente nuestra ansiedad.

En ese punto Vinge espera que la singularidad se manifieste como una combinacin deelementos:

1. El Escenario IA: creamos inteligencia artificial (IA) superhumana en computadores.2. El Escenario AI: mejoramos la inteligencia humana por medio de las interfaces

humano/computador, logrando amplificacin de la inteligencia (AI).3. El Escenario Biomdico: incrementamos directamente nuestra inteligencia

mejorando la operacin neurolgica de nuestros cerebros.4. El Escenario Internet: la humanidad, sus redes, computadores, y bases de datos se

vuelven lo suficientemente efectivas como para ser consideradas un sersuperhumano.

5. El Escenario Gaia Digital: la red de microprocesadores embebidos se vuelve losuficientemente efectiva como para ser considerada un ser superhumano.

Vinge dice que dependiendo de nuestro ingenio (y el de nuestros artefactos) existe laposibilidad de una transformacin comparable al surgimiento de la inteligencia humana enel mundo biolgico.

Historia

Las consecuencias de estos estudios (Mquinade turing y sala china que en si son lo mismo)fueron discutidas durante la dcada de los 60spor I.J. Good, y John von Neumann quien usael trmino "singularidad" para describir elprogreso tecnolgico durante la dcada de1950. Sin embargo, no es sino hasta en los 80sque la Singularidad es popularizada por VernorVinge. Si la Singularidad ocurrir o no, es unhecho muy debatido, pero la aproximacin mscomn entre los futuristas la sita dentro de latercera dcada del Siglo XXI.

Otros, notablemente Raymond Kurzweil, han propuesto teoras que expanden la Ley deMoore15 hacia tipos de computacin que van ms all de los simples transistores,

15 La Ley de Moore expresa que aproximadamente cada 18 meses se duplica el nmero de transistores en uncircuito integrado. Se trata de una ley emprica, formulada por el cofundador de Intel, Gordon E. Moore el 19de abril de 1965, cuyo cumplimiento se ha podido constatar hasta el da de hoy. La Ley de Moore no es una

sugiriendo un patrn exponencial de progreso tecnolgico. Sin embargo Kurzweil suponeque el propio patrn de crecimiento cambia y la aceleracin se hace mayor hasta el puntode adquirir un patrn de crecimiento hiperblico. Lo cual es anlogo al espacio hiperblicode los agujeros negros. Segn Kurzweil, este patrn culmina en un progreso tecnolgicoinimaginable en el Siglo XXI, el cual conduce a la Singularidad, un punto en el cual elcrecimiento se hace infinito.

ley en el sentido cientfico, sino ms bien una observacin, y ha sentado las bases de grandes saltos deprogreso.

En 2004 la industria de los semiconductores produjo ms transistores (y a un costo ms bajo) que laproduccin mundial de granos de arroz, segn la Semiconductor Industry Association (Asociacin dela Industria de los Semiconductores) de los Estados Unidos.

Gordon Moore sola estimar que el nmero de transistores vendidos en un ao era igual al nmero dehormigas en el mundo, pero para el 2003 la industria produca cerca de 1019 transistores y cadahormiga necesitaba cargar 100 transistores a cuestas para conservar la precisin de esta analoga.

En 1978, un vuelo comercial entre Nueva York y Pars costaba cerca de 900 dlares y tardaba 7horas. Si se hubieran aplicado los mismos principios de la Ley de Moore a la industria de la aviacincomercial de la misma forma que se han aplicado a la industria de los semiconductores desde 1978,ese vuelo habra costado cerca de un centavo de dlar y habra tardado menos de 1 segundo enrealizarse.

Ver el siguiente video http://www.youtube.com/watch?v=3z8I-KmaFUI

El crecimiento hiperblico es el patrn que algunos indican que sigue el aumento de lainformacin y de hecho ha sido el ritmo en como ha venido creciendo la poblacin mundialpor lo menos hasta principios de siglo. Robert Anton Wilson generalizo la ley delcrecimiento de la informacin bajo el nombre del fenmeno del Jess saltador, que seinspira en la idea de comenzar a contar los aos a partir del nacimiento de Jess, aunquetambin parece un nombre irnico y humorstico, porque a medida que pasa el tiempo noson pocos los que siguen pensando en el fin del mundo y la inminente llegada de Jess.Segn Wilson, se inspir en Alfred Korzybski, el autor de la Semntica General, quienhabra observado que la informacin se duplicaba cada cierto tiempo. Korzybski tomocomo base, de todo el conocimiento acumulado y disponible por la humanidad, el ao 1despus de cristo, Wilson le llama el primer Jess. La primera duplicacin se habra dadodurante el apogeo del renacimiento, con lo que se tendran entonces 2 Jess. La segunda enel ao 1750, 4 Jess y las siguientes en los aos, 1900, 1950, 1960, 1967 y 1973 (128Jess). Para el 2000 se calculaba que la informacin se duplicaba 2 veces en un ao. Sinembargo de acuerdo a otro estudio realizado por la Universidad de Berkeley en el ao 2004por los profesores Peter Lyman y Hal Varian, a instancias de Microsoft Research, Intel, HPy EMC, la informacin que se genera y se registra en el mundo aumenta a un ritmo desolamente 30% anual desde 1999.

Superestructura tecnolgica

Las discrepancias surgen a partir de la consideracin que se tenga sobre el impactotecnolgico en la sociedad. Si creemos que las tecnologas siempre sern unainfraestructura controlada por los humanos o aceptamos que dado su crecimiento acelerado,su cada vez mayor autonoma y su creciente inteligencia (a lo cual no se le ve limites), sepueda aceptar que se convertirn en una superestructura capaz de compartir las decisionescon los humanos.

Por lo que tendremos cuatro enfoques:

1) Los que creen que la tecnologa siempre ser controlada por los humanos y el nicopeligro est en el mal uso que se le d. Por lo que basta con limitar, prohibir ocontrolar la utilizacin de las mismas Desarrollo sostenible.

2) Los que creen que las tecnologas igualarn y superarn a los humanos, surgiendouna superinteligencia. Singularidad tecnolgica.

3) Los que aceptan que las tecnologas podrn ser una superestructura y creen quedado el contexto actual de poder, estas se convertiran en un competidor demasiadopeligroso para los humanos, por lo cual hay que hacer todo lo posible para que estono suceda. Bioconservadurismo.

4) Los que ven a la tecnologa como una aliada que nos pueda llevar a unasuperinteligencia colectiva donde humanos y tecnologas cooperen por un futurosostenible Sostenibilidad tecnolgica.

Inteligencia suprahumana

La idea de una singularidad, Vinge la sustenta sobre la ley de Moore que dice que lacapacidad de los microchips de un circuito integrado se duplicar cada dos aos, lo cualtraer un crecimiento exponencial de la potencia del hardware de las computadoras y demantenerse este crecimiento acelerado conducir inevitablemente a que las mquinas le denalcance y luego superen la capacidad del cerebro para procesar la informacin y segn ungrfico elaborado por Hans Moravec, la paridad entre el hardware y el cerebro se alcanzaralrededor del 2020 lo cual dar lugar a las mquinas ultra inteligentes.

Vinge define una mquina ultra inteligente como una mquina capaz de superar en muchotodas las actividades intelectuales de cualquier humano independientemente de lainteligencia de este y est convencido de que esa inteligencia superior ser la que impulsarel progreso, el cual ser mucho ms rpido e incluso superar a la actual evolucin natural.Es as que afirma que estaremos entrando en un rgimen radicalmente diferente de nuestropasado humano, y es a este evento al que le da el nombre de singularidad.

El transhumanista Nick Bostrom define una superinteligencia de la siguiente forma: Tendrsuperinteligencia cualquier intelecto que se comporte de manera bastamente superior encomparacin con los mejores cerebros humanos en prcticamente todos los aspectos y enespecial estos tres:

Creatividad cientfica Sabidura en general Desempeo cientfico

Esta definicin deja abierta la manera de como se implementa esa superinteligencia

Artificial: una computadora digital Colectiva: una red de computadoras Biolgica: cultivo de tejidos corticales Hbrida: fusin entre computadoras y humanos

Caminos hacia la singularidad

Segn el cientfico y escritor de ciencia ficcin Vernor Vinge, la singularidad se puedealcanzar por diferentes caminos:

El desarrollo de un computador que alcance el nivel de inteligencia humana yposteriormente lo supere (superinteligencia artificial).

El desarrollo de redes de computadoras que se comporten como superneuronas deun cerebro distribuido que "despierte" como ente inteligente (superinteligenciacolectiva).

El desarrollo de elementos de interaccin con computadoras que permitan a unhumano comportarse como un ser superinteligente (superinteligencia hibrida).

Manipulaciones biolgicas que permitan mejorar en algunos seres el nivel humanode inteligencia (superinteligencia biolgica)

En futurologa, la singularidad tecnolgica (algunas veces llamada simplemente laSingularidad) es un acontecimiento futuro en el que se predice que el progreso tecnolgicoy el cambio social se acelerarn debido al desarrollo de inteligencia superhumana,cambiando nuestro ambiente de manera tal, que cualquier ser humano anterior a laSingularidad sera incapaz de comprender o predecir. Dicho acontecimiento se hanombrado as por analoga con la singularidad espaciotemporal observada en los agujerosnegros, donde existe un punto en el que las reglas de la fsica dejan de ser vlidas, y dondela convergencia hacia valores infinitos hace imposible el definir una funcin.

El tiempo que resta antes de que se llegue a ese fenmeno se acelera con la utilizacin demquinas para apoyar tareas de diseo o mejoras de diseo de nuevos inventos.

Superinteligencia artificial

Surgimiento de una superinteligenciaartificial superior a la inteligencia humana.Estamos hablando de que los humanos seancapaces de construir una inteligenciaartificial que los iguale y que despus, estainteligencia no humana, sea capaz desuperarse a s misma. Dado el crecimientoveloz que tiene el hardware (ley de Moore)y no en el desarrollo de programas queemularan la inteligencia humana como sepretenda en los primeros aos de laInteligencia artificial. Estamos hablando de una inteligencia artificial fuerte que supone quela consciencia es codificable (consideran que los estados mentales son algoritmos altamentecomplejos) y puede ser descargada del cerebro y copiada en un soporte digital.

Superinteligencia colectiva

Surgimiento de una superinteligencia colectiva donde estn conectados en redes loshumanos y las maquinas, siguiendo las ideas de Pierre Levy de una inteligencia colectiva,en la que Internet est jugando un papel importante y ya algunos estn hablando delsurgimiento de un cerebro global que se est formando desde ahora en el contexto de laWeb 2.0 y de la naciente Web 3.0.

No se puede ignorar el impacto que est teniendo la Web 2.0 y la gran cantidad deconocimiento que se est compartiendo en las Wikis, redes sociales y blogs y que sepodran ir autoorganizado por medio de la Web semntica16. Lo cual nos lleva a unasuperestructura tecnolgica donde humanos y mquinas cooperan entre s.

Superinteligencia hibrida

Superinteligencia hibrida, Interconexin entre humanos y computadoras, tales como,prtesis, implantes de chip, etc. Lo cual nos lleva al Cyborg, donde se fusionan loshumanos con las maquinas. La idea de una transhumanidad que transcienda a la condicinhumana y con ello superar todos los lmites de la especie humana y dar surgimiento a unanueva especie posthumana. Esto nos arrastra a una singularidad fuerte donde humanos ymaquinas se fusionan.

16 La Web semntica o Web 3.0, es la "Web de los datos". Se basa en la idea de aadir metadatos semnticosy ontolgicos a la World Wide Web. Esas informaciones adicionales que describen el contenido, elsignificado y la relacin de los datos se deben proporcionar de manera formal, para que as sea posibleevaluarlas automticamente por mquinas de procesamiento. El objetivo es mejorar Internet ampliando lainteroperabilidad entre los sistemas informticos usando "agentes inteligentes". Agentes inteligentes sonprogramas en las computadoras que buscan informacin sin operadores humanos.

Superinteligencia biolgica

Superinteligencia biolgica, mejoramiento humano por bioingeniera sobre todomodificaciones genticas, dado que es una inteligencia mejorada por medio de la biologa.Se aspira al humano mejorado (humano+) por medio de la bioingeniera. Esto iraconduciendo a la humanidad a una fusin progresiva y menos radical que la anterior.

Si bien algunos autores, como Roger Penrose, piensan que las computadoras no llegarn aser inteligentes (en el sentido de la prueba de Turing), el camino biolgico para llegar a lasingularidad tecnolgica no parece tener lmite alguno.

Riesgos

Los defensores de la singularidad son conscientes de las amenazas que esta implica yconsideran los siguientes riesgos existenciales:

Inteligencia artificial mal programada. Mal uso de la nanotecnologia. Mala utilizacin de la biotecnologa. Uso generalizado de las prtesis (convirtindose en un robot). Tecnologas autnomas que se escapan de las manos (maquinas que se auto construyen as mismas).

De aqu que sacan la conclusin que es necesario tomar el control de la evolucin humana yabalanzar hacia una transhumanidad.17 Proponen la sustitucin de una especie humanaobsoleta por otra especie superior con poderes ilimitados y que por medio de lastecnologas emergentes o convergentes (NBIC) se puede alcanzar la posthumanidad.

IA Fuerte

La Inteligencia Artificial Fuerte es aquella inteligencia artificial que iguala o excede lainteligencia humana promedio la inteligencia de una maquina que exitosamente puederealizar cualquier tarea intelectual de cualquier ser humano -. Es un objetivo importantepara la investigacin sobre IA y un tpico interesante para la ciencia ficcin.

La IA Fuerte (IAF) igualmente es referida como Inteligencia General Artificial o como lahabilidad de ejecutar acciones generales inteligentes. La ciencia ficcin asocia a la IAF concualidades humanas como la conciencia18, la sensibilidad, la sapiencia y elautoconocimiento.

17 El Transhumanismo es tanto un concepto filosfico como un movimiento intelectual internacional queapoya el empleo de las nuevas ciencias y tecnologas para mejorar las capacidades mentales y fsicas con elobjeto de corregir lo que considera aspectos indeseables e innecesarios de la condicin humana, comoel sufrimiento, la enfermedad, el envejecimiento o incluso en ltima instancia la mortalidad. Los pensadorestranshumanistas estudian las posibilidades y consecuencias de desarrollar y usar la tecnologa con estospropsitos, preocupndose por estudiar tanto los peligros como los beneficios de estas manipulaciones.

El trmino "Transhumanismo" se simboliza como H+ (antes >H), y es usado como sinnimo de "humanomejorado".18 La conciencia (del latn conscientia 'conocimiento compartido', pero diferente de consciencia, serconscientes de ello) se define en general como el conocimiento que un ser tiene de s mismo y de su entornose refiere a la moral o bien a la recepcin normal de los estmulos del interior y el exterior. Conscientasignifica, literalmente, con conocimiento (del latn cum scienta).

Cerebro artificial

Es un trmino utilizado habitualmente en los medios de comunicacin1 para describir lainvestigacin que pretende desarrollar software y hardware con habilidades cognitivassimilares al cerebro humano o animal.

Detalles

La investigacin de cerebros artificiales desempea tres papeles importantes para laciencia:

1. Un intento constante de los neurocientficos para entender cmo funciona el cerebrohumano.

2. Un experimento mental en la filosofa de la inteligencia artificial(en), demostrandoque es posible, en teora, crear una mquina que tenga todas las capacidades de unser humano.

3. Un proyecto serio a largo plazo para crear mquinas capaces de una accin generalinteligente o Inteligencia General Artificial. Esta idea ha sido popularizada por RayKurzweil2 como IA fuerte (en el sentido de una mquina tan inteligente como un serhumano).

Existen dudas sobre la naturaleza de la conciencia, y no se sabe con seguridad si la conciencia comofenmeno cognitivo es slo el resultado de la complejidad computacional o de otros factores. Roger Penrosese ha ocupado del problema de la realidad fsica de la inteligencia y ha analizado diversas pretensionestericas por parte de la inteligencia artificial de simular o construir artefactos que posean algn tipo deconciencia. Penrose clasifica las posturas actuales ante la cuestin de si la conciencia es o no computablealgortmicamente:

A. Todo pensamiento es un proceso de computacin, es decir, en particular la percepcin de unomismo y la autoconciencia son procesos emergentes que son resultado directo de la computacin oalgoritmo adecuados.B. La conciencia es una consecuencia del tipo de accin fsica que ocurre en el cerebro, y aunquecualquier accin fsica puede simularse apropiada a travs de medios computacionales; el hecho deque se lleve a cabo un proceso de simulacin computacional del cerebro no comportara, por smismo, la aparicin autntica de la autoconciencia.C. La realizacin de cierta actividad fsica en el cerebro es lo que lleva a la aparicin de laautoconciencia en el ser humano; sin embargo, aunque puede ser reproducida artificialmente, dichaaccin no puede simularse algortmicamente.D. La conciencia de tipo humano no puede entenderse propiamente en trminos fsicos,computacionales o cientficos de otro tipo.

El punto de vista D claramente niega la posibilidad de comprensin cientfica de la conciencia. Muchosinvestigadores del campo de la inteligencia artificial, en particular los ms optimistas sobre sus logros, seadhieren a la postura A. John Searle sera ms bien un partidario de la postura B, y el propio Penrose haargumentado fuertemente en su trabajo por la postura C, relacionndola con varios otros problemas abiertosde la fsica como la teora cuntica de la gravedad.

Un ejemplo del primer objetivo es el proyecto informado por la Universidad de Aston enBirmingham (Reino Unido) donde los investigadores estn utilizando clulas biolgicaspara crear neuroesferas (pequeos grupos de neuronas) con el fin de desarrollar nuevostratamientos para enfermedades como el mal de Alzheimer, la enfermedad de Parkinson yla enfermedad de neurona motora.

El segundo objetivo es ejemplificado por lamquina de Turing y ms recientemente en elfuncionalismo de estados de la mquina deHilary Putnam.

El tercer objetivo es el que suele llamarseinteligencia general artificial por losinvestigadores. Sin embargo Kurzweilprefiere el trmino ms memorable IAFuerte. En su libro La Singularidad estCerca se centra en la emulacin de todo elcerebro usando mquinas de computacinconvencionales como forma deimplementacin de cerebros artificiales, yafirma (por razn del poder de lascomputadoras que sigue una tendencia decrecimiento exponencial) que esto podra pasar en 2025. Henry Markram, director delproyecto Blue Brain (que pretende la emulacin del cerebro), hizo una afirmacin similar(2020) en la conferencia TED de Oxford en 2009.

A pesar de que la emulacin directa del cerebro usando redes neuronales artificiales sobreuna mquina de computacin de alto rendimiento es un enfoque comn, existen otrosenfoques. Una implementacin alternativa del cerebro artificial podra basarse en losprincipios de coherencia/decoherencia de fase no lineal de la Tecnologa HologrficaNeural (HNeT). La analoga se ha hecho a los procesos cunticos a travs del algoritmosinptico nuclear que tiene grandes similitudes con la ecuacin de onda QM.

Algunos crticos de la simulacin cerebral creen que es ms sencillo crear directamente unaaccin inteligente general sin necesidad de imitar a la naturaleza. Algunos comentaristas19han usado la analoga de que en los primeros intentos de construir mquinas voladoras estasfueron modeladas como las aves, y que sin embargo las aeronaves modernas no lucen comoaves. Un argumento computacional es usado en AI - What is this, donde se muestra que, sitenemos una definicin formal de la IA general, el programa correspondiente se puedenencontrar mediante la enumeracin de todos los programas posibles y luego probar cadauno de ellos para ver si coincide con la definicin. No existe una definicin adecuada en la

19 Fox and Hayes quoted in Nilsson, Nils (1998), Artificial Intelligence: A New Synthesis, p581 MorganKaufmann Publishers, ISBN 978-1-55860-467-4.

actualidad. El EvBrain20 v es una forma de software evolutivo que puede hacer evolucionarredes neuronales similares al cerebro, tales como la red inmediatamente detrs de la retina.

Hay buenas razones para creer que,indistintamente de la estrategia deaplicacin, las predicciones sobre larealizacin de cerebros artificiales en unfuturo prximo son optimistas. Enparticular el cerebro (incluyendo elcerebro humano) y la cognicin no sonactualmente bien entendidos, y la escalade computacin requerida esdesconocida. Adems parece haberlimitaciones en la potencia. El cerebroconsume unos 20 W de potencia,mientras que las supercomputadoraspueden usar tanto como de 1 MW osobre un orden de 100 mil ms (nota: ellmite de Landauer es de 3.5x1020 operaciones/seg/watt a temperatura ambiente).

Adems, hay cuestiones ticas que deben ser resueltas. La construccin y el mantenimientode un cerebro artificial plantean cuestiones morales, es decir, en relacin con lapersonalidad, la libertad y la muerte. Un cerebro en una caja constituye una persona?Qu derechos tendra esa entidad, legales o de otro tipo? Una vez activado, tendran losseres humanos la obligacin de continuar con su operacin? Constituira la desactivacinde un cerebro artificial muerte, sueo, inconsciencia, o algn otro estado para el que noexiste ninguna descripcin humana? Despus de todo, un cerebro artificial no est sujeto ala descomposicin celular post mrtem (y la consiguiente prdida de su funcin) como loestn los cerebros humanos, por lo que un cerebro artificial podra, tericamente, reanudarsu funcionalidad exactamente como estaba antes de que fuese desactivado.

Recursos

Desde noviembre de 2008, IBM recibi una subvencin de 4.9 millones de dlares delPentgono para la investigacin sobre la creacin de computadoras inteligentes. El proyectoBlue Brain se est llevando a cabo con la ayuda de IBM en Lausana.21 El proyecto se basaen la premisa de que es posible enlazar artificialmente las neuronas en la computadoramediante la colocacin de treinta millones de sinapsis en sus adecuadas posicionestridimensionales.

En marzo de 2008, el proyecto Blue Brain estaba avanzando ms rpido de lo esperado:La conciencia es slo una enorme cantidad de informacin intercambiada por billones de

20 Jung, Sung Young, "A Topographical Development Method of Neural Networks for Artifical BrainEvolution", Artificial Life, The MIT Press, vol. 11, issue 3 - summer, 2005, pp. 293-316.21 Consultar enhttp://newsvote.bbc.co.uk/mpapps/pagetools/print/news.bbc.co.uk/2/hi/science/nature/7740484.stm?ad=1

clulas cerebrales.22 Algunos defensores de la IA fuerte especulan que las computadorasen el marco de Blue Brain y Soul Catcher pueden exceder la capacidad intelectual humanaen torno al 2015, y que es probable que seamos capaces de descargar el cerebro humano enalgn momento alrededor del 2050.23

El proyecto se ha dividido en dos fases, la primera de las cuales se complet en noviembrede 2007.

Fase I

El objetivo inicial del proyecto es simular lacolumna cortical, que puede considerarse lamenor unidad funcional del neocrtex (la partedel cerebro que se cree responsable de lasfunciones superiores como el pensamientoconsciente). Esta columna tiene una altura de2mm, un dimetro de 0,5mm y contiene unas60.000 neuronas en humanos.

La simulacin se centra en la columna neocorticalde las ratas, que tienen una estructura muy similarpero que contienen nicamente 10.000 neuronas y108 conexiones sinpticas. Durante los ltimos 10aos, el profesor Markram ha estudiado los tiposde neuronas y sus conexiones en esta columnapara generar un modelo de su funcionamiento.

Fase II

Tras obtener el modelo de funcionamiento el siguiente paso es realizar y validarsimulaciones basadas en dicho modelo. En esta fase se continuar con dos ramas diferentes:

Construccin de la simulacin a nivel molecular, cuyo inters reside que permitirestudiar los efectos de los genes.

Simplificacin de la simulacin de la columna para permitir la simulacin paralelade un gran nmero de columnas interconectadas, con el objetivo final de simular unneocrtex completo (que en el caso de los humanos consiste en un milln decolumnas, aproximadamente).

Los siguientes pasos es ascender al nivel del gato para alcanzar seguidamente el de losprimates.

22 Consultar en http://seedmagazine.com/content/article/out_of_the_blue/

23 Jaap Bloem, Menno van Doorn, Sander Duivestein, Me the media: rise of the conversation society, VINTreseach Institute of Sogeti, 2009, p.273.

IA Dbil

Se define IA dbil a la escuela que estudia losprocesos cerebrales y mentales por medio desimulaciones.

La IA Dbil no cree en las afirmaciones de la IAFuerte. Contrapone a esas ideas, estas otras: que lascomputadoras podran actuar como si fueseninteligentes, mimetizadas o como si lo fuesen,simulando serlo. Podran superar en "inteligencia"a sus programadores, con motivo de su altacapacidad combinatoria (deliberacin) ejecutableen cortos tiempos o de ejecucin de "sistemasexpertos" en campos restringidos, llegando aconclusiones que el hombre no conoca antes de sudescubrimiento informtico (por ejemplo, unajedrecista que se acuerda de memoria y repite lasjugadas de la mquina en los finales de ajedrez).

La IA dbil sostiene que no hay inconvenientes enagregarles a las computadoras habilidades que no posee el ser humano, como conducirhelicpteros que pierden una pala en pleno vuelo, sin perder su estabilidad (imposible conpilotos humanos) o reconocer con alta precisin quien es el que emite un cierto tipo de vozo terminar con buen xito sistemas expertos muy complicados.

En sntesis, la mquina es el tema central de investigacin, la cual se ve como un todo (softy hard) y se pretende que sta como tal alcance niveles de inteligencia, posiblemente noalcanzados por el hombre, cada vez ms avanzados. E igual manera, se especula sobre laposibilidad de que la mquina sustituya al hombre, dada las posibilidades ilimitadas de lamisma.

Aplicaciones de la IA

Tareas de la vida diaria:

Percepcin Visin Habla Lenguaje natural Comprensin Generacin Traduccin Sentido comn Control de un robot

Tareas formales:

Juegos Ajedrez Backgammon Damas Go Matemticas Geometra Lgica Clculo Integral Demostracin de las propiedades de los programas

Tareas de los expertos:

Ingeniera Diseo Deteccin de fallos Planificacin de manufacturacin Anlisis cientfico Diagnosis mdica Anlisis financiero

Una de las primeras aplicaciones de la IAa nivel comercial, es el reconocimiento depatrones se basa en la utilizacin dedistintas tcnicas de clasificacin paraidentificar subgrupos con caractersticascomunes en cada grupo. Estas tcnicas seutilizan, entre otras cosas, en procesos dereconocimiento de imgenes,reconocimiento de seales, diagnstico defallos, etc.

Las tcnicas de clasificacin yreconocimiento de patrones siguen siendoobjeto actualmente de estudio tanto a nivelterico como prctico.

Percepcin y reconocimiento de formas: Una de las aplicaciones ms interesantes de laInteligencia Artificial es la de la imitacin de las capacidades sensoriales de los sereshumanos, tanto audicin como visin artificial. No se trata solamente que el ordenador seacapaz de percibir sonidos e imgenes, sino de identificarel sentido de lo percibido.

Una introduccin general al problema de reconocimiento de voz puede verse en Rabiner yJuang (1993).

En cuanto al tema de la visin artificial, se ha avanzado mucho en el reconocimiento deformas bidimensionales, el caso de formas tridimensionales es objeto actualmente de

grandes esfuerzos investigadores. Una referencia bsica en el tema de visin artificial esSaphiro y Rosenfeld (1992).

Robtica: La robtica es una de las reas ms populares dentro de la Inteligencia Artificial.Se trata de la creacin de mquinas con capacidades perceptuales y habilidadespsicomotoras. Los robots combinan elementos mecnicos, sensores, dispositivoselectrnicos,... con tcnicas de I.A. para conseguir que interactuen con el mundo real.

Visin por computador24