-1-

Introduccin a la Inteligencia Artificial Dr. Luis F. Copertari

copertari@yahoo.com Profesor, Programa de Ingeniera en Computacin, Universidad Autnoma de Zacatecas, Mxico

Resumen

La Inteligencia Artificial (IA) es un rea de estudio relativamente nueva y excitante que

intenta resolver problemas que involucran al razonamiento. Hasta ahora, IA ha sido exitosa

en algunos dominios de inters muy especficos, en los cuales tpicamente, las funciones

ms altas del razonamiento son requeridas. Algunos avances han sido muy impresionantes,

tal como jugar ajedrez, cruzamiento de datos en minera de datos, visin en cmaras

porttiles para deteccin de caractersticas tales como caras, reconocimiento de voz,

navegacin por Sistema de Posicionamiento Global (Global Positioning System o GPS),

reconocimiento de patrones y clasificacin, consejos de experto en dominios de inters muy

especficos, entre otros. Sin embargo, ha sido hasta ahora imposible duplicar el sentido

comn y algunas de las habilidades de llamado sentido comn que los nios desarrollan

cuando son jvenes (incluso bebs). Este ensayo intenta explorar lo que se ha hecho en IA

y lo que promete el futuro: habr alguna vez una mquina verdaderamente inteligente (y

consciente)?

Palabras clave

Inteligencia Artificial, mente, inteligencia, cognicin, computadoras, tecnologa.

1. Introduccin

La Inteligencia Artificial (IA) es un rea de estudio relativamente nueva y excitante. Puede

decirse que la inteligencia artificial comenz con la definicin de Alan Turing (Turing,

1950) de la llamada Prueba de Turing que era un experimento en el cual una mquina

presumiblemente inteligente es probada en contra de un ser humano igualmente inteligente.

En este experimento, la mquina presumiblemente inteligente es puesta dentro de un cuarto

y el ser humano es puesto en otro cuarto. Luego, sujetos experimentales interactan tanto

con la mquina como con el ser humano (el mtodo de interaccin no es importante, puede

ser texto escrito, voz, o cualquier otro mecanismo apropiado). Si, estadsticamente

-2-

hablando, el experimentador no puede distinguir entre el ser humano y la mquina haciendo

preguntas de sentido comn, entonces se dice que la mquina ha pasado la prueba de

Turing y es en consecuencia inteligente.

Se han desarrollado programas que imitan la interaccin entre un psiclogo y su paciente.

El programa est hecho de forma tal que sigue un protocolo de preguntas, como por

ejemplo, preguntarle al paciente acerca de su padre y luego preguntarle acerca de su madre

si la palabra madre no se ha mencionado. En el caso ltimo, el programa parafrasea la

respuesta y la convierte en pregunta, aunque a veces se nota el error porque la pregunta no

est escrita con concordancia gramatical. Una gran cantidad de trabajo en IA ha sido

llevado a cabo desde entonces, y realmente se han obtenido resultados impresionantes en

campos de inters muy especficos, pero el verdadero objetivo de la IA, que es, en ltima

instancia, la construccin de una mquina verdaderamente inteligente (y consciente), no se

ha logrado todava.

El argumento del Cuarto Chino, desarrollado por Searle (1980) como un experimento

mental, y la derivacin asociada (Searle, 1984), intenta mostrar lo absurdo de que una

computadora jams entienda algo. En el argumento del Cuarto Chino, una persona que

habla ingls es puesta dentro del cuarto. Esa persona tiene un libro muy detallado, escrito

en ingls (el cual la persona puede entender) de instrucciones, de forma tal que para cada

entrada posible dada en chino, la persona puede seguir el libro (esto es, el programa) para

generar una respuesta razonable tambin en chino. Entiende la persona chino? Claramente,

la respuesta es no, dado que la persona no sabe una sola palabra (o ms bien un solo

carcter) de chino. Pero luego, viene la pregunta difcil. El cuarto (como un sistema)

entiende chino? De acuerdo a Minsky (1988) el cuarto, como un sistema (el dira como una

agencia en una sociedad de agentes) s lo entiende.

Pero regresando al argumento de Searle: ningn programa de computadora podra jams

lograr la consciencia, porque simplemente sigue un conjunto de instrucciones: no tiene

sentido comn. Hay aqu una pregunta ms profunda. Requiere la consciencia (y el

comportamiento verdaderamente inteligente) un alma? Acaso el funcionamiento de la

-3-

mente humana (y posiblemente otras mentes, tales como delfines, ballenas, orangutanes,

gorilas, monos, y quiz incluso toda cosa viva, incluyendo las plantas recurdese que las

plantas carnvoras pueden moverse rpidamente y reaccionar a su ambiente) est

automticamente ligado a un alma (e incluso quiz a un espritu)? Tendra una mquina

inteligente un alma artificial? Estas preguntas son ms difciles de responder, porque hay

mucho que se desconoce acerca del cerebro humano.

El argumento de Searle est guiado por el siguiente conjunto de axiomas y conclusiones:

Axioma 1. Los programas son formales.

Axioma 2. Las mentes tienen contenido (semntica).

Axioma 3. La sintaxis en s misma no es ni constitutiva ni suficiente para la semntica.

Conclusin 1. Los programas no son ni constitutivos ni suficientes para las mentes.

Axioma 4. Los cerebros causan las mentes.

Conclusin 2. Cualquier otro sistema capaz de causar mentes debera tener poderes

causales (al menos) equivalentes a los de los cerebros.

Conclusin 3. Cualquier artefacto que produzca fenmenos mentales, cualquier cerebro

artificial, debera ser capaz de duplicar los poderes causales especficos de los cerebros, y

no podra hacer esto solamente ejecutando un programa formal.

Conclusin 4. La manera en la que los cerebros humanos de hecho producen fenmenos

mentales no pueden ser solamente por virtud de ejecutar un programa de computadora.

Por otro lado, hay algunos que parecen ser ms optimistas. Franklin (2001) y los

colaboradores en el Centro de Investigacin en Computacin Cognitiva (Cognitive

Computing Research Center) han desarrollado lo que llaman el Agente de Aprendizaje

Integrado Distribuido (Learning Integrated Distributed Agent LIDA), el cual segn

claman posee las caractersticas bsicas requeridas para la consciencia, al trabajar como un

operador de la Marina, el cual se desempea tomando decisiones autnomas respecto a

asignaciones de personal de la Marina. Sin embargo, se podra argir que su programa no

es ms que algo parecido al programa del psiclogo. Sin embargo, ellos desarrollaron un

modelo del funcionamiento del programa bastante complejo, el cual, eventualmente en un

futuro quiz no tan distante como algunos podran pensar, podra ser til.

-4-

Pero, qu se requerira para ser verdaderamente capaz de construir una mquina

inteligente? Incluso si la propuesta de Franklin es aceptada (que su arquitectura de agente

de software es capaz de consciencia), los agentes deberan de estar apropiadamente

distribuidos para al menos simular el funcionamiento del cerebro humano. Sera posible

implementar tal arquitectura en una computadora? La Figura 1 (tomada de Moravec, 1999)

muestra la evolucin del poder de computacin que se puede comprar por USD $1,000 a

medida que los aos van pasando. El eje horizontal muestra los aos y el eje vertical la

capacidad de procesamiento de la informacin en una escala logartmica. Es muy claro que

si uno sigue las tendencias, el poder de computadora requerido para un cerebro humano

(100 millones de MIPS1) debera lograrse entre el 2020 y el 2040. Sin embargo, desde el

ao 2000 o quiz un poco ms, la velocidad de los procesadores de computadora se ha

estancado. Esto es debido al procedimiento seguido para producir los microprocesadores,

llamado litografa. En un filme transparente relativamente largo, el microprocesador es

dibujado. Luego, usando qumicos especiales sensitivos a la luz y lentes que reducen la

proyeccin de la transparencia, el microprocesador es creado. Cul es el problema? El

problema es que el campo electromagntico de la luz tiene una amplitud dada, y no puede

dibujar cosas comparables en tamao a su amplitud. (Sera como tratar de construir una

escultura lanzando rocas a sta.) As pues los microprocesadores no pueden ser hechos de

circuitos ms pequeos, lo que significa que no pueden funcionar ms rpidamente. Esta es

la razn por la cual desde el ao 2,000, no ha habido avances significativos en velocidad de

procesamiento2, aunque se han creado sistemas operativos que tratan de usar dos o ms

microprocesadores en paralelo (lo cual es extremadamente difcil) y ciertamente usa ms

memoria y ms espacio de disco duro. An as, el ideal de programacin paralela podra

quiz lograrse algn da.

1 MIPS son Millones de Instrucciones por Segundo; 100 millones de MIPS son 100 trillones de instrucciones

(1014

) por segundo, el equivalente de hacer 100 trillones de sumas al segundo. 2 La computacin cuntica es un enfoque diferente y muy prometedor, que quiz podra concretar la

programacin paralela y un nuevo tipo de computadoras.

-5-

Figura 1. Evolucin del poder de computadora entre el costo a lo largo de los aos.3

Penrose (1989) argumenta que hay una falta de una revelacin fundamentalmente

importante en la fsica, sin la cual nunca podremos comprender la mente. Ms an, el

sugiere, que esta revelacin puede ser la misma requerida antes de que una teora unificada

de todo (en Fsica) pueda ser escrita4. As pues cules son las alternativas y las posibles

tecnologas y teoras que pueden ser puestas en uso? Este ensayo trata precisamente con

este tema. Cul es el futuro de la IA?

La Figura 2 muestra una grfica en la que el eje horizontal es la capacidad de

almacenamiento en megabytes (la escala es logartmica) y el eje vertical es el poder de

procesamiento en MIPS (tambin escala logartmica). El asterisco marca a las

3 Tomado de Moravec (1999).

4 La teora fsica unificada busca reunir en una sola teora la fsica de la relatividad general con la mecnica

cuntica. Ha habido intentos, como la teora de las cuerdas, pero la verdad la suposicin de 11 dimensiones o

algo as en el Universo parece tratarse ms de un artificio matemtico que de una aproximacin realista.

-6-

computadoras universales. Ntese las posiciones relativas de los clculos manuales, una

computadora casera de 1965, una computadora casera de 1996 y una supercomputadora de

teraflops de 1996. Tambin ntese las diferentes posiciones de diferentes tecnologas tales

como un libro, un Disco Compacto (CD), la Librera del Congreso, y canales auditivos y de

video. Finalmente, ntese la posicin relativa de una lombriz, una araa, un lagarto, un

mono, una ballena, un elefante y un ser humano.

Figura 2. Capacidad de almacenamiento contra poder de procesamiento.5

2. El Cerebro Humano

Se calcula que el cerebro humano contiene aproximadamente entre 1011

y 1012

neuronas

(entre 100 y 1,000 billones de neuronas). De acuerdo a Minsky (1988) hay

aproximadamente 100 diferentes tipos de neuronas, cada una conectada con entre 1,000 y

10,000 otras neuronas (102 a 10

3 conexiones). As que eso significa que hay

aproximadamente entre 1013

y 1015

sinapsis. (Una sinapsis es una conexin entre una

neurona y otra.)

5 Tomado de Moravec (1999).

-7-

Figura 3. Estructura de una neurona.6

El componente elemental ms importante del cerebro humano es la neurona (ver Figura 3).

La neurona tiene dendritas, las cuales reciben impulsos nerviosos de neuronas anteriores

(neuronas previamente conectadas en el circuito neuronal). Luego acta agregando todos

los impulsos recibidos, los cuales pueden ser excitatorios o inhibitorios, dependiendo de la

carga de los iones que entren o salgan de la neurona. Por defecto, la neurona mantiene un

voltaje de aproximadamente -70 mV al filtrar hacia fuera K+. Si iones positivamente

cargados (Ca++

o Na+) entran a la neurona y la carga total excede un lmite dado (+55 mV),

una carga elctrica pasa a travs del axn a los botones terminales al final del axn. Estos

botones terminales estn conectados (en una sinapsis) a otras neuronas. Dependiendo de la

fuerza relativa de la sinapsis establecida por la neurona con su neurona subsiguiente, la

sinapsis puede o no desencadenar otra salida excitatoria en la siguiente neurona. Si, por el

otro lado, la neurona recibe en sus dendritas iones cargados negativamente (Cl-), puede

haber una respuestas inhibitoria, lo cual significa que la neurona no ser capaz de responder

por un rato, incluso si luego recibe entradas excitatorias (OReilly & Munakata, 2000). Hay

otro tipo de clula en el cerebro: las clulas gliales. Estas clulas se presume que funcionan

6 Tomado del tutorial en lnea del Cognitive Computing Research Group.

-8-

como las clulas que proveen sostenimiento qumico a las neuronas. Sin embargo, tambin

pudieran jugar un rol en el proceso de pensamiento, el cual es hasta la fecha desconocido.

Para complicar an ms el escenario, est todo el proceso bioqumico del ADN-ARN

(cido Desoxiribonucleico y cido ribonucleico, que es ADN mensajero), el cual ha sido en

parte mapeado por algunos investigadores que claman tener alguna idea de los procesos

cognitivos del cerebro humano. Algunas neuronas tienen axones que abarcan unos cuantos

centmetros. Otras neuronas tienen axones con casi un metro (a veces ms) en longitud tales

como las neuronas de la mdula espinal.

El problema principal que enfrenta la IA a fin de construir una mquina inteligente es que

hay aproximadamente cientos de diferentes tipos de neuronas. Qu si cada tipo de neurona

se comporta de manera diferente? (Lo cual podra ser una suposicin razonable, dado el

hecho de que tienen diferentes arquitecturas, esto es, algunas neuronas tienen sus botones

terminales distribuidos horizontalmente mientras que el axon es vertical; otras tienen

botones terminales distribuidos en lo que parece un acomodo aleatorio; an otras, como las

del cerebelo estn poco conectadas.)

Figura 4. Una sinapsis en una neurona.7

La Figura 4 muestra una sinapsis. Ntese que no hay conexin fsica entre las neuronas. El

axn (o bulbos terminales) de la neurona previa manda iones qumicos a la dendrita de la

neurona receptora. Estos qumicos tienen que pasar por receptores qumicos ubicados en la

neurona receptora.

7 Tomado del tutorial en lnea del Cognitive Computing Research Group.

-9-

Qu hay del cerebro humano? El cerebro humano puede dividirse en tres capas, cada capa

est arriba de la previa y es el resultado de la evolucin de nuestros ancestros cada vez ms

lejanos. La Figura 5 muestra el cerebro ternario.

Figure 5. The triune brain.8

En la parte superior de la Figura 5 est el cerebro reptiliano, que es el que nuestros

ancestros reptiles nos han heredado. El cerebro reptiliano es responsable, entre otras cosas,

del sentimiento de hambre, el control de la temperatura, la territorialidad, entre otras

habilidades. En la mitad de la Figura 5 est el sistema lmbico, heredado de nuestros

ancestros mamferos. El sistema lmbico, que puede ser hallado en gatos, ratones, entre

8 Tomado del tutorial en lnea del Cognitive Computing Research Group.

-10-

otros, es responsable del humor y la memoria, entre otras cosas. En la parte de abajo de la

Figura 5 est el neo-crtex, el cual puede ser hallado en primates y delfines. El neo-crtex

es nuestro rasgo evolutivo ms reciente. Segn Tononi (2012), el neo-crtex, que contiene

aproximadamente 22,000 millones de neuronas, podra ser suficiente como para generar

consciencia. Sin embargo, yo no lo creo, pues pienso que la consciencia es una

manifestacin que ocurre una vez que exista inconsciente, es decir, que las partes internas

del cerebro son tambin requeridas. La consciencia sera como la punta de un iceberg, en el

cual la parte sumergida (y la mayor) es inconsciente. Como puede verse en la Figura 5, el

neo-crtex tiene muchas circunvoluciones. Estas circunvoluciones estn ah para maximizar

el rea de superficie del neo-crtex a fin de ubicar ms y ms habilidades especializadas. El

neo-crtex ha sido tpicamente ligado con las habilidades sociales y la planeacin.

La Figura 6 muestra la ubicacin de las estructuras ms importantes del sistema lmbico.

Ntese que el complejo reptiliano y el sistema lmbico parecen ocupar el mismo espacio

(adentro del cerebro), pero tienen circuitos muy especializados y diferenciados.

Figura 6. Ubicacin de las estructuras ms importantes del sistema lmbico.9

9 Tomado del tutorial en lnea del Cognitive Computing Research Group.

-11-

Figura 7. Lbulos del neo-crtex humano.10

Figura 8. Habilidades ligadas a cada area del neo-crtex.11

La Figura 7 muestra las areas del neo-crtex humano. Ntese que en este caso, el cerebro

est siendo mostrado revertido comparado con la Figura 6. Un ejemplo de diferentes tipos

10

Tomado del tutorial en lnea del Cognitive Computing Research Group. 11

Tomado del tutorial en lnea del Cognitive Computing Research Group.

-12-

de neuronas puede ser hallado aqu. Las neuronas del cerebellum tienen una arquitectura

diferente que las neuronas de las restantes reas (lbulos).

La Figura 8 muestra las diferentes habilidades que han sido descubiertas, las cuales estn

tpicamente ligadas al neo-crtex. Ntese que el cerebro tiene dos hemisferios y estas

diferentes habilidades pueden estar ubicadas en diferentes hemisferios. La Figura 8

meramente muestra descubrimientos tpicos. Ms an, se ha demostrado que la misma

habilidad puede estar duplicada en hemisferios diferentes para mayor robustez.

El hemisferio derecho del cerebro fundamentalmente se ocupa del reconocimiento,

intuicin, sensibilidad y pensamiento creativo. El hemisferio izquierdo se ocupa de los

pensamientos racional, analtico y crtico. Estas son las fuerzas duales opuestas que

caracterizan el pensamiento humano.

3. Tecnologas de IA

La IA es un rea de estudio que abarca varias disciplinas, desde la cognicin y la psicologa

a las ciencias computacionales y la ingeniera. IA ha sido exitosa en muchas reas, las

cuales se mencionan brevemente a continuacin.

Algoritmos genticos (tambin llamados computacin evolutiva).

Heursticos.

Lgica difusa.

Redes neuronales artificiales.

Lgica proposicional.

Sistemas expertos.

Agentes inteligentes.

Computacin cuntica.

Robtica.

Visin.

Lenguaje natural.

Minera de datos.

Estas reas de dominios especficos son explicadas con mayor detalle en las siguientes sub-

secciones.

-13-

3.1. Algoritmos genticos (computacin evolutiva)

Los algoritmos genticos (o computacin evolutiva), como su nombre implica, dependen de

la evolucin para resolver problemas (Schoenauer & Michalewicz, 1996). Ms

especficamente, los algoritmos genticos confan en la propiedad de todos los sistemas

evolutivos de mejor seleccin de patrones y reproduccin, esto es, heredamiento gentico y

lucha darwiniana para la supervivencia (Davis, 1987). En los algoritmos genticos, las

secuencias que llevan a las mejores soluciones tienden a reproducirse ms que las

secuencias que llevan a soluciones pobres.

El algoritmo gentico general es como sigue:

1. Codificacin.

2. Mutacin.

3. Evaluacin.

4. Reproduccin.

5. Decodificacin.

Hay un ciclo entre los pasos 4 y 2. Tal ciclo termina cuando gx100% de la poblacin ha

alcanzado la misma solucin (0 g 1). Tal valor, g, es el porcentaje generacional. Ntese

que tener gx100% de la poblacin igual no garantiza la solucin ptima. Sin embargo, hay

una buena probabilidad de que si gx100% es suficientemente grande, la solucin ptima ha

sido encontrada, o al menos, una solucin ptima local. La tasa de mutacin, wx100%,

(donde 0 w 1) indica la mutacin de cada individuo. Si para un nmero aleatorio R,

resulta que R w (donde 0 R < 1), entonces tal individuo tiene que mutar. La mutacin

involucra un cambio aleatorio en el genoma del individuo. Tambin, la tasa de mutacin

tiene que ser fijada justo para que si la poblacin de individuos se estanca en un ptimo

local, la tasa de mutacin aleatoriamente trae la solucin correcta, y tal solucin puede

tener una oportunidad de reproducirse.

Ntese que para que el algoritmo converja, la ecuacin (1) se debe aplicar, donde

-14-

ms pequeo que 1-w. Esto es porque incluso asumiendo que un 100% (esto es, 1) de la

poblacin tenga la misma solucin, wx100% mutar, y as, cambiar. As pues, habr a lo

ms (1-w)x100% de individuos que quedarn con la misma solucin. Si eso no es lo

suficientemente mayor que g, el algoritmo gentico nunca se detendr.

g + w

-15-

Generalmente hablando, hay tres tipos de heursticos: heursticos de representatividad,

heursticos de disponibilidad y heursticos de ajuste y acomodo. Los heursticos de

representatividad son heursticos basados en la probabilidad de que el objeto A pertenezca a

la clase B o que el proceso A sea el resultado del proceso B o viceversa. Los heursticos de

disponibilidad son aquellos basados en la probabilidad inferida de casos pasados. Los

heursticos de ajuste y acomodo son aquellos basados en un valor inicial, el cual es luego

ajustado de acuerdo al juicio.

Tambin hay dos tipos de heursticos: rpidos y frugales, tales como cuantificaciones

rpidas tales como toma el mejor, y ms complejos en estrategia, tales como la regresin

lineal, entre otros (Gigerenzer & Todd, 1999).

3.3. Lgica difusa

La lgica difusa es un rea de estudio en la que no hay datos slidos sino ms bien

granularidad en los datos que son procesados. Por ejemplo, en la lgica booleana, slo hay

falso y verdadero, pero en la lgica difusa hay varias posibilidades (ms de dos, esto es,

ms que en un sistema binario), tales como bajo, mediano y alto. La lgica difusa ha sido

exitosamente utilizada en el diseo de domsticos tales como lavadoras, en las cuales hay,

por ejemplo, varios niveles para la cantidad de agua utilizada (mnima, mnima-media,

media, media-alta y alta).

La granularizacin de la informacin, la cual est inspirada en la manera en la cual los seres

humanos granulan conceptos, es central para la lgica difusa y marca el rol esencial en la

concepcin y diseo de sistemas inteligentes (Zadeh, 1997).

Hay dos tipos de conjuntos difusos, conjuntos difusos de tipo-1, los cuales son los

ordinarios descritos anteriormente, y conjuntos difusos de tipo-2, los cuales son una

extensin de los conjuntos difusos de tipo-1. Los conjuntos difusos de tipo-2 son tiles en

circunstancias donde es difcil determinar una funcin de membresa exacta para el

conjunto difuso, tal como en lingstica, donde una palabra dada puede significar diferentes

cosas para diferente gente (Karnik & Mendel, 2001).

-16-

Generalmente hablando, en la lgica difusa hay varios grados de verdad y usualmente un

grado de certidumbre (un valor entre 0 y 1).

3.4. Redes neuronales artificiales

Las redes neuronales artificiales son un rea de estudio muy excitante, que ha sido

relativamente desarrollada recientemente. Las redes neuronales artificiales asumen que las

neuronas son simplemente elementos de adicin, y que las sinapsis pueden ser modificadas

numricamente de manera digital. Esta es una suposicin atrevida, dado que las verdaderas

neuronas en el cerebro humano (y otros cerebros a tales efectos) pueden ser analgicos en

su naturaleza, en cuyo caso seran mucho ms difciles de modelar. Sin embargo, las redes

neuronales artificiales han mostrado impresionante xito en muchas reas del

conocimiento, donde la clasificacin y el pareo son requeridos (Hagan, Demuth & Beale,

1996).

3.5. Lgica proposicional

La lgica proposicional es una tcnica que genera y evala expresiones o proposiciones

basadas en combinaciones de operadores lgicos (verdadero/falso) y algunas reglas que

pueden ser aplicadas a tales operadores. Hay una sintaxis especfica a ser utilizada; hay una

semntica a ser considerada y varios procedimientos de inferencia.

Hay mucho que puede ser logrado con la lgica proposicional, pero sus posibilidades estn

un poco restringidas a lo que puede ser hecho con la sintaxis dada, la semntica y los

procedimientos de inferencia.

3.6. Sistemas expertos

Los sistemas expertos son un rea de estudio que es parte del rea de anlisis de decisin.

Sus desarrollos iniciales ocurrieron durante los 1950s y 1960s, estudiando la aplicacin de

la teora de decisin a problemas de decisin reales. Era til tomar decisiones donde

intereses importantes estaban en juego, tales como el mundo de los negocios, gobierno,

leyes, estrategia militar, diagnstico mdico y salud pblica, diseo ingenieril y

-17-

administracin de recursos. El proceso usado involucraba un cuidadoso estudio de las

acciones y los posibles resultados, as como las preferencias para cada resultado.

En el proceso de construir un sistema experto hay dos responsables principales: el tomador

de decisiones y el analista de decisiones. Durante las primeras investigaciones en sistemas

expertos, el nfasis se pona en responder preguntas ms que en tomar decisiones. Tales

sistemas estaban basados en reglas de condicin-accin, y no ofrecan opiniones de hechos

especficos. Luego, los modelos de clculo de utilidad expresa fueron incorporados, los

cuales permitan a los sistemas expertos seleccionar acciones automticamente as como las

conclusiones y deducciones basadas en evidencia donde el experto explcitamente

representaba sus preferencias o las preferencias del cliente.

3.7. Agentes inteligentes

Un agente inteligente es bsicamente un programa pequeo o una coleccin de programas

que reciben informacin del ambiente a travs de sensores y reaccionan al ambiente

basados en una funcin dada actuando o reaccionando a tal ambiente a travs de sus

actuadores. Un agente inteligente sencillo es ilustrado en la Figura 9.

Puede haber un agente inteligente solo o quiz toda una sociedad de agentes organizadas en

una agencia dada, tal como Minsky (1988) propone.

Figura 9. Un agente inteligente sencillo.

Es posible que la creacin de una mquina inteligente simplemente requiera construir

agentes inteligentes apropiadamente programados para hacer el mismo trabajo que la mente

Agente inteligente Ambiente

Sensores

Actuadores

Funcin de

reaccin

-18-

hace. Despus de todo, los aviones tienen alas, pero no aletean sus alas para volar. Pero esto

es tema de especulacin.

3.8. Computacin cuntica

La computacin cuntica es un rea de las ciencias computacionales relativamente nueva y

muy excitante. En la computacin clsica, el elemento computacional bsico es el bit, el

cual puede ser 0 o 1, pero no ambos. En la computacin cuntica, el elemento

computacional bsico es el qbit, el cual es un elemento que puede ser tanto 0 como 1 al

mismo tiempo.

Para ilustrar, considere dos bits. Hay dos posibles estados para dos bits, dado que sus

valores son dados y conocidos. Sin embargo, para dos qbits, hay 22 = 4 posibles estados,

esto es, pueden ser 00, 01, 10 y 11. Dado que los qbits son tanto 0 y 1 al mismo tiempo, los

clculos en las computadoras cunticas que pueden ser llevados a cabo son

exponencialmente mucho ms rpidos que en computadoras regulares12

.

Sin embargo, la nica manera que una computadora cuntica pueda computar es si sus qbits

estn sobreposicionados, esto es, conectados en lo que se llama teleportacin cuntica. Tan

pronto como un resultado se obtenga de la computadora cuntica, ocurre la decoherencia y

algoritmos especiales para corregir por el error son requeridos. La computacin cuntica es

un rea de estudio de vanguardia que necesita ir de una representacin matemtica a una

representacin fsica (Williams & Clearwater, 1998).

3.9. Robtica

Hay varias definiciones posibles de robot. Un robot puede ser definido como un

manipulador programable capaz de realizar varias funciones, diseado para ubicar

materiales, partes, y herramientas o artefactos dados a travs de movimientos variados

programados y cuyo objetivo es la realizacin de ciertas tareas. El problema con la

definicin previa es que no es muy estricta. Una banda desplazadora con un interruptor de

dos velocidades podra aparentemente satisfacer la definicin.

12

n qbits pueden estar en 2n diferentes estados al mismo tiempo.

-19-

Podra ser mejor definir un robot como un agente artificial, activo, cuyo ambiente es el

mundo fsico. El trmino activo descarta de la definicin cosas tales como piedras. El

trmino artificial descarta animales. El trmino fsico descarta a los agentes de software

puros o softbots.

De inters particular, son los robots autnomos, los cuales son aquellos capaces de tomar

decisiones propias, lo cual est opuesto a los robots manipulados. Los robots manipulados

son, sin embargo, muy tiles. Ejemplos son los aviones androide, o las manos quirrgicas

que permiten a los mdicos llevar a cabo cortes muy precisos o procedimientos especiales

durante la operacin. El diseo de un robot autnomo es muy similar al de un agente

inteligente. Dadas las limitaciones en sensores y poder de procesamiento, los robots

autnomos estn usualmente restringidos a ambientes muy especficos y benignos para

stos.

Una de las grandes ventajas de los robots es que pueden tener una amplia variedad de

diseos posibles. Los robots autnomos no necesariamente tienen que parecerse a los seres

humanos. Pueden tener muchas formas. Por ejemplo, un robot para una lnea de ensamblaje

de automviles tendra un brazo con pinzas y una cmara. La cmara capturara imgenes

monoscpicas (en lugar de estereoscpicas), pero el procesamiento de la imagen para

deteccin de caractersticas podra hacer las imgenes tiles al determinar la distancia, mas

el hecho de que se espera que todas las piezas estn en el mismo lugar, de forma tal que el

robot se pueda pre-programar para hacer una secuencia de actividades. Si, por accidente, las

partes cambian de lugar, el resultado probablemente sera un desastre total en la lnea de

ensamblaje. As que los robots pueden ser diseados para la manufactura y manejo de

materiales.

Otra aplicacin de la robtica es robots mviles. Las dos principales aplicaciones son como

robots de entregas en edificios, especialmente en hospitales, y como guardianes de

seguridad. Los robots tambin pueden guiar vehculos (tanto en la tierra como submarinos).

Ciertamente es ms barato enviar un robot a hacer investigacin submarina dado que puede

-20-

quedarse bajo el agua por meses para descubrimientos cientficos o para reparar lneas

submarinas.

Los robots tambin pueden ser usados en ambientes peligrosos para los seres humanos,

tales como desastres nucleares o terremotos que puedan causar destruccin de edificios.

3.10. Visin

Uno de los tres elementos clave de un robot o un agente inteligente es la percepcin o los

sensores. Tal percepcin puede ser un conjunto de nmeros de una base de datos o texto,

pero tambin puede ser la entrada de una cmara. Cuando se trata de entrada de una

cmara, tal entrada usualmente viene slo de una cmara (visin monoscpica) y el

procesamiento de la informacin llevado a cabo usualmente tiene ms que ver con

deteccin de caractersticas, tales como sombras, bordes, a veces formas, y as

sucesivamente. Por ejemplo, considere las cmaras modernas. Pueden detectar caras y

ubicar un rectngulo alrededor de cada cara detectada. Pero hacen esto con slo una

cmara.

Es posible construir sistemas computarizados para visin estereoscpica. Mahowald (1994)

desarroll un sistema de Integracin de Larga Escala anlogo y estereoscpico, que emula

el procesamiento de la informacin llevado a cabo por las primeras neuronas del ojo.

3.11. Lenguaje natural

Generalmente hablando, hay dos tipos de lenguajes: lenguajes formales (tales como Lisp y

lgica de primer orden, que son producto de la invencin y una definicin muy rgida) y

lenguajes naturales (tales como Ingls, Espaol, Dans, Chino, entre otros).

Es posible en IA encontrar una gramtica formal para un subconjunto del Ingls, por

ejemplo. En tal caso, es posible procesar lenguaje natural usando un conjunto de comandos

y frases predefinidos. Algunas veces, la entrada puede ser la voz, en otras ocasiones la

entrada puede ser texto escrito. Avances significativos se han hecho en el procesamiento

del lenguaje natural, hasta el punto de que a veces es difcil distinguir la mquina del ser

-21-

humano. Sin embargo, el hecho de que la mquina puede procesar lenguaje natural no

significa que sea capaz de entenderlo. Esto nos lleva de nuevo al argumento del Cuarto

Chino, excepto que en este caso debera ser llamado el argumento del Cuarto Ingls, en

donde dentro del cuarto est una computadora en lugar de una persona que habla ingls.

Pero claramente, a pesar de todos los argumentos, en este caso la computadora no entiende

ingls, incluso si es capaz de ejecutar acciones basadas en comandos de voz en ingls.

Hay muchas aplicaciones de procesamiento de lenguaje natural. Algunas ayudan a gente

deshabilitada a sobrellevar sus dificultades. Otras son traductores de lenguaje (aunque la

traduccin no es 100% correcta dado que la computadora todava no ha logrado sentido

comn y no puede por completo comprender el contexto en el cual el texto es dado).

En ciencias computacionales, hay cinco generaciones de lenguajes. Los lenguajes de

primera generacin son lenguaje mquina, esto es, procesamiento binario directo. Los

lenguajes de segunda generacin son lenguaje ensamblador. Los lenguajes de tercera

generacin son lenguajes de computadora tales como Java, C, Pascal, Basic, Fortran,

Cobol, entre otros. Los lenguajes de cuarta generacin son SQL, Microsoft Access, entre

otros lenguajes de recuperacin de datos en bases de datos. Los lenguajes de quinta

generacin son los lenguajes naturales. stos (lenguajes de quinta generacin) son el techo

para las computadoras.

3.12. Minera de datos

La minera de datos comenz con el procesamiento de las bases de datos. En el

procesamiento de bases de datos, la informacin es cruzada de forma tal que se obtiene una

salida a requerimientos dados y muy especficos de forma tal que preguntas puedan ser

respondidas. Sin embargo, al principio, estos lenguajes de bases de datos estaban muy

limitados. Ahora, es posible cruzar informacin de inmensas bases de datos y responder

preguntas que son dadas en casi una manera de lenguaje natural.

No hace mucho tiempo, IBM cre una computadora muy poderosa para competir en

Jeopardy en contra del campen humano de Jeopardy. La computadora se desempe muy

-22-

bien. La mayora de su xito est basado en tcnicas muy poderosas de minera de datos as

como combinaciones de otras tcnicas y tecnologas de IA. Sin embargo, nadie con

verdadero sentido comn podra decir que la computadora entenda el juego que estaba

jugando. Para la computadora era simplemente una cuestin de inmensa molienda de datos.

En estos das, la gente genera un montn de informacin durante sus actividades diarias. En

una sociedad del conocimiento, esta informacin se vuelve vital, y la explotacin y uso de

tal informacin provee a las compaas con grandes ventajas sobre sus competidores que no

utilizan minera de datos. En minera de datos, hay aprendizaje supervisado y no

supervisado. Ambos son muy valuados, pero el aprendizaje no supervisado es tpicamente

ms comn en minera de datos, dado que usualmente no hay valores objetivo asociados

con cada conjunto de entrenamiento. Actualmente, hay una muy excitante rea de estudio

en IA, que es la combinacin de aprendizaje supervisado y no supervisado.

4. Discusin y Conclusiones

Qu es lo que motiva el cambio tecnolgico? El cambio tecnolgico usualmente se da

cuando existen condiciones apremiantes que resolver. Qu fue la ltima condicin que

propici el cambio tecnolgico que se vivi hasta los 1960s o 1970s? Aunque el lector

pueda dudarlo, fue la revolucin industrial de finales del siglo XIX y principios del siglo

XX. Por qu? Porque dicha revolucin industrial introdujo el uso de la maquinaria en los

procesos de produccin que anteriormente eran 100% o casi 100% manuales. Lo anterior

implic la posibilidad de producir artculos y productos en masa. Lamentablemente tambin

posibilit la produccin de armas en masa. Las grandes potencias de aquel entonces (Reino

Unido, Francia y Rusia por un lado en lo que se llamaba el ente triple y Alemania, Austria-

Hungra e Italia en lo que se llamaba la alianza triple) comenzaron a producir armas en

grandes cantidades y a sentirse poderosas. Slo se necesitaba una excusa, un chispazo que

disparara el conflicto. Tal excusa se dio con el asesinato del archiduque Franz Ferdinand de

Austria. Lo anterior desencaden el ataque por parte de Austria a las potencias del ente

triple. Sin embargo, por haber atacado Austria primero, Italia no particip en lo que se lleg

a denominar la Gran Guerra o Primera Guerra Mundial (aunque no haya sido tan mundial

como se pudiera pensar). Gan el Reino Unido y sus aliados, y como condicin de su

-23-

victoria le pidi a las potencias del ente triple (en especfico resalta el caso de Alemania)

que pagaran los enormes costos de la guerra a los victoriosos. Lo anterior se mantuvo por

algunos aos hasta que lleg el momento en el que Alemania econmica y socialmente no

daba ms. Esto hizo que un histrico levanta nimos como Hitler ganara las elecciones de

Alemania de manera democrtica y llegara al poder. En su afn confrontador, Alemania

llev a Europa (y no mucho tiempo despus a los Estados Unidos de Amrica y a Japn) a

la Segunda Guerra Mundial. Esta s fue de proporciones mucho mayores y sus impactos se

sienten todava an hoy en da (aunque quiz algunos de ustedes ni siquiera tengan una

clara nocin de lo que fue la Guerra Fra y la Cortina de Hierro)13

.

La primera y segunda guerra mundial, as como la guerra fra, impulsaron el desarrollo de

la ciencia y la tecnologa de la que hoy en da disfrutamos. Sin embargo, actualmente,

estamos viendo otra revolucin, la revolucin digital, cuyo alcance todava no es del todo

claro, ni siquiera para los mejores escritores de ciencia ficcin que pudiera haber. Se dice

que el siglo XX fue el siglo de la Fsica y que el siglo XXI ser el siglo de la ingeniera

gentica. Quiz el Facebook, el Twitter, el YouTube y tantas otras increbles tecnologas

relacionadas con el Internet nos lleven eventualmente a alcanzar la construccin de una

mquina verdaderamente inteligente. Pero qu implicara lo anterior? La mquina si es

consciente de s misma ira creciendo como un nio, y hara preguntas. Habra que

inculcarle buenos valores (en particular amor hacia los seres humanos). Pero la mquina

probablemente se sentira sola. Darle acceso a Internet y permitirle interactuar con la gente

sera peligroso, pues a la mquina se le podra ocurrir que su deber es gobernar a la

humanidad. Sera lo anterior una buena idea? Claramente, se necesitara de la construccin

de otras mquinas inteligentes para que se comuniquen entre s. Estas mquinas inteligentes

daran origen a generaciones de nuevas mquinas y posiblemente robots de todos tipos y

formas. Es concebible que en un segundo, tiempo que a dos seres humanos les permite

intercambiar una o dos palabras, dos mquinas inteligentes pudieran intercambiar toda una

enciclopedia de informacin. Las posibles interrogantes son enormes, pero la curiosidad

humana siempre nos ha llevado a innovar. Yo realmente pienso que la construccin de una

13

Aquel que quiera informarse ms de estos temas por pura curiosidad, puede acceder a la Wikipedia

(www.wikipedia.org) y seleccionar artculos en Espaol y luego en la barra de bsqueda arriba a la derecha

buscar el tema de inters.

-24-

mquina inteligente es inevitable, la pregunta es cundo ocurrira y qu pasara con ello. Se

puede hablar de cuestiones de riesgo aqu, pero dejo tal discusin para el saln de clase.

Hay, aproximadamente, entre 100,000000,000 (1011) y 1000,000000,000 (1012) de

neuronas en el cerebro humano. Cada neurona tiene entre 1,000 (103) y 10,000 (10

4)

conexiones a otras neuronas. Hay 5,000000,000 (5x109) bits de informacin en el cdigo

gentico de cada neurona (Sagan, 1980). Desde luego, tal codificacin es repetitiva, porque

el mismo cdigo est en cada una de las clulas del cuerpo humano. La mayora del cdigo

es para otros propsitos, usado en otras clulas del cuerpo humano. Pero digamos que slo

un 1% de tal informacin se aplica al funcionamiento real de las neuronas. Esto sera

50000,000 (5x107) bits de informacin usada en las neuronas para conectarse a otras

neuronas y comportarse de la manera en que lo hacen. Si un programa de computadora

escrito en ensanblador requiere 32 bits de informacin por instruccin, eso significa que un

programa de 5x107/32 = 1562,500 lneas de ensanblador se requerira para especificar

cmo debera comportarse cada neurona. Tal programa podra ocupar 5x107/(1,024x1,024)

= 47.68 Megabytes. Tambin, como fue descrito previamente, el cerebro humano procesa

informacin a una velocidad de 100 millones de MIPS o 100000,000000,000 de

instrucciones por segundo. Un procesador de computadoras personal tpico procesa ahora

informacin a alrededor de 2 GHz, esto es, 2,000000,000 de instrucciones por segundo.

Eso significa que un total de 100000,000000,000/2,000000,000 = 50,000 procesadores se

requeriran si dedicaran todo su poder de procesamiento a la mente artificial. Tambin, si

slo un 1% del poder del procesador es usado por la mente inteligente, un total de

50,000/0.01 = 5000,000 computadoras personales se requeriran. Esto parece mucho, pero

no es una cantidad inimaginable.

Otra cuestin es la velocidad a la cual las computadoras se conectaran. Claramente, si

5000,000 de computadoras son usadas, cada una tendra que simular

1000,000000,000/5000,000 = 200,000 neuronas. Pueden 200,000 neuronas ser

simuladas usando slo el 1% del poder de procesamiento de una computadora dada? Una

computadora tiene una velocidad de 2 GHz o 2,000000,000x0.01 = 20000,000

instrucciones por segundo. Si 200,000 neuronas son simuladas, cada neurona puede usar

-25-

20000,000/200,000 = 100 instrucciones por neurona. Eso no parece mucho, pero podra

ser suficiente para el poder de procesamiento requerido para una sola neurona.

Sin embargo, las neuronas tienen que estar conectadas entre s. Si en cada computadora hay

200,000 neuronas, cada neurona est conectada a otras 1,000 neuronas, y cada conexin

manda 10 bits por segundo de informacin, una conexin entre computadoras de

200,000x1,000x10 = 2,000000,000 bits por segundo se requerira, esto es, una conexin de

2 Gbps o 2 Giga bits por segundo.

-26-

Referencias

Davis, L. (Editor). 1987. Genetic Algorithms and Simulated Annealing, Los Altos, CA:

Morgan Kaufmann Publishers.

Franklin, Stan. 2001. Artificial Minds. Cambridge, MA: The MIT Press.

Gigerenzer, Gerd & Todd, Peter M. 1999. Simple Heuristics that Make us Smart. New

York, NY: Oxford University Press.

Hagan, M., Demuth H. & Beale, M. 1996. Neural Network Design, Boston, MA:

International Thomson Publishing.

Karnik, Nilesh N. & Mendel, Jerry M. 2001. Operations on type-2 fuzzy sets, Fuzzy Sets

and Systems, 122: 327-348.

Mahowald, Misha. 1994. An Analog VLSI System for Stereoscopic Vision, Oxford,

England: Kluwer Academic Publishers.

Minsky, Marvin. 1988. The Society of Mind, Cambridge, MA: Simon & Schuster

Paperbacks.

Moravec, Hans. 1999. Robot: Mere Machine to Transcendent Mind, Oxford, England:

Oxford University Press.

Tononi, G. 2012. Integrated information theory of consciousness: an updated account,

Archives Italiennes de Biologie, 150: 56-90.

OReilly, Randall & Munakata, Yuko. 2000. Computational Explorations in Cognitive

Neuroscience: Understanding the Mind by Simulating the Brain, Cambridge, MA:

The MIT Press.

Penrose, Roger. 1989. The Emperors New Mind: Concerning Computers, Minds, and the

Laws of Physics, Oxford, England: Oxford University Press.

Sagan, Carl. 1980. Cosmos, Barcelona, Espaa: Grupo Editorial Planeta.

Schoenauer, Marc & Michalewicz, Zbigniew. 1996. Evolutionary Computation, Control

and Cybernetics, 26, 3: 307-338.

Searle, J. 1980. 'Minds, Brains, and Programs', Behavioral and Brain Sciences, 3: 417-458.

Searle, J. 1984. Minds, Brains, and Science, Cambridge, MA: Harvard University Press.

Turing, Alan M. 1950. Computing Machinery and Intelligence, Mind, 59: 434-460.

Tversky, Amos & Kahneman, Daniel. 1974. Judgment under uncertainty: Heuristics and

biases, Science, 185: 1124-1131.

-27-

Williams, C.P. & Clearwater, S.H. 1998. Explorations in Quantum Computing, New York,

NY: TELOS Springer-Verlag.

Zadeh, Lofti A. 1997. Toward a theory of fuzzy information granulation and its centrality

in human reasoning and fuzzy logic, Fuzzy Sets and Systems, 90: 111-127.