Inteligencia artificial general (2)

220px-Dr_Ben_Goertzel

Ben Goertzel, lider de la IA general

En sus inicios la inteligencia artificial (IA), intentó de salirse del esquema cibernético demasiado abarcador y, precisamente, se trazó como línea de investigación, propósitos más concretos, como el de reproducir la inteligencia en una computadora. Quizás por inercia, influidos, aun, por la cibernética, muchos de los investigadores siguieron trabajando en líneas más generales como el demostrador general de problemas (GPS en inglés) o los primeros intentos con las redes neuronales (que no soportó las críticas de Minsky). Todas estas líneas se fueron abandonadas y sustituidas por investigaciones más concretas, en realidad se quería que la inteligencia artificial (IA) fuera una ciencia exacta, de ahí el uso del aparato matemática y la creación de laboratorios de IA.

En matemática se perfeccionaron los cálculos estadísticos, el análisis del razonamiento, el tratamiento de la incertidumbre, la lógica matemática y una de las líneas más promisorias: la lógica difusa de Zadeh. También se crearon nuevos lenguajes de programación siendo el Lisp (creado por MacCarthy, uno de los padres de la IA) y el Prolog. Pero como decía una ciencia no está completa sino cuenta con modelos experimentales y la IA creó sus propios laboratorios para modelar la inteligencia.

El mundo de bloques

El laboratorio consistía en un brazo mecanismo controlado por una computadora y una mesa sobre la que se colocaban varios bloques, para que la computadora realizara diferentes operaciones sobre los bloques, como cogerlo, ponerlo encima de otro, quitarlo, seleccionar entre diferentes figuras: triangulo, cuadrado, etc. Con este ingenioso método se podían simular varias acciones humanas, como el lenguaje natural, ya que la comunicación en muchos casos era por medio del lenguaje natural, permitía el estudio de la planificación de tareas y el uso de agentes inteligentes que cooperaban en la solución, el estudio de la visión por computadoras y la representación de patrones, etc. A pesar de que algunos de forma despectiva le llamaron mundo de juguetes y criticaron sus logros sin tener en cuenta el impacto que han tenido posteriormente, muchas de las investigaciones que allí nacieron.

mundo-de-bloques

Por supuesto ninguna ciencia escapa a sus crisis internas y la IA no podía ser una excepción (Crisis de la inteligencia artificial). Quizás el detonante fue el optimismo exagerado de sus desarrolladores que llegaron a predecir que en los años 80s la IA igualaría a la mente humana, la realidad fue otra, la IA continuaba atascada queriendo encontrar una solucionador general de problemas, que era capaz de resolver complejos problemas matemáticos pero fallaba estrepitosamente ante cualquier problema elemental que requería de un mínimo de sentido común, han sido famosos muchos de estos lapsos de las máquinas que después de profundos análisis a ignorado soluciones obvias que hasta un niño podía determinar a simple vista. El caso más reciente es el de Google con su servicio de Photos que clasificó como gorilas a dos afronorteamericanos.

La crisis de la IA llevó a un mayor estrechamiento de sus líneas de investigación al concentrarse en los llamados dominio de aplicación y abandonar la idea de encontrar soluciones generales para todos los casos y a buscar soluciones particulares que luego pudieran irse generalizando, esto condujo a los sistemas expertos. Y fueron muchos los que vieron no solo una línea de investigación sino un nuevo mercado que podría generar grandes ganancias. Lo sistemas expertos no cumplieron con las expectativas y sobre todo, su impacto comercial fue bastante pobre, uno de los problema radicaba en ¿Quién le daba mantenimiento a la base de conocimientos? Lo que llevaba a un compromiso de por vida, que los hacía poco rentables. Piensen en los sistemas de base de datos que solo hay que introducir datos numéricos y todos los problemas que se presentan, lo que dio lugar a un nuevo enfoque de la inteligencia artificial.

Nuevas tendencias en la IA

• Redes neuronales: Las investigaciones comienzan a concentrarse en el cerebro y sus conexiones en lugar de los algoritmos de la mente.
• Agentes inteligentes: Se concentran en la inteligencia distribuida en diferentes agentes (con conocimientos parciales) que al integrarse logran resolver problemas complejos en lugar de grandes bases de conocimientos cerradas.
• Máquinas superinteligentes: Se cifra la esperanza en el hardware, máquinas cada vez más potentes (ley de Moore), que con el tiempo llegaran a superar la potencia del cerebro, en lugar de aspirar a descifrar la mente por medio del software.
• Algoritmos genéticos: Se aceptan los avances de otras ciencias tales como la biología, en lugar de en lugar de atrincherarse en modelos exclusivamente informáticos.
• Robots reactivos, se desarrollan pequeños robots capaces de interactuar con en el medio y que vayan aprendiendo de los obstáculos, en lugar de los sistemas basados en el conocimiento, que están desligado de la realidad y hay que alimentarlos de forma manual, de ahí que recibieran el mote de sistemas autistas.

Qué es la inteligencia general artificial (IA general)

Según sus creadores la IA general tiene las siguientes características

• Hace hincapié en el carácter del uso general de la inteligencia
• Asume un punto de vista holístico o integral de la inteligencia
• Cree que ha llegado el tiempo para construir una IA que sea comparable a la inteligencia humana.

Lo que nos acerca a la idea original de la IA que debido a sus tropiezos se fue separando de esos objetivos. Y retoma la idea de una IA fuerte (ver artículo anterior).

La IA general al igual que la llamada IA estrecha, se propone convertise en una ciencia exacta y define su línea teorica en tres campos

• Una teoría de la inteligencia,
• Un modelo formal de la teoría,
• Una implementación computacional del modelo.

El último punto me recuerda los laboratorios de IA donde se experimentaba con el mundo de bloques.

Hasta el momento, las principales técnicas utilizadas en proyectos IA general incluyen las técnicas de la IA clásica:
• Lógica matemática
• Teoría de la probabilidad (tratamiento de la incertidumbre)
• Sistema de producción (estrategias para las reglas)
• Base de conocimientos (representación del conocimiento)
• Algoritmos de aprendizaje (ahora se ha puesto de moda el aprendizaje profundo)
• Robótica (sistemas de planificación)
• Redes neuronales
• Computación evolutiva (algoritmos genéticos)
• Sistema multi-agente (agentes inteligentes)

La IA general, levanta cierto escepticismo, algunos creen que es más de lo mismo y se preguntan ¿Por qué ahora si? ¿Quién sabe?, tal vez se pueda aprender de los errores anteriores o a lo mejor las condiciones tecnológicas han cambiado tanto, que ahora si es posible. De esto seguiremos hablando en próximos artículos.

Recomendaciones:

Artificial General Intelligence (Cognitive Technologies)

Inteligencia artificial, el future del hombre

 

Imagen: Bent Goertzel – Wikiedia

Anuncios

Acerca de Alejandro Madruga

Licenciado en Cibernética Matematica. Trabajo el tema de la Inteligencia Artificial desde 1986. He publicado articulos y ensayos sobre la Cibernetica y las tendencias tecnologicas. También he publicados narraciones de ciencia ficción
Esta entrada fue publicada en Inteligencia Artificial y etiquetada , , , , , , . Guarda el enlace permanente.

Responder

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

Logo de WordPress.com

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

Imagen de Twitter

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

Foto de Facebook

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

Google+ photo

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

Conectando a %s