INTELIGENCIA ARTIFICIAL
1.1. Introducción:
Inteligencia artificial, término que, en su sentido más amplio, indicaría la capacidad de un artefacto de realizar los mismos tipos de funciones que caracterizan al pensamiento humano. La posibilidad de desarrollar un artefacto así ha despertado la curiosidad del ser humano desde la antigüedad; sin embargo, no fue hasta la segunda mitad del siglo XX, cuando esa posibilidad se materializó en herramientas tangibles.
El término inteligencia artificial (IA) fue acuñado en 1956 por John McCarthy, del Instituto de Tecnología de Massachusetts. En ese año se celebró la conferencia de Dartmouth, en Hanover (Estados Unidos), y en ella, McCarthy, Marvin Minsky, Nathaniel Rochester y Claude E. Shannon establecieron las bases de la inteligencia artificial como un campo independiente dentro de la informática. Previamente, en 1950, Alan M. Turing había publicado un artículo en la revista Mind, titulado “Computing Machinery and Intelligence” (“Ordenador e inteligencia”), en el que reflexionaba sobre el concepto de inteligencia artificial y establecía lo que luego se conocería como el test de Turing, una prueba que permite determinar si un ordenador o computadora se comporta conforme a lo que se entiende como artificialmente inteligente o no.
Con el avance de la ciencia moderna la búsqueda de la IA ha tomado dos caminos fundamentales: la investigación psicológica y fisiológica de la naturaleza del pensamiento humano, y el desarrollo tecnológico de sistemas informáticos cada vez más complejos.
En este sentido, el término IA se ha aplicado a sistemas y programas informáticos capaces de realizar tareas complejas, simulando el funcionamiento del pensamiento humano, aunque todavía muy lejos de éste. En esta esfera los campos de investigación más importantes son el procesamiento de la información, el reconocimiento de modelos, los juegos y las áreas aplicadas, como el diagnóstico médico. Un ejemplo de los logros alcanzados fue la partida de ajedrez que el superordenador de IBM denominado Deep Blue ganó, en mayo de 1997, al campeón del mundo Gari Kaspárov.
Algunas áreas de la investigación actual del procesamiento de la información están centradas en programas que permiten a un ordenador o computadora comprender la información escrita o hablada, y generar resúmenes, responder a preguntas específicas o redistribuir datos a los usuarios interesados en determinados sectores de esta información. En esos programas es esencial la capacidad del sistema de generar frases gramaticalmente correctas y de establecer vínculos entre palabras e ideas. La investigación ha demostrado que mientras que la lógica de la estructura del lenguaje, su sintaxis, está relacionada con la programación, el problema del significado, o semántica, es mucho más profundo, y va en la dirección de una auténtica inteligencia artificial.
Actualmente existen dos tendencias en cuanto al desarrollo de sistemas de IA: los sistemas expertos y las redes neuronales. Los sistemas expertos intentan reproducir el razonamiento humano de forma simbólica. Las redes neuronales lo hacen desde una perspectiva más biológica (recrean la estructura de un cerebro humano mediante algoritmos genéticos). A pesar de la complejidad de ambos sistemas los resultados distan mucho de un auténtico pensamiento inteligente.
Muchos científicos se muestran escépticos acerca de la posibilidad de que alguna vez se pueda desarrollar una verdadera IA. El funcionamiento de la mente humana todavía no ha llegado a conocerse en profundidad y, en consecuencia, el diseño informático seguirá siendo esencialmente incapaz de reproducir esos procesos desconocidos y complejos.
1.2. Antecedentes de la Inteligencia Artificial:
En realidad la idea de buscar principios para regir la inteligencia y a su vez incorporarlos en una maquina, es muy antigua. Existen indicios de que algunas viejas civilizaciones, tales como la griega, la china y hasta la maya ya habían formulado algunos mecanismos, en ocasiones reales o bien ficticios, para este fin.
Después hubo otras vertientes como la de Aristóteles y sus silogismos. Pero realmente lo interesante comienza en los tiempos de Leibnitz, que busco encontrar un algebra capaz de representar todo el conocimiento, incluyendo las verdades morales y metafísicas, para lograr un sistema deductivo. Logro construir un sistema abstracto llamado cálculo filosófico o raciocinador, pero no se tenía la tecnología para poder implantar esas ideas. (Doyle 1996) En 1849, George Boole desarrollo los principios de la lógica proposicional con los que pretendía recoger algunos fundamentos relativos a la naturaleza y a la constitución de la mente humana. Escribió una obra llamada “Una investigación sobre las leyes del pensamiento, sobre las cuales están fundamentadas las teorías matemáticas de la lógica y de la probabilidad”. El fue el creador de la tabla de verdad, que aun ahora se utiliza enormemente es todo el campo matemático y computacional. (Fig 1.)
Tiempo después en 1874, Frege propuso un sistema de notación para el razonamiento mecánico, que es el antecedente del cálculo de predicados, el cual denominó “escritura de conceptos”. Debió pasar casi un siglo, para que en 1950 Turing, propusiera el primer artículo moderno sobre la posibilidad de mecanizar la inteligencia. El introductor del término “Inteligencia Artificial”, fue John McCarthy en 1956. Fue tomado del nombre de una conferencia que se formo gracias a la aparición de un libro, escrito por él en conjunto con Claude Shannon (1956), que trataba de los Fundamentos matemáticos de la teoría de autómatas, orientada a la formalización de las ideas sobre la inteligencia. Tiempo más tarde, Allen Newell, junto con Herbert Simon y Cliff Shaw desarrollaron un programa capaz de demostrar teoremas de lógica proposicional. A este programa se le llamo después GPS (General Problem Solver). Todos estos trabajos contribuyeron al desarrollo de la Inteligencia Artificial, al considerar que la búsqueda heurística era uno de los métodos fundamentales para resolver problemas. Otra herramienta importante fue el sistema de símbolos físicos para representar problemas y sus soluciones (García 2002). La persona que es reconocida como el padre de la Inteligencia Artificial, es Herbert Simon, junto con Allen Newell y Marvin Minsky. Simon propuso la hipótesis del símbolo físico como una forma de representar y modelar el pensamiento humano.
Sobre esta línea se siguió el desarrollo de la Inteligencia Artificial en su primera etapa. Desafortunadamente después de esta época de gran crecimiento, las expectativas que se forjaron fueron muy altas. Se empezaron a hacer proyecciones muy ambiciosas, que debido al nivel tecnológico de esos tiempos fueron imposibles de implementar (García 2002). Desde diversos puntos de vista, en especial el de los negocios, se esperaba que la inteligencia artificial ofreciera más y mejores resultados debido a que se tenían sistemas expertos capaces de emular el razonamiento de expertos para diagnosticar o predecir, quizás hasta planear. Pero también es cierto que los avances en esta etapa se vieron restringidos por la incapacidad de los sistemas de adaptarse a entornos inciertos e imprecisos. En 1984, E. Dyson predijo que la I.A. no estaba madura y por lo tanto no tenía valor comercial. Debería de quedar plasmada en sistemas estratégicamente importantes para levantar su credibilidad. Esta predicción se cumplió hasta mediados de los años 90, por lo que muchas personas consideraron que la I.A. había muerto. Para este entonces se habían aprendido algunas lecciones tales como:
· Reconocer que la computadora y la I.A. no reemplazan a la inteligencia humana, sino que más bien la completan.
· Aceptar que el capital más importante en una empresa son las personas, la experiencia y el conocimiento que se ha acumulado a través de los años.
· Los sistemas inteligentes ayudaran a mejorar la computación personal.
· El uso de lo IA en los negocios debe estar enfocada en la solución de problemas de los clientes.
Se puede deducir, que en esta primera época de la Inteligencia Artificial “Moderna”, se presentaron muchos retos, pues para alcanzar las expectativas tan altas que se habían forjado no se tenía la tecnología adecuada y en ocasiones, ni el conocimiento a fondo de los temas. Faltaba desarrollo tanto tecnológico como teórico. Además mucha gente no apostaba por este nuevo concepto.
Afortunadamente como veremos más adelante, se ha dado un nuevo e importante giro a la I.A., a partir de nuevos enfoques y nuevas ideas, que le auguran un futuro prometedor.
1.3. El Resurgimiento de la Inteligencia Artificial:
En años recientes, se ha dado un repunte importante de la I.A. Existen muchas características que hacen que esta herramienta vuelva a mostrar excelentes condiciones de ser una tecnología aplicable, que coadyuvara a que las empresas sean mas productivas. Uno de los nuevos enfoques es el denominado “basado en el comportamiento”. Este enfoque proporciona una idea amplia del concepto en general de Inteligencia, al suponer que esta depende totalmente de la forma en que el comportamiento de un sistema contribuye a realizar sus funciones. Además existen nuevas técnicas que pueden ser aplicadas en esta nueva I.A., tales como redes neuronales (Fig. 2), algoritmos genéticos, redes bayesianas, aprendizaje, etc.
Los algoritmos genéticos es una de las nuevas técnicas que mas apoyo han recibido y mas futuro promete. Es interesante mencionar, que se basan completamente y son modelados a partir de procesos naturales de selección que se han identificado en organismos vivos. Así como en la naturaleza, las especies mutan de acuerdo a las características del medio ambiente, del tiempo o de otros factores externos, los sistemas que manejar este concepto tienen la capacidad de poder adaptar las respuestas a problemas cambiantes de acuerdo al tiempo. Esto es que el comportamiento de estos sistemas es mutado de acuerdo a las características del medio y del problema. Este tipo de algoritmos tienen una ventaja enorme con respecto a los tradiciones sistemas simbólicos de I.A. Estos últimos son demasiado estáticos y no están preparados para soportar cambios sublimes en las condiciones de los problemas. Usualmente, los sistemas simbólicos son desarrollados para solucionar un solo tipo de problemas. Si este problema cambia en alguna condición, no se tiene la oportunidad de cambiar para tratar de solucionar. Por esta razón, los sistemas que operan con algoritmos genéticos tienen más futuro en este campo. Ahora las expectativas de la Inteligencia Artificial, están basadas en el hecho de verla como una opción de inversión en el desarrollo de herramientas que permitan reducir costos, distribuir recursos, detección de fraudes, ayuda en línea, captura de conocimiento, etc.
Pero la inteligencia artificial además de poderse aplicar a diferentes procesos productivos (que pueden ir de generación de alimentos a construcción de armas), también se puede aplicar a diferentes áreas de oportunidad en la economía, finanzas, o bien para la toma de decisiones en las corporaciones.
1.4.
Escuelas de Pensamiento de la Inteligencia Artificial:
La IA se divide en dos escuelas de pensamiento, la inteligencia artificial convencional y la inteligencia computacional.
1.4.1. Inteligencia artificial convencional:
Basada en análisis formal y estadístico del comportamiento humano ante diferentes problemas:
· Razonamiento basado en casos: ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos.
· Sistemas expertos: infieren una solución a través del conocimiento previo del contexto en que se aplica y de ciertas reglas o relaciones.
· Redes bayesianas: propone soluciones mediante inferencia estadística.
· Inteligencia artificial basada en comportamientos: sistemas complejos que tienen autonomía y pueden auto-regularse y controlarse para mejorar.
1.4.2. Inteligencia artificial computacional:
· La inteligencia computacional (también conocida como inteligencia artificial subsimbólica) implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de los parámetros en sistemas conexionistas). El aprendizaje se realiza basándose en datos empíricos. Algunos métodos de esta rama incluyen:
· Máquina de vectores soporte: sistemas que permiten reconocimiento de patrones genéricos de gran potencia.
· Redes neuronales: sistemas con grandes capacidades de reconocimiento de patrones.
· Modelos ocultos de Markov: aprendizaje basado en dependencia temporal de eventos probabilísticos.
· Sistemas difusos: técnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras.
· Computación evolutiva: aplica conceptos inspirados en la biología, tales como población, mutación y supervivencia del más apto para generar soluciones sucesivamente mejores para un problema. Estos métodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos genéticos) e inteligencia colectiva (ej. algoritmos hormiga).
1.5. Historia de la Inteligencia Artificial:
El nacimiento real de la IA se produce para el año 1950, cuando Norbet Wiener desarrolló el principio de la retroalimentación. Esta técnica consiste, por ejemplo, en la tecnología del termostato, comparar la temperatura actual del entorno con la deseada y, según los resultados aumentarla o disminuirla. En 1955 Newell y Simon desarrollan la Teoría de la lógica la cual permitió desarrollar un programa que exploraba la solución a un problema utilizando ramas y nudos, seleccionando únicamente las ramas que más parecían acercarse ala solución correcta de los problemas siendo este el primer programa inteligente basado en su modelo de procesamiento de información
Basándose en los estudios sobre memoria asociativa, el equipo Newell-Shaw-Simon construyó los primeros lenguajes de procesamiento de información (IPL-I, IPL-II) utilizados en el diseño de su "Logic Theorist Machine" que se convirtió en la primera máquina "inteligente". Esta máquina fue capaz no sólo de memorizar y aprender, sitio que consiguió demostrar de una manera original y "creativa", es decir no prevista por sus creadores, algunos de los teoremas propuestos por Bertrand Russell en los Principios (Russell and Whitehead, 1925).
En el año 1957. Aparece la primera versión de “The General Problem Solver” (GPS), un programa capaz de solucionar problemas de sentido común. El GPS utilizaba la teoría de la retroalimentación de Wiener.
Desde sus orígenes la IA se relacionó con juegos como el ajedrez y las damas, probablemente debido a que los juegos de mesa constituyen modelos de situaciones reales en las que hay que calcular, solucionar problemas, tomar decisiones, corregir errores, recordar, etc. A pesar de que esta línea de investigación ha sido casi totalmente abandonada en la actualidad, muchos de los avances teóricos y metodológicos de la IA se deben a ella. Por ejemplo, Samuel diseñó en 1961 un programa que jugaba damas y que era capaz de aprender de sus errores, es decir, era capaz de adaptar su comportamiento en relación a eventos pasados. Lo pasmoso de este programa fue que, aunada a su capacidad de aprendizaje la de memoria, con el tiempo consiguió derrotar invariablemente a su creador.
Hacia mediados de los sesentas la IA se convierte en un área en la que se interesan e interactúan especialistas de diversas disciplinas: lógicos, psicólogos, matemáticos, lingüistas, filósofos, etc. Uno de los grandes temas de IA en esta década fue el estudio del lenguaje. En la mayoría de los estudios iniciales sobre lenguaje, se atacó el problema de diseñar una máquina que fuera capaz de traducir de un idioma a otro. El énfasis se hizo en el análisis de la sintaxis, en lugar del significado, estrategia que se abandonó relativamente pronto. Los investigadores interesados en esta área de la IA pronto descubrieron que traducción no es lo mismo que transformación, y que, como consecuencia de ello, de alguna manera la máquina tendría que "entender" un texto antes de poder traducirlo. Los esfuerzos se orientaron hacia una definición de la comprensión que pudiera simularse en una computadora.
Ya en el año 1970 se produce el advenimiento de los Sistemas Expertos. Los Sistemas Expertos se han utilizado para ayudar a los médicos a diagnosticar enfermedades e informar a los mineros a encontrar vetas de mineral. Al mismo tiempo, en 1970. Davir Marr propone nuevas teorías sobre la capacidad de reconocimiento visual de las diferentes máquinas
Para el 1986 las ventas de hardware y software relacionados con la IA se contabilizan por 425,000.00 de dólares sólo en 1986. Compañías como DuPont, General Motors, y Boeing utilizan sistemas expertos a principios de la década de los 80 y éstos sistemas expertos se convertirán en un standard a finales de la misma.
En los 90 la IA fue utiliza de forma efectiva en la Guerra del Golfo sobre sistemas de mísiles visores para los soldados y otros.
1.6. Definición de Inteligencia Artificial:
Se define la inteligencia artificial (IA) como aquella inteligencia exhibida por artefactos creados por humanos (es decir, artificiales). A menudo se aplica a los computadores. El nombre también se usa para referirse al campo de la investigación científica que intenta acercarse a la creación de tales sistemas. Aunque la IA está rodeada de bastante ciencia ficción, se trata de una rama de la Informática, que trata sobre comportamientos inteligentes, aprendizaje y adaptación en máquinas.
La inteligencia artificial es, hoy día, una de las áreas con más retos en las Ciencias de la Computación. Posee amplias relaciones con disciplinas matemáticas como el Álgebra y la Estadística, tomando de éstas algunas herramientas para desempeñar su labor.
1.7. Características de la Inteligencia Artificial:
Una característica fundamental que distingue a los métodos de Inteligencia Artificial de los métodos numéricos es el uso de símbolos no matemáticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos, también procesan símbolos y no se considera que usen técnicas de Inteligencia Artificial.
El comportamiento de los programas no es descrito explícitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cómo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explícitamente, cómo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento).
El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del ámbito del conocimiento en que ellos operan. Al contrario de los programas para propósito específico, como los de contabilidad y cálculos científicos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dándole la capacidad de explicar discrepancias entre ellas.
Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolución de conflictos en tareas orientadas a metas como en planificación, o el diagnóstico de tareas en un sistema del mundo real: con poca información, con una solución cercana y no necesariamente exacta.
En 1987 Martin Fischles y Oscar Firschein describieron los atributos de un agente inteligente. 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 más simples.
4. Entiende. Posee la capacidad de crearle sentido, si es posible, a ideas ambiguas o contradictorias.
5. Planifica, predice consecuencias, evalúa alternativas (como en los juegos de ajedrez)
6. Conoce los límites de sus propias habilidades y conocimientos.
7. Puede distinguir a pesar de las similitudes de las situaciones.
8. Puede ser original, creando incluso nuevos conceptos o ideas, y hasta utilizando analogías.
9. Puede generalizar.
10. Puede percibir y modelar el mundo exterior.
11. Puede entender y utilizar el lenguaje y sus símbolos.
1.8. Objetivos de las Investigaciones en Inteligencia Artificial:
Los investigadores en inteligencia artificial se concentran principalmente en los sistemas expertos, la resolución de problemas, el control automático, las bases de datos inteligentes y la ingeniería del software (diseños de entornos de programación inteligente).
Otros investigadores están trabajando en el reto del reconocimiento de patrones donde se espera un rápido progreso en este campo que abarca la comprensión y la síntesis del habla, el proceso de imágenes y la visión artificial.
Finalmente, la fundamental investigación sobre la representación del conocimiento, la conceptualización cognoscitiva y la comprensión del lenguaje natural.
Uno de los principales objetivos de los investigadores en inteligencia artificial es la reproducción automática del razonamiento humano.
El razonamiento de un jugador de ajedrez no siempre es el mismo que el de un directivo que se pregunta la viabilidad de fabricar un nuevo producto. Un niño jugando con bloques de madera en una mesa no tiene idea de la complejidad del razonamiento necesario para llevar a cabo la construcción de una pirámide, e intentar que un robot hiciera lo mismo que el niño requeriría un largo programa de computador.
1.9. Fundamentos y Filosofía de la Inteligencia Artificial:
Como ocurre casi siempre en el caso de una ciencia recién creada, la inteligencia artificial aborda tantas cuestiones confundibles en un nivel fundamental y conceptual que, adjunto a lo científico, es necesario hacer consideraciones desde el punto de vista de la filosofía. Gran parte de esta ciencia se junta con temas en la filosofía de la mente, pero hay ciertos temas particulares a la IA. Por ejemplo
· ¿En qué consiste la inteligencia? ¿Cómo la reconoceríamos en un objeto no humano, si la tuviera?
· ¿Qué sustancia y organización se requiere? ¿Es posible que una criatura hecha de metal, por ejemplo, posea una inteligencia comparable a la humana?
· Aunque una criatura no orgánica pudiera solucionar problemas de la misma manera que un humano, ¿tendría o podría tener consciencia y emociones?
· Suponiendo que podemos hacer robots con una inteligencia comparable a la nuestra, ¿debemos hacerlo?
Durante más de 2000 años de tradición en filosofía, han ido surgiendo diversas teorías del razonamiento y del aprendizaje, simultáneamente con el punto de vista de que la mente se reduce al funcionamiento físico. La psicología ofrece herramientas que permiten la investigación de la mente humana, así como un lenguaje científico para expresar las teorías que se van obteniendo. La lingüística ofrece teorías para la estructura y significado del lenguaje, así como la ciencia de la computación, de la que se toman las herramientas que permiten que la Inteligencia Artificial sea una realidad.
Empezó con el nacimiento de Platón en 428 a. C. y con lo que aprendió de Sócrates. La temática de su obra fue muy diversa: política, matemática, física, astronomía y diversas ramas de la filosofía. El filósofo Hubet Dreyfus (1979) afirma que:
Bien podría afirmarse que la historia de la inteligencia artificial comienza en el año 450 a. C., cuando Platón cita un diálogo en el que Sócrates le pregunta a Eutidemo: "Desearía saber cuál es la característica de la piedad que hace que una acción se pueda considerar como pía... y así la observe y me sirva de norma para juzgar tus acciones y las de otros."
Los filósofos delimitaron las más importantes ideas relacionadas con la inteligencia artificial, pero para pasar de allí a una ciencia formal era necesario contar con una formalización matemática en tres áreas principales: la computación, la lógica y la probabilidad. La idea de expresar un calculo mediante un algoritmo formal se remota a la época del Jwarizmi, matemático árabe del siglo IX, con cuyas obras se introdujeron en Europa los números arábigos y el álgebra.
El hombre se ha aplicado a sí mismo el nombre científico de homo sapiens como una valoración de la trascendencia de nuestras habilidades mentales tanto para nuestra vida cotidiana como para nuestro propio sentido de identidad. Los esfuerzos del campo de la inteligencia artificial se enfocan en lograr la compresión de entidades inteligentes. Una de las razones de su estudio es el aprender más de nosotros mismo. A diferencia de la filosofía y de la psicología, que también se ocupan de la inteligencia, los esfuerzos de la Inteligencia Artificial están encaminados tanto a la construcción de entidades como a su compresión. Otra razón por la cual se estudia la Inteligencia Artificial es debido a que las entidades inteligentes así construidas son inteligencia Artificial ha sido posible crear diversos productos de trascendencia y sorprendentes. Nadie podría pronosticar con toda precisión lo que se podría esperar en el futuro, es evidente que las computadoras que posean una inteligencia a nivel humano tendrán repercusiones muy importantes en nuestra vida diaria así como el devenir de la civilización.
El problema que aborda la inteligencia artificial es uno de los más complejos: ¿Cómo es posible que un diminuto y lento cerebro, sea biológico o electrónico, tenga capacidad de percibir, comprender, predecir y manipular un mundo que en tamaño y complejidad lo excede con creces?, pero a diferencia de la investigación en torno al desplazamiento mayor que la velocidad de la luz o de un dispositivo antigravitatorio, el investigador del campo de la inteligencia artificial cuenta con pruebas contundentes de que tal búsqueda es totalmente factible.
La inteligencia artificial permite al hombre emular en las máquinas el comportamiento humano, tomando como base el cerebro y su funcionamiento, de manera tal que se pueda alcanzar cierto razonamiento.
1.10. Limitaciones Físicas y Espacio-Temporales de la Inteligencia Artificial:
El concepto de IA es aún demasiado difuso. Contextualizando, y teniendo en cuenta un punto de vista científico podríamos englobar a esta ciencia como la encargada de imitar a una persona, y no por fuera en su cuerpo, sino imitar al cerebro, en todas las funciones posibles, existentes en el humano o inventadas sobre el desarrollo de la máquina inteligente.
Así, aplicando literalmente la definición de Inteligencia Artificial, no cabe otra posibilidad que pensar en máquinas inteligentes, es decir, sin emociones que obstaculicen encontrar la mejor solución a un problema dado. Debemos pensar en dispositivos artificiales capaces de concluir miles de premisas a partir de otras premisas dadas, sin que ningún tipo de emoción tenga opción de sobrevivir.
En esta línea, hay que saber que ya existen sistemas inteligentes. Capaces de tomar decisiones acertadas.
Sin embargo, el concepto de IA que la mayoría de las personas podemos hacernos es muy distinto al descrito anteriormente, pues lo que realmente nos gustaría, lo que produciría curiosidad experimental, es un dispositivo con emociones.
Y aquí es donde finaliza el campo científico y comienza todo un conjunto de teorías, avisos, discusiones y toda forma expresiva de conflictos intelectuales entre semejantes por vaticinar lo que podría o no ocurrir si existiesen máquinas emocionales.
Aquí finaliza la ciencia porque, hoy por hoy, no existe red neuro-electrónica, o sistema informático, capaz de desarrollar emociones, pues la naturaleza, el origen de las emociones fue la supervivencia de la especie. Y dotar a una máquina de instinto de supervivencia sería tan irracional como imposible, pues el instinto de supervivencia está impreso en cada célula del cuerpo humano, o cualquier ser vivo (pues una planta tiene dicho instinto capaz de hacerla crecer buscando el Sol, por ejemplo).
Sí podría ser posible utilizar el instinto de las células junto a una Inteligencia Artificial, perfectamente conectadas y capaces de colaborar entre sí para lograr algo parecido a un humanoide. Pero estos no son años de estos temas, simplemente por el avance tecnológico que vivimos en el presente espacio-tiempo.
Además habría que añadir el concepto de heurística. Dicho concepto, se basa en la búsqueda de un camino a seguir para llegar a una solución, la heurística son las decisiones tomadas en dicho camino y las razones de ello. Así si pretendemos "implementar" la inteligencia nos basaremos en un conocimiento previo, pues hasta el momento la I.A. se basa todo en conocimiento humano, no conocimiento desarrollado, y llegaremos al objetivo deseado.
1.11. Críticas de la Inteligencia Artificial:
Las principales críticas con la inteligencia artificial, tienen que ver con el cómo esta no puede imitar por completo a un ser humano, normalmente la lógica usada por la inteligencia artificial llega a aserciones que no son comunes del humano, es por ello que esta lógica artificial es llamada "Lógica Difusa", se entiende por este termino a los resultados que da una computadora que no son comunes a nuestro pensamiento, se da principalmente por que manejan resultados como totalmente verdaderos o totalmente falsos. Aunque esta lógica usada por la inteligencia artificial comúnmente puede convencer que la maquina si piensa, si realizáramos test como el de Turing sabríamos que esta es carente de pensamiento.
Otros experimentos como la Habitación china de Searle han mostrado como una maquina puede simular pensamiento sin tener que tenerlo y puede pasar muchos test, sin siquiera entender lo que hace.