Breve historia de la Inteligencia Artificial

Vivimos en la era de la revolución del conocimiento, cuando el poder de una nación no está determinado por el número de soldados de su ejército sino por el conocimiento que posee. La ciencia, la medicina, la ingeniería y los negocios impulsan a las naciones hacia una mejor calidad de vida, pero también requieren personas altamente cualificadas y competentes. Ahora estamos adoptando máquinas inteligentes que puedan capturar la experiencia de personas muy eruditas y razonar de manera similar a los humanos.

El deseo de máquinas inteligentes era solo un sueño difícil de alcanzar hasta que se desarrolló la primera computadora. Las primeras computadoras podían manipular grandes bases de datos de manera eficaz siguiendo algoritmos prescritos, pero no podían razonar acerca de la información proporcionada. Esto dio lugar a la pregunta de si las computadoras podrían pensar alguna vez. Alan Turing definió el comportamiento inteligente de una computadora como la capacidad de lograr un rendimiento a nivel humano en una tarea cognitiva. La prueba de Turing ha proporcionado una base para la verificación y validación de sistemas basados en el conocimiento.

En 1956, un taller de verano en el Dartmouth College reunió a diez investigadores interesados en el estudio de la inteligencia automática, y nació una nueva ciencia, la inteligencia artificial.

Desde principios de la década de 1950, la tecnología de IA se ha desarrollado desde la curiosidad de unos pocos investigadores hasta una herramienta valiosa para ayudar a los humanos a tomar decisiones. Hemos visto ciclos históricos de la IA que van desde la era de las grandes ideas y las grandes expectativas en los años sesenta hasta los desilusiones y los recortes de fondos a principios de los setenta; desde el desarrollo de los primeros sistemas expertos como DENDRAL, MYCIN y PROSPECTOR en la década de 1970 hasta la madurez de la tecnología de sistemas expertos y sus aplicaciones masivas en diferentes áreas en la década de 1980/90; desde un modelo simple binario de neuronas propuesto en la década de 1940 hasta un resurgimiento drástico del campo de las redes neuronales artificiales en la década de 1980; desde la introducción de la teoría de conjuntos difusos y su ignorancia por parte de Occidente en la década de 1960 hasta los numerosos productos de consumo "difusos" ofrecidos por los japoneses en la década de 1980 y la aceptación mundial de la computación "suave" y la computación con palabras en la década de 1990.

El desarrollo de sistemas expertos creó la ingeniería del conocimiento, el proceso de construcción de sistemas inteligentes. Hoy en día, se trata no solo de sistemas expertos, sino también de redes neuronales y lógica difusa. La ingeniería del conocimiento sigue siendo un arte más que una ingeniería, pero ya se han hecho intentos para extraer reglas automáticamente de datos numéricos a través de la tecnología de redes neuronales.

La Tabla 1.1 resume los eventos clave de la historia de la inteligencia artificial y la ingeniería del conocimiento desde el primer trabajo realizado por McCulloch y Pitts en 1943, hasta las tendencias recientes de combinar las fortalezas de los sistemas expertos, la lógica difusa y la computación neuronal en los sistemas modernos basados en el conocimiento capaces de procesar el lenguaje.

Las lecciones más importantes aprendidas de la historia de la IA son:

• La inteligencia es la capacidad de aprender y entender, resolver problemas y tomar decisiones.

• La inteligencia artificial es una ciencia que ha definido su objetivo como el de hacer que las máquinas hagan cosas que requerirían inteligencia si fueran hechas por humanos.

• Se piensa que una máquina es inteligente si puede alcanzar un rendimiento a nivel humano en alguna tarea cognitiva. Para construir una máquina inteligente, tenemos que capturar, organizar y utilizar el conocimiento de expertos humanos en algún área problemática.

• La constatación de que el dominio del problema para las máquinas inteligentes tenía que estar lo suficientemente restringido ha marcado un "cambio de paradigma" importante en la IA desde los métodos débiles con escaso conocimiento, a los métodos específicos del dominio, que requieren un uso intensivo del conocimiento. Esto ha llevado al desarrollo de sistemas expertos, programas de ordenador capaces de funcionar a nivel de expertos humanos en un área limitada de problemas. Los sistemas expertos utilizan el conocimiento humano y la experiencia en forma de reglas específicas, y se distinguen por la separación clara del conocimiento y del mecanismo de razonamiento. También pueden describir sus procedimientos de razonamiento.

• Una de las principales dificultades en la construcción de máquinas inteligentes o, en otras palabras, de la ingeniería del conocimiento, es el "cuello de botella en la adquisición de conocimiento", que extrae el conocimiento de expertos humanos.

• Los expertos piensan en términos imprecisos, como muy a menudo y casi nunca, generalmente y casi nunca, con frecuencia y ocasionalmente, y utilizan variables lingüísticas, como alto y bajo, rápido y lento, pesado y ligero. La lógica difusa o la teoría de conjuntos difusos proporciona un mecanismo para procesar palabras. Se concentra en el uso de valores difusos que capturan el significado de las palabras, el razonamiento humano y la toma de decisiones, y proporciona una manera de romper la carga computacional de los sistemas expertos tradicionales.

• Los sistemas expertos no pueden aprender ni mejorar a través de la experiencia. Se crean individualmente y exigen grandes esfuerzos para su desarrollo. Puede llevar de cinco a diez años por persona el construir incluso un sistema experto moderado. El aprendizaje automático puede acelerar significativamente este proceso y mejorar la calidad del conocimiento añadiendo nuevas reglas o cambiando las incorrectas.

• Las redes neuronales artificiales, inspiradas en las redes neuronales biológicas, aprenden de los casos históricos y permiten generar reglas automáticamente y evitar así los procesos tediosos y costosos de adquisición, validación y revisión del conocimiento.

• La integración de los sistemas expertos y las RNAs con la lógica difusa mejoran la adaptabilidad, la tolerancia a fallos y la velocidad de los sistemas basados en el conocimiento.

Tabla 1.1: Resumen de los principales eventos en la historia de la inteligencia artificial y la ingeniería del conocimiento.

Por último, os dejo un programa muy interesante, de casi media hora de duración, que describe diversas cuestiones y problemas de la inteligencia artificial, centrándose principalmente en la robótica.

Hasta la próxima ;)