Noticias

4 maneras de definir la inteligencia artificial (IA)

  1. Software
  2. Otro Software
  3. 4 maneras de definir la inteligencia artificial (IA)

Libro Relacionado

Por John Paul Mueller, Luca Massaron

El primer concepto que es importante entender es que la IA no tiene nada que ver con la inteligencia humana. Sí, algo de IA está modelada para simular la inteligencia humana, pero eso es lo que es: una simulación. Cuando se piensa en la IA, hay que tener en cuenta la interacción entre la búsqueda de objetivos, el procesamiento de datos utilizado para lograr ese objetivo y la adquisición de datos utilizada para comprender mejor el objetivo. La IA se basa en algoritmos para lograr un resultado que puede o no tener nada que ver con los objetivos humanos o los métodos para alcanzarlos. Con esto en mente, puede categorizar la IA de cuatro maneras:

  • Actuando humanamente: Cuando un ordenador actúa como un ser humano, refleja mejor la prueba de Turing, en la que el ordenador tiene éxito cuando la diferenciación entre el ordenador y un ser humano no es posible. Esta categoría también refleja lo que los medios de comunicación quieren que usted crea que es la IA. Se ve que se emplea para tecnologías como el procesamiento del lenguaje natural, la representación del conocimiento, el razonamiento automatizado y el aprendizaje automático (los cuatro deben estar presentes para pasar la prueba).

La prueba de Turing original no incluía ningún contacto físico. El más reciente, Total Turing Test, incluye el contacto físico en forma de interrogación de la habilidad perceptiva, lo que significa que la computadora también debe emplear tanto la visión por computador como la robótica para tener éxito. Las técnicas modernas incluyen la idea de alcanzar la meta en lugar de imitar completamente a los humanos. Por ejemplo, los hermanos Wright no lograron crear un avión copiando con precisión el vuelo de los pájaros; más bien, los pájaros aportaron ideas que condujeron a la aerodinámica que finalmente condujo al vuelo humano. El objetivo es volar. Tanto las aves como los seres humanos logran este objetivo, pero utilizan enfoques diferentes.

  • Pensando humanamente: Cuando una computadora piensa como un ser humano, realiza tareas que requieren inteligencia (a diferencia de los procedimientos de rutina) de un ser humano para tener éxito, como conducir un automóvil. Para determinar si un programa piensa como un humano, usted debe tener algún método para determinar cómo piensan los humanos, el cual define el enfoque de modelado cognitivo. Este modelo se basa en tres técnicas: Introspección: Detectar y documentar las técnicas utilizadas para lograr los objetivos mediante el monitoreo de los propios procesos de pensamiento: Observar el comportamiento de una persona y agregarlo a una base de datos de comportamientos similares de otras personas con un conjunto similar de circunstancias, objetivos, recursos y condiciones ambientales (entre otras cosas): Monitoreo de la actividad cerebral directamente a través de varios medios mecánicos, como la tomografía axial computarizada (TAC), la tomografía por emisión de positrones (PET), la resonancia magnética (RM) y la magnetoencefalografía (MEG).

Después de crear un modelo, puede escribir un programa que simule el modelo. Dada la cantidad de variabilidad entre los procesos del pensamiento humano y la dificultad de representar con precisión estos procesos del pensamiento como parte de un programa, los resultados son experimentales en el mejor de los casos. Esta categoría de pensamiento humano se utiliza a menudo en psicología y otros campos en los que es esencial modelar el proceso del pensamiento humano para crear simulaciones realistas.

  • Pensando racionalmente: Estudiar cómo piensan los seres humanos utilizando algún estándar permite la creación de pautas que describen comportamientos humanos típicos. Una persona es considerada racional cuando sigue estos comportamientos dentro de ciertos niveles de desviación. Una computadora que piensa racionalmente se basa en los comportamientos registrados para crear una guía sobre cómo interactuar con un entorno basado en los datos disponibles. El objetivo de este enfoque es resolver los problemas de manera lógica, cuando sea posible. En muchos casos, este enfoque permitiría la creación de una técnica de línea de base para resolver un problema, que luego se modificaría para resolverlo realmente. En otras palabras, la solución de un problema en principio es a menudo diferente de la solución en la práctica, pero todavía se necesita un punto de partida.
  • Actuar racionalmente: Estudiar cómo actúan los seres humanos en determinadas situaciones bajo restricciones específicas le permite determinar qué técnicas son eficientes y efectivas. Una computadora que actúa racionalmente se basa en las acciones registradas para interactuar con un entorno basado en las condiciones, los factores ambientales y los datos existentes. Al igual que con el pensamiento racional, los actos racionales dependen de una solución en principio, que puede no resultar útil en la práctica. Sin embargo, los actos racionales proporcionan una línea de base sobre la cual una computadora puede comenzar a negociar la finalización exitosa de una meta.

Las categorías utilizadas para definir la IA ofrecen una manera de considerar varios usos o maneras de aplicar la IA. Algunos de los sistemas utilizados para clasificar la IA por tipo son arbitrarios y no distintos. Por ejemplo, algunos grupos ven la IA como fuerte (inteligencia generalizada que puede adaptarse a una variedad de situaciones) o débil (inteligencia específica diseñada para realizar bien una tarea en particular). El problema con la IA fuerte es que no realiza ninguna tarea bien, mientras que la IA débil es demasiado específica para realizar tareas de forma independiente. Aún así, sólo dos clasificaciones de tipo no son suficientes, ni siquiera en un sentido general. Los cuatro tipos de clasificación promovidos por Arend Hintze constituyen una mejor base para entender la IA:

  • Máquinas reactivas: Las máquinas que usted ve golpeando a los humanos en el ajedrez o jugando en concursos son ejemplos de máquinas reactivas. Una máquina reactiva no tiene memoria ni experiencia en la que basar una decisión. En su lugar, se basa en la potencia computacional pura y en algoritmos inteligentes para recrear cada decisión en todo momento. Este es un ejemplo de un IA débil utilizado para un propósito específico.
  • Memoria limitada: Un coche autopropulsado o un robot autónomo no puede permitirse el tiempo necesario para tomar todas las decisiones desde cero. Estas máquinas dependen de una pequeña cantidad de memoria para proporcionar un conocimiento experiencial de varias situaciones. Cuando la máquina ve la misma situación, puede confiar en la experiencia para reducir el tiempo de reacción y proporcionar más recursos para tomar nuevas decisiones que aún no se han tomado. Este es un ejemplo del nivel actual de IA fuerte.
  • Teoría de la mente: Una máquina que puede evaluar tanto sus objetivos requeridos como los objetivos potenciales de otras entidades en el mismo entorno tiene un tipo de entendimiento que es factible hasta cierto punto en la actualidad, pero no en cualquier forma comercial. Sin embargo, para que los coches autopropulsados lleguen a ser verdaderamente autónomos, este nivel de IA debe estar plenamente desarrollado. Un coche de autoconducción no sólo debería saber que debe ir de un punto a otro, sino también intuir los objetivos potencialmente contradictorios de los conductores que lo rodean y reaccionar en consecuencia.
  • Autoconciencia: Este es el tipo de IA que se ve en las películas. Sin embargo, requiere tecnologías que no son remotamente posibles ahora porque una máquina de este tipo tendría un sentido tanto del yo como de la conciencia. Además, en lugar de limitarse a intuir los objetivos de otros basados en el entorno y en las reacciones de otras entidades, este tipo de máquina podría inferir la intención de otros basada en el conocimiento experiencial.

Join The Discussion