lunes, 22 de enero de 2007

Inteligencia artificial: actividades y aplicaciones

En sus años de consolidación como ciencia la IA se dedicó a aquellos problemas que estaban relacionados con la inteligencia y abordo temas tales como la solución de problemas, la demostración de teoremas y los juegos. Conforme las investigaciones de IA progresaron, aparecieron nuevas áreas, tales como la percepción (visión y habla) comprensión del lenguaje natural y el aprendizaje automático.
La percepción del mundo que nos rodea es un elemento crucial para nuestra supervivencia. Dichas tareas son difíciles ya que incluyen señales analógicas (previas a las digitales); estas señales suelen contener bastante ruido, aunque normalmente se percibe a la vez una gran cantidad de objetos (algunos de los cuales pueden estar parcialmente tapados por otros).

La habilidad de utilizar el lenguaje para comunicar gran variedad de ideas es quizá el aspecto más importante que separa a los humanos del resto de los animales. La comprensión del lenguaje hablado es un problema de percepción difícil de resolver por las razones ya explicadas. Es posible, sin embargo, restringir el problema al lenguaje escrito. Este problema, normalmente denominado comprensión del lenguaje natural, es aún extremadamente difícil. Para poder comprender frases sobre un cierto tema, es necesario no sólo poseer un conocimiento amplio sobre el propio lenguaje (vocabulario y gramática), sino también manejar el suficiente conocimiento sobre dicho tema para reconocer las suposiciones no expresadas en un texto.

Además de estas tareas de la vida diaria, mucha gente puede también realizar tareas más especializadas en las cuales es necesaria una cuidadosa adquisición de experiencia. Son tareas como el diseño en ingeniería, los descubrimientos científicos, los diagnósticos médicos y la planificación financiera. Los programas que pueden resolver problemas sobre dominios también están bajo la tutela de la IA.

Otro campo importante donde la IA ha tenido éxito es en la simulación de las formas de trabajar, de abordar y de resolver los problemas en aquellos ramas de la actividad humana donde la experiencia y la experticidad juegan un papel predominante, dando lugar a los denominados Sistemas Expertos.







BREVE HISTORIA DE LA INTELIGENCIA ARTIFICIAL

La historia de la Inteligencia Artificial podemos enmarcarla en tres grandes etapas:

‑ Años 50‑70: Era Romántica
‑ Años 70‑90: Era Pragmática.
‑ Años 90‑actualidad: Era Realista.

Era Romántica.

Esta época estuvo dominada por los métodos heurísticos, se pensaba que el hombre resolvía todos los problemas por medio de ellos, a la vez que la tendencia, podemos decir filosófica, era la de una IA fuerte, mientras se iniciaba la revolución de la informática y daba paso a que los centros de investigación estuvieran dotados de potentes computadoras.

Con la heurística se pretendía resolver aquellos problemas poco estructurados en los que no existía una secuencia de pasos que nos llevara desde un estado inicial a uno final. Estos problemas (heurísticos) requerían criterios de selección que permitieran escoger uno de los posibles caminos que conducen a la solución. También se elaboraron programas para juegos que van desde los tan complejos como el ajedrez, pasando por el de damas, hasta los más sencillos como el tic tac toe. Este último, dada la velocidad actual de las computadoras es posible resolverlo a través de una exploración exhaustiva. Un caso interesante fue el programa de jugar damas que llegó a derrotar al campeón de esos tableros.
Fig.1. Para encontrar la solución (objetivo) de alguna tarea las acciones posibles del hombre se representan en forma de laberinto.

Múltiples progresos se desarrollaron durante esos años y fueron delineados los campos fundamentales que conformarían la nueva rama de la Informática (ver tabla 1).

El apoyo recibido se contó en el orden de millones de dólares con el objetivo de desarrollar y construir máquinas inteligentes. Por ejemplo, en 1963, el Gobierno de Estados Unidos destinó 2,2 millones al MIT para ser utilizados en el desarrollo de investigaciones en la Inteligencia Artificial.

El desarrollo de lenguajes de y para la IA entusiasmó a investigadores y empresas a la vez que se comenzó la construcción de estaciones de trabajo especializadas en IA. A mediados de los años 70 se desarrolló en el Laboratorio de IA del MIT una de estas máquinas dirigida a apoyar y facilitar las investigaciones. En ellas el lenguaje de máquina es el LISP. Varios sistemas comerciales fueron elaborados por otras empresas.

En esta época se magnificaron las potencialidades de las investigaciones y alcances de la Inteligencia Artificial, los innegables avances, el rápido crecimiento de las diferentes ramas que la integran y el avance tecnológico conllevaron a que los investigadores se erigieran en 'profetas', y al interpretar los indiscutibles logros de esta nueva ciencia pronosticaran el inminente desarrollo de sistemas INTELIGENTES, capaces de sustituir al hombre no sólo en tareas burdas y repetitivas, sino en el campo del pensamiento, el razonamiento y la creación. Varios de ellos predijeron desde mediados de siglo que a finales del mismo ya existirían máquinas 'inteligentes'.






Era Pragmática

Dadas las falsas expectativas del enfoque heurístico, que pretendía hallar un algoritmo capaz de resolver todos los problemas, y su agotamiento como paradigma de la IA, los investigadores comienzan a formularse una nueva metodología basada en los conocimientos, porque en realidad, el hombre resuelve los problemas debido a que aplica su saber. Este nuevo enfoque, en lugar de partir de lo general a lo particular, se debía tratar de resolver los problemas particulares, utilizando conocimientos.

Marcada por MYCIN y desarrollada en la Universidad de Stanford, comienza la década de los Sistemas Expertos orientados al diagnostico de enfermedades de la sangre, primer método que introduce el razonamiento con incertidumbre, permite comenzar la etapa de formalización de estos sistemas y conduce al desarrollo de herramientas de estructuras generalizadas o Shells ('concha') y por PROSPECTOR, dirigido a la evaluación de prospecciones geológicas e identificación de yacimientos minerales, el cual impactó por contradecir a los expertos y señalar una zona rica en molibdeno valorada en millones de dólares.

Si anteriormente la IA solo se difundía dentro de los laboratorios, con los SE, irrumpe en el mercado y da lugar a una explosión de aplicaciones en casi todos los campos del saber. Este hecho recibió el impacto directo de la segunda revolución de la informática: las computadoras personales (PC), que fue lo que en fin de cuentas permitió, que los SE se difundieran masivamente.

Debido a su matiz comercial, los SE no fueron muy bien acogidos por los investigadores puros, pues estos sistemas eran considerados como hijos bastardos de la Inteligencia Artificial. No obstante muchos científicos abandonaron sus laboratorios para ir a desarrollar SE, y dar así origen a lo que muchos llamaron la IA aplicada con objetivos muy definidos: elaborar sistemas que fueran capaces de solucionar problemas propios de un experto para un campo específico.

Todo ello trajo como consecuencia que los SE invadieran el espacio de la informática y numerosas empresas de alta tecnología, mientras los gobiernos de EE.UU. y Japón comenzaron a invertir millonarias sumas en las investigaciones de la IA y miles de aplicaciones se realizaron y actualmente se utilizan.
En la década de los 80, se pensaba que la humanidad se encontraba "...ante un reto de imprevisibles consecuencias", pues se avecinaban cambios que trastocarían muchos paradigmas que rigen el mundo. Los investigadores de la Inteligencia Artificial se hacían preguntas como:

· ¿Qué será de los matemáticos cuando los Sistemas Expertos sean capaces de deducir todos los teoremas que se deriven de una cierta axiomática?
· ¿Qué harán los abogados cuando haya una herramienta capaz de preguntar a sus clientes y de darles consejo sin posibilidad de error y utilizando toda la legislación y jurisprudencia?
· ¿Qué será de los médicos cuando existan bases del saber capaces de almacenar los conocimientos y la experiencia de cientos de especialistas en una materia?.

En octubre de 1981 se sentaron las bases para el desarrollo de las computadoras de 5ta generación en una conferencia Internacional en Tokio, Japón. En este proyecto se adoptó el lenguaje PROLOG como lenguaje fundamental que seria soportado por el hardware a construir.

Era Realista.

Los avances fueron lentos y en muchos casos insuficientes Los ‘exitosos’ resultados registrados en el desarrollo de los Sistemas Expertos en los años 70-80, que llenaron de ilusión a científicos e investigadores, y que condujeron a la proyección de sistemas de 5ta generación, pronto demostraron sus limitaciones.

Debido a la complejidad de los problemas del mundo real, estos no pueden capturarse en modelos reducidos y por tanto estos problemas deben plantearse directamente. Las características de este tipo de problemas suelen ser los siguientes:
‑ Interacción de conocimientos de diversos dominios.
‑ Robustez e imprecisión de las inferencias.
‑ Poca formalización del dominio.
‑ Necesidad de interactuar directamente en él.
‑ Necesidad de aprender en él

Ya a mediados de los años 80 el paradigma de los sistemas basados en conocimiento comienza a desmoronarse, y la gran esperanza que representaron en el orden industrial, resultó exagerada. El proyecto de quinta generación japonés, que soñó con revolucionar la industria informática, no pasó de ser sólo eso, un sueño.