¿Qué tipos de de inteligencia artificial existen? - Ecdisis Estudio

¿Qué tipos de de inteligencia artificial existen?

En este sentido, se puede hablar de tipos diferentes de inteligencia artificial.

Máquinas reactivas

Es el tipo más básico de inteligencia artificial. Solo se basa en decisiones sobre el momento presente, pero no puede analizar datos pasados ni aprender en base a ellos. Es decir, no evoluciona.

Un ejemplo de este tipo de inteligencia artificial sería, por ejemplo, la ya citada computadora Deep Blue. Este ordenador era capaz de reconocer las figuras en el tablero y procesar 200 millones de movimientos en un segundo. Sin embargo, ese era su único objetivo: procesar cuál era el mejor movimiento en tiempo real en base a lo que realizara su oponente. Sin embargo, fuera de eso, Deep Blue ignora cualquier dato pasado o futuro externo a la partida o al procesamiento del siguiente movimiento.

 

Memoria limitada

Las máquinas que utilizan este tipo de inteligencia artificial sí son capaces de mirar al pasado, pero de forma limitada. Es decir, puede almacenar la información que recoge durante cierto tiempo, y añadirla a su programación para crear nuevos patrones de comportamiento.

El problema es que esa información solo se añade por tiempo limitado y no son capaces de realizar representaciones completas y perdurables como en el caso de un ser humano.

 

Teoría de la mente

En este punto estarían aquellos sistemas o máquinas capaces de entender cómo funcionan las personas, objetos o sistemas que los rodean. Dicho de otro modo, estas inteligencias artificiales aprenden en base a nuestros comportamientos y, en base a ellos, saben cuáles son nuestros gustos, necesidades, deseos o cómo esperamos ser tratados.

Este tipo de I.A es capaz de comprender el entorno que le rodea, y supone un paso importante para poder realizar una interacción social más cercana a lo que se esperaría de un humano.

 

Autoconciencia

Llegamos a terrenos pantanosos, habitualmente reservados la ciencia ficción. Se trata de que la inteligencia artificial tenga conciencia de sí misma y se reconozca como un ente independiente y capaz de tomar decisiones, diferenciando entre sí mismo y los objetos/personas/sistemas que le rodean.

Todavía no existen máquinas o sistemas que tengan conciencia de sí mismos, más allá de las inteligencias malvadas que conocemos de películas como ‘2001: una odisea del espacio’ (HAL) o ‘Terminator 2’ (Skynet), o de libros como ‘I have no mouth and I must scream’.

Técnicas y campos de la inteligencia artificial

La inteligencia artificial tiene muchos campos distintos y su funcionamiento se basa en la aplicación de diversas técnicas. A continuación vemos algunas de las más utilizadas, eso sí, de forma breve porque son términos de gran complejidad que requerirían mucho más detenimiento en cada uno de ellos.

Aprendizaje Automático (Machine Learning)

El aprendizaje automático o machine learning es un tipo de inteligencia artificial que otorga a las computadoras la capacidad de aprender. Se basa en el análisis de datos, a través de los cuáles puede encontrar nuevos patrones que le permiten modificar su comportamiento.  Es decir, analiza y proceso información, descubre patrones y actúa en consecuencia.

 

Ingeniería del conocimiento (Knowledge Engineering)

La ingeniería del conocimiento se basa en el uso de las técnicas necesarias para la creación de sistemas expertos. Dicho de otro modo, es un área computacional que se emplea para almacenar información importante y utilizarla con fines estratégicos. Cuanto más profundas sean las capas de información, mejor serán las estrategias aplicadas.

 

Lógica difusa (Fuzzy Logic)

La lógica difusa es una de las teorías matemáticas más en tendencia actualmente. Se basa en la utilización de apreciaciones que no son totalmente verdaderas ni falsas, sino que ocupan todas las posiciones intermedias entre la verdad absoluta y la falsedad total.

Esta técnica se basa en el uso de términos cualitativos (“Juan es MUY alto), a los cuáles se les otorga un valor cuantitativo (“¿cómo de alto debería ser Juan para ser considerado MUY alto?”). Gracias a este tipo de lógica, la inteligencia artificial puede establecer patrones en base a términos no cuantitativos.

 

Redes neuronales artificiales (Artificial Neural Networks)

Es una técnica cuyo comportamiento está inspirado en el funcionamiento de las redes neuronales humanas. Al igual que en el ser humano, son sistemas independientes que están interconectados entre sí. Ca una de estas neuronas artificiales recibe un número determinado de entradas, a las cuáles les otorga un “peso” determinado. En función de la cantidad de entradas y su peso, recibirá un determinado “impulso nervioso”, lo cual se traduce en un valor de salida.

Este tipo de redes se organiza por capas, de forma que la primera capa recibe los datos reales, en bruto, y los va transfiriendo al resto de capas, las cuáles las van procesando para emitir un valor final de salida.

 

Sistemas reactivos (Reactive Systems)

Los sistemas reactivos fueron definidos por un grupo de ingenieros liderados por Jonas Boner en su Reactive Manifiesto. En dicho manifiesto se describen las características de este tipo de sistemas: responsivos, (responde de manera oportuna en tiempo y forma), resilientes (con capaces de seguir siendo responsivos aunque exista algún fallo interno de funcionamiento), elásticos (se adaptan a diferentes niveles de carga/demanda)) y orientados a mensajes (envían comunicaciones asíncronas que permiten agilizar tareas).

 

Sistemas Multiagente (Multi-Agent Systems)

Un agente inteligente es capaz de percibir el entorno, analizar sus variables y actuar en consecuencia. Pues bien, los sistemas multiagente son una combinación de los mismos cuyo objetivo es realizar tareas que un agente individual es incapaz de afrontar. Se utilizan sobre todo para la resolución de problemas o el desarrollo de entornos colaborativos adaptables.

 

Sistemas basados en reglas (Rule-Based Systems)

Este tipo de sistemas funcionan aplicando diferentes reglas para una determinada situación, y comparando después los resultados obtenidos. Es posible llevar a cabo esta tarea por diferentes métodos. Por un lado, pueden partir de una evidencia o situación inicial y hallar su posible solución; por otro, pueden partir desde hipótesis con posibles soluciones y realizar el recorrido inverso para hallar la premisa o evidencia.

 

Razonamiento basado en casos (Case-Based Reasoning)

Este tipo de inteligencias artificiales pueden resolver problemas en base a los precedentes existentes en la resolución de la misma incidencia. Imagina un cerrajero que sabe cómo abrir una cerradura porque ya ha abierto cerraduras idénticas o muy parecidas. Pues eso mismo hacen este tipo de sistemas.

 

Sistemas expertos (Expert Systems)

Son sistemas informáticos que funcionan cono lo haría un humano experto en determinada materia específica (normalmente están relacionados con el campo de la ciencia, biología o similares).

Su funcionamiento está fundamentado en el aprendizaje, la memorización y comunicación de información. Normalmente la información ha sido proporcionada por expertos humanos, y el sistema realiza los procesos en base a unas normas para usar sus conocimientos en situaciones particulares. A su vez, este sistema experto puede aprender y mejorar con futuras adiciones.

 

Redes Bayesianas (Bayesian Networks)

Son un tipo de sistemas de minería de datos que consiste en un modelo de probabilidades capaz de calcular relaciones causales entre diferentes variables. Estas relaciones son representadas a través de grafos cíclicos que indican una probabilidad conjunta para determinado tipo de variables relacionadas.

 

Vida artificial (Artificial Life)

El estudio de la vida artificial tiene aplicaciones muy diversas. Por ejemplo, para simular “cómo sería la vida” en un determinado caso, o incluso para estudiar “cómo surgió la vida” antes de que esta existiera.

En general se puede decir que es una rama de las Ciencias de la Complejidad que estudia o diseña sistemas artificiales que se comportan como si tuvieran vida real. De hecho, este concepto surgió de la mente de unos investigadores que veían a los virus de ordenador autorreplicantes como una forma de vida, ya que estaban diseñados con el objetivo de “procrear” y subsistir en el tiempo. Este término está ligado a la capacidad de los sistemas informáticos de reproducirse, y más aún, hacerlo con modificaciones que les permitan subsistir adaptándose a su medio, tal como lo hacen las especies “vivas”.

 

Técnicas de Representación de Conocimiento

Es un término surgido al amparo de la inteligencia artificial, que busca crear representaciones del conocimiento que puedan ser interpretadas por máquinas o mecanismos que simulan el comportamiento humano. Existen muchas técnicas de representación del conocimiento, por ejemplo en base a “Objeto-Atributo-Valor”, “Hechos ciertos-Hechos inciertos”, “Fuzzy facts o hechos difusos”, y muchos más. Otra técnica son las redes semánticas, las cuales vemos en el siguiente punto.

 

Redes semánticas (Semantic Networks) y Frames

Las redes semánticas son representaciones esquemáticas de términos lingüísticos relacionados. Dichos términos y sus relaciones se pueden representar de diversas maneras, por ejemplo mediante un mapa conceptual o gráficas de árbol o nodos.

 

Visión artificial

La Asociación de Imágenes Automatizadas define la visión artificial como aquella combinación de hardware y software que permite a los dispositivos procesar y reconocer imágenes capturadas en el mundo real en base a conceptos numéricos o simbólicos.

 

Audición artificial

El oído artificial responde a estímulos sonoros y los convierte en pulsos eléctricos que estimulan la respuesta del nervio auditivo. Como has podido adivinar, es un tipo de inteligencia artificial que está orientado a su uso por las personas con problemas de audición. Incluso, en base a la decodificación de los estímulos sonoros, se puede recuperar la audición en personas que tienen afectado el órgano de Corti y cuyo problema no puede ser solucionado con el uso de audífonos.

 

Lingüística computacional

La lingüística computacional se encarga de analizar y reconocer el lenguaje y transformarlo en un programa que se pueda ejecutar por ordenador. Es decir, estudia la lengua y sus usos para desarrollar aplicaciones computacionales basadas en el reconocimiento del lenguaje. En esta técnica no solo interviene la inteligencia artificial, sino que también lo hace la lógica o la psicología cognoscitiva.

 

Procesamiento del lenguaje natural (Natural Language Processing)

Similar a la lingüística computacional, es un campo de la inteligencia artificial que estudia la interacción entre el lenguaje y las computadores. El objetivo es el desarrollo de mecanismos más efectivos de comunicación entre humano y máquina.

 

Minería de datos (data mining)

La minería de datos es un técnica que aúna aspectos de la computación y la estadística. Este método se encarga de recoger grandes volúmenes de datos y establecer patrones entre ellos. Se puede combinar con otras técnicas como el machine learning, de forma que la computadora aprende procesos para buscar y analizar los datos de forma más efectiva.

Ventajas y desventajas de la inteligencia artificial

Entre las ventajas de la inteligencia artificial se pueden citar las siguientes:

  • Aumenta la eficacia de los procesos y reduce los tiempos necesarios para llevarlos a cabo.
  • Permite a las personas liberarse de tareas repetitivas que aportan poco valor y que se podrían hacer de forma automatizada.
  • Puede desarrollar tareas o peligrosas que a los seres humanos les resultan imposibles o muy complicadas de realizar, por ejemplo en campos como la exploración espacial.
  • Evita los errores humanos al basarse en procedimientos computacionales.
  • La inteligencia artificial es inmune al desgaste físico o emocional. Puede trabajar 24 horas al día, 365 días al año.
  • Facilita el día a día de las personas, con el claro ejemplo de Amazon Echo y otros asistentes virtuales similares.
  • Es capaz de realizar tareas “mecánicas” con alta precisión, gracias al análisis de gran cantidad de datos y variables.

 

Pero no es ningún secreto que es una tecnología que también tiene sus detractores. Estos son algunos de los peligros de la inteligencia artificial.

  • Es susceptible de provocar cambios profundos en el mercado laboral, La adopción de estas tecnologías podría suponer la sustitución del ser humano en determinadas tareas, sobre todo aquellas que se desarrollan de forma automatizada.
  • No tiene sentimientos ni empatía, no es capaz de ponerse en el lugar del otro, lo que la inhabilita para tareas o procesos en los que es fundamental el factor humano.
  • Carece de capacidad de improvisación o creatividad, sus decisiones se basan en algoritmos y análisis de información preexistente, por lo que no es capaz de tomar decisiones más allá de lo que dicen los datos.
  • Podría ser usada con malos fines, por ejemplo para el desarrollo de malware, robo de datos o suplantación de identidad.

 

Efectivamente, de momento no incluimos entre los peligros o desventajas de la inteligencia artificial su afán por conquistar el mundo y rebajar a los seres humanos a esclavos. Aunque quizá algún día…

Write a Comment

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *