Introducción
Desde que aparecieron las computadoras, se han ido llevando a cabo investigaciones científicas y tecnológicas, esto con el fin de que estas puedan resolver y realizar algunas actividades propias de los seres humanos, y claro que se ha logrado la realización eficaz de muchos productos , ya sea en el apoyo del tiempo y recursos invertidos para realizar cualquier tipo de actividad.
Investigar sobre el tema lo consideramos relevante en la actualidad debido a tantos inventos tecnológicos que han surgido con la finalidad de imitar al ser humano principalmente para realizar actividades complejas en diferentes campos y en áreas de la vida cotidiana, con esto se espera comprender y saber la importancia de haber creado estos inventos y el gran impacto que han dejado en la sociedad por ello,en este trabajo decidimos definir algunos conceptos para entender mejor el tema,después profundizar un poco mas y conocer algunos cazos de la historia de ésta,las aplicaciones que realiza y como hace esto,a partir de esto decidimos enfocado en la inteligencia artificial de los robots.
Algunas definiciones
En la actualidad uno de los proyectos mas ambiciosos de la informática es la IA , por tal motivo es difícil definir exactamente que es y los alcances que tiene.
es de fundamental importancia conocer los orígenes de su nombre, es decir, el significado de la palabra inteligencia y así mismo el de la palabra artificial, mismos que según (Aruaz,1998,p.1) son:
- Inteligencia, es la potencia intelectiva, la facultad de conocer o de entender. El grado en que un individuo puede resolver satisfactoriamente una nueva situación o un problema. La inteligencia esta basada en el nivel de conocimientos individuales en la habilidad de manipular y reformular apropiadamente los conocimientos en base a los datos que se proporcionan como requerimientos para resolver algún problema o situación.
- Artificial, Es lo hecho por mano y arte del hombre, falso, no natural\citep{ptlomeo2009}.
Se denomina inteligencia artificial a la rama de la ciencia informática dedicada al desarrollo de agentes racionales no vivos.La inteligencia artificial pretende que las maquinas sean capaces de emular comportamientos inteligentes.
Para explicar la definición anterior, entiéndase a un agente como cualquier cosa capaz de percibir su entorno(recibir entradas), procesar tales percepciones y actuar en su entorno(proporcionar salidas). Y entiéndase a la racionalidad con la característica que pose una elección de ser correcta, mas específicamente, de tender a maximizar un resultado esperado. (este concepto de racionalidad es mas general y por ello mas adecuado que inteligencia para definir la naturaleza del objetivo de esta disciplina).
Por lo tanto y de manera mas especifica la inteligencia artificial es la disciplina que se encarga de construir procesos que al ser ejecutados sobre una arquitectura física producen acciones o resultados que maximizan una medida de rendimiento determinada, basándose en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura\citep{coronel2009}.
Ahora bien por otra parte la inteligencia artificial es el cambio científico de la informática que se centra en la creación de programas y mecanismo que pueden mostrar comportamientos considerados inteligentes. en otras palabras, la IA es el concepto según el cual "las maquinas piensan como seres humanos" \citep{latinoamerica2017}.
Puede decirse que la inteligencia artificial es una de las áreas más fascinantes y con mas retos de las ciencias de la computación, en su área de ciencias cognoscitivas. Nació como mero de estudio filosófico razonístico de la inteligencia humana, mezclada con la inquietud del hombre de imitar la naturaleza circundante (como volar y nadar), hasta inclusive querer imitarse así mismo. sencillamente la inteligencia artificial busca limitar la inteligencia humana. Obviamente no lo ha logrado todavía, al menos no completamente \citep{vasquez2010}.
Historia
La inteligencia artificial "nació" en 1943 cuando Warren McCulloch y Walter Pitts propusierón un modelo de neurona del cerebro humano y animal. Estas neuronas nerviosas abstractas proporcionaron una representación simbólica de actividad cerebral\citep{rendon2017}.
La IA fue introducida a la comunidad científica en 1950 por el inglés Alan Turing en su artículo "Maquinaria Computacional e Inteligencia Artificial. a pesar de que la investigación sobre el diseño y las capacidades de las computadoras comenzarón algún tiempo antes, fue hasta que apareció el artículo de Turing que la idea de una maquina inteligente cautivó la atención de los científicos.
la pregunta básica de Turing trato de responder afirmativamente en su artículo era: ¿PUEDEN LAS MAQUINAS PENSAR?\citep{itam2017}.
Tipos de inteligencia artificial
1. Aprendizaje automático
La rama del AI que implica que entrenar a los algoritmos para realizar tareas mediante el aprendizaje de datos anteriores y ejemplos en lugar de comandos explícitos programados por los seres humanos. Dentro del aprendizaje automático, tres de los algoritmos más comunes son redes neuronales, algoritmos de inducción y algoritmos genéticos. Muchas aplicaciones de la IA dependen en gran medida del aprendizaje automático. Cuando las empresas hablan de las capacidades de IA en sus productos y servicios, suelen referirse al aprendizaje automático.
2. Redes neuronales
Son los Algoritmos de aprendizaje y los de modelos computacionales diseñados para funcionar como neuronas en el cerebro. Las redes neuronales son entrenadas con conjuntos específicos de datos, que utilizan para encontrar una respuesta en una consulta. La suposición de la red se compara con la respuesta correcta en una base de datos. En caso de ocurrir errores, las "neuronas" son ajustadas y el proceso se repite hasta que los niveles de error disminuyen. Este enfoque algorítmico, llamado retropropagación, es similar a la regresión estadística.
3. Algoritmos genéticos
Máquinas algorítmicas de optimización de aprendizaje que trabajan imitando el proceso evolutivo utilizando la selección natural, la recombinación y la mutación. Son particularmente eficaces para optimizar problemas con un gran número de soluciones posibles.
4. Algoritmos de inducción
Algoritmos que aprenden de un ejemplo y tratan de encontrar patrones en los datos para crear reglas que explican lo que está sucediendo. A diferencia del proceso de deducción, que implica una colección preestablecida de reglas, estos algoritmos crean reglas para explicar las cosas que están sucediendo sobre la marcha.
5. Aprendizaje profundo
Una rama del aprendizaje de máquinas relacionada con la construcción y la formación de redes neuronales con múltiples capas. Cada capa de una red puede encontrar patrones en la salida de la capa para arriba de ella. Las redes profundas brillan al clasificar datos e identificar anomalías en patrones de datos.
6. Sistemas expertos
También conocidos como sistemas de representación del conocimiento o sistemas de apoyo a la decisión. Los sistemas expertos son una forma antigua de tecnología de IA que originalmente fue diseñada para resolver problemas complejos tomando decisiones basadas en una base de conocimiento y reglas para aplicar ese conocimiento. Debido a sus enfoques más sofisticados, basados en datos y estadísticos, los nuevos modelos de aprendizaje automático pueden tomar decisiones más efectivas que los sistemas expertos.
7. Representación del conocimiento
Una rama de la IA que implica la representación de diferentes tipos de información de manera que los sistemas informáticos puedan utilizar para realizar tareas complejas o resolver problemas.
8. Computación cognitiva
Este es un término general que IBM populariza para describir el proceso mediante el cual las máquinas pueden extraer datos, reconocer patrones y procesar el lenguaje natural para interactuar y emular la inteligencia humana. En su forma más básica, el término se refiere a computadoras que pueden simular procesos de pensamiento humano. IBM y otras organizaciones usan a menudo este término en lugar del término más amplio "inteligencia artificial".
9. Inteligencia aumentada
También conocida como aumento cognitivo o amplificación de inteligencia. Se refiere a la tecnología diseñada para utilizar las fuerzas combinadas de la inteligencia humana y de la máquina. Algunos de los grandes jugadores en el campo de AI prefieren este término para describir sus ofrendas para minimizar las percepciones de que las máquinas acabarán por hacerse cargo del trabajo humano
10. Aprendizaje hombre-máquina
Conceptualmente similar a la inteligencia aumentada, este término se utiliza a menudo para describir la IA que combina la orientación humana con el análisis de la máquina de grandes volúmenes de datos. El término se desarrolló en parte para tranquilizar a las audiencias que el esfuerzo humano todavía es necesario para proporcionar refuerzo y retroalimentación a la máquina, que luego perfecciona su algoritmo para lograr los resultados deseados.
11. Visión de máquina
La rama de la IA que trata de cómo las computadoras emulan el sistema visual humano y su capacidad de ver e interpretar imágenes digitales del mundo real. También incorpora procesamiento de imágenes, reconocimiento de patrones y comprensión de imágenes (convirtiendo imágenes en descripciones que pueden usarse en otras aplicaciones).
12. Máquinas traductoras
Una forma de traducción automatizada mediante la cual se utiliza software de computadora para traducir texto o audio de un idioma a otro (por ejemplo, del ruso al inglés). Además de sustituir simplemente una palabra por otra, puede incorporar técnicas estadísticas que aumenten la probabilidad de identificar correctamente frases, expresiones idiomáticas, nombres propios y otras anomalías.
13. Procesamiento natural del lenguaje
Una rama de la IA que se ocupa de la capacidad de una máquina para entender las palabras habladas o impresas en lenguajes humanos (naturales), en contraposición a los lenguajes de programación de computadoras. Estas tecnologías son muy utilizadas por los buscadores, por el filtrado de spam y por su capacidad para extraer información de documentos grandes y complejos. El procesamiento del lenguaje natural también puede identificar anomalías dentro del texto.
14. Generación de lenguaje natural
Un subconjunto de procesamiento de lenguaje natural en el que una computadora toma decisiones sobre cómo dar sentido a un concepto específico y ponerlo en palabras. La tecnología se utiliza a menudo para automatizar procesos manuales relacionados con el análisis de datos, tales como cartas personalizadas y otros tipos de comunicación a escala. También puede crear dinámicamente comunicaciones -incluyendo noticias básicas y listados de bienes raíces- que cumplan objetivos específicos.
15. Lingüística computacional
Un campo interdisciplinario que se ocupa del modelado estadístico y basado en reglas de datos de lenguaje natural por computadoras. Incluye el reconocimiento del idioma habaldo, el proceso mediante el cual las máquinas pueden identificar y reconocer palabras y frases habladas y traducirlas o convertirlas en texto legible por máquina.
16. Robot de conversación
Un programa de computadora que usa un conjunto de reglas para conducir una conversación basada en el habla o el texto con un humano a través de una interfaz de chat en línea. Los robot de conversación son alimentados por la IA y usan el aprendizaje de la máquina para detectar e imitar la conversación humana. Se desarrollan comúnmente para proporcionar contenido específico o servicio automatizado o utilidad a los usuarios.
17. Asistente digital virtual
Una versión más sofisticada de un robot de conversación, también conocido como un agente inteligente, asistente personal virtual, asistente virtual inteligente, asistente automatizado o agente virtual. Dichos asistentes pueden organizar, almacenar y dar información basada en la ubicación del usuario y pueden contestar después de escuchar o recibir texto de los usuarios con información de una multitud de fuentes en línea (por ejemplo, pronósticos meteorológicos, mapas, precios de las acciones o horarios de transporte). Los ejemplos incluyen Siri de Apple, Google Now, Alexa de Amazon y Cortana de Microsoft.
18. Sistemas de recomendación
También conocido como motores de recomendación. Un sistema de filtrado de información basado en AI que puede predecir automáticamente las preferencias del usuario y las respuestas a las consultas basadas en el comportamiento pasado, la relación de un usuario con otros usuarios, la similitud entre los elementos comparados y el contexto. Los ejemplos de alto perfil de los sistemas de recomendación incluyen la característica "frecuentemente comprada" de Amazon y el algoritmo CineMatch de Netflix. Similares algoritmos también son utilizados por redes sociales como Facebook, LinkedIn y Ancestry.com para encontrar conexiones entre personas y datos e identificar objetivos para las campañas de marketing.
19. De análisis predictivo
Son programas que utilizan una combinación de técnicas de la ciencia de los datos, estadísticas e inteligencia artificial para analizar conjuntos de datos estructurados y no estructurados, identificar patrones y relaciones, y usarlos para hacer predicciones sobre eventos y resultados futuros probables. Los modelos de análisis predictivo están estrechamente relacionados con los modelos analíticos prescriptivos, que incorporan un modelo predecible, pero de un paso más allá para producir datos y utilizar un sistema de retroalimentación que rastrea los resultados.
\citep{rebolledo2017}