Inteligencia Artificial

-

A computer would deserve to be called intelligent if it could deceive a human into believing that it was human

Con esta frase de Alan Turing empezamos la primera de las muchas entradas que dedicaremos a explicar (por encima) la inteligencia artificial y algunas de sus ramas. Pero espera, espera. ¿Cómo que hay una inteligencia que es artificial? ¿Si ni siquiera soy capaz de hacer un examen de matemática sin comprobar si 2 + 2 = 4 en la calculadora? Pues sí, existe, y esta difiere bastante de la idea que tenía Alan Turing sobre ella.

Imagen: placa de Alan Turing.

La inteligencia artificial es un concepto relativamente nuevo, por lo que tiene bastantes definiciones:
  • La ciencia e ingeniería de hacer a las máquinas inteligentes. John McCarthy (padre de la Inteligencia Artificial).
  • El término inteligencia artificial se aplica a sistemas con la capacidad de interpretar datos externos, aprender de estos datos y a usar ese conocimiento para llevar a cabo tareas específicas, cumpliendo los objetivos (sean cual sean) para los cuales ha sido creado la inteligencia. A. Kaplan, M. Haenlein.
  • La inteligencia computacional o artificial es el estudio de agentes inteligentes. Un agente es algo (sistemas, termostatos, humanos, organizaciones, perros, ...) que actúa en un entorno. Los agentes son flexibles y se adaptan a cualquier entorno cambiante para conseguir su objetivo. Estos aprenden de la experiencia y escogen la opción más apropiada teniendo en cuenta las limitaciones definidas. Poole, David.
  • ...
Podríamos pasarnos el día incluyendo definiciones o viendo películas en las cuales se define algún tipo de IA. Pero mis compañeros y yo tenemos una asignatura que aprobar, por lo que procederemos a entender lo que es la IA. Para este fin utilizaremos un ejemplo.

Ejemplo

Supongamos que nos hemos ido de viaje a un país del cual no conocemos el idioma, que no es de la Unión Europea (no tenemos datos móviles) y queremos ir de nuestro hostal al supermercado más cercano, los pasos a seguir son lo siguientes:
  1. Lamentar el no haber preparado el viaje un poco más - Conocimiento.
  2. Explorar la zona en busca de un supermercado. Cada camino posible será un agente, lleve o no el camino a un supermercado - Experiencia/Conocimiento.
  3. Si un supermercado está cerrado probar con el siguiente - Entorno cambiante.
  4. Encontrar un supermercado - Objetivo/Tarea.
  5. Al día siguiente probar otro camino por si se encuentra un supermercado mejor y más cerca del hostal - Optimización.
  6. Repetir hasta encontrar el mejor supermercado a la menor distancia.
En este ejemplo la inteligencia no artificial se valdrá de su capacidad de adaptarse al entorno y aprender de ello para lograr su objetivo, si esto se aplica a un brazo robótico:
  • Objetivo - Calcular la trayectoria óptima del punto A al punto B.
  • Conocimiento - Limitaciones físicas.
  • Agentes - Diferentes trayectorias para llegar del punto A al punto B.
  • Experiencia - Distinguir que trayectorias cumplen el objetivo o no.
El brazo simulará los diferentes agentes hasta llegar a un objetivo. Y así es como se consigue que una máquina sea inteligente. Si este ejemplo le ha enredado más que ayudado, simplemente quedese con la definición  John McCarthy, la cual es corta y precisa.

Ramas de la Inteligencia Artificial

Por último, solo queda enumerar las ramas de la Inteligencia Artificial:
Si, lector confuso, la IA es mucho más que un robot con forma humana. 
Imagen: robots humanoides.


De cinéfila a cinéfil@: "The Imitation Game" del director Morten Tyldum & "Ex_Machina" del director Alex Garland & "Chappie" del director Neill Blomkamp.


Comentarios

Publicar un comentario

Entradas populares de este blog

Proyecto Estación Meteorológica 4: Visualización de Resultados Mediante HTML y D3.js

-
Imagen
Visualización de Resultados Mediante HTML y D3.js Una vez se han subido los datos a ThingSpeak, tal y como se describe en el post anterior , se quiere visualizar el contenido que se ha subido. Para ello, se diseña una página web utilizando HTML, JavaScript, CSS y D3.js. El código de la página consiste principalmente en 3 partes: la importación de datos y su tratamiento, la visualización de estos en una gráfica y la visualización en una tabla. Primero, la importación de datos. Para ello, se debe conseguir una URI desde ThingSpeak, la cual se puede conseguir entrando en la pestaña “ Data Import/Export ” de los canales que se han creado, en la sección “ Get a Channel Feed ”. Se decide que se quieren recuperar 5 sets de datos desde cada canal, por lo que esto se tiene en cuenta a la hora de codificar las URIs. Se cargan los datos llamando a estas con JavaScript, las cuales, tras ser llamadas, ejecutan unas funciones previamente definidas. El cometido de...
Leer más

Diferentes técnicas de las redes neuronales

-
Imagen
DIFERENTES TÉCNICAS DE LAS REDES NEURONALES En la entrada anterior hemos visto, un poco por encima, lo que son las redes neuronales artificiales y de que se componen. La explicación de como se consigue  la salida de las neuronas y de la red en su totalidad, encaja con una técnica de las redes neuronales: Forward Propagation. La primera técnica que se va a explicar en esta entrada. Forward propagation El Forward propagation  es una implementación vectorial de las funciones de las redes neuronales, es decir, explica como pasan los valores de entrada (x) a ser los valores de salida, como se transforman.  Aunque ya se haya explicado este proceso en la entrada anterior, vemos necesario volver a explicarlo, para entender correctamente las demás técnicas (si lo habéis entendido bien, podéis saltar un poco más hacia adelante). Bien pues, primero las entradas (x) se multiplican con una  matriz de pesos ( θ )  que controla la función de mapeo de una ca...
Leer más

Proyecto Estación Meteorológica 3: Obtención y Envío de Datos Mediante Python

-
Imagen
Obtención y Envío de Datos Mediante Python Una vez se ha configurado la Raspberry como es debido, se comienza la codificación. Lo primero que se codifica es el programa de Python. La función de este programa es el de crear automáticamente los canales necesarios en ThingSpeak, recoger datos del sensor y subir estos a los canales previamente mencionados. Para ello, primero se observan las especificaciones del usuario para definir la problemática. Haciendo esto, se observa que hay que subir datos con una frecuencia de 10 segundos, pero los canales de ThingSpeak solo aceptan datos cada 15 segundos. Para solucionar este problema, se crean dos canales, a los cuales se suben datos alternamente. En cuanto al código, lo primero es importar las librerías. Ya que la comunicación con ThingSpeak se hace mediante peticiones http, se importan las librerías urllib y httplib , además de json , la cual será necesaria para interpretar las respuestas. También se...
Leer más