La inteligencia artificial (IA) es una disciplina de sesenta años que consiste en una colección de estudios, teorías y técnicas (que incluyen lógica matemática, estadística, probabilidad, neurociencia computacional e informática) destinadas a replicar las habilidades cognitivas de un ser humano. Comenzó en medio de la Segunda Guerra Mundial, y sus avances están indisolublemente ligados a los de la informática, lo que permite a las computadoras ejecutar trabajos cada vez más complicados que antes solo podían confiarse a un ser humano. Sin embargo, en el sentido más estricto, esta automatización no es inteligencia humana, lo que llevó a algunos académicos a cuestionar la designación. El paso final de su estudio (una IA “fuerte”, es decir, la capacidad de contextualizar una amplia gama de problemas especializados de una manera completamente autónoma) es incomparablemente superior a los esfuerzos existentes (IA “débiles” o “moderadas”, extremadamente eficientes en su campo de entrenamiento). Para poder representar el mundo entero, la IA “fuerte”, que solo se ha materializado en la ciencia ficción, requeriría avances en la investigación básica (no simplemente mejoras en el rendimiento). Sin embargo, desde 2010, la disciplina ha experimentado un resurgimiento, debido a los avances significativos en el poder de procesamiento de las computadoras y el acceso a grandes cantidades de datos. Renovar promesas y fantasear sobre temas dificulta la captación objetiva de los fenómenos. Los breves recordatorios históricos pueden ayudar a ubicar la disciplina en contexto e informar los argumentos actuales.
1940-1960: nacimiento de la IA a raíz de la cibernética
A raíz de la cibernética, la IA nació entre 1940 y 1960. Entre 1940 y 1960, hubo una fuerte correlación entre los avances tecnológicos (de los cuales la Segunda Guerra Mundial fue un catalizador) y el deseo de comprender cómo combinar las funciones de las máquinas. y seres vivos. El objetivo, según Norbert Wiener, pionero en cibernética, era unir la teoría matemática, la electrónica y la automatización en “una teoría integral del control y la comunicación, tanto en animales como en máquinas”. Warren McCulloch y Walter Pitts produjeron el primer modelo matemático e informático de la neurona biológica (neurona formal) ya en 1943. John Von Neumann y Alan Turing fueron los padres fundadores de la tecnología que sustenta la inteligencia artificial (IA) a principios de la década de 1950. Hicieron el cambio de las computadoras a la lógica decimal del siglo XIX (que se ocupaba de los valores del 0 al 9) y de las máquinas a la lógica binaria (que se basa en el álgebra booleana, que se ocupa de cadenas más o menos importantes de 0 o 1).
La arquitectura de las computadoras actuales fue entonces codificada por los dos investigadores, quienes demostraron que se trataba de una máquina universal capaz de realizar lo programado. Turing, por otro lado, planteó el tema de la posible inteligencia de una máquina por primera vez en su famoso artículo de 1950 “Maquinaria informática e inteligencia”, en el que describió un “juego de imitación” en el que un humano debería ser capaz de decir si está hablando con un hombre o una máquina en un diálogo de teletipo. Independientemente de cuán divisiva sea esta pieza (esta “prueba de Turing” no parece calificar a muchos expertos), con frecuencia se la identificará como la fuente del cuestionamiento de la división entre humanos y máquinas. John McCarthy, del MIT, acuñó el término “IA”, que Marvin Minsky, de la Universidad Carnegie-Mellon, define como “la construcción de programas informáticos que se dedican a tareas que actualmente los humanos realizan de manera más satisfactoria porque requieren procesos mentales de alto nivel, como la percepción aprendizaje, organización de la memoria y razonamiento crítico”. El simposio patrocinado por el Instituto Rockefeller en Dartmouth College en el verano de 1956 se considera el lugar de nacimiento de la disciplina.
Como anécdota, cabe destacar el enorme éxito de lo que no fue una conferencia sino un taller. Solo seis personas se mantuvieron constantes durante todo el proyecto, incluidos McCarthy y Minsky (que se basaron esencialmente en desarrollos basados en la lógica formal). Si bien la tecnología siguió siendo emocionante y prometedora (ver, por ejemplo, el artículo de 1963 “What Computers Can Do: Analysis and Prediction of Judicial Decisions” de Reed C. Lawlor, miembro del Colegio de Abogados de California), su atractivo disminuyó a principios de la década de 1960. Debido a que los dispositivos tenían memoria limitada, usar un lenguaje de computadora fue un desafío. Sin embargo, ya existían algunos cimientos, como árboles de solución para resolver problemas: el IPL, o lenguaje de procesamiento de información, había hecho factible construir el programa LTM (máquina teórica lógica), que intentaba mostrar teoremas matemáticos, ya desde 1956. En 1957, el economista y sociólogo Herbert Simon predijo que la IA vencería a un humano al ajedrez en los próximos diez años, pero la IA pasó entonces por su primer invierno. La predicción de Simon resultó ser correcta…
1980-1990: Sistemas expertos
Stanley Kubrick creó la película “2001 Space Odyssey”, en la que una computadora llamada HAL 9000 (cuyas letras son idénticas a las de IBM) resume todas las cuestiones éticas planteadas por la IA: ¿representará un alto nivel de sofisticación, un beneficio para la humanidad o una amenaza? Naturalmente, el impacto de la película no será científico, pero ayudará a popularizar el tema, al igual que el novelista de ciencia ficción Philip K. Dick, quien nunca dejará de preguntarse si las máquinas algún día experimentarán emociones. Con la introducción de los primeros microprocesadores a fines de 1970, la IA resurgió, marcando el comienzo de la era dorada de los sistemas expertos. DENDRAL (sistema experto especializado en química molecular) y MYCIN (sistema experto en química molecular) fueron los primeros en allanar el camino en el MIT en 1965 y la Universidad de Stanford en 1972, respectivamente (sistema especializado en el diagnóstico de enfermedades de la sangre y medicamentos recetados). Estos sistemas se construyeron alrededor de un “motor de inferencia”, que fue diseñado para imitar el razonamiento humano de una manera lógica.
El motor suministró respuestas con un alto nivel de conocimiento después de ingresar datos. Las promesas predijeron una gran expansión, pero el frenesí alcanzó su punto máximo a fines de 1980 y principios de 1990. Requería mucho esfuerzo programar esa información y había un efecto de “caja negra” entre las reglas 200 y 300, donde no estaba claro. cómo razonó la máquina. Como resultado, el desarrollo y el mantenimiento se volvieron cada vez más difíciles y muchas otras opciones menos sofisticadas y menos costosas estaban disponibles. Vale la pena recordar que en la década de 1990, la palabra “inteligencia artificial” estaba casi prohibida, y variantes más moderadas, como “computación avanzada”, incluso habían entrado en la jerga universitaria. La victoria de Deep Blue (sistema experto de IBM) contra Garry Kasparov en el juego de ajedrez en mayo de 1997 cumplió el pronóstico de Herbert Simon de 1957 30 años después, sin embargo, no promovió la financiación y el desarrollo de este tipo de IA. La operación de Deep Blue se basó en un algoritmo metódico de fuerza bruta que analizó y ponderó todos los movimientos posibles. La derrota humana seguía siendo un emblema histórico, aunque Deep Blue solo había logrado abordar un perímetro muy pequeño (las leyes del juego de ajedrez), lejos del potencial para representar la complejidad del mundo.
Desde 2010: un nuevo florecimiento basado en datos masivos y nueva potencia informática
El nuevo auge de la disciplina alrededor de 2010 se puede atribuir a dos cosas. – En primer lugar, acceso a grandes cantidades de datos. Solía ser esencial hacer su propia muestra para emplear algoritmos para la categorización de imágenes y el reconocimiento de gatos, por ejemplo. Hoy en día, una simple búsqueda en Google puede arrojar millones de resultados. – A continuación, se descubrió la gran eficiencia de los procesadores de tarjetas gráficas de computadora para acelerar el cálculo de los algoritmos de aprendizaje. Debido a la naturaleza iterativa del método, el procesamiento de la muestra completa podría demorar semanas antes de 2010. La capacidad de procesamiento de estas tarjetas (que pueden manejar más de mil millones de transacciones por segundo) ha permitido un avance significativo a un bajo costo (menos de 1000 euros por tarjeta). Este nuevo equipo tecnológico ha llevado a varios logros públicos notables y a un aumento de la financiación: en 2011, Watson, la IA de IBM, derrotará a dos campeones de Jeopardy. ». Google X (el laboratorio de búsqueda de Google) podrá distinguir gatos en videos en 2012.
Conclusión
Esta última operación requirió más de 16.000 procesadores, pero el potencial es enorme: una máquina aprende a discernir entre las cosas. El campeón europeo (Fan Hui) y el campeón mundial (Lee Sedol) serán derrotados por AlphaGO (IA de Google especializada en juegos Go) en 2016. (AlphaGo Zero). Estipulemos que el juego de Go tiene una combinatoria considerablemente más grande que el ajedrez (más que el número de partículas en el universo) y que resultados tan enormes en fuerza bruta no son alcanzables (como en Deep Blue en 1997). Para más “Cómo Big Data Inteligencia Artificial“.
Aparte de esto, también puede leer artículos relacionados con el entretenimiento, la tecnología y la salud aquí: Bollyshare, Samsung Galaxy F22 Review, 1616 Angel Number, 444 Angel Number, Moviezwap, Y8, Jalshamoviez, Website Traffic Checker, Project Free TV, Kickassanime, Número de ángel 777, Zodíaco del 8 de septiembre, Kissasian, Número de ángel 666, Número de ángel 333, Temporada festiva, Revisión de Samsung Galaxy Z Flip 3, Fecha de lanzamiento de PUBG en India, Tarjeta de crédito Sears, Correo electrónico de GoDaddy, Código de canje de Free Fire, Mangago, Jio Rockers , Nuevo iPhone 13, Revisión de Vivo Y53s, Formas de ojos, M4uHD, Fever Dream, Agua de luna, Auriculares iPhone, Películas en español, Hip dips, M4ufree, NBAstreams XYZ, Revisión del navegador CCleaner, Calorías de aguacate, Valor neto de Bear Grylls, Valor neto de Rihanna 2021 , CEO mejor pagado, The 100 temporada 8, patrimonio neto de Sundar Pichai, patrimonio neto de Grimes, F95Zone, cómo cambiar el nombre de Twitch, Sherlock Temporada 5, Homeland Temporada 9.
