INTELIGENCIA ARTIFICIAL

PROPÓSITO: Comprender la importancia de la inteligencia artificial dentro de nuestra sociedad.

1. INTELIGENCIA ARTIFICIAL: Es la combinación de algoritmos planteados con el propósito de crear máquinas que presenten las mismas capacidades que el ser humano. Una tecnología que todavía nos resulta lejana y misteriosa, pero que desde hace unos años está presente en nuestro día a día a todas horas. 

 

TIPOS DE INTELIGENCIA ARTIFICIAL: Los expertos en ciencias de la computación Stuart Russell y Peter Norvig diferencian varios tipos de inteligencia artificial: 

Sistemas que piensan como humanos: Automatizan actividades como la toma de decisiones, la resolución de problemas y el aprendizaje. Un ejemplo son las redes neuronales artificiales.

Sistemas que actúan como humanos: se trata de computadoras que realizan tareas de forma similar a como lo hacen las personas. Es el caso de los robots.

Sistemas que piensan racionalmente: intentan emular el pensamiento lógico racional de los humanos, es decir, se investiga cómo lograr que las máquinas puedan percibir, razonar y actuar en consecuencia. Los sistemas expertos se engloban en este grupo.

Sistemas que actúan racionalmente: idealmente, son aquellos que tratan de imitar de manera racional el comportamiento humano, como los agentes inteligentes.

APLICACIONES PRÁCTICAS DE LA INTELIGENCIA ARTIFICIAL

La IA está presente en la detección facial de los móviles, en los asistentes virtuales de voz como Siri de Apple, Alexa de Amazon o Cortana de Microsoft y está integrada en nuestros dispositivos cotidianos a través de bots (abreviatura de robots) o aplicaciones para móvil,tales como: LyliEnlace externo, se abre en ventana nueva., un personal shopper en versión digital; ParlaEnlace externo, se abre en ventana nueva., concebida para ayudarnos con el aprendizaje de idiomas; EmsEnlace externo, se abre en ventana nueva., diseñada para hacernos un poco más llevadera la ardua tarea de encontrar nuevo piso; o GyantEnlace externo, se abre en ventana nueva., un asistente virtual de Facebook que emite 'diagnósticos' médicos. El objetivo de todas ellas: hacer más fácil la vida de las personas.  Los avances en IA ya están impulsando el uso del big data debido a su habilidad para procesar ingentes cantidades de datos y proporcionar ventajas comunicacionales, comerciales y empresariales que la han llevado a posicionarse como la tecnología esencial de las próximas décadas. Transporte, educación, sanidad, cultura... ningún sector se resistirá a sus encantos.

2. COMUNICACIÓN EN LENGUAJES DE MAQUINA:  Es el sistema de códigos directamente interpretable por un circuito microprogramable, como el microprocesador de una computadora o el microcontrolador de un autómata. Este lenguaje está compuesto por un conjunto de instrucciones que determinan acciones a ser tomadas por la máquina. Un programa consiste en una cadena de estas instrucciones más un conjunto de datos sobre el cual se trabaja.

LENGUAJE DE PROGRAMACIÓN:  Un lenguaje de programación es un lenguaje formal diseñado para realizar procesos que pueden ser llevados a cabo por máquinas como las computadoras. Pueden usarse para crear programas que controlen el comportamiento físico y lógico de una máquina, para expresar algoritmos con precisión, o como modo de comunicación humana. Está formado por un conjunto de símbolos y reglas sintácticas y semánticas que definen su estructura y el significado de sus elementos y expresiones.

GENERACIONES DEL LENGUAJE DE PROGRAMACIÓN: 

•  Los lenguajes de primera generación, o 1GL, lenguajes de bajo nivel que son lenguaje de máquina.
•  Los lenguajes de segunda generación, o 2GL, lenguajes de bajo nivel que generalmente consisten en lenguajes ensamblados.
•  Los lenguajes de tercera generación, o 3GL, lenguajes de alto nivel como C.
•  Los lenguajes de cuarta generación, o 4GL, son idiomas que consisten en declaraciones similares a las declaraciones en un lenguaje humano. Los lenguajes de cuarta generación se usan comúnmente en la programación de bases de datos y scripts. 
• Los idiomas de quinta generación, o 5GL, son lenguajes de programación que contienen herramientas visuales.

TIPOS DE LENGUAJE DE LA PROGRAMACIÓN: 

Hay 3 tipos de lenguaje de programación:

1. Lenguaje de maquina (lenguaje de bajo nivel)
2. Lenguaje ensamblador (lenguaje de bajo nivel)
3. Lenguaje de alto nivel

Lenguaje de maquina: 

• El lenguaje de la máquina es una colección de dígitos binarios o bits que la computadora lee e interpreta. 
• Los lenguajes de máquina son los únicos idiomas que las computadoras entienden. 
• Aunque las computadoras las entienden fácilmente, los lenguajes de máquina son casi imposibles de usar por los humanos, ya que consisten completa mente de números.
•  Los idiomas de bajo nivel están más cerca del idioma utilizado por una computadora, mientras que los idiomas de alto nivel están más cerca de los idiomas humanos.

Lenguaje ensamblador:

• El problema es que la computadora no comprende el código ensamblador, por lo que necesitamos una forma de convertirlo a código de maquina, que la computadora si entiende.
• Los programas de lenguaje ensamblador se traducen al lenguaje de máquina mediante un programa llamado ensamblador.

Lenguaje de alto nivel:

• Los idiomas de alto nivel nos permiten escribir códigos de computadora usando instrucciones que se asemejan al lenguaje hablado cotidiano (por ejemplo: imprimir, si, mientras) que luego se traducen al lenguaje de máquina para ser ejecutados. 
• Los programas escritos en un lenguaje de alto nivel deben ser traducidos al lenguaje de máquina antes de que puedan ser ejecutados. 
• Algunos lenguajes de programación usan un compilador para realizar esta traducción y otros usan un intérprete.

3. LA PROGRAMACIÓN: Es un proceso que se utiliza para idear y ordenar las acciones que se realizarán en el marco de un proyecto; al anuncio o espectáculo; a la preparación de máquinas para que cumplan con una cierta tarea en un momento determinado; a la elaboración de programas para la resolución de problemas mediante ordenadores, y a la preparación de los datos necesarios para obtener una solución de un problema.

PROGRAMACIÓN EN INFORMÁTICA: En el ámbito de la informática, la programación refiere a la acción de crear programas o aplicaciones, a través del desarrollo de un código fuente, el cual se basa en el conjunto de instrucciones que sigue el ordenador para ejecutar un programa. 

Los programas informáticos suelen seguir algoritmos, que son el conjunto de instrucciones que se encuentran organizadas y relacionadas entre sí de cierta manera y que permiten llegar a la solución de un problema, y que a su vez contienen módulos más pequeños que le aportan detalles más finos. Todo esto a escala de gran complejidad forma parte de la programación informática que permite trabajar al software de los equipos de computación y la cual suele ser llevada a cabo por técnicos o ingenieros en sistemas.

En los comienzos del desarrollo de la programación informática, se utilizaban lenguajes máquina muy básicos y limitados como el sistema binario (uso de los números 0 y 1 en distintas combinaciones); más tarde comenzaron a surgir lenguajes que hacían uso de códigos de palabras, y luego, conjuntos de algoritmos mucho más complejos que se denominaron lenguajes de alto nivel.

4. BASES DE DATOS:  Es un conjunto de datos pertenecientes a un mismo contexto y almacenados sistemáticamente para su posterior uso. En este sentido; una biblioteca puede considerarse una base de datos compuesta en su mayoría por documentos y textos impresos en papel e indexados para su consulta. Actualmente, y debido al desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las bases de datos están en formato digital, siendo este un componente electrónico, por tanto se ha desarrollado y se ofrece un amplio rango de soluciones al problema del almacenamiento de datos.

TIPOS DE BASES DE DATOS:

Hay bases de datos relacionales, como MySQL, SQL Server y Oracle. Como su nombre lo indica utilizan el modelo relacional y siempre es mejor usarlas cuando los datos son consistentes y ya tienen algo planificado.

También existen las NO RELACIONALES, como Mongo DB y Redis, conocidas como NO-SQL (not only SQL). Estas son mas flexibles en cuanto a consistencia de datos y se han convertido en una opción que intenta solucionar algunas limitaciones que tiene el modelo relacional.

Además hay otras BBDD no tan tradicionales, como las basadas en grafos o aquellas que tienen información cartográfica, que pueden servir, por ejemplo, si estás creando un e-commerce para encontrar relaciones entre los productos y las preferencias de los usuarios.

Tener un buen diseño de base de datos desde el comienzo te puede ayudar a ahorrar tiempo. Las bases de datos relacionales y no relacionales se organizan de formas diferentes y trabajan con tipos de datos distintos, así que es importante entender cómo se diseña cada una. En el caso de bases de datos relacionales se trabaja con el estándar SQL, que se usa para actualizar o recuperar datos.

5. SISTEMAS EXPERTOS: Es un sistema de información basado en el conocimiento que usa su conocimiento de un área de aplicación compleja y específica a fin de actuar como un consultor experto para los usuarios finales. Los sistemas expertos proporcionan respuestas sobre un área problemática muy específica al hacer inferencias semejantes a las humanas sobre los conocimientos obtenidos en una base de conocimientos especializados. 

CARACTERÍSTICAS: 

Para que un sistema actúe como un verdadero experto, es deseable que reúna, en lo posible, lo más importante de las características de un experto humano, esto es:

• Habilidad para adquirir conocimiento.
• Fiabilidad, para poder confiar en sus resultados o apreciaciones.
• Solidez en el dominio de su conocimiento.
• Capacidad para resolver problemas.

COMPONENTES DE UN SISTEMA EXPERTO: 

• Separan conocimientos (reglas y hechos) y el procesamiento; se le añade un interfase de usuario y un componente explicativo; los siguiente componentes pueden estar estructurados de formas muy variadas.
• Base de conocimientos: Contiene el conocimiento de los hechos y las experiencias de los expertos en un dominio determinado.
• Mecanismo de inferencia: Puede simular la estrategia de solución de un experto
• Componente explicativo: Explica al usuario la estrategia de solución encontrada y el por qué de las decisiones tomadas.
• Interfase de usuario: Sirve para que este pueda realizar una consulta en un lenguaje lo más natural posible.
• Componente de adquisición: Ofrece ayuda a la estructuración e implementación del conocimiento en la base de conocimientos.

TIPOS DE SISTEMAS EXPERTOS: 

Existen tres tipos de sistemas expertos:

• Basados en reglas: Aplicando reglas heurísticas apoyadas generalmente en lógica difusa para su evaluación y aplicación.
• Basados en casos CBR (Case Based Reasoning): Aplicando el razonamiento basado en casos, donde la solución a un problema similar planteado con anterioridad se adapta al nuevo problema.
• Basados en redes: Aplicando redes bayesianas, basadas en estadística y el teorema de Bayes.

¿PORQUE UTILIZAR UN SISTEMA EXPERTO?: 

Con su ayuda, personas con poca experiencia pueden resolver problemas que requieren un "conocimiento formal especializado". Se pueden obtener conclusiones y resolver problemas de forma más rápida que los expertos humanos. Estos sistemas razonan pero en base a un conocimiento adquirido y no tienen sitio para la subjetividad. Se ha comprobado que tienen al menos, la misma competencia que un especialista humano.

Su uso es especialmente recomendado en las siguientes situaciones:

• Cuando los expertos humanos en una determinada materia son escasos.
• En situaciones complejas, donde la subjetividad humana puede llevar a conclusiones erróneas.
• Cuando es muy elevado el volumen de datos que ha de considerarse para obtener una conclusión.

6. RECONOCIMIENTO DE PATRONES: También llamado lectura de patrones, identificación de figuras y reconocimiento de formas​ consiste en el reconocimiento de patrones de señales. Los patrones se obtienen a partir de los procesos de segmentación, extracción de características y descripción donde cada objeto queda representado por una colección de descriptores. El sistema de reconocimiento debe asignar a cada objeto su categoría o clase (conjunto de entidades que comparten alguna característica que las diferencia del resto). Para poder reconocer los patrones se siguen los siguientes procesos:

1. adquisición de datos
2. extracción de características
3. toma de decisiones

El punto esencial del reconocimiento de patrones es la clasificación: se quiere clasificar una señal dependiendo de sus características. Señales, características y clases pueden ser de cualquiera forma, por ejemplo se puede clasificar imágenes digitales de letras en las clases «A» a «Z» dependiendo de sus píxeles o se puede clasificar ruidos de cantos de los pájaros en clases de órdenes aviares dependiendo de las frecuencias.

SENSOR: El sensor es el dispositivo encargado de la adquisición de datos. Ha de ser capaz de transformar magnitudes físicas o químicas, llamadas variables de instrumentación, en magnitudes eléctricas. Las variables de instrumentación dependen del tipo de sensor y pueden ser por ejemplo: temperatura, intensidad lumínica, distancia, aceleración, inclinación, desplazamiento, presión, fuerza, torsión, humedad, etc.

EXTRACCIÓN DE CARACTERÍSTICAS: Es el proceso de generar características que puedan ser usadas en el proceso de clasificación de los datos. En ocasiones viene precedido por un preprocesado de la señal, necesario para corregir posibles deficiencias en los datos debido a errores del sensor, o bien para preparar los datos de cara a posteriores procesos en las etapas de extracción de características o clasificación.

CLASIFICACIÓN: La clasificación trata de asignar las diferentes partes del vector de características a grupos o clases, basándose en las características extraídas. En esta etapa se usa lo que se conoce como aprendizaje automático, cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender.

7. REDES NEURONALES:  Las Redes Neuronales son un campo muy importante dentro de la Inteligencia Artificial. Inspirándose en el comportamiento conocido del cerebro humano (principalmente el referido a las neuronas y sus conexiones), trata de crear modelos artificiales que solucionen problemas difíciles de resolver mediante técnicas algorítmicas convencionales. 

RED NEURONAL ARTIFICIAL:  son un modelo computacional vagamente inspirado en el comportamiento observado en su homólogo biológico​. Consiste en un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales. La información de entrada atraviesa la red neuronal (donde se somete a diversas operaciones) produciendo unos valores de salida.

Cada neurona está conectada con otras a través de unos enlaces. En estos enlaces el valor de salida de la neurona anterior es multiplicado por un valor de peso. Estos pesos en los enlaces pueden incrementar o inhibir el estado de activación de las neuronas adyacentes. Del mismo modo, a la salida de la neurona, puede existir una función limitadora o umbral, que modifica el valor resultado o impone un límite que se debe sobrepasar antes de propagarse a otra neurona. Esta función se conoce como función de activación.

Estos sistemas aprenden y se forman a sí mismos, en lugar de ser programados de forma explícita, y sobresalen en áreas donde la detección de soluciones o características es difícil de expresar con la programación convencional. Para realizar este aprendizaje automático, normalmente, se intenta minimizar una función de pérdida que evalúa la red en su total. Los valores de los pesos de las neuronas se van actualizando buscando reducir el valor de la función de pérdida. Este proceso se realiza mediante la propagación hacia atrás.

El objetivo de la red neuronal es resolver los problemas de la misma manera que el cerebro humano, aunque las redes neuronales son más abstractas. Las redes neuronales actuales suelen contener desde unos miles a unos pocos millones de unidades neuronales.

Nuevas investigaciones sobre el cerebro a menudo estimulan la creación de nuevos patrones en las redes neuronales. Un nuevo enfoque está utilizando conexiones que se extienden mucho más allá y capas de procesamiento de enlace en lugar de estar siempre localizado en las neuronas adyacentes. Otra investigación está estudiando los diferentes tipos de señal en el tiempo que los axones se propagan, como el aprendizaje profundo, interpola una mayor complejidad que un conjunto de variables booleanas que son simplemente encendido o apagado.

Las redes neuronales se han utilizado para resolver una amplia variedad de tareas, como la visión por computador y el reconocimiento de voz, que son difíciles de resolver usando la ordinaria programación basado en reglas. Históricamente, el uso de modelos de redes neuronales marcó un cambio de dirección a finales de los años ochenta de alto nivel, que se caracteriza por sistemas expertos con conocimiento incorporado en si-entonces las reglas, a bajo nivel de aprendizaje automático, caracterizado por el conocimiento incorporado en los parámetros de un modelo cognitivo con algún sistema dinámico.

8. REVOLUCIÓN DE LOS ROBOTS: En el futuro conviviremos con todo tipo de drones, robots, coches autónomos y otros entes electrónicos. Pero, ¿cuánto falta para que esa ciencia ficción sea parte de nuestro día a día? ¿De qué tareas tediosas o peligrosas nos librarán primero los robots? Para responder a estas preguntas, repasamos las últimas creaciones de los laboratorios y universidades punteros en el mundo. Este es el aspecto que tendrá el futuro… de momento.

1. HUMANOIDES: Pese a su enorme avance en autonomía y capacidades en los últimos años, aún queda mucho para que veamos un auténtico Terminator o C3PO andando por nuestras calles. Los robots diseñados para moverse como nosotros o para utilizar nuestras herramientas son mucho más complicados que aquellos creados para tareas específicas, como los robots de una cadena de montaje. Para estimular el desarrollo de estos humanoides, la agencia encargada del desarrollo tecnológico para uso militar de los EEUU (DARPA, por sus siglas en inglés) ha creado una competición anual dotada con 3,5 millones de dólares en premios.

2. CUADRUPEDOS TODOTERRENO: La naturaleza es una gran fuente de inspiración para la robótica. La evolución ha hecho un gran trabajo para refinar formas eficientes de movimiento y los ingenieros se inspiran en ellas para replicarlas según sus necesidades. Recientemente, ingenieros del Instituto Tecnológico de Massachusetts (MIT) presentaban un asombroso video en el que un robot al que llaman “el guepardo” era capaz de correr y saltar obstáculos de hasta 30 centímetros de alto. Este guepardo lleva ya algunos años en desarrollo, pero cada vez se refinan más sus habilidades. Cuando los ingenieros consideraron que habían desarrollado su velocidad y estabilidad hasta un punto satisfactorio, decidieron ‘enseñarle’ a saltar.

3. PECES (ENTRE OTRAS COSAS BLANDAS): La robótica blanda o “soft robotics” es una disciplina relativamente nueva que también se inspira en los diseños biológicos. En este caso imitando los tejidos blandos para realizar tareas más delicadas o en zonas de difícil acceso a la que los robots rígidos no pueden acceder. La robótica blanda se basa en el uso de nuevos materiales flexibles y aire comprimido u otras técnicas para lograr que los cuerpos blandos de los robots se flexionen y estiren para realizar distintas tareas como arrastrarse a través de grietas en zonas de desastre o agarrar objetos con propiedades cambiantes.

4. INSECTOS, GUSANOS y MOSCAS: Si hay algo que ha inspirado a los fabricantes de robots desde el comienzo de la robótica son los insectos. Sin embargo, en los últimos tiempos gracias a la miniaturización y al desarrollo de nuevos materiales, ya no sólo se parecen a insectos sino que tienen el tamaño de los mismos. Por ejemplo esta mosca/libélula o esta cucaracha desarrolladas por el laboratorio de microrrobótica en la Universidad de Harvard.

Otro ejemplo es esta especie de gusano, llamado Omnitread, desarrollado en la Universidad de Michigan. Este robot está diseñado para moverse a través de terreno extremadamente difícil, como los escombros de edificios en ruinas. También se puede mover por arena, grava o vegetación densa.

5. EXPLORADORES DEL ESPACIO: El espacio es la última frontera tanto para humanos como para robots. De hecho ellos nos llevan ya bastante ventaja, ya que la exploración robótica del Sistema Solar lleva ya varios años en marcha. No hay más que recordar que actualmente hay unos cuantos robots explorando la superficie marciana. Desde hace algún tiempo, la NASA ha planteado el concepto de utilizar robots en sus misiones, bien en solitario o como apoyo a los equipos humanos. Ya en marzo de 2012, enviaron a la Estación Espacial Internacional a un “Robonauta”, llamado R2 al que sometieron a distintas pruebas.

9. IMPLICACIONES: se refiere al hecho de que hay algo «plegado» o doblado en el interior de algo que oculta lo que hay en su interior, de forma que lo interior no es visible o perceptible aunque esté ahí. En su uso común, una implicación es una afirmación que conlleva otra, sin que la segunda deba ser comunicada explícita mente.

La simbolizaremos formalmente como:

${\displaystyle A\Rightarrow B}$

que indica que ${\displaystyle B}$ es una conclusión lógica de ${\displaystyle A}$.

La implicación es contrapuesta al término explicación (del latín explicare), que es el hecho de desplegar lo que está plegado; sacar al exterior, hacer visible, o comprensible, aquello que está “implicado” en el interior de algo que lo hacía oculto o no comprensible.

Es importante no confundir el concepto de implicación lógica con el de condicional material. La confusión es exacerbada porque los símbolos ${\displaystyle A\Rightarrow B}$ y ${\displaystyle A\to B}$ son imprecisa mente usados como equivalentes por muchos, cuando realmente no lo son. Aunque en conversaciones del día a día la diferencia no tiene mayor impacto, la diferencia sutil entre ambos conceptos es significativa en el entendimiento correcto de la lógica proposicional.

DISTINCIÓN ENTRE IMPLICACIÓN Y CAUSALIDAD: Una relación causal requiere un ordenamiento cronológico creciente desde el antecedente hacia el consecuente, que no exige el concepto de implicación lógica

Las siguientes son proposiciones de implicación válidas (y de valor de verdad verdadero) que no exhiben relación causal alguna:

• Es un delfín {V} ⇒ es un mamífero {V}
• 2 es impar {F} ⇒ 2 es par {V}
• Si tengo un peso en el bolsillo {V,F} ⇒ París es la capital de Francia {V}

Un implicación de ${\displaystyle A}$ en ${\displaystyle B}$ es compatible con la implicación de ${\displaystyle B}$ en ${\displaystyle A}$ (A⇔B), mientras que una relación causal de ${\displaystyle A}$ en ${\displaystyle B}$ es incompatible con la relación causal de ${\displaystyle B}$ en ${\displaystyle A}$, la implicación lógica no se debe explicar como una relación causa-efecto, sino como una relación antecedente-consecuente o hipótesis-conclusión. Por consiguiente, no diremos que ${\displaystyle A}$ es una causa y ${\displaystyle B}$ es el efecto esperado de esa causa (incorrecto), expresaremos correctamente que ${\displaystyle B}$ es una conclusión lógica de ${\displaystyle A}$.

DIFERENCIA ENTRE IMPLICACIÓN Y CONDICIONAL: Una precisión para la correcta comprensión del concepto de implicación, es la diferencia entre implicación y condicional. Aunque en el lenguaje ordinario no suele tener importancia esta distinción, en su sentido lógico y científico las diferencias pueden tener un sentido importante.​

Tanto el condicional como la implicación en el cálculo lógico se expresan según el esquema A → B, que puede leerse de dos formas:

    Se Simboliza              Se Lee                                             Ejemplo

         A → B                    Si A, entonces B             Si hoy es martes entoces mañana es miércoles

         A⇒ B                       A implica B                   Hoy es martes por tanto mañana es miércoles  

                                        A por tanto B