1-1 Rev 2020

UNIDAD

I

INTRODUCCIÓN Y CONCEPTOS BÁSICOS

1-2 Rev 2020

1.1 Introducción

Desde tiempos inmemorables el hombre siempre ha

tenido la inquietud de delegar tareas difíciles, ya sea por pesadas, tediosas o repetitivas, lo cual lo ha llevado a desarrollar un sinnúmero de herramientas con el fin de aligerar su carga. En la medida que dichas herramientas se asemejan o copian la manera en la que el hombre soluciona sus problemas se habla de Sistemas Inteligentes ó Sistemas con Inteligencia Artificial (I.A.).

1-3 Rev 2020

1.1.1 Definición de la Inteligencia Artificial La I.A. se define como la ciencia que estudia las funciones cognoscitivas del ser humano para su aplicación en el diseño de máquinas. Otra definición aceptable también es, que la I.A. es el estudio de cómo hacer que las computadoras hagan cosas en las cuales hasta hoy el hombre es mejor.

1-4 Rev 2020

1.2 Elementos de Inteligencia

Aun cuando a estas alturas ya contamos con una definición formal de la I.A., es conveniente que definamos el concepto de Inteligencia en términos generales, dado que sobre esta definición girarán algunas suposiciones posteriores. Básicamente podemos definir la Inteligencia en dos bloques funcionales: Razonamiento y Conocimiento, interconectados como se muestra a continuación en la Figura de abajo:

RAZONAMIENTO CONOCIMIENTO

1-5 Rev 2020

Ambos elementos cuya interdependencia en los esquemas de inteligencia humana es evidente, se encuentran completamente separados en los modelos artificiales cuya analogía se muestra en la Figura de abajo.

Las equivalencias Razonamiento / Procesamiento y

Conocimiento / Datos de los modelos Humano / Artificial son solamente un esquema simulado ya que por un lado el razonamiento tiene una naturaleza heurística (concepto que será ampliamente descrito en unidades posteriores),

PROCESAMIENTO DATO

1-6 Rev 2020

mientras el procesamiento es de naturaleza algorítmica. Asimismo, el conocimiento se localiza a través de conexiones neuronales mientras que los datos se localizan por medio de direcciones. Estas diferencias se han convertido en una limitación para el desarrollo de sistemas inteligentes, sin embargo, en la medida que los esquemas artificiales se asemejen a los humanos estaremos hablando de Sistemas Inteligentes reales.

Existen otros elementos asociados con la inteligencia

que son de carácter emocional entre los que podemos mencionar:

* Creatividad

1-7 Rev 2020

Sensibilidad uinas

"¿Qué es un paradigma?

Revisar el siguiente documento

http://uat.gustavoleon.com.mx/Como nace un paradigma.ppsx

◙

1-8 Rev 2020

¿Cómo nace un Paradigma?

La máquina no puede pensar, hace sólo lo que el hombre le dice.

"Un grupo de científicos colocó cinco monos en una jaula, en cuyo centro colocaron una escalera y, sobre ella, un montón de bananos. Cuando un mono subía la escalera para agarrar los bananos, los científicos lanzaban un chorro de agua fría sobre los que quedaban en el suelo.

1-9 Rev 2020

Después de algún tiempo, cuando un mono iba a subir la escalera, los otros lo agarraban a palos.

Pasado algún tiempo más, ningún mono subía la escalera, a pesar de la tentación de los bananos. Entonces, los científicos sustituyeron uno de los monos. La primera cosa que hizo fue subir la escalera, siendo rápidamente bajado por los otros, quienes le pegaron. Después de algunas palizas, el nuevo integrante del grupo ya no subió más la escalera.

Un segundo mono fue sustituido, y ocurrió lo mismo. El primer sustituto participó con entusiasmo de la paliza al novato. Un tercero fue cambiado, y se repitió el hecho. El cuarto y, finalmente, el último de los veteranos fue sustituido.

1-10 Rev 2020

Los científicos quedaron, entonces, con un grupo de cinco monos que, aun cuando nunca recibieron un baño de agua fría, continuaban golpeando a aquel que intentase llegar a los bananos.

Si fuese posible preguntar a algunos de ellos por qué le pegaban a quien intentase subir la escalera, con certeza la respuesta sería:

«No sé, las cosas siempre se han hecho así, aquí...» ¿le suena conocido?"

Es que solo por el hecho que siempre se han hecho así las cosas, ¿es esa la mejor forma de hacerlas?

La obsolescencia total en informática, es de 5 años, ¿por qué entonces, no revisamos los procesos que posiblemente tienen muchos más años?

1-11 Rev 2020

Joel Arthur Barkeren en su libro "Paradigmas el

negocio de descubrir el futuro", define paradigma como:

«Un conjunto de reglas y disposiciones (escritas o no) que hace dos cosas: establecer o definir límites, e indicar cómo comportarse dentro de tales límites para tener éxito, al cual se mide por la habilidad para resolver problemas»

1-12 Rev 2020

En cierto sentido, un paradigma indica la existencia de

un juego, en qué consiste y cómo jugarlo con éxito de acuerdo con las reglas establecidas. Un cambio paradigmático es, por tanto, un cambio hacia un nuevo juego, un nuevo conjunto de reglas. Pero más importante que conocer esas nuevas reglas, es conocer qué fue lo que dio lugar al cambio; no hay que esperar a que las tendencias se desarrollen, sino buscar a las personas que están enredándose con las reglas, porque esa es la primera señal de un cambio importante.

Durante mucho tiempo diseñadores e ingenieros en el área de sistemas de cómputo, han cerrado todas las posibilidades hacia el concepto de que pudieran construirse máquinas con inteligencia autónoma,

1-13 Rev 2020

equiparables con la mente humana. Esta barrera ha retardado el desarrollo de sistemas inteligentes por varias razones:

* Limitaciones teóricas * Limitaciones tecnológicas * Limitaciones éticas

1-14 Rev 2020

1.3.1 Limitaciones Teóricas

En general se puede decir que el conocimiento teórico es aquel que está basado en el método científico

1-15 Rev 2020

En términos de Inteligencia Artificial, se refiere al hecho de la limitación que existe para implementar I.A. en virtud de la falta de conocimiento científico, en específico del cerebro humano, que sería el punto focal para el desarrollo de la misma.

1-16 Rev 2020

1.3.1.1 Proyecto Conectoma Humano El proyecto Conectoma Humano (HCP) forma parte de

los grandes proyectos de la Humanidad, como lo han sido la Conquista del Espacio y el proyecto Genoma Humano.

La factibilidad de conocer la estructura y funcionamiento de especies animales de menor

1-17 Rev 2020

complejidad que la humana, como son las del gusano Caenorhabditis elegans que posee 302 neuronas realizada por Sydney Brenner (Premio Nobel de Medicina 2002) y el cerebro de ratones mediante la tecnología de Brainbow desarrollada por Jeff Lichtman (Premio Nobel de Química 2008) ha conducido a realizar el desafío de establecer el mapa de las conexiones neuronales del cerebro humano.

Nuestro cerebro se suele dividir en varios cientos de pequeñas áreas a las que se atribuyen funciones altamente especializadas. Vistas bajo el microscopio, muchas de estas áreas, que tienen un ancho de centímetros, presentan patrones de células claramente visibles. Cada una de estas áreas está conectada por millones de proyecciones neuronales con forma de hilo, llamados axones, que corren en paralelo, enrollándose

1-18 Rev 2020

para formar lo que parece un cable grueso de fibra óptica. Se estima que nuestro cerebro posee 176.000 km de axones. El cerebro funciona en base a procesos y estos procesos tienen lugar porque existen estas conexiones entre áreas especializadas. Se postula la existencia de columnas neuronales de conexión que contienen 60.000 neuronas y que en nuestro cerebro existirían alrededor de 50 millones de estas columnas.

El Proyecto Conectoma Humano pretende establecer los circuitos del cerebro humano en 1.200 adultos sanos, utilizando métodos de avanzados de neuroimagen no invasiva, como son la obtención de imágenes de Resonancia Magnética por difusión (dMRI)o Funcionales (fMRI). Estas técnicas permiten obtener imágenes realmente espectaculares del cerebro funcionando en vivo

1-19 Rev 2020

Sitio oficial del proyecto Human Connectome Project:

http://www.humanconnectome.org/about/project/

1.3.1.2 B.R.A.I.N En este sentido, los Estados Unidos a través del

presidente en función en el 2013, Barack Obama, ha lanzado una iniciativa con la mira de obtener el conocimiento teórico suficiente del cerebro humano.

1-20 Rev 2020

El programa, denominado Investigación del Cerebro a través de Neuro tecnologías Innovadoras Avanzadas (BRAIN - Brain Research through Advancing Innovative Neurotechnologies, por sus siglas en inglés), será financiado con un presupuesto inicial de100 millones de dólares, proyectados para el año fiscal 2014 de la administración del presidente Obama.

"La Iniciativa BRAIN acelerará el desarrollo y aplicación

de nuevas tecnologías que permitirán a los investigadores producir fotos dinámicas del cerebro que muestren cómo las neuronas individuales y los complejos circuitos neurológicos interactúan a la velocidad del pensamiento", dijo la Casa Blanca en un comunicado.

1-21 Rev 2020

"Estas tecnologías abrirán nuevas puertas para explorar cómo el cerebro registra, procesa, usa, almacena y recuerda grandes cantidades de información, y arrojará luz sobre las complejas relaciones entre el funcionamiento cerebral y la conducta", añadió.

Según los científicos que desarrollan el proyecto, este esfuerzo promoverá tecnologías que permitan que los investigadores produzcan imágenes dinámicas del cerebro en las cuales pueda verse cómo las células individuales y los complejos circuitos de neuronas interactúan a la velocidad del pensamiento.

Sitio oficial del proyecto BRAIN:

http://www.nih.gov/science/brain/

1-22 Rev 2020

BRAIN es una especie de continuación del Proyecto “Conectoma Humano”

1.3.1.2.1 Rafael Yuste Rafael Yuste (n. Madrid;

1963) es un neurobiólogo español, ideólogo del proyecto BRAIN. Vive en la ciudad de Nueva York desde la década de los ochenta. Allí, como catedrático de la Universidad de Columbia (EE UU), investiga todos los secretos del cerebro; de hecho, Yuste es, según la

1-23 Rev 2020

revista Nature, uno de los científicos más influyentes del mundo. Sus ideas han seducido hasta la Administración Obama, que tiene previsto invertir unos 2.000 millones de dólares en la iniciativa BRAIN que él ideó, para mapear el cerebro humano.

1.3.1.3 Proyecto del Cerebro Humano

1-24 Rev 2020

A principios del 2013, La Comunidad Europea lanzó

una iniciativa similar denominada “El Proyecto del Cerebro Humano” (Human Brain Project), con un presupuesto inicial de 500 millones de Euros cuya meta es muy similar a la de la iniciativa BRAIN propuesta posteriormente por los norteamericanos.

Sitio oficial del proyecto HBP:

https://www.humanbrainproject.eu/

1-25 Rev 2020

Ejercicio 1.a Ver y discutir en clase la entrevista de Rafael Yuste, del

Proyecto BRAIN- “Mapear el cerebro es el mayor desafío de la ciencia” y emitir una lista de puntos importantes así como una conclusión acerca de las declaraciones

1-26 Rev 2020

1.3.2 Limitaciones Tecnológicas Una vez que los conceptos teóricos se muestran

sólidos, la siguiente etapa consiste en desarrollar mecanismos prácticos o modelos que físicamente lleven a cabo el trabajo inteligente en el mundo real. En muchos de los casos dichos modelos no pueden ser implementados ya sea porqué los dispositivos físicos no han sido desarrollados lo suficiente, porque las dimensiones en volumen los hacen imprácticos o simplemente su costo los hace prohibitivos para su implementación.

1-27 Rev 2020

1.3.3 Limitaciones Éticas

Este es el paradigma al que por lo general la humanidad se tiene que enfrentar cuando se encuentra en el parteaguas de ciencias emergentes tal y como ha sucedido con la Ingeniería Genética en épocas recientes (por citar un ejemplo actual). Se requiere romper con el “status quo” que mantiene las cosas como se han tenido por décadas, siglos o desde siempre.

El género humano no acepta que pueda una entidad artificial igualar o en algunos casos superar lo que durante mucho tiempo fue su característica exclusiva que es la de razonar y emitir juicios basado en la comprensión y entendimiento de las situaciones cotidianas y no admite que baja ciertas circunstancias pueda verse rebasado por

1-28 Rev 2020

dichas entidades. Las generaciones de principios del siglo XXI tendrán que vencer el paradigma para verdaderamente generar una difusión de dicho concepto y tener un panorama más abierto y ampliamente aceptado de que una entidad artificial pueda desarrollar funciones cognoscitivas equivalentes a la del ser humano.

1-29 Rev 2020

Ejercicio 1.b Formar equipos de trabajo bajo la dirección del instructor, proporcionando 3 ejemplos de cada una de las 3 limitaciones que conforman el paradigma de las máquinas.

Tiempo : 15 minutos para discusión en grupo. 15 minutos para unificación de criterios en el grupo.

Limitaciones teóricas

Limitaciones tecnológicas

Limitaciones éticas

1-30 Rev 2020

1.4 Antecedentes Históricos

1.4.1 Década 50’s En la década de los 50's se generó un interés especial

por parte de los Pedagogos y Psicólogos, por encontrar los métodos generales de solución de problemas con el fin de que estos métodos se pudieran enseñar a los estudiantes y con ellos se mejorara su preparación. Se había observado ya en aquel entonces que las personas aun conociendo toda la información necesaria para resolver correctamente un problema (definiciones, fórmulas, métodos, etc.) son muchas veces incapaces de conseguirlo, realizando con frecuencia razonamientos defectuosos, así como

1-31 Rev 2020

conclusiones erróneas. Como preámbulo a inicios de los 50’s Alan Touring propone un método para evaluar la inteligencia de una máquina y que es descrito en la sección 1.5.

El nacimiento de la Inteligencia artificial se relaciona principalmente a la:

Conferencia Darmouth en el año de 1956, donde Newell, Shaw y Simon presentaron sus programas para demostrar las proposiciones lógicas Logical Theorist.

La expresión Inteligencia Artificial la propuso en aquel mismo año por John McCarthy. En los años siguientes a 1956 se

1-32 Rev 2020

dieron las condiciones para el desarrollo del primer programa demostrador de teoremas basado en lógica proposicional. “Logic Theorist 1956 (Newell/Simon)” demostró 38 de 52 teoremas de “Principia Mathematica” de de Whitehead y Russel.

(General Problem Solver, por Newell,

Shaw y Simon en 1957). Los primeros estudios se realizaron con problemas de resolución geométrica, sin embargo, las limitaciones tecnológicas de la época tanto en Hardware como el Software fueron evidentes. Es decir, los conceptos acerca del funcionamiento de la inteligencia

1-33 Rev 2020

rebasaron a la tecnología de la época, por lo que su implementación fue impráctica.

1.4.2 Década 60’s En la década de los 60's con la llegada del lenguaje LISP

se dio uno de los primeros pasos para avanzar dentro de los terrenos de la I.A. Sin embargo, los sistemas desarrollados sólo eran simuladores de aplicaciones específicas que distan todavía de nuestra definición de la IA. LISP, desarrollado por McCarthy en 1959 y publicado en 1962 es un lenguaje que reconoce solamente dos tipos de entidades, átomos y listas; la lista es una estructura en árbol binario. El

1-34 Rev 2020

LISP no distingue entre procedimientos y datos y es muy modular, es muy fácil de añadirle reglas o conocimientos. Esta última cualidad permitió su rápida adopción por los investigadores de IA durante la década de los 60’s. En esta década se sentaron los

principios básicos de la investigación en las estructuras en árbol,

así como el movimiento de ideas empleadas actualmente en la resolución de problemas y los sistemas expertos.

Los textos Herbert Simon y Allen Newell (1972) y Nils J. Nilsson(1971) marcan el final de este período. Los

1-35 Rev 2020

principales métodos en estructura de árbol, que todavía se emplean hoy en los programas de sistemas expertos, estaban ya disponibles en aquel tiempo. Pero las realizaciones de los investigadores se concentraron especialmente en problemas fáciles de describir, pero muy

1-36 Rev 2020

complejos de resolver, por ejemplo, el juego del ajedrez o la demostración de teoremas matemáticos. Precisamente lo que ha llegado a ser el principal campo de aplicación de la IA son los problemas imprecisamente definidos que constan de un gran número de reglas y de hechos, pero de una complejidad estratégica limitada, no habían sido abordados en aquel tiempo. Los investigadores comenzaron a considerar problemas que eran simples de describir donde todo era conocido con certidumbre y donde tenía que construirse una profunda y potencialmente amplia estructura de árbol.

En la década del 60 se comienza en el MIT el estudio de la visión artificial, lo cual implica no solo captar imágenes a través de una cámara, sino también la comprensión, por parte del ordenador, de lo que estas imágenes representan.

1-37 Rev 2020

Un resultado importante en este trabajo lo constituye el "mundo de micro-bloques", en el cual un robot era capaz de percibir un conjunto de bloques sobre una mesa, moverlos y apilarlos; el éxito se debió a los investigadores Larry Roberts, Gerald Sussman, Adolfo Guzman, Max Clowes, David Huffman, David Waltz, Patrick Winston, y Berthold Horn.

1.4.3 Década 70’s En la década de los 70's los programas e investigaciones

se enfocan hacia la naturaleza del conocimiento. Investigadores de distintas procedencias (informática, psicología filosofía y matemáticas) intentan determinar lo

1-38 Rev 2020

que es el conocimiento. Después de la manera más natural, dirigen su atención a la más compleja de las formas del conocimiento, es decir, a la que es inexacta, mal definida e implícita, en otras palabras: el sentido común del hombre de la calle.

En esta década (70’s) se desarrollan los primeros lenguajes orientados a la I.A. (ver Tabla “Lenguajes Orientados a la Inteligencia Artificial”).

1-39 Rev 2020

En esta década los investigadores sintieron la necesidad de enriquecer el LISP y de diseñar lenguajes en los que el control del razonamiento deductivo fuese fácil de escribir y de comprobar, siendo éste el período en el que surgen

los primeros lenguajes orientados a objetos como son el SIMULA-67 (Dhal, Myhrhaug, Nygaard, 1970) y SMALLTALK-72 de Xerox (Kay, 1976) que es el primero y genuino lenguaje orientado a objetos.

1-40 Rev 2020

Es en esta época cuando surge también la primera generación de sistemas expertos que se constituyeron en los antecesores de los actuales sistemas inteligentes.

Dos grandes éxitos de sistemas desarrollados en la década de los 70's son

PROSPECTOR desarrollado por Standford Research Institute (Duda & Hart) en 1974, que ha ayudado a la detección de importantes yacimientos minerales.

Este sistema experto dio mucho de qué hablar, al ser la clave para el descubrimiento de un yacimiento de Molibdeno

1-41 Rev 2020

cuyo valor en su tiempo fue estimado en alrededro de 100 millones de dólares.

Y el sistema MYCIN(Shortliffe)

diseñado en la Universidad de Standford en el año de 1977 el cual es un sistema de diagnóstico de enfermedades infecciosas de orden bacteriano.

1.4.4 Década 80’s En la década de los 80’s se comenzaron a comercializar

los Sistemas Expertos. El primer sistema comercial denominado R1 (McDermott, Digital Equipment

1-42 Rev 2020

Corporation1982), se utilizaba en la elaboración de pedidos de nuevos sistemas de cómputo. Esto en 1986 representó un ahorro de 40 millones de dólares anuales. En esta misma década de los 80’s se retomaron conceptos y teorías sobre Redes Neuronales para convertirse en una de las fuentes más promisorias en busca de la Inteligencia Artificial. Un ejemplo de este concepto fueron las redes de Hopfield diseñadas por John Hopfield

El lenguaje de programación Python fue creado a finales

de los ochenta por Guido van Rossum en el Centro para las Matemáticas y la Informática (CWI, Centrum Wiskunde & Informatica), en los Países Bajos, como un sucesor del lenguaje de programación ABC, capaz de manejar

1-43 Rev 2020

excepciones e interactuar con el sistema operativo Amoeba.3.

Python es un lenguaje de programación interpretado cuya filosofía hace hincapié en una sintaxis muy limpia y que favorezca un código legible. Se trata de un lenguaje de programación multiparadigma, ya que soporta orientación a objetos, programación imperativa y, en menor medida, programación funcional. Es un lenguaje interpretado, usa tipado dinámico (habilidad de que una misma variable pueda tomar valores de distinto tipo en distintos momentos) y es multiplataforma.

1.4.5 Década 90’s

1-44 Rev 2020

En la década de los 90’s nuevas técnicas fueron probadas como los Modelos de Markov Ocultos y los Algoritmos Genéticos, destacando El Sistema Experto “Deep Blue” que en 1997 ha derrotado al más grande ajedrecista de nuestros tiempos: Gary Kasparov, lo cual ha sido considerado como uno de los más grandes logros de la IA hacia el final del siglo XX.

En los 80's y los 90's también se han dado cambios

significativos debido al vertiginoso avance en la parte de hardware de los sistemas. El alto grado de integración y la

1-45 Rev 2020

reducción del costo en este renglón han permitido desarrollar nuevas técnicas y poner en práctica viejas teorías.

Ejercicio 1.c

Ver el video de Kasparov vs. Deep Blue

Formar equipos de trabajo según instrucciones del profesor y analizar los paradigmas mostrados en el video.

1.4.6 Década 00’s

1-46 Rev 2020

En esta Primera década del siglo 21 se ha generado un debate en dos grandes corrientes una denominada “neats" y otra llamada “scruffies”. Mientras los “neats” buscan y demuestran con métodos científicos y desarrollan descripciones formales, los “scruffies” se apoyan en técnicas empíricas y tratan de simplificar la disciplina con explicaciones más directas sin palabras rebuscadas ni complicaciones.

En esta década es también en la cual tiene un gran auge

un nuevo concepto relacionado con la IA denominado, Vida Artificial (VA).

La vida artificial pretende crear vida mediante la imitación de procesos y comportamientos de los seres humanos, todo esto con el objetivo de solucionar problemas del mundo real.

1-47 Rev 2020

La vida artificial que tienen como objetivo la aplicación del conocimiento sobre el funcionamiento de cierto fenómeno el cual se denomina de una manera genérica: vida, y su aplicación dentro de la investigación y desarrollo de ciertas tecnologías. Esta ya es una nueva disciplina, a la cual se aplicarán principios biológicos a sistemas computacionales ya que promete ser la rama más importante y revolucionaria en cuanto a la tecnología.

Las aplicaciones de la vida artificial se pueden

encontrar en alguno de estos casos:

• Los sistemas complejos adaptativos, que han dado

paso a una nueva generación de sistemas expertos, que son capaces de aprender y evolucionar.

1-48 Rev 2020

• Los autómatas celulares, que imitan funciones de los

organismos celulares en programas complejos, aplicando el conocimiento biológico de los mismos a principios prácticos de organización en sistemas de cómputo.

• Los agentes autónomos que son cada día más usados

en aplicaciones de búsqueda.

• En el conocimiento de comportamientos adaptativos,

para el desarrollo de robots adaptativos.

• La computación cuántica, que a través del uso de las

propiedades cuánticas de los átomos y sus desplazamientos, posibilitará una nueva forma de cálculos binarios.

1-49 Rev 2020

En muchos campos de la vida artificial se plantea dos tipos de simulaciones las cuales ayudan a una toma de decisión en el mundo real las cuales son:

1. La primera de ellas está basada en la realidad,

centrándose en los aspectos “a más alto nivel” de

cada problema utilizando fórmulas y reglas o hechos históricos que ayudan a la toma de decisiones. Un ejemplo de esto pueden ser las fórmulas del tiro parabólico ya que estos pueden entenderse como modelos de simulación.

2. La segunda también está basada en la realidad,

poniendo atención en los aspectos “a más bajo nivel”, mediante fórmulas o reglas, una de las

ventajas de este tipo de simulaciones es que sus

1-50 Rev 2020

características son más sencillas, ya que suelen ser más fáciles de detectar.

1.4.6 Década 10’s

En nuestra década actual, un evento relevante ha sido, la competencia entre una supercomputadora creada por IBM (nuevamente) y que denominaron “Watson” (en honor al primer presidente y fundador de la compañía), y dos humanos sobresalientes en el tipo de desafío en el que se enfrentaron.

1-51 Rev 2020

1-52 Rev 2020

A lo largo de tres días en febrero de 2011, para probar las capacidades reales de la máquina, se llevó a cabo una partida especial de dos juegos en el concurso de televisión estadounidense Jeopardy, derrotando a sus dos oponentes humanos: Brad

Rutter, el mayor ganador de dinero en toda la historia del programa, y Ken Jennings, el poseedor del récord por la racha más larga de campeonatos (después de haber ganado en 75 programas).

1-53 Rev 2020

Watson consistentemente superó a sus oponentes humanos en el dispositivo de señalización empleado por el juego, aunque tuvo problemas en responder a algunas (realmente pocas) categorías, notablemente compuestas de pistas cortas con pocas palabras. Para cada pista, las respuestas más probables de Watson fueron mostradas por la pantalla de televisión. Watson tuvo acceso a 200,000,000 páginas de contenido, estructurado y no estructurado, que consumió cuatro terabytes de almacenamiento en disco, incluyendo el texto completo de la Wikipedia en inglés. Watson no fue conectado al Internet durante el juego.

También podemos incluir como parte de la cronología de la década 10’s las iniciativas para desarrollar el Conectoma Humano, mencionadas en la sección anterior correspondiente a los Paradigmas de la I.A.

1-54 Rev 2020

Ejercicio 1.d

Ver el video “IBM Watson en Jeopardy”.

Formar equipos de trabajo según instrucciones del profesor y comparar el desempeño de Watson comparado con Deep Blue.

1.5 Prueba de Turing

Una de las preguntas más importantes a resolver por cualquier científico o investigador en un proyecto, es la determinación de si éste ha sido exitoso. La Inteligencia Artificial no es la excepción. ¿Cómo

1-55 Rev 2020

sabremos si hemos construido una máquina inteligente? En 1950, Alan Turing propuso el siguiente método para

determinar si una máquina puede pensar o no. Este método ha sido denominado como

Prueba de Turing. Para efectuar este

método, se necesitarán dos personas y la máquina que va a ser evaluada.

Una de las personas

1-56 Rev 2020

jugará el papel de interrogador. El interrogador puede hacer preguntas ya sea a la persona o a la computadora tener conocimiento de cual es cual. El interrogado sólo puede identificarlos como A ó B y su tarea será la de determinar cuál de ellos es la persona y cual la máquina. La meta de la máquina es engañar al interrogador para hacerlo creer que es la persona. Si la máquina tiene éxito en esto, se concluirá en que la máquina puede pensar. A la máquina se le permite prácticamente cualquier cosa. Por ejemplo, si es interrogada sobre la pregunta “¿Cuánto es 12,324 por 73,981?”, podría tardarse algunos minutos en responder.

Nuestras conclusiones al respecto de la prueba de Turing son:

• Su naturaleza empírica la limita a un nivel básico

1-57 Rev 2020

• No existe una medición de la magnitud de Inteligencia que una máquina posee

Por su sencillez, no requiere de demostraciones ni justificaciones.

1.5.1 Premio Loebner

El Premio Loebner es una competencia anual que concede premios a un programa de computadora que esté considerado por el jurado que lo compone, como el más inteligente de los que se han presentado. El formato de la competencia sigue el estándar establecido en la prueba de Turing. Un juez humano se enfrenta a dos pantallas de

1-58 Rev 2020

computadora, una de ellas que se encuentra bajo el control de un sistema de cómputo, y la otra bajo el control de un humano. El juez plantea preguntas a las dos pantallas y recibe respuestas. En base a las respuestas, el juez debe decidir qué pantalla es la controlada por el ser humano y cuál es la controlada por el programa de computadora.

Ejercicio 1.e

Formar equipos de trabajo según instrucciones del profesor y responder a los siguientes cuestionamientos:

¿Es la Inteligencia humana perfecta?

1-59 Rev 2020

¿Es la Inteligencia humana superior a la de las máquinas? ¿En qué aspectos si, y en qué aspectos, no?

¿Sería deseable duplicar solamente aspectos positivos de la Inteligencia humana o los negativos también?

¿Son las emociones parte de la inteligencia o un hecho separado de ella?

¿Cuáles considera que son los hechos de la Inteligencia Artificial y lo que pudiera representar una ficción?

Ejercicio 1.f Se otorgará un punto extra acreditable al primer examen

teórico, para aquellos que coloquen una pregunta de la sección 1.4 (Antecedentes históricos) de esta unidad como

1-60 Rev 2020

post en muro del facebook de la materia. Para acreditarse el punto alguien diferente debe de contestar correctamente la pregunta en cuyo caso el que responda tendrá también un punto extra. El máximo de puntos acreditables por alumno es de 5. En la página http://uat.gustavoleon.com.mx pueden encontrar la liga así como la fecha límite para completar el ejercicio.