Академический Документы
Профессиональный Документы
Культура Документы
Resumen
La Inteligencia Artificial (IA) es un rea de estudio relativamente nueva y excitante que
intenta resolver problemas que involucran al razonamiento. Hasta ahora, IA ha sido exitosa
en algunos dominios de inters muy especficos, en los cuales tpicamente, las funciones
ms altas del razonamiento son requeridas. Algunos avances han sido muy impresionantes,
tal como jugar ajedrez, cruzamiento de datos en minera de datos, visin en cmaras
porttiles para deteccin de caractersticas tales como caras, reconocimiento de voz,
navegacin por Sistema de Posicionamiento Global (Global Positioning System o GPS),
reconocimiento de patrones y clasificacin, consejos de experto en dominios de inters muy
especficos, entre otros. Sin embargo, ha sido hasta ahora imposible duplicar el sentido
comn y algunas de las habilidades de llamado sentido comn que los nios desarrollan
cuando son jvenes (incluso bebs). Este ensayo intenta explorar lo que se ha hecho en IA
y lo que promete el futuro: habr alguna vez una mquina verdaderamente inteligente (y
consciente)?
Palabras clave
Inteligencia Artificial, mente, inteligencia, cognicin, computadoras, tecnologa.
1. Introduccin
La Inteligencia Artificial (IA) es un rea de estudio relativamente nueva y excitante. Puede
decirse que la inteligencia artificial comenz con la definicin de Alan Turing (Turing,
1950) de la llamada Prueba de Turing que era un experimento en el cual una mquina
presumiblemente inteligente es probada en contra de un ser humano igualmente inteligente.
En este experimento, la mquina presumiblemente inteligente es puesta dentro de un cuarto
y el ser humano es puesto en otro cuarto. Luego, sujetos experimentales interactan tanto
con la mquina como con el ser humano (el mtodo de interaccin no es importante, puede
ser texto escrito, voz, o cualquier otro mecanismo apropiado). Si, estadsticamente
-1-
El argumento del Cuarto Chino, desarrollado por Searle (1980) como un experimento
mental, y la derivacin asociada (Searle, 1984), intenta mostrar lo absurdo de que una
computadora jams entienda algo. En el argumento del Cuarto Chino, una persona que
habla ingls es puesta dentro del cuarto. Esa persona tiene un libro muy detallado, escrito
en ingls (el cual la persona puede entender) de instrucciones, de forma tal que para cada
entrada posible dada en chino, la persona puede seguir el libro (esto es, el programa) para
generar una respuesta razonable tambin en chino. Entiende la persona chino? Claramente,
la respuesta es no, dado que la persona no sabe una sola palabra (o ms bien un solo
carcter) de chino. Pero luego, viene la pregunta difcil. El cuarto (como un sistema)
entiende chino? De acuerdo a Minsky (1988) el cuarto, como un sistema (el dira como una
agencia en una sociedad de agentes) s lo entiende.
-2-
mente humana (y posiblemente otras mentes, tales como delfines, ballenas, orangutanes,
gorilas, monos, y quiz incluso toda cosa viva, incluyendo las plantas recurdese que las
plantas carnvoras pueden moverse rpidamente y reaccionar a su ambiente) est
automticamente ligado a un alma (e incluso quiz a un espritu)? Tendra una mquina
inteligente un alma artificial? Estas preguntas son ms difciles de responder, porque hay
mucho que se desconoce acerca del cerebro humano.
Por otro lado, hay algunos que parecen ser ms optimistas. Franklin (2001) y los
colaboradores en el Centro de Investigacin en Computacin Cognitiva (Cognitive
Computing Research Center) han desarrollado lo que llaman el Agente de Aprendizaje
Integrado Distribuido (Learning Integrated Distributed Agent LIDA), el cual segn
claman posee las caractersticas bsicas requeridas para la consciencia, al trabajar como un
operador de la Marina, el cual se desempea tomando decisiones autnomas respecto a
asignaciones de personal de la Marina. Sin embargo, se podra argir que su programa no
es ms que algo parecido al programa del psiclogo. Sin embargo, ellos desarrollaron un
modelo del funcionamiento del programa bastante complejo, el cual, eventualmente en un
futuro quiz no tan distante como algunos podran pensar, podra ser til.
-3-
MIPS son Millones de Instrucciones por Segundo; 100 millones de MIPS son 100 trillones de instrucciones
(1014) por segundo, el equivalente de hacer 100 trillones de sumas al segundo.
2
La computacin cuntica es un enfoque diferente y muy prometedor, que quiz podra concretar la
programacin paralela y un nuevo tipo de computadoras.
-4-
Figura 1. Evolucin del poder de computadora entre el costo a lo largo de los aos.3
Penrose (1989) argumenta que hay una falta de una revelacin fundamentalmente
importante en la fsica, sin la cual nunca podremos comprender la mente. Ms an, el
sugiere, que esta revelacin puede ser la misma requerida antes de que una teora unificada
de todo (en Fsica) pueda ser escrita4. As pues cules son las alternativas y las posibles
tecnologas y teoras que pueden ser puestas en uso? Este ensayo trata precisamente con
este tema. Cul es el futuro de la IA?
-5-
computadoras universales. Ntese las posiciones relativas de los clculos manuales, una
computadora casera de 1965, una computadora casera de 1996 y una supercomputadora de
teraflops de 1996. Tambin ntese las diferentes posiciones de diferentes tecnologas tales
como un libro, un Disco Compacto (CD), la Librera del Congreso, y canales auditivos y de
video. Finalmente, ntese la posicin relativa de una lombriz, una araa, un lagarto, un
mono, una ballena, un elefante y un ser humano.
Figura 2. Capacidad de almacenamiento contra poder de procesamiento.5
2. El Cerebro Humano
Se calcula que el cerebro humano contiene aproximadamente entre 1011 y 1012 neuronas
(entre 100 y 1,000 billones de neuronas). De acuerdo a Minsky (1988) hay
aproximadamente 100 diferentes tipos de neuronas, cada una conectada con entre 1,000 y
10,000 otras neuronas (102 a 103 conexiones). As que eso significa que hay
aproximadamente entre 1013 y 1015 sinapsis. (Una sinapsis es una conexin entre una
neurona y otra.)
-6-
El componente elemental ms importante del cerebro humano es la neurona (ver Figura 3).
La neurona tiene dendritas, las cuales reciben impulsos nerviosos de neuronas anteriores
(neuronas previamente conectadas en el circuito neuronal). Luego acta agregando todos
los impulsos recibidos, los cuales pueden ser excitatorios o inhibitorios, dependiendo de la
carga de los iones que entren o salgan de la neurona. Por defecto, la neurona mantiene un
voltaje de aproximadamente -70 mV al filtrar hacia fuera K+. Si iones positivamente
cargados (Ca++ o Na+) entran a la neurona y la carga total excede un lmite dado (+55 mV),
una carga elctrica pasa a travs del axn a los botones terminales al final del axn. Estos
botones terminales estn conectados (en una sinapsis) a otras neuronas. Dependiendo de la
fuerza relativa de la sinapsis establecida por la neurona con su neurona subsiguiente, la
sinapsis puede o no desencadenar otra salida excitatoria en la siguiente neurona. Si, por el
otro lado, la neurona recibe en sus dendritas iones cargados negativamente (Cl-), puede
haber una respuestas inhibitoria, lo cual significa que la neurona no ser capaz de responder
por un rato, incluso si luego recibe entradas excitatorias (OReilly & Munakata, 2000). Hay
otro tipo de clula en el cerebro: las clulas gliales. Estas clulas se presume que funcionan
-7-
como las clulas que proveen sostenimiento qumico a las neuronas. Sin embargo, tambin
pudieran jugar un rol en el proceso de pensamiento, el cual es hasta la fecha desconocido.
Para complicar an ms el escenario, est todo el proceso bioqumico del ADN-ARN
(cido Desoxiribonucleico y cido ribonucleico, que es ADN mensajero), el cual ha sido en
parte mapeado por algunos investigadores que claman tener alguna idea de los procesos
cognitivos del cerebro humano. Algunas neuronas tienen axones que abarcan unos cuantos
centmetros. Otras neuronas tienen axones con casi un metro (a veces ms) en longitud tales
como las neuronas de la mdula espinal.
El problema principal que enfrenta la IA a fin de construir una mquina inteligente es que
hay aproximadamente cientos de diferentes tipos de neuronas. Qu si cada tipo de neurona
se comporta de manera diferente? (Lo cual podra ser una suposicin razonable, dado el
hecho de que tienen diferentes arquitecturas, esto es, algunas neuronas tienen sus botones
terminales distribuidos horizontalmente mientras que el axon es vertical; otras tienen
botones terminales distribuidos en lo que parece un acomodo aleatorio; an otras, como las
del cerebelo estn poco conectadas.)
Figura 4. Una sinapsis en una neurona.7
La Figura 4 muestra una sinapsis. Ntese que no hay conexin fsica entre las neuronas. El
axn (o bulbos terminales) de la neurona previa manda iones qumicos a la dendrita de la
neurona receptora. Estos qumicos tienen que pasar por receptores qumicos ubicados en la
neurona receptora.
-8-
Qu hay del cerebro humano? El cerebro humano puede dividirse en tres capas, cada capa
est arriba de la previa y es el resultado de la evolucin de nuestros ancestros cada vez ms
lejanos. La Figura 5 muestra el cerebro ternario.
Figure 5. The triune brain.8
-9-
otros, es responsable del humor y la memoria, entre otras cosas. En la parte de abajo de la
Figura 5 est el neo-crtex, el cual puede ser hallado en primates y delfines. El neo-crtex
es nuestro rasgo evolutivo ms reciente. Segn Tononi (2012), el neo-crtex, que contiene
aproximadamente 22,000 millones de neuronas, podra ser suficiente como para generar
consciencia. Sin embargo, yo no lo creo, pues pienso que la consciencia es una
manifestacin que ocurre una vez que exista inconsciente, es decir, que las partes internas
del cerebro son tambin requeridas. La consciencia sera como la punta de un iceberg, en el
cual la parte sumergida (y la mayor) es inconsciente. Como puede verse en la Figura 5, el
neo-crtex tiene muchas circunvoluciones. Estas circunvoluciones estn ah para maximizar
el rea de superficie del neo-crtex a fin de ubicar ms y ms habilidades especializadas. El
neo-crtex ha sido tpicamente ligado con las habilidades sociales y la planeacin.
-10-
La Figura 7 muestra las areas del neo-crtex humano. Ntese que en este caso, el cerebro
est siendo mostrado revertido comparado con la Figura 6. Un ejemplo de diferentes tipos
10
11
-11-
de neuronas puede ser hallado aqu. Las neuronas del cerebellum tienen una arquitectura
diferente que las neuronas de las restantes reas (lbulos).
La Figura 8 muestra las diferentes habilidades que han sido descubiertas, las cuales estn
tpicamente ligadas al neo-crtex. Ntese que el cerebro tiene dos hemisferios y estas
diferentes habilidades pueden estar ubicadas en diferentes hemisferios. La Figura 8
meramente muestra descubrimientos tpicos. Ms an, se ha demostrado que la misma
habilidad puede estar duplicada en hemisferios diferentes para mayor robustez.
3. Tecnologas de IA
La IA es un rea de estudio que abarca varias disciplinas, desde la cognicin y la psicologa
a las ciencias computacionales y la ingeniera. IA ha sido exitosa en muchas reas, las
cuales se mencionan brevemente a continuacin.
Estas reas de dominios especficos son explicadas con mayor detalle en las siguientes subsecciones.
-12-
Codificacin.
2.
Mutacin.
3.
Evaluacin.
4.
Reproduccin.
5.
Decodificacin.
Hay un ciclo entre los pasos 4 y 2. Tal ciclo termina cuando gx100% de la poblacin ha
alcanzado la misma solucin (0 g 1). Tal valor, g, es el porcentaje generacional. Ntese
que tener gx100% de la poblacin igual no garantiza la solucin ptima. Sin embargo, hay
una buena probabilidad de que si gx100% es suficientemente grande, la solucin ptima ha
sido encontrada, o al menos, una solucin ptima local. La tasa de mutacin, wx100%,
(donde 0 w 1) indica la mutacin de cada individuo. Si para un nmero aleatorio R,
resulta que R w (donde 0 R < 1), entonces tal individuo tiene que mutar. La mutacin
involucra un cambio aleatorio en el genoma del individuo. Tambin, la tasa de mutacin
tiene que ser fijada justo para que si la poblacin de individuos se estanca en un ptimo
local, la tasa de mutacin aleatoriamente trae la solucin correcta, y tal solucin puede
tener una oportunidad de reproducirse.
Ntese que para que el algoritmo converja, la ecuacin (1) se debe aplicar, donde <<
significa substancialmente menor que. La ecuacin (1) puede transformarse en la ecuacin
(2). La ecuacin (2) significa que el porcentaje generacional tiene que ser suficientemente
-13-
ms pequeo que 1-w. Esto es porque incluso asumiendo que un 100% (esto es, 1) de la
poblacin tenga la misma solucin, wx100% mutar, y as, cambiar. As pues, habr a lo
ms (1-w)x100% de individuos que quedarn con la misma solucin. Si eso no es lo
suficientemente mayor que g, el algoritmo gentico nunca se detendr.
g + w << 1
(1)
g << 1 - w
(2)
Otro factor importante es el tamao de la poblacin, esto es, el nmero de individuos, cada
uno representando una posible solucin completa al problema. Tamaos de poblacin ms
grandes implican mayor poder de cmputo, pero tienden a conducir a mejores soluciones.
Menores tamaos de poblacin implican menor poder computacional, pero el espacio de
solucin est ms limitado.
3.2. Heursticos
Los heursticos son reglas generales de dedo que son utilizadas cuando creencias
particulares, tales como yo pienso que o es probable que y as sucesivamente, son
cuantificadas basadas en la probabilidad, la cual puede estar basada en datos histricos o
recomendaciones de expertos (Tversky & Kahneman, 1974).
-14-
Tambin hay dos tipos de heursticos: rpidos y frugales, tales como cuantificaciones
rpidas tales como toma el mejor, y ms complejos en estrategia, tales como la regresin
lineal, entre otros (Gigerenzer & Todd, 1999).
Hay dos tipos de conjuntos difusos, conjuntos difusos de tipo-1, los cuales son los
ordinarios descritos anteriormente, y conjuntos difusos de tipo-2, los cuales son una
extensin de los conjuntos difusos de tipo-1. Los conjuntos difusos de tipo-2 son tiles en
circunstancias donde es difcil determinar una funcin de membresa exacta para el
conjunto difuso, tal como en lingstica, donde una palabra dada puede significar diferentes
cosas para diferente gente (Karnik & Mendel, 2001).
-15-
Hay mucho que puede ser logrado con la lgica proposicional, pero sus posibilidades estn
un poco restringidas a lo que puede ser hecho con la sintaxis dada, la semntica y los
procedimientos de inferencia.
-16-
Puede haber un agente inteligente solo o quiz toda una sociedad de agentes organizadas en
una agencia dada, tal como Minsky (1988) propone.
Figura 9. Un agente inteligente sencillo.
Agente inteligente
Ambiente
Sensores
Funcin de
reaccin
Actuadores
-17-
hace. Despus de todo, los aviones tienen alas, pero no aletean sus alas para volar. Pero esto
es tema de especulacin.
Para ilustrar, considere dos bits. Hay dos posibles estados para dos bits, dado que sus
valores son dados y conocidos. Sin embargo, para dos qbits, hay 22 = 4 posibles estados,
esto es, pueden ser 00, 01, 10 y 11. Dado que los qbits son tanto 0 y 1 al mismo tiempo, los
clculos en las computadoras cunticas que pueden ser llevados a cabo son
exponencialmente mucho ms rpidos que en computadoras regulares12.
Sin embargo, la nica manera que una computadora cuntica pueda computar es si sus qbits
estn sobreposicionados, esto es, conectados en lo que se llama teleportacin cuntica. Tan
pronto como un resultado se obtenga de la computadora cuntica, ocurre la decoherencia y
algoritmos especiales para corregir por el error son requeridos. La computacin cuntica es
un rea de estudio de vanguardia que necesita ir de una representacin matemtica a una
representacin fsica (Williams & Clearwater, 1998).
3.9. Robtica
Hay varias definiciones posibles de robot. Un robot puede ser definido como un
manipulador programable capaz de realizar varias funciones, diseado para ubicar
materiales, partes, y herramientas o artefactos dados a travs de movimientos variados
programados y cuyo objetivo es la realizacin de ciertas tareas. El problema con la
definicin previa es que no es muy estricta. Una banda desplazadora con un interruptor de
dos velocidades podra aparentemente satisfacer la definicin.
12
-18-
Podra ser mejor definir un robot como un agente artificial, activo, cuyo ambiente es el
mundo fsico. El trmino activo descarta de la definicin cosas tales como piedras. El
trmino artificial descarta animales. El trmino fsico descarta a los agentes de software
puros o softbots.
De inters particular, son los robots autnomos, los cuales son aquellos capaces de tomar
decisiones propias, lo cual est opuesto a los robots manipulados. Los robots manipulados
son, sin embargo, muy tiles. Ejemplos son los aviones androide, o las manos quirrgicas
que permiten a los mdicos llevar a cabo cortes muy precisos o procedimientos especiales
durante la operacin. El diseo de un robot autnomo es muy similar al de un agente
inteligente. Dadas las limitaciones en sensores y poder de procesamiento, los robots
autnomos estn usualmente restringidos a ambientes muy especficos y benignos para
stos.
Una de las grandes ventajas de los robots es que pueden tener una amplia variedad de
diseos posibles. Los robots autnomos no necesariamente tienen que parecerse a los seres
humanos. Pueden tener muchas formas. Por ejemplo, un robot para una lnea de ensamblaje
de automviles tendra un brazo con pinzas y una cmara. La cmara capturara imgenes
monoscpicas (en lugar de estereoscpicas), pero el procesamiento de la imagen para
deteccin de caractersticas podra hacer las imgenes tiles al determinar la distancia, mas
el hecho de que se espera que todas las piezas estn en el mismo lugar, de forma tal que el
robot se pueda pre-programar para hacer una secuencia de actividades. Si, por accidente, las
partes cambian de lugar, el resultado probablemente sera un desastre total en la lnea de
ensamblaje. As que los robots pueden ser diseados para la manufactura y manejo de
materiales.
Otra aplicacin de la robtica es robots mviles. Las dos principales aplicaciones son como
robots de entregas en edificios, especialmente en hospitales, y como guardianes de
seguridad. Los robots tambin pueden guiar vehculos (tanto en la tierra como submarinos).
Ciertamente es ms barato enviar un robot a hacer investigacin submarina dado que puede
-19-
quedarse bajo el agua por meses para descubrimientos cientficos o para reparar lneas
submarinas.
Los robots tambin pueden ser usados en ambientes peligrosos para los seres humanos,
tales como desastres nucleares o terremotos que puedan causar destruccin de edificios.
3.10. Visin
Uno de los tres elementos clave de un robot o un agente inteligente es la percepcin o los
sensores. Tal percepcin puede ser un conjunto de nmeros de una base de datos o texto,
pero tambin puede ser la entrada de una cmara. Cuando se trata de entrada de una
cmara, tal entrada usualmente viene slo de una cmara (visin monoscpica) y el
procesamiento de la informacin llevado a cabo usualmente tiene ms que ver con
deteccin de caractersticas, tales como sombras, bordes, a veces formas, y as
sucesivamente. Por ejemplo, considere las cmaras modernas. Pueden detectar caras y
ubicar un rectngulo alrededor de cada cara detectada. Pero hacen esto con slo una
cmara.
Es posible en IA encontrar una gramtica formal para un subconjunto del Ingls, por
ejemplo. En tal caso, es posible procesar lenguaje natural usando un conjunto de comandos
y frases predefinidos. Algunas veces, la entrada puede ser la voz, en otras ocasiones la
entrada puede ser texto escrito. Avances significativos se han hecho en el procesamiento
del lenguaje natural, hasta el punto de que a veces es difcil distinguir la mquina del ser
-20-
humano. Sin embargo, el hecho de que la mquina puede procesar lenguaje natural no
significa que sea capaz de entenderlo. Esto nos lleva de nuevo al argumento del Cuarto
Chino, excepto que en este caso debera ser llamado el argumento del Cuarto Ingls, en
donde dentro del cuarto est una computadora en lugar de una persona que habla ingls.
Pero claramente, a pesar de todos los argumentos, en este caso la computadora no entiende
ingls, incluso si es capaz de ejecutar acciones basadas en comandos de voz en ingls.
No hace mucho tiempo, IBM cre una computadora muy poderosa para competir en
Jeopardy en contra del campen humano de Jeopardy. La computadora se desempe muy
-21-
bien. La mayora de su xito est basado en tcnicas muy poderosas de minera de datos as
como combinaciones de otras tcnicas y tecnologas de IA. Sin embargo, nadie con
verdadero sentido comn podra decir que la computadora entenda el juego que estaba
jugando. Para la computadora era simplemente una cuestin de inmensa molienda de datos.
En estos das, la gente genera un montn de informacin durante sus actividades diarias. En
una sociedad del conocimiento, esta informacin se vuelve vital, y la explotacin y uso de
tal informacin provee a las compaas con grandes ventajas sobre sus competidores que no
utilizan minera de datos. En minera de datos, hay aprendizaje supervisado y no
supervisado. Ambos son muy valuados, pero el aprendizaje no supervisado es tpicamente
ms comn en minera de datos, dado que usualmente no hay valores objetivo asociados
con cada conjunto de entrenamiento. Actualmente, hay una muy excitante rea de estudio
en IA, que es la combinacin de aprendizaje supervisado y no supervisado.
4. Discusin y Conclusiones
Qu es lo que motiva el cambio tecnolgico? El cambio tecnolgico usualmente se da
cuando existen condiciones apremiantes que resolver. Qu fue la ltima condicin que
propici el cambio tecnolgico que se vivi hasta los 1960s o 1970s? Aunque el lector
pueda dudarlo, fue la revolucin industrial de finales del siglo XIX y principios del siglo
XX. Por qu? Porque dicha revolucin industrial introdujo el uso de la maquinaria en los
procesos de produccin que anteriormente eran 100% o casi 100% manuales. Lo anterior
implic la posibilidad de producir artculos y productos en masa. Lamentablemente tambin
posibilit la produccin de armas en masa. Las grandes potencias de aquel entonces (Reino
Unido, Francia y Rusia por un lado en lo que se llamaba el ente triple y Alemania, AustriaHungra e Italia en lo que se llamaba la alianza triple) comenzaron a producir armas en
grandes cantidades y a sentirse poderosas. Slo se necesitaba una excusa, un chispazo que
disparara el conflicto. Tal excusa se dio con el asesinato del archiduque Franz Ferdinand de
Austria. Lo anterior desencaden el ataque por parte de Austria a las potencias del ente
triple. Sin embargo, por haber atacado Austria primero, Italia no particip en lo que se lleg
a denominar la Gran Guerra o Primera Guerra Mundial (aunque no haya sido tan mundial
como se pudiera pensar). Gan el Reino Unido y sus aliados, y como condicin de su
-22-
victoria le pidi a las potencias del ente triple (en especfico resalta el caso de Alemania)
que pagaran los enormes costos de la guerra a los victoriosos. Lo anterior se mantuvo por
algunos aos hasta que lleg el momento en el que Alemania econmica y socialmente no
daba ms. Esto hizo que un histrico levanta nimos como Hitler ganara las elecciones de
Alemania de manera democrtica y llegara al poder. En su afn confrontador, Alemania
llev a Europa (y no mucho tiempo despus a los Estados Unidos de Amrica y a Japn) a
la Segunda Guerra Mundial. Esta s fue de proporciones mucho mayores y sus impactos se
sienten todava an hoy en da (aunque quiz algunos de ustedes ni siquiera tengan una
clara nocin de lo que fue la Guerra Fra y la Cortina de Hierro)13.
Aquel que quiera informarse ms de estos temas por pura curiosidad, puede acceder a la Wikipedia
(www.wikipedia.org) y seleccionar artculos en Espaol y luego en la barra de bsqueda arriba a la derecha
buscar el tema de inters.
-23-
-24-
20000,000/200,000 = 100 instrucciones por neurona. Eso no parece mucho, pero podra
ser suficiente para el poder de procesamiento requerido para una sola neurona.
Sin embargo, las neuronas tienen que estar conectadas entre s. Si en cada computadora hay
200,000 neuronas, cada neurona est conectada a otras 1,000 neuronas, y cada conexin
manda 10 bits por segundo de informacin, una conexin entre computadoras de
200,000x1,000x10 = 2,000000,000 bits por segundo se requerira, esto es, una conexin de
2 Gbps o 2 Giga bits por segundo.
-25-
Referencias
Davis, L. (Editor). 1987. Genetic Algorithms and Simulated Annealing, Los Altos, CA:
Morgan Kaufmann Publishers.
Franklin, Stan. 2001. Artificial Minds. Cambridge, MA: The MIT Press.
Gigerenzer, Gerd & Todd, Peter M. 1999. Simple Heuristics that Make us Smart. New
York, NY: Oxford University Press.
Hagan, M., Demuth H. & Beale, M. 1996. Neural Network Design, Boston, MA:
International Thomson Publishing.
Karnik, Nilesh N. & Mendel, Jerry M. 2001. Operations on type-2 fuzzy sets, Fuzzy Sets
and Systems, 122: 327-348.
Mahowald, Misha. 1994. An Analog VLSI System for Stereoscopic Vision, Oxford,
England: Kluwer Academic Publishers.
Minsky, Marvin. 1988. The Society of Mind, Cambridge, MA: Simon & Schuster
Paperbacks.
Moravec, Hans. 1999. Robot: Mere Machine to Transcendent Mind, Oxford, England:
Oxford University Press.
Tononi, G. 2012. Integrated information theory of consciousness: an updated account,
Archives Italiennes de Biologie, 150: 56-90.
OReilly, Randall & Munakata, Yuko. 2000. Computational Explorations in Cognitive
Neuroscience: Understanding the Mind by Simulating the Brain, Cambridge, MA:
The MIT Press.
Penrose, Roger. 1989. The Emperors New Mind: Concerning Computers, Minds, and the
Laws of Physics, Oxford, England: Oxford University Press.
Sagan, Carl. 1980. Cosmos, Barcelona, Espaa: Grupo Editorial Planeta.
Schoenauer, Marc & Michalewicz, Zbigniew. 1996. Evolutionary Computation, Control
and Cybernetics, 26, 3: 307-338.
Searle, J. 1980. 'Minds, Brains, and Programs', Behavioral and Brain Sciences, 3: 417-458.
Searle, J. 1984. Minds, Brains, and Science, Cambridge, MA: Harvard University Press.
Turing, Alan M. 1950. Computing Machinery and Intelligence, Mind, 59: 434-460.
Tversky, Amos & Kahneman, Daniel. 1974. Judgment under uncertainty: Heuristics and
biases, Science, 185: 1124-1131.
-26-
Williams, C.P. & Clearwater, S.H. 1998. Explorations in Quantum Computing, New York,
NY: TELOS Springer-Verlag.
Zadeh, Lofti A. 1997. Toward a theory of fuzzy information granulation and its centrality
in human reasoning and fuzzy logic, Fuzzy Sets and Systems, 90: 111-127.
-27-