Introduccin a la Inteligencia Artificial

Dr. Luis F. Copertari

copertari@yahoo.com
Profesor, Programa de Ingeniera en Computacin, Universidad Autnoma de Zacatecas, Mxico

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-

hablando, el experimentador no puede distinguir entre el ser humano y la mquina haciendo

preguntas de sentido comn, entonces se dice que la mquina ha pasado la prueba de
Turing y es en consecuencia inteligente.

Se han desarrollado programas que imitan la interaccin entre un psiclogo y su paciente.

El programa est hecho de forma tal que sigue un protocolo de preguntas, como por
ejemplo, preguntarle al paciente acerca de su padre y luego preguntarle acerca de su madre
si la palabra madre no se ha mencionado. En el caso ltimo, el programa parafrasea la
respuesta y la convierte en pregunta, aunque a veces se nota el error porque la pregunta no
est escrita con concordancia gramatical. Una gran cantidad de trabajo en IA ha sido
llevado a cabo desde entonces, y realmente se han obtenido resultados impresionantes en
campos de inters muy especficos, pero el verdadero objetivo de la IA, que es, en ltima
instancia, la construccin de una mquina verdaderamente inteligente (y consciente), no se
ha logrado todava.

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.

Pero regresando al argumento de Searle: ningn programa de computadora podra jams

lograr la consciencia, porque simplemente sigue un conjunto de instrucciones: no tiene
sentido comn. Hay aqu una pregunta ms profunda. Requiere la consciencia (y el
comportamiento verdaderamente inteligente) un alma? Acaso el funcionamiento de la

-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.

El argumento de Searle est guiado por el siguiente conjunto de axiomas y conclusiones:

Axioma 1. Los programas son formales.
Axioma 2. Las mentes tienen contenido (semntica).
Axioma 3. La sintaxis en s misma no es ni constitutiva ni suficiente para la semntica.
Conclusin 1. Los programas no son ni constitutivos ni suficientes para las mentes.
Axioma 4. Los cerebros causan las mentes.
Conclusin 2. Cualquier otro sistema capaz de causar mentes debera tener poderes
causales (al menos) equivalentes a los de los cerebros.
Conclusin 3. Cualquier artefacto que produzca fenmenos mentales, cualquier cerebro
artificial, debera ser capaz de duplicar los poderes causales especficos de los cerebros, y
no podra hacer esto solamente ejecutando un programa formal.
Conclusin 4. La manera en la que los cerebros humanos de hecho producen fenmenos
mentales no pueden ser solamente por virtud de ejecutar un programa de computadora.

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-

Pero, qu se requerira para ser verdaderamente capaz de construir una mquina

inteligente? Incluso si la propuesta de Franklin es aceptada (que su arquitectura de agente
de software es capaz de consciencia), los agentes deberan de estar apropiadamente
distribuidos para al menos simular el funcionamiento del cerebro humano. Sera posible
implementar tal arquitectura en una computadora? La Figura 1 (tomada de Moravec, 1999)
muestra la evolucin del poder de computacin que se puede comprar por USD $1,000 a
medida que los aos van pasando. El eje horizontal muestra los aos y el eje vertical la
capacidad de procesamiento de la informacin en una escala logartmica. Es muy claro que
si uno sigue las tendencias, el poder de computadora requerido para un cerebro humano
(100 millones de MIPS1) debera lograrse entre el 2020 y el 2040. Sin embargo, desde el
ao 2000 o quiz un poco ms, la velocidad de los procesadores de computadora se ha
estancado. Esto es debido al procedimiento seguido para producir los microprocesadores,
llamado litografa. En un filme transparente relativamente largo, el microprocesador es
dibujado. Luego, usando qumicos especiales sensitivos a la luz y lentes que reducen la
proyeccin de la transparencia, el microprocesador es creado. Cul es el problema? El
problema es que el campo electromagntico de la luz tiene una amplitud dada, y no puede
dibujar cosas comparables en tamao a su amplitud. (Sera como tratar de construir una
escultura lanzando rocas a sta.) As pues los microprocesadores no pueden ser hechos de
circuitos ms pequeos, lo que significa que no pueden funcionar ms rpidamente. Esta es
la razn por la cual desde el ao 2,000, no ha habido avances significativos en velocidad de
procesamiento2, aunque se han creado sistemas operativos que tratan de usar dos o ms
microprocesadores en paralelo (lo cual es extremadamente difcil) y ciertamente usa ms
memoria y ms espacio de disco duro. An as, el ideal de programacin paralela podra
quiz lograrse algn da.

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?

La Figura 2 muestra una grfica en la que el eje horizontal es la capacidad de

almacenamiento en megabytes (la escala es logartmica) y el eje vertical es el poder de
procesamiento en MIPS (tambin escala logartmica). El asterisco marca a las

Tomado de Moravec (1999).

La teora fsica unificada busca reunir en una sola teora la fsica de la relatividad general con la mecnica
cuntica. Ha habido intentos, como la teora de las cuerdas, pero la verdad la suposicin de 11 dimensiones o
algo as en el Universo parece tratarse ms de un artificio matemtico que de una aproximacin realista.
4

-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.)

Tomado de Moravec (1999).

-6-

Figura 3. Estructura de una neurona.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

Tomado del tutorial en lnea del Cognitive Computing Research Group.

-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.

Tomado del tutorial en lnea del Cognitive Computing Research Group.

-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

En la parte superior de la Figura 5 est el cerebro reptiliano, que es el que nuestros

ancestros reptiles nos han heredado. El cerebro reptiliano es responsable, entre otras cosas,
del sentimiento de hambre, el control de la temperatura, la territorialidad, entre otras
habilidades. En la mitad de la Figura 5 est el sistema lmbico, heredado de nuestros
ancestros mamferos. El sistema lmbico, que puede ser hallado en gatos, ratones, entre
8

Tomado del tutorial en lnea del Cognitive Computing Research Group.

-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.

La Figura 6 muestra la ubicacin de las estructuras ms importantes del sistema lmbico.

Ntese que el complejo reptiliano y el sistema lmbico parecen ocupar el mismo espacio
(adentro del cerebro), pero tienen circuitos muy especializados y diferenciados.
Figura 6. Ubicacin de las estructuras ms importantes del sistema lmbico.9

Tomado del tutorial en lnea del Cognitive Computing Research Group.

-10-

Figura 7. Lbulos del neo-crtex humano.10

Figura 8. Habilidades ligadas a cada area del neo-crtex.11

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

Tomado del tutorial en lnea del Cognitive Computing Research Group.

Tomado del tutorial en lnea del Cognitive Computing Research Group.

-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.

El hemisferio derecho del cerebro fundamentalmente se ocupa del reconocimiento,

intuicin, sensibilidad y pensamiento creativo. El hemisferio izquierdo se ocupa de los
pensamientos racional, analtico y crtico. Estas son las fuerzas duales opuestas que
caracterizan el pensamiento humano.

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.

Algoritmos genticos (tambin llamados computacin evolutiva).

Heursticos.
Lgica difusa.
Redes neuronales artificiales.
Lgica proposicional.
Sistemas expertos.
Agentes inteligentes.
Computacin cuntica.
Robtica.
Visin.
Lenguaje natural.
Minera de datos.

Estas reas de dominios especficos son explicadas con mayor detalle en las siguientes subsecciones.

-12-

3.1. Algoritmos genticos (computacin evolutiva)

Los algoritmos genticos (o computacin evolutiva), como su nombre implica, dependen de
la evolucin para resolver problemas (Schoenauer & Michalewicz, 1996). Ms
especficamente, los algoritmos genticos confan en la propiedad de todos los sistemas
evolutivos de mejor seleccin de patrones y reproduccin, esto es, heredamiento gentico y
lucha darwiniana para la supervivencia (Davis, 1987). En los algoritmos genticos, las
secuencias que llevan a las mejores soluciones tienden a reproducirse ms que las
secuencias que llevan a soluciones pobres.

El algoritmo gentico general es como sigue:

1.

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.

Generalmente hablando, es posible representar un gran nmero de problemas utilizando

algoritmos genticos. La cuestin importante a tener en mente es ser capaz de codificar en
un solo individuo una solucin completa al problema. Las redes neuronales de varias capas
pueden ser resueltas utilizando algoritmos genticos, aunque la velocidad es un factor.

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).

La gente tpicamente confa en un conjunto dado (y posiblemente y lgicamente finito) de

heursticos para desenvolverse en su vida. La pregunta clave es: puede un conjunto finito
de heursticos, programados en una computadora, mostrar comportamiento inteligente,
incluso al punto de pasar la prueba de Turing?

-14-

Generalmente hablando, hay tres tipos de heursticos: heursticos de representatividad,

heursticos de disponibilidad y heursticos de ajuste y acomodo. Los heursticos de
representatividad son heursticos basados en la probabilidad de que el objeto A pertenezca a
la clase B o que el proceso A sea el resultado del proceso B o viceversa. Los heursticos de
disponibilidad son aquellos basados en la probabilidad inferida de casos pasados. Los
heursticos de ajuste y acomodo son aquellos basados en un valor inicial, el cual es luego
ajustado de acuerdo al juicio.

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).

3.3. Lgica difusa

La lgica difusa es un rea de estudio en la que no hay datos slidos sino ms bien
granularidad en los datos que son procesados. Por ejemplo, en la lgica booleana, slo hay
falso y verdadero, pero en la lgica difusa hay varias posibilidades (ms de dos, esto es,
ms que en un sistema binario), tales como bajo, mediano y alto. La lgica difusa ha sido
exitosamente utilizada en el diseo de domsticos tales como lavadoras, en las cuales hay,
por ejemplo, varios niveles para la cantidad de agua utilizada (mnima, mnima-media,
media, media-alta y alta).

La granularizacin de la informacin, la cual est inspirada en la manera en la cual los seres

humanos granulan conceptos, es central para la lgica difusa y marca el rol esencial en la
concepcin y diseo de sistemas inteligentes (Zadeh, 1997).

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-

Generalmente hablando, en la lgica difusa hay varios grados de verdad y usualmente un

grado de certidumbre (un valor entre 0 y 1).

3.4. Redes neuronales artificiales

Las redes neuronales artificiales son un rea de estudio muy excitante, que ha sido
relativamente desarrollada recientemente. Las redes neuronales artificiales asumen que las
neuronas son simplemente elementos de adicin, y que las sinapsis pueden ser modificadas
numricamente de manera digital. Esta es una suposicin atrevida, dado que las verdaderas
neuronas en el cerebro humano (y otros cerebros a tales efectos) pueden ser analgicos en
su naturaleza, en cuyo caso seran mucho ms difciles de modelar. Sin embargo, las redes
neuronales artificiales han mostrado impresionante xito en muchas reas del
conocimiento, donde la clasificacin y el pareo son requeridos (Hagan, Demuth & Beale,
1996).

3.5. Lgica proposicional

La lgica proposicional es una tcnica que genera y evala expresiones o proposiciones
basadas en combinaciones de operadores lgicos (verdadero/falso) y algunas reglas que
pueden ser aplicadas a tales operadores. Hay una sintaxis especfica a ser utilizada; hay una
semntica a ser considerada y varios procedimientos de inferencia.

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.

3.6. Sistemas expertos

Los sistemas expertos son un rea de estudio que es parte del rea de anlisis de decisin.
Sus desarrollos iniciales ocurrieron durante los 1950s y 1960s, estudiando la aplicacin de
la teora de decisin a problemas de decisin reales. Era til tomar decisiones donde
intereses importantes estaban en juego, tales como el mundo de los negocios, gobierno,
leyes, estrategia militar, diagnstico mdico y salud pblica, diseo ingenieril y

-16-

administracin de recursos. El proceso usado involucraba un cuidadoso estudio de las

acciones y los posibles resultados, as como las preferencias para cada resultado.

En el proceso de construir un sistema experto hay dos responsables principales: el tomador

de decisiones y el analista de decisiones. Durante las primeras investigaciones en sistemas
expertos, el nfasis se pona en responder preguntas ms que en tomar decisiones. Tales
sistemas estaban basados en reglas de condicin-accin, y no ofrecan opiniones de hechos
especficos. Luego, los modelos de clculo de utilidad expresa fueron incorporados, los
cuales permitan a los sistemas expertos seleccionar acciones automticamente as como las
conclusiones y deducciones basadas en evidencia donde el experto explcitamente
representaba sus preferencias o las preferencias del cliente.

3.7. Agentes inteligentes

Un agente inteligente es bsicamente un programa pequeo o una coleccin de programas
que reciben informacin del ambiente a travs de sensores y reaccionan al ambiente
basados en una funcin dada actuando o reaccionando a tal ambiente a travs de sus
actuadores. Un agente inteligente sencillo es ilustrado en la Figura 9.

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

Es posible que la creacin de una mquina inteligente simplemente requiera construir

agentes inteligentes apropiadamente programados para hacer el mismo trabajo que la mente

-17-

hace. Despus de todo, los aviones tienen alas, pero no aletean sus alas para volar. Pero esto
es tema de especulacin.

3.8. Computacin cuntica

La computacin cuntica es un rea de las ciencias computacionales relativamente nueva y
muy excitante. En la computacin clsica, el elemento computacional bsico es el bit, el
cual puede ser 0 o 1, pero no ambos. En la computacin cuntica, el elemento
computacional bsico es el qbit, el cual es un elemento que puede ser tanto 0 como 1 al
mismo tiempo.

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

n qbits pueden estar en 2n diferentes estados al mismo tiempo.

-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 construir sistemas computarizados para visin estereoscpica. Mahowald (1994)

desarroll un sistema de Integracin de Larga Escala anlogo y estereoscpico, que emula
el procesamiento de la informacin llevado a cabo por las primeras neuronas del ojo.

3.11. Lenguaje natural

Generalmente hablando, hay dos tipos de lenguajes: lenguajes formales (tales como Lisp y
lgica de primer orden, que son producto de la invencin y una definicin muy rgida) y
lenguajes naturales (tales como Ingls, Espaol, Dans, Chino, entre otros).

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.

Hay muchas aplicaciones de procesamiento de lenguaje natural. Algunas ayudan a gente

deshabilitada a sobrellevar sus dificultades. Otras son traductores de lenguaje (aunque la
traduccin no es 100% correcta dado que la computadora todava no ha logrado sentido
comn y no puede por completo comprender el contexto en el cual el texto es dado).

En ciencias computacionales, hay cinco generaciones de lenguajes. Los lenguajes de

primera generacin son lenguaje mquina, esto es, procesamiento binario directo. Los
lenguajes de segunda generacin son lenguaje ensamblador. Los lenguajes de tercera
generacin son lenguajes de computadora tales como Java, C, Pascal, Basic, Fortran,
Cobol, entre otros. Los lenguajes de cuarta generacin son SQL, Microsoft Access, entre
otros lenguajes de recuperacin de datos en bases de datos. Los lenguajes de quinta
generacin son los lenguajes naturales. stos (lenguajes de quinta generacin) son el techo
para las computadoras.

3.12. Minera de datos

La minera de datos comenz con el procesamiento de las bases de datos. En el
procesamiento de bases de datos, la informacin es cruzada de forma tal que se obtiene una
salida a requerimientos dados y muy especficos de forma tal que preguntas puedan ser
respondidas. Sin embargo, al principio, estos lenguajes de bases de datos estaban muy
limitados. Ahora, es posible cruzar informacin de inmensas bases de datos y responder
preguntas que son dadas en casi una manera de lenguaje natural.

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.

La primera y segunda guerra mundial, as como la guerra fra, impulsaron el desarrollo de

la ciencia y la tecnologa de la que hoy en da disfrutamos. Sin embargo, actualmente,
estamos viendo otra revolucin, la revolucin digital, cuyo alcance todava no es del todo
claro, ni siquiera para los mejores escritores de ciencia ficcin que pudiera haber. Se dice
que el siglo XX fue el siglo de la Fsica y que el siglo XXI ser el siglo de la ingeniera
gentica. Quiz el Facebook, el Twitter, el YouTube y tantas otras increbles tecnologas
relacionadas con el Internet nos lleven eventualmente a alcanzar la construccin de una
mquina verdaderamente inteligente. Pero qu implicara lo anterior? La mquina si es
consciente de s misma ira creciendo como un nio, y hara preguntas. Habra que
inculcarle buenos valores (en particular amor hacia los seres humanos). Pero la mquina
probablemente se sentira sola. Darle acceso a Internet y permitirle interactuar con la gente
sera peligroso, pues a la mquina se le podra ocurrir que su deber es gobernar a la
humanidad. Sera lo anterior una buena idea? Claramente, se necesitara de la construccin
de otras mquinas inteligentes para que se comuniquen entre s. Estas mquinas inteligentes
daran origen a generaciones de nuevas mquinas y posiblemente robots de todos tipos y
formas. Es concebible que en un segundo, tiempo que a dos seres humanos les permite
intercambiar una o dos palabras, dos mquinas inteligentes pudieran intercambiar toda una
enciclopedia de informacin. Las posibles interrogantes son enormes, pero la curiosidad
humana siempre nos ha llevado a innovar. Yo realmente pienso que la construccin de una
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-

mquina inteligente es inevitable, la pregunta es cundo ocurrira y qu pasara con ello. Se

puede hablar de cuestiones de riesgo aqu, pero dejo tal discusin para el saln de clase.
Hay, aproximadamente, entre 100,000000,000 (1011) y 1000,000000,000 (1012) de
neuronas en el cerebro humano. Cada neurona tiene entre 1,000 (103) y 10,000 (104)
conexiones a otras neuronas. Hay 5,000000,000 (5x109) bits de informacin en el cdigo
gentico de cada neurona (Sagan, 1980). Desde luego, tal codificacin es repetitiva, porque
el mismo cdigo est en cada una de las clulas del cuerpo humano. La mayora del cdigo
es para otros propsitos, usado en otras clulas del cuerpo humano. Pero digamos que slo
un 1% de tal informacin se aplica al funcionamiento real de las neuronas. Esto sera
50000,000 (5x107) bits de informacin usada en las neuronas para conectarse a otras
neuronas y comportarse de la manera en que lo hacen. Si un programa de computadora
escrito en ensanblador requiere 32 bits de informacin por instruccin, eso significa que un
programa de 5x107/32 = 1562,500 lneas de ensanblador se requerira para especificar
cmo debera comportarse cada neurona. Tal programa podra ocupar 5x107/(1,024x1,024)
= 47.68 Megabytes. Tambin, como fue descrito previamente, el cerebro humano procesa
informacin a una velocidad de 100 millones de MIPS o 100000,000000,000 de
instrucciones por segundo. Un procesador de computadoras personal tpico procesa ahora
informacin a alrededor de 2 GHz, esto es, 2,000000,000 de instrucciones por segundo.
Eso significa que un total de 100000,000000,000/2,000000,000 = 50,000 procesadores se
requeriran si dedicaran todo su poder de procesamiento a la mente artificial. Tambin, si
slo un 1% del poder del procesador es usado por la mente inteligente, un total de
50,000/0.01 = 5000,000 computadoras personales se requeriran. Esto parece mucho, pero
no es una cantidad inimaginable.

Otra cuestin es la velocidad a la cual las computadoras se conectaran. Claramente, si

5000,000 de computadoras son usadas, cada una tendra que simular
1000,000000,000/5000,000 = 200,000 neuronas. Pueden 200,000 neuronas ser
simuladas usando slo el 1% del poder de procesamiento de una computadora dada? Una
computadora tiene una velocidad de 2 GHz o 2,000000,000x0.01 = 20000,000
instrucciones por segundo. Si 200,000 neuronas son simuladas, cada neurona puede usar

-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-