blog/inteligencia_artificial/index.html (view raw)
1<!DOCTYPE html>
2<html>
3<head>
4<meta charset="utf-8" />
5<meta name="viewport" content="width=device-width, initial-scale=1" />
6<title>Inteligencia artificial</title>
7<link rel="stylesheet" href="../css/style.css">
8</head>
9<body>
10<main>
11<h1 class="title" id="inteligencia_artificial"><a class="anchor" href="#inteligencia_artificial">¶</a>Inteligencia artificial</h1>
12<div class="date-created-modified">Created 2016-02-24<br>
13Modified 2016-03-05</div>
14<h2 id="índice"><a class="anchor" href="#índice">¶</a>Índice</h2>
15<ul>
16<li><a href="#qu%C3%A9_es">Qué es</a></li>
17<li><a href="#en_qu%C3%A9_consiste">En qué consiste</a></li>
18<li><a href="#l%C3%ADmites">Límites</a></li>
19<li><a href="#tipos_de_inteligencia_artificial">Tipos de inteligencia artificial</a></li>
20<li><a href="#aplicaciones_pr%C3%A1cticas">Aplicaciones prácticas</a></li>
21<li><a href="#implicaciones_%C3%A9ticas">Implicaciones éticas</a></li>
22<li><a href="#ejemplos">Ejemplos</a></li>
23<li><a href="#conceptos">Conceptos</a></li>
24<li><a href="#fuentes">Fuentes</a></li>
25</ul>
26<h2 id="qué_es"><a class="anchor" href="#qué_es">¶</a>Qué es</h2>
27<p>La inteligencia artificial es una rama apasionante que tiene su origen en la <strong>informática</strong> y se basa en el concepto de conseguir <em>emular</em><sup class="footnote-reference" id="r.1"><a href="#f.1">1</a></sup> al cerebro humano, mediante el desarrollo un programa que sea capaz de <strong>aprender y mejorar por sí sólo</strong> (normalmente bajo algún tipo de supervisión)</p>
28<p>Fue un concepto acuñado por <em>John McCarthy</em> en un congreso de informática de 1956, y desde entonces este campo ha crecido de manera exponencial con unas buenas previsiones de futuro.</p></p>
29<div class="image-container">
30<img src="human_progress_edge.svg" alt="Progreso humano en la inteligencia artificial" />
31<div class="image-caption"></div>
32</div>
33<p>
34<p><em>Progreso humano en la inteligencia artificial. <a href="http://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1">Fuente</a></em></p>
35<h2 id="en_qué_consiste"><a class="anchor" href="#en_qué_consiste">¶</a>En qué consiste</h2>
36<p>La inteligencia artificial no consiste en escribir unas pautas fijas y finitas al igual que hacen la gran mayoría de programas, en los cuales introduces unos datos y producen siempre la misma salida, una salida predecible, programada e invariable, que además, tiene sus límites, ya que si introduces datos para los que la aplicación no está programada, esta aplicación no será capaz de manejarlos. No los entenderá y no producirá ningún resultado.</p>
37<p>La inteligencia artificial consiste en dar un paso <strong>más allá</strong>. Una inteligencia artificial <em>entrenada</em> es capaz de manejar datos para los cuales no ha sido programada de manera explícita<sup class="footnote-reference" id="r.2"><a href="#f.2">2</a></sup></sup></p>
38<h2 id="límites"><a class="anchor" href="#límites">¶</a>Límites</h2>
39<p>Actualmente, la inteligencia artificial se ve limitada por la velocidad y capacidad de los dispositivos (ordenadores, teléfonos inteligentes).</p>
40<p>A día de hoy, ya hemos conseguido emular el cerebro de un gusano de un milímetro de longitud, que consiste de un total de trescientas dos neuronas. El <strong>cerebro humano</strong> contiene unas <strong>cien mil millones de neuronas</strong>.</p>
41<div class="image-container">
42<img src="exponential_grow.gif" alt="Progreso en la velocidad de los dispositivos" />
43<div class="image-caption"></div>
44</div>
45<p>
46<p><em>Crecimiento en la velocidad de procesado de los dispositivos. <a href="http://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1">Fuente</a></em></p>
47<p>Comparado con las neuronas de un cerebro humano (cuya velocidad<sup class="footnote-reference" id="r.3"><a href="#f.3">3</a></sup> máxima oscilan entre los 200Hz), los procesadores de hoy en día (mucho más lentos que los que tendremos dentro de algunos años) ya tienen una velocidad superior a los 2Ghz, es decir, <strong>10 millones de veces</strong> más rápidos que las neuronas. Y la comunicación interna del cerebro, que oscila entre los 120m/s, queda infinitamente distante de la velocidad de los ordenadores que se comunican de manera óptica a la <strong>velocidad de la luz</strong>.</p>
48<p>Además de todo esto, la capacidad de los dispositivos puede ser <strong>ampliada</strong>, a diferencia del cerebro que tiene un tamaño ya determinado. Y, por último, un procesador puede estar <strong>trabajando sin parar</strong> nunca, sin cansarse.</p></p>
49<!-- Boston dynamics artificial intelligence put some more examples, like Google or predicting models or big data, ocr -->
50<h2 id="tipos_de_inteligencia_artificial"><a class="anchor" href="#tipos_de_inteligencia_artificial">¶</a>Tipos de inteligencia artificial</h2>
51<h3 id="según_el_tipo_de_aprendizaje"><a class="anchor" href="#según_el_tipo_de_aprendizaje">¶</a>Según el tipo de aprendizaje</h3>
52<ul>
53<li><strong>Aprendizaje supervisado</strong>: se le presenta una entrada de datos y produce una salida de los datos procesados, y un "tutor" es el que determina si la salida es correcta o no.</li>
54<li><strong>Aprendizaje sin supervisar</strong>: se le presenta una entrada de datos sin presentarle ningún otro tipo de información, para que encuentre la estructura de los datos por sí sóla.</li>
55<li><strong>Aprendizaje por refuerzo</strong>: un ordenador interactua con un entorno variable en el que debe llevar a cabo una tarea concreta, sin que un tutor le indique cómo explícitamente.</li>
56</ul>
57<h3 id="según_la_forma_de_llevarlo_a_cabo_principales_métodos_"><a class="anchor" href="#según_la_forma_de_llevarlo_a_cabo_principales_métodos_">¶</a>Según la forma de llevarlo a cabo (principales métodos)</h3>
58<ul>
59<li>
60<p><strong>Aprendizaje por árbol de decisiones</strong>. Este aprendizaje usa un árbol de decisiones, que almacena observaciones y conclusiones.</p>
61<div class="image-container">
62<img src="decision_tree.svg" alt="Árbol de decisiones" />
63<div class="image-caption"></div>
64</div>
65<p>
66</li>
67<li>
68<p><strong>Aprendizaje por asociación de reglas</strong>. Utilizado para descubrir relaciones en grandes bases de datos<sup class="footnote-reference" id="r.4"><a href="#f.4">4</a></sup>.</p>
69</li>
70<li>
71<p><strong>Red neuronal artificial (RNA)</strong>. Inspirado en redes neuronales biológicas**. Los cálculos se estructuran en un grupo de neuronas artificiales interconectadas.</p>
72</li>
73<li>
74<p><strong>Programación lógica inductiva (PLI)</strong>. Se aproxima de manera hipotética, dado un transfondo lógico y una entrada, a una solución que no se le había presentado antes.</p>
75</li>
76<li>
77<p><strong>Máquinas de soporte vectorial (MSV)</strong>. Se usan para clasificar y problemas que necesitan de regresión<sup class="footnote-reference" id="r.5"><a href="#f.5">5</a></sup>. Dado una serie de ejemplos, una entrada será clasificada de una forma u otra.</p>
78</li>
79<li>
80<p><em><strong>Clustering</strong></em>. Este tipo de análisis consiste en asignar observaciones a ciertas subcategorías (denominadas <em>clústeres</em>), para que aquellas que están en el mismo <em>clúster</em> sean similares**. Este tipo de aprendizaje es una técnica común en análisis estadístico.</p>
81</li>
82<li>
83<p><strong>Redes bayesianas</strong>. Es un modelo probabilístico que organiza variables al azar según unas determinadas condiciones mediante un gráfico**. Un ejemplo de red bayesiana es el siguiente:</p>
84<div class="image-container">
85<img src="bayesian_network.svg" alt="Red bayesiana" />
86<div class="image-caption"></div>
87</div>
88<p>
89</li>
90<li>
91<p><strong>Algoritmos genéticos</strong>. Imita el proceso evolutivo de la selección natural, y usa métodos como la mutación para generar nuevos "genotipos" que, con algo de suerte, serán mejores en encontrar la solución correcta.</p>
92</li>
93</ul>
94<h2 id="aplicaciones_prácticas"><a class="anchor" href="#aplicaciones_prácticas">¶</a>Aplicaciones prácticas</h2>
95<p>La inteligencia artificial ya se encuentra desde hace algún tiempo entre nosotros, como por ejemplo el archiconocido <strong>buscador Google</strong>, que filtra los resultados más relevantes mediante una inteligencia artificial. Otros ejemplos son el reconocimiento de caracteres a partir de una foto, o incluso reconocimiento del habla con <strong>asistentes virtuales como Cortana o Siri</strong>, en los videojuegos, en bolsa, en los <strong>hospitales</strong>, industria pesada, transportes, juguetes, música, aviación, robótica, filtros anti-spam... y un largo etcétera.</p>
96<h2 id="implicaciones_éticas"><a class="anchor" href="#implicaciones_éticas">¶</a>Implicaciones éticas</h2>
97<p>Una vez tengamos la tecnología necesaria para recrear un cerebro humano, si enseñáramos a esta inteligencia artificial al igual que un humano, ¿llegaría a tener <strong>sentimientos</strong>? ¿Sería consciente de su existencia? ¿Podría sentir felicidad, alegría, tristeza, enfado? ¿Tendría <strong>creatividad</strong>? ¿Derecho a propiedad? Si la respuesta es que sí, y es la respuesta más lógica, significa que, en realidad, los sentimientos no son nada más que una manera de entender las cosas. No tienen valor por sí mismos. Seríamos capaces de recrearlos, y tendrían el mismo valor que un sentimiento humano, aunque esa inteligencia viviera dentro de un ordenador. Y acabar con esta inteligencia sería acabar con esta vida, <strong>una vida</strong> casi, por no decir enteramente, <strong>humana</strong>. Además, todo esto implicaría que todo comportamiento humano es predecible. Por último, si esta inteligencia es realmente como un humano, al utilizarla, ¿la estaríamos esclavizando al obligarla a trabajar para nosotros? ¿En qué momento dejaremos de llamarlos "ordenadores" y comenzaremos a tratarles como "humanos"? ¿Será la humanidad capaz de adaptarse al cambio?</p>
98<!-- ¿y si sólo somos cerebro y logramos recrearlo? ¿tendría sentimientos? -->
99<h2 id="ejemplos"><a class="anchor" href="#ejemplos">¶</a>Ejemplos</h2>
100<p>En el siguiente algorítmo genético podemos ver como una figura aprende a saltar, obedeciendo a las leyes físicas (ver en <a href="https://youtu.be/Gl3EjiVlz_4">YouTube</a>):</p>
101<iframe width="420" height="315" src="https://www.youtube.com/embed/Gl3EjiVlz_4" frameborder="0" allowfullscreen></iframe>
102<p>Por el contrario, en el siguiente ejemplo, un algorítmo genético aprende a "luchar" contra otra figura: (ver en <a href="https://youtu.be/u2t77mQmJiY">YouTube</a>):</p>
103<iframe width="560" height="315" src="https://www.youtube.com/embed/u2t77mQmJiY" frameborder="0" allowfullscreen></iframe>
104<p>Estos cuatro increíbles ejemplos siguientes muestran un proceso evolutivo similar al sufrido por cualquier tipo de ser (ver en <a href="https://youtu.be/GOFws_hhZs8">YouTube</a>):</p>
105<iframe width="560" height="315" src="https://www.youtube.com/embed/GOFws_hhZs8" frameborder="0" allowfullscreen></iframe>
106<iframe width="560" height="315" src="https://www.youtube.com/embed/31dsH2Fs1IQ" frameborder="0" allowfullscreen></iframe>
107<iframe width="560" height="315" src="https://www.youtube.com/embed/IVcvvqxtNwE" frameborder="0" allowfullscreen></iframe>
108<iframe width="560" height="315" src="https://www.youtube.com/embed/KrTbJUJsDSw" frameborder="0" allowfullscreen></iframe>
109<h2 id="conceptos"><a class="anchor" href="#conceptos">¶</a>Conceptos</h2>
110<p class="footnote" id="f.1"><sup>1</sup> <strong>Emular</strong>. Tratar de imitar un modelo, aproximarse a este. Copiar su comportamiento o incluso mejorarlo. <a href="#r.1">↩</a></p>
111
112<p class="footnote" id="f.2"><sup>2</sup> <strong>Explícito</strong>. Suceso que ocurre de manera previamente avisada de una forma directa, anticipado <em>sin rodeos</em>. <a href="#r.2">↩</a></p>
113
114<p class="footnote" id="f.3"><sup>3</sup> <strong>Velocidad (en hercios)</strong>. Número de cálculos realizados por segundo. Un procesador con una velocidad de 100Hz es capaz de realizar 100 cálculos por segundo. <a href="#r.3">↩</a></p>
115
116<p class="footnote" id="f.4"><sup>4</sup> <strong>Base de datos</strong>. Lugar en el que se almacena de manera estructurada una información, como por ejemplo un censo que indique el nombre de las personas, sus apellidos, edad, etcétera. <a href="#r.4">↩</a></p>
117
118<p class="footnote" id="f.5"><sup>5</sup> <strong>Regresión</strong>. Las pruebas de regresión consisten en someter a un programa a una serie de pruebas para descubrir fallos en este cometidos accidentalmente con anterioridad en versiones anteriores. <a href="#r.5">↩</a></p>
119
120<h2 id="fuentes"><a class="anchor" href="#fuentes">¶</a>Fuentes</h2>
121<ul>
122<li><a href="http://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1">Evolución de la inteligencia artificial - Wait but why</a></li>
123<li><a href="https://en.wikipedia.org/wiki/Machine_learning"><em>Machine learning</em> - Wikipedia</a></li>
124</ul>
125</main>
126</body>
127</html>
128