1+++
  2title = "Inteligencia artificial"
  3date = 2016-02-24
  4updated = 2016-03-05
  5+++
  6
  7Índice
  8------
  9
 10* [Qué es](#qué_es)
 11* [En qué consiste](#en_qué_consiste)
 12* [Límites](#límites)
 13* [Tipos de inteligencia artificial](#tipos_de_inteligencia_artificial)
 14* [Aplicaciones prácticas](#aplicaciones_prácticas)
 15* [Implicaciones éticas](#implicaciones_éticas)
 16* [Ejemplos](#ejemplos)
 17* [Conceptos](#conceptos)
 18* [Fuentes](#fuentes)
 19
 20Qué es
 21------
 22
 23La inteligencia artificial es una rama apasionante que tiene su origen en la **informática** y se basa en el concepto de conseguir *emular*[^1] al cerebro humano, mediante el desarrollo un programa que sea capaz de **aprender y mejorar por sí sólo** (normalmente bajo algún tipo de supervisión)
 24
 25Fue un concepto acuñado por *John McCarthy* en un congreso de informática de 1956, y desde entonces este campo ha crecido de manera exponencial con unas buenas previsiones de futuro.
 26
 27![Progreso humano en la inteligencia artificial](human_progress_edge.svg)
 28
 29*Progreso humano en la inteligencia artificial. [Fuente](http://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1)*
 30
 31
 32En qué consiste
 33---------------
 34
 35La 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.
 36
 37La inteligencia artificial consiste en dar un paso **más allá**. Una inteligencia artificial *entrenada* es capaz de manejar datos para los cuales no ha sido programada de manera explícita[^2]
 38
 39
 40Límites
 41-------
 42
 43Actualmente, la inteligencia artificial se ve limitada por la velocidad y capacidad de los dispositivos (ordenadores, teléfonos inteligentes).
 44
 45A 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 **cerebro humano** contiene unas **cien mil millones de neuronas**.
 46
 47![Progreso en la velocidad de los dispositivos](exponential_grow.gif)
 48
 49*Crecimiento en la velocidad de procesado de los dispositivos. [Fuente](http://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1)*
 50
 51Comparado con las neuronas de un cerebro humano (cuya velocidad[^3] 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, **10 millones de veces** 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 **velocidad de la luz**.
 52
 53Además de todo esto, la capacidad de los dispositivos puede ser **ampliada**, a diferencia del cerebro que tiene un tamaño ya determinado. Y, por último, un procesador puede estar **trabajando sin parar** nunca, sin cansarse.
 54
 55<!-- Boston dynamics artificial intelligence put some more examples, like Google or predicting models or big data, ocr -->
 56
 57
 58Tipos de inteligencia artificial
 59--------------------------------
 60
 61### Según el tipo de aprendizaje
 62
 63* **Aprendizaje supervisado**: 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.
 64* **Aprendizaje sin supervisar**: 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.
 65* **Aprendizaje por refuerzo**: 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.
 66
 67### Según la forma de llevarlo a cabo (principales métodos)
 68
 69* **Aprendizaje por árbol de decisiones**. Este aprendizaje usa un árbol de decisiones, que almacena observaciones y conclusiones.
 70
 71  ![Árbol de decisiones](decision_tree.svg)
 72
 73* **Aprendizaje por asociación de reglas**. Utilizado para descubrir relaciones en grandes bases de datos[^4].
 74
 75* **Red neuronal artificial (RNA)**. Inspirado en redes neuronales biológicas**. Los cálculos se estructuran en un grupo de neuronas artificiales interconectadas.
 76
 77* **Programación lógica inductiva (PLI)**. Se aproxima de manera hipotética, dado un transfondo lógico y una entrada, a una solución que no se le había presentado antes.
 78
 79* **Máquinas de soporte vectorial (MSV)**. Se usan para clasificar y problemas que necesitan de regresión[^5]. Dado una serie de ejemplos, una entrada será clasificada de una forma u otra.
 80
 81* ***Clustering***. Este tipo de análisis consiste en asignar observaciones a ciertas subcategorías (denominadas *clústeres*), para que aquellas que están en el mismo *clúster* sean similares**. Este tipo de aprendizaje es una técnica común en análisis estadístico.
 82
 83* **Redes bayesianas**. Es un modelo probabilístico que organiza variables al azar según unas determinadas condiciones mediante un gráfico**. Un ejemplo de red bayesiana es el siguiente:
 84
 85  ![Red bayesiana](bayesian_network.svg)
 86
 87* **Algoritmos genéticos**. 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.
 88
 89
 90Aplicaciones prácticas
 91----------------------
 92
 93La inteligencia artificial ya se encuentra desde hace algún tiempo entre nosotros, como por ejemplo el archiconocido **buscador Google**, 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 **asistentes virtuales como Cortana o Siri**, en los videojuegos, en bolsa, en los **hospitales**, industria pesada, transportes, juguetes, música, aviación, robótica, filtros anti-spam... y un largo etcétera.
 94
 95
 96Implicaciones éticas
 97--------------------
 98
 99Una vez tengamos la tecnología necesaria para recrear un cerebro humano, si enseñáramos a esta inteligencia artificial al igual que un humano, ¿llegaría a tener **sentimientos**? ¿Sería consciente de su existencia? ¿Podría sentir felicidad, alegría, tristeza, enfado? ¿Tendría **creatividad**? ¿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, **una vida** casi, por no decir enteramente, **humana**. 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?
100
101<!-- ¿y si sólo somos cerebro y logramos recrearlo? ¿tendría sentimientos? -->
102
103
104Ejemplos
105--------
106
107En el siguiente algorítmo genético podemos ver como una figura aprende a saltar, obedeciendo a las leyes físicas (ver en [YouTube](https://youtu.be/Gl3EjiVlz_4)):
108
109<iframe width="420" height="315" src="https://www.youtube.com/embed/Gl3EjiVlz_4" frameborder="0" allowfullscreen></iframe>
110
111Por el contrario, en el siguiente ejemplo, un algorítmo genético aprende a "luchar" contra otra figura: (ver en [YouTube](https://youtu.be/u2t77mQmJiY)):
112
113<iframe width="560" height="315" src="https://www.youtube.com/embed/u2t77mQmJiY" frameborder="0" allowfullscreen></iframe>
114
115Estos cuatro increíbles ejemplos siguientes muestran un proceso evolutivo similar al sufrido por cualquier tipo de ser (ver en [YouTube](https://youtu.be/GOFws_hhZs8)):
116
117<iframe width="560" height="315" src="https://www.youtube.com/embed/GOFws_hhZs8" frameborder="0" allowfullscreen></iframe>
118<iframe width="560" height="315" src="https://www.youtube.com/embed/31dsH2Fs1IQ" frameborder="0" allowfullscreen></iframe>
119<iframe width="560" height="315" src="https://www.youtube.com/embed/IVcvvqxtNwE" frameborder="0" allowfullscreen></iframe>
120<iframe width="560" height="315" src="https://www.youtube.com/embed/KrTbJUJsDSw" frameborder="0" allowfullscreen></iframe>
121
122
123Conceptos
124---------
125
126[^1]: **Emular**. Tratar de imitar un modelo, aproximarse a este. Copiar su comportamiento o incluso mejorarlo.
127
128[^2]: **Explícito**. Suceso que ocurre de manera previamente avisada de una forma directa, anticipado *sin rodeos*.
129
130[^3]: **Velocidad (en hercios)**. Número de cálculos realizados por segundo. Un procesador con una velocidad de 100Hz es capaz de realizar 100 cálculos por segundo.
131
132[^4]: **Base de datos**. 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.
133
134[^5]: **Regresión**. 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.
135
136
137Fuentes
138-------
139
140* [Evolución de la inteligencia artificial - Wait but why](http://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1)
141* [*Machine learning* - Wikipedia](https://en.wikipedia.org/wiki/Machine_learning)