ETIMOLOGA

La palabra inteligencia proviene del latn intellegere, trmino compuesto de inter

'entre' y legere 'leer, escoger. La inteligencia permite elegir las mejores opciones
para resolver una cuestin.
La palabra inteligencia fue introducida por Cicern para describir el concepto de
capacidad intelectual. Su espectro semntico es muy amplio, reflejando la idea
clsica segn la cual, por la inteligencia el hombre es, en cierto modo, todas las
cosas que existen.

DEFINICION
La Inteligencia Artificial es una rama de la ciencia de la computacin que
comprende el estudio y creacin de sistemas computarizados que manifiestan
cierta forma de inteligencia: sistemas que aprenden nuevos conceptos y tareas,
sistemas que pueden razonar y derivar conclusiones tiles acerca del mundo que
nos rodea, sistemas que pueden comprender un lenguaje natural o percibir y
comprender una escena visual, y sistemas que realizan otro tipo de actividades que
requieren de inteligencia humana.

OBJETIVOS
El objetivo de la IA es el de entender la naturaleza de la inteligencia a travs del
diseo de sistemas computacionales que la exhiban. En forma ms concreta, puede
afirmarse que, en lo que ha transcurrido de su corta historia, la IA ha estado dirigida
por tres objetivos generales:

1. El anlisis terico de las posibles explicaciones del comportamiento inteligente.

2. La explicacin de habilidades mentales humanas.

3. La construccin de artefactos(computadoras) inteligentes.

HISTORIA
Aristteles Cerca de 300 a.c.
Aristteles fue el primero en describir de manera estructurada un conjunto de
reglas, silogismo, que describen una parte del funcionamiento de la mente humana
y que, al seguirlas paso a paso, producen conclusiones racionales a partir de
premisas dadas.

Gnesis de la inteligencia artificial (1943 - 1955)

El primer trabajo de inteligencia artificial fue realizado por McCulloch y Pitts en
1943. Para esto utilizaron las fuentes del conocimiento sobre la fisiologa bsica y
funcionamiento de las neuronas en el cerebro, el anlisis formal de la lgica
proporcional y la teora de la computacin de Turing. Propusieron un modelo
constituido por neuronas artificiales, cada una estaba encendida o apagada.
Mostraron que cualquier funcin calculable podra calcularse mediante cierta red de
neuronas interconectadas y que los conectores lgicos se podan lograr utilizando
estructuras de red.
Nacimiento de la IA (1956)
En 1956 se dio el trmino "inteligencia artificial" en Dartmouth durante una
conferencia convocada por McCarthy, a la cual asistieron, entre otros, Minsky,
Newell y Simon. En esta conferencia se hicieron previsiones triunfalistas a diez
aos que jams se cumplieron, lo que provoc el abandono casi total de las
investigaciones durante quince aos.

Entusiasmo inicial, grandes esperanzas (1952 - 1969)

Segn el solucionador general de problemas (SGP) , este programa se diseo para
que imitara protocolos de resolucin de problemas de los humanos. Fue el primer
programa que incorporo el enfoque del pensar humano. Gelernter en 1959
construyo el demostrador de teoremas de geometra (DTG). En 1952 , Samuel
escribi un programa para el juego de damas , el programa aprendi a jugar mejor
que su creador. Mc Carthy defini el lenguaje de alto nivel LISP.

Emergencias de los sistemas inteligentes (1995 - Presente)

El obstculo que enfrenta la mayora de los proyectos de investigacin, consisti en
que aquellos mtodos que demostraban funcionar en uno o dos ejemplos sencillos,
fallaban en problemas ms variados o de mayor dificultad.

Sistema basado en el conocimiento: Clave del poder? (1969 - 1979)

Dendral fue el primer sistema de conocimiento intensivo que lograba funcionar: sus
conocimientos se basaban en importantes cantidades de reglas para propsitos
especiales. Se incorpor la separacin del conocimiento (en forma de regla) y la
parte correspondiente al razonamiento.

La IA se convierte en una industria (1980 - Presente)

Casi todas las compaas importantes de EEUU contaban con su propio grupo de
inteligencia artificial, el cual investigaba la tecnologa de los sistemas expertos.

Una dosis de realidad (1966 - 1973)

El regreso de las redes neuronales (1986 - Presente)

Fsicos utilizaron tcnicas de la mecnica estadstica para analizar las propiedades
de almacenamiento y optimizacin de las redes. Psiclogos estudiaron los modelos
de la memoria basados en redes neurales. Cuatro grupos reinventaron el algoritmo
de aprendizaje de retro programacin. El algoritmo se aplica a problemas
relacionados con el aprendizaje en computacin y en psicologa.

La IA se convierte en una ciencia (1987 - Presente)

En los ltimos aos, se ha producido una revolucin, tanto en el contenido como en
la metodologa de trabajo en el campo de la inteligencia artificial. Actualmente es
ms usual el desarrollo sobre teoras ya existentes que proponer teoras totalmente
novedosas, formar como base rigurosos teoremas o slidas evidencias
experimentales ms que intuicin, y demostrar la utilidad de las aplicaciones en el
mundo real ms que crear ejemplos de juguete.
Quizs animados por el progreso en la resolucin de sub-problemas de IA, los
investigadores han comenzado a trabajar de nuevo en el problema del "Agente
total". El trabajo de Allen Newell, John Laird, y Paul Rosen Bloom en SOAR es el
ejemplo mejor conocido de una arquitectura de agente completa.

ESCUELAS

La IA se divide en dos escuelas de pensamiento:

IA Convencional
Tambin conocido como IA simblico-deductiva e IA dbil. Est basada en el
anlisis formal y estadstico del conocimiento humano ante diferentes problemas:

Razonamiento basado en casos: Ayuda a tomar decisiones mientras se

resuelven ciertos problemas concretos.
Sistemas expertos: Infieren una solucin a travs del conocimiento previo del
contexto en que se aplica y de ciertas reglas o relaciones.
Redes bayesianas: propone soluciones mediante inferencia estadstica.
Inteligencia artificial basada en comportamientos: sistemas complejos que
tienen autonoma y pueden auto-regularse y controlarse para mejorar

Red neuronal artificial

Una Red Neuronal Artificial es un modelo de procesamiento de informacin

que es inspirado por el modo de un sistema nervioso biolgico, tal como el
cerebro procesa informacin. El elemento clave de ste paradigma es la
estructura original de el sistema de procesamiento de informacin. Este se
compone de un gran nmero de elementos interconectados procesando
neuronas y trabajando en armona para resolver problemas especficos.

Las Redes Neuronales Artificiales, como las personas, aprenden con

ejemplos. Una Red Neuronal Artificial es configurada para una aplicacin
especfica, tal como el reconocimiento de patrones o clasificacin de datos, a
travs de un proceso de aprendizaje. Aprender, en sistemas biolgicos,
implica ajustes para las conexiones sinpticas que existen entre las neuronas.
Esto lo hace una Red Neuronal Artificial. Tambin, las Redes Neuronales
Artificiales se han aplicado a un gran nmero de problemas reales de
complejidad considerable. Su ventaja ms importante est en resolver
problemas que son demasiado complejos para tecnologas convencionales,
problemas que no tienen un algoritmo de solucin o que su algoritmo de
solucin es muy difcil de encontrar. En general, a causa de su abstraccin del
cerebro biolgico, las Redes Neuronales Artificiales son aptas para resolver
problemas que las personas pueden resolver, pero las computadoras no
pueden. Estos problemas incluyen reconocimiento de patrones y pronsticos
(los cuales requieren el reconocimiento de tendencias de datos).
 Funciones Heursticas

Los mtodos de bsqueda heurstica disponen de alguna informacin sobre la

proximidad de cada estado a un estado objetivo, lo que permite explorar en
primer lugar los caminos ms prometedores

Caractersticas

No garantizan que se encuentre una solucin, aunque existan

soluciones.
Si encuentran una solucin, no se asegura que sta tenga las mejor
esas propiedades (que sea de longitud mnima o de coste ptimo).
En algunas ocasiones (que, en general, no se podrn determinar a
priori), encontrarn una solucin (aceptablemente buena) en un tiempo
razonable.
En general, los mtodos heursticos son preferibles a los mtodos no
informados en la solucin de problemas difciles para los que una
bsqueda exhaustiva necesitara un tiempo demasiado grande. Esto
cubre prcticamente la totalidad de los problemas reales que interesan
en Inteligencia Artificial.
La informacin del problema concreto que estamos intentando resolver
se suele expresar por medio de heursticas.
El concepto de heurstica es difcil de aprehender. Newell, Shaw y
Simon en 1963 dieron la siguiente definicin: "Un proceso que puede
resolver un problema dado, pero que no ofrece ninguna garanta de que
lo har, se llama una heurstica para ese problema".
Si nos planteamos seguir concretando como aprovechar la informacin
sobre el problema en sistemas de produccin, la siguiente idea consiste
en concentrar toda la informacin heurstica en una nica funcin que se
denomina funcin de evaluacin heurstica. Se trata de una funcin que
asocia a cada estado del espacio de estados una cierta cantidad
numrica que evala de algn modo lo prometedor que es ese estado
para acceder a un estado objetivo. Habitualmente, se denota esa
funcin por h (e).

CONCLUSIN

Estos mtodos de bsqueda son de mucha importancia por lo que ya cuentan

con una informacin acerca del objetivo por lo que hace que se llegue ms
rpido y con ms seguridad al mismo.

IA Computacional
Tambin conocida como IA subsimblica-inductiva e IA fuerte; implica desarrollo o
aprendizaje iterativo por ejemplo, modificaciones interactivas de los parmetros en
sistemas conexionistas. El aprendizaje se realiza basndose en datos empricos.
Algunos mtodos de esta rama incluyen:

Mquina de vectores soporte: Sistemas que permiten reconocimiento de

patrones genricos de gran potencia.
Redes neuronales: sistemas con grandes capacidades de reconocimiento de
patrones.
Modelos ocultos de Markov: Aprendizaje basado en dependencia temporal de
eventos probabilsticas.
sistemas difusos: Tcnicas para lograr el razonamiento bajo incertidumbre. Ha
sido ampliamente usada en la industria moderna y en productos de consumo
masivo, como las lavadoras.
Computacin evolutiva: aplica conceptos inspirados en la biologa, tales como
poblacin, mutacin y supervivencia del ms apto para generar soluciones
sucesivamente mejores para un problema.

Robtica
A modo de introduccin, debemos hacer referencia al origen de la palabra robot; si
bien desde la antigedad se conocen ingenios mecnicos con formas ms o menos
humanas cuyo propsito fue proveer diversin en las cortes o llamar la atencin de
la gente, estos ingenios, carecen de importancia desde el punto de vista
tecnolgico, precisamente por su destino.
El trmino robot fue acuado por el escritor checoslovaco Carlos Chapek, fallecido
en 1938, que adquiri fama mundial con su obra RUR en la que presenta al obrero
moderno como un esclavo mecnico; es all donde justamente emplea la palabra
robot, tomada del eslavo robota, que significa trabajo.

TIPOS DE INTELIGENCIA ARTIFICIAL

stos son los cuatro tipos de Inteligencia Artificial que existen hasta el momento:

MQUINAS REACTIVAS

Sin duda, el estadio ms bsico de la inteligencia artificial. Ni se almacenan

recuerdos ni se utilizan para la toma de decisiones. El gran exponente fue Deep
Blue, la mquina que bati a Kasparov, por entonces campen del mundo de
ajedrez. Su misin es simplemente actuar a partir de lo que ven. Otro ejemplo es
AlphaGo, perfecto para comprobar que el funcionamiento no tiene en cuenta el
historial de cada jugador, sino que las predicciones siempre funcionan de la misma
forma.

MQUINAS CON MEMORIA LIMITADA

La memoria limitada es un ejemplo de la inteligencia artificial de los coches
autnomos, segn el autor. Los coches s tienen un mundo sobre el que recordar
aspectos como autovas o semforos, y a l aaden los detalles del momento
presente, con datos sobre peatones o coches de alrededor. De momento, tampoco
se almacenan como recuerdos, aunque de cara al futuro podra ser til en una
misma ciudad antes de alcanzar un nivel de inteligencia superior.

MQUINAS CON UNA TEORA DE LA MENTE

Este nivel comprende aquellas mquinas que son capaces de entender y expresar
las emociones e ideas que del mundo a la vez que son capaces de tenerlas
propias, adaptadas al mundo y respetando lo existente, pudiendo as trabajar en
equipo y formar parte del da a da a da de los seres humanos.

MQUINAS CON CONCIENCIA PROPIA

El nivel mximo, en el que las mquinas son capaces de verse a s mismas con
perspectiva en su entorno, de manera interna y siento capaces de predecir
comportamientos y sentimientos ajenos. El sector est muy lejos de esto, la
pregunta es cundo llegar.

APLICACIONES DE LA INTELIGENCIA ARTIFICIAL

Robtica.
Procesamiento de Lenguaje Natural.
Reconocimiento de Patrones.
Sistemas Expertos
Tutores Inteligentes.
Manipulacin Inteligente de Base de Datos.
Programacin Automtica.
Visin Computarizada.