Saltar al contenido

6 increíbles tipos de inteligencia artificial en la actualidad

9 agosto, 2018
4 tipos de inteligencia artificial

Uno de los tipos de inteligencia artificial tiene conciencia de sí mismo.

El informe se centra en lo que se podría llamar tipos convencionales de IA: aprendizaje automático y aprendizaje en profundidad. Este es el tipo de tecnologías que han sido capaces de jugar «Jeopardy!» Bien, y vencer a los humanos Go Masters en el juego más complicado que se haya inventado. Estos sistemas inteligentes actuales son capaces de manejar grandes cantidades de datos y realizar cálculos complejos muy rápidamente. Pero carecen de un elemento que será clave para construir las máquinas sensibles que imaginamos tener en el futuro.

Te puede interesar:

1. Máquinas Reactivas

Los tipos más básicos de sistemas de IA son puramente reactivos, y no tienen la capacidad de formar recuerdos ni de utilizar experiencias pasadas para informar las decisiones actuales. Deep Blue, la supercomputadora de ajedrez de IBM , que venció al gran maestro internacional Garry Kasparov a fines de la década de 1990, es el ejemplo perfecto de este tipo de máquina.

Deep Blue puede identificar las piezas en un tablero de ajedrez y saber cómo se mueve cada una. Puede hacer predicciones sobre qué movimientos podrían ser próximos para él y su oponente. Y puede elegir los movimientos más óptimos entre las posibilidades. Pero no tiene ningún concepto del pasado, ni ningún recuerdo de lo que sucedió antes.

Garry Kasparov vs una computadora IA radiactivas

Este tipo de inteligencia implica que la computadora perciba el mundo directamente y actúe según lo que ve. No se basa en un concepto interno del mundo. En un artículo seminal, el investigador de IA Rodney Brooks argumentó que solo deberíamos construir máquinas como esta. Su razón principal era que las personas no son muy buenas en la programación de mundos simulados precisos para que las computadoras los usen, lo que en la erudición de AI se denomina una «representación» del mundo.


Del mismo modo, AlphaGo de Google, que ha derrotado a los mejores expertos humanos de Go, tampoco puede evaluar todos los posibles movimientos futuros. Su método de análisis es más sofisticado que el de Deep Blue, y usa una red neuronal para evaluar los desarrollos de los juegos.

Esto puede ser muy útil para garantizar que un sistema de inteligencia artificial sea confiable: desea que su automóvil autónomo sea un conductor confiable. Estos sistemas de inteligencia artificial más simples nunca estarán aburridos, o interesados, o tristes.

2. Máquinas con Memoria Limitada

Esta clase de Tipo II contiene máquinas que pueden mirar al pasado. Los autos sin conductor ya hacen algo de esto. Por ejemplo, observa la velocidad y la dirección de otros automóviles. Eso no se puede hacer en un solo momento, sino que requiere identificar objetos específicos y monitorearlos a lo largo del tiempo.

Estas observaciones se agregan a las representaciones del mundo preprogramadas de los automóviles autodirigidos, que también incluyen marcas de carriles, semáforos y otros elementos importantes, como curvas en el camino. Se incluyen cuando el automóvil decide cuándo cambiar de carril, para evitar cortar a otro conductor o ser atropellado por un automóvil cercano.

IA con memoria limitada

Pero estas simples piezas de información sobre el pasado son solo transitorias. No se guardan como parte de la biblioteca de la experiencia del automóvil de la que puede aprender, la forma en que los conductores humanos recopilan experiencia durante años al volante.

Entonces, ¿cómo podemos construir sistemas de IA que construyan representaciones completas, recuerden sus experiencias y aprendan a manejar situaciones nuevas? Brooks tenía razón en que es muy difícil hacer esto. Mi propia investigación sobre métodos inspirados por la evolución darwiniana puede comenzar a compensar las deficiencias humanas al permitir que las máquinas construyan sus propias representaciones.

3. IA con Teorías de la Mente

Podríamos detenernos aquí, y llamar a este punto la división importante entre las máquinas que tenemos y las máquinas que construiremos en el futuro. Sin embargo, es mejor ser más específico para analizar los tipos de representaciones que las máquinas deben formar y sobre qué deben tratarse.

Las máquinas de la clase siguiente, más avanzada, no solo forman representaciones sobre el mundo, sino también sobre otros agentes o entidades en el mundo. En psicología, esto se llama » teoría de la mente «: la comprensión de que las personas, criaturas y objetos en el mundo pueden tener pensamientos y emociones que afectan su propio comportamiento.

IA con teorías de la mente

Esto es crucial para la forma en que los humanos formamos sociedades , porque nos permitieron tener interacciones sociales. Sin entender los motivos e intenciones de los demás, y sin tener en cuenta lo que otra persona sabe acerca de mí o del medio ambiente, trabajar juntos es, en el mejor de los casos, difícil y, en el peor, imposible.


Si los sistemas de IA realmente van a caminar entre nosotros, tendrán que ser capaces de comprender que cada uno de nosotros tiene pensamientos, sentimientos y expectativas sobre cómo seremos tratados. Y tendrán que ajustar su comportamiento en consecuencia.

4. IA con Conciencia de Sí Mismo

El paso final del desarrollo de AI es construir sistemas que puedan formar representaciones sobre ellos mismos. En última instancia, los investigadores de IA tendremos que no solo comprender la conciencia, sino construir máquinas que la tengan.

Esto es, en cierto sentido, una extensión de la «teoría de la mente» poseída por las inteligencias artificiales tipo III. La conciencia también se llama «autoconciencia» por una razón.(«Quiero ese artículo» es una afirmación muy diferente de «Sé que quiero ese artículo»). Los seres conscientes son conscientes de sí mismos, conocen sus estados internos y son capaces de predecir los sentimientos de los demás. Suponemos que alguien que está tocando la bocina detrás de nosotros en el tráfico está enojado o impaciente, porque así es como nos sentimos cuando tocamos a los demás. Sin una teoría de la mente, no podríamos hacer ese tipo de inferencias.

Si bien es probable que estemos lejos de crear máquinas que sean conscientes de sí mismas, debemos enfocar nuestros esfuerzos hacia la comprensión de la memoria, el aprendizaje y la capacidad de basar las decisiones en las experiencias pasadas.Este es un paso importante para comprender la inteligencia humana por sí mismo. Y es crucial si queremos diseñar o desarrollar máquinas que sean más que excepcionales clasificando lo que ven en frente de ellas.

5. Tipos de agentes y ambientes

Agente Inteligente

Se llama agente a aquel que perciba su propio ambiente mediante diversos sensores y que da respuesta o actúa en tal ambiente por medio de sus efectores.

  1.  Agente de reflejo simple: Las acciones que realiza son en base a percepciones.
  2. Agentes bien informados de su entorno: Guarda estados internos para ejecutar una acción.
  3. Agente basado en metas: Además de los estados necesitan información de las metas detalladas combinándolas para realizar la acción.
  4. Agente basados en utilidades: Se obtiene un conjunto de metas para poder encontrar utilidad que sirva al ambiente.

Ambientes

Genera percepciones al agente quien ejerce acciones sobre el ambiente.

  • Accesibles y No accesibles: Es accesible si los sensores detectan todos los aspectos relevantes a la elección de una acción.
  • Deterministas y No deterministas: son deterministas cuando el estado actual esta completo y por tanto las acciones son escogidas por el agente
  • Episódicos y No episódicos: Es un ambiente episódico que dependerá de las acciones producidas en los episodios anteriores. Son más sencillos ya que el agente no piensa por adelantado.
  • Estáticos y Dinámicos: Se denomina dinámico cuando el agente se encuentra deliberando modificaciones, de lo contrario se  dice que es estático.
  • Discretos y Continuos: se denomina discretas cuando la cantidad de acciones distintas y claramente discernibles, y continuas cuando los rangos de valores son continuos.

6. De Búsquedas

En esa disciplina se estudian búsquedas ciegas (búsqueda primero en amplitud, primero en profundidad, profundidad iterativa, de costo uniforme, etc.) y búsquedas inteligentes (búsqueda avara, A*, IDA*, A* restricta por memoria simplificada, ascenso de cima (hill-climbing), etc.
Relacionado con la búsqueda del óptimo está el problema del control de la búsqueda, control planteado por Newell y Simon que ha generado una abundancia de trabajos en el campo de la inteligencia artificial. Se trata de elegir entre búsquedas heurísticas lo suficientemente buenas (no perfectas) como para que se pueda dar por concluida la búsqueda con una aceptable respuesta al problema en un lapso aceptable de tiempo.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Comentarios (2)

MUCHAS GRACIAS POR LA INFORMACION ME SIRVIO DE MUCHO

Responder

Genial justo esto es lo que me faltaba para terminar mi trabajo, al fiiiiin T.T GRACIAS!

Responder