Page 67 - PROYECTO_FINAL_BC_CS

de segundos, jugar a las damas perfectamente. El usada para, por ejemplo, programar el módulo de
diseño y realización de inteligencias artificiales que razonamiento de un robot físico situado en un entorno
únicamente muestran comportamiento inteligente en real, pero en los primeros años los pioneros de la IA
un ámbito muy especializado constituye lo que se no disponían de lenguajes de representación del
conoce por “IA débil” en contraposición con la “IA conocimiento ni de programación que permitieran
fuerte” a la que se referían Newell y Simon y otros hacerlo de forma eficiente y por este motivo los
padres fundadores de la IA. Aunque estrictamente la primeros sistemas inteligentes se limitaron a resolver
hipótesis SSF se formuló en 1975, ya estaba implícita problemas que no requerían interacción directa con el
en las ideas de los pioneros de la IA en los años 50 e mundo real. Actualmente la IA simbólica se sigue
incluso en las ideas de Alan Turing en sus escritos usando para demostrar teoremas o jugar al ajedrez,
[2]sobre máquinas inteligentes. pero, gracias a los progresos en representación de
conocimientos y visión artificial, también se puede
De hecho, quien introdujo esta distinción entre IA usar para aplicaciones que requieren percibir el
débil y IA fuerte fue el filósofo John Searle en un entorno y actuar sobre él como por ejemplo el
artículo crítico con la IA publicado en 1980 [Searle, aprendizaje y la toma de decisiones en robots
1980] que provocó, y sigue provocando, mucha autónomos.
polémica. La IA fuerte implicaría que un ordenador
convenientemente programado no simula una mente, Simultáneamente con la IA simbólica también empezó
sino que es una mente y por consiguiente debería ser a desarrollarse una IA bio-inspirada llamada
capaz de pensar igual que un ser humano. Searle en su conexionista. Los sistemas conexionistas no son
artículo intenta demostrar que la IA fuerte es incompatibles con la hipótesis SSF, pero,
imposible. [4] La IA débil, por otro lado, consistiría contrariamente a la IA simbólica, se trata de una
según Searle en construir programas que ayudan al ser modelización bottom-up, ya que también se basan en
humano en sus actividades mentales en lugar de la hipótesis de que la inteligencia emerge a partir de la
duplicarlas. La capacidad de los ordenadores para actividad distribuida de un gran número de unidades
realizar tareas específicas mejor que las personas ya se interconectadas que procesan información
ha demostrado. En ciertos dominios los avances de la paralelamente. En la IA conexionista estas unidades
IA débil superan en mucho la pericia humana, como son modelos aproximados de la actividad eléctrica de
por ejemplo en buscar soluciones a formulas lógicas las neuronas biológicas. Ya en 1943 se propuso un
con muchas variables. También se asocia con la IA modelo simplificado de neurona en base a la idea de
débil el hecho de formular y probar hipótesis acerca de que una neurona es esencialmente una unidad lógica
aspectos relacionados con la mente (por ejemplo, la [2]Este modelo es una abstracción matemática con
capacidad de razonar deductivamente, de aprender entradas (“dendritas”) y salidas (“axones”). El valor de
inductivamente, etc.) mediante la construcción de la salida se calcula en función del resultado de una
programas que llevan a cabo dichas funciones. Todos suma ponderada de las entradas de forma que si dicha
los avances logrados hasta ahora en el campo de la IA suma supera un umbral pre-establecido entonces la
son manifestaciones de la IA débil. [2] salida es un “1”, en caso contrario la salida es “0”.
Conectando la salida de cada neurona con las entradas
2.2 Los principales modelos en Inteligencia de otras neuronas se forma una red neuronal artificial.
Artificial: Simbólico, Conexionista, Inspirándose en un modelo de reforzamiento de las
Evolutivo y Corpóreo sinapsis entre neuronas biológicas, propuesto por
Donald Hebb [2]se vio que estas redes neuronales
El modelo dominante en IA ha sido el simbólico, que artificiales se podían entrenar para aprender funciones
tiene sus raíces en la hipótesis SSF. De hecho, sigue que relacionaran las entradas con las salidas mediante
siendo muy importante y actualmente se considera el el ajuste de los pesos que sirven para ponderar las
modelo clásico en IA (también denominado por el conexiones entre neuronas, por este motivo se pensó
acrónimo GOFAI de Good Old Fashioned AI). Es un que serían mejores modelos para el aprendizaje, la
modelo top-down que se basa en el razonamiento cognición y la memoria, que los modelos basados en
lógico y la búsqueda heurística como pilares para la la IA simbólica. Sin embargo, los sistemas inteligentes
resolución de problemas, sin que el sistema inteligente basados en la IA conexionista tampoco necesitan
necesite formar parte de un cuerpo ni estar situado en formar parte de un cuerpo ni estar situado en un
un entorno real. Es decir, la IA simbólica opera con entorno real y, desde este punto de vista, tienen las
representaciones abstractas del mundo real que se mismas limitaciones que los sistemas de IA simbólica.
modelizan mediante lenguajes de representación
basados principalmente en la lógica matemática y sus Por otra parte, las neuronas reales poseen complejas
extensiones. Por este motivo los primeros sistemas arborizaciones dendríticas con propiedades, no solo
inteligentes resolvían principalmente problemas que eléctricas sino también químicas, nada triviales.
no requerían interactuar directamente con el entorno Pueden contener conductancias iónicas que producen
como por ejemplo demostrar teoremas o jugar al efectos no-lineales. Pueden recibir decenas de millares
ajedrez (los sistemas de IA que juegan al ajedrez no de sinapsis variando en posición, polaridad, magnitud.
necesitan la percepción visual para ver las piezas en el Además, hoy día sabemos que en el cerebro hay unas
tablero ni manos artificiales para mover las piezas). [3] células llamadas gliales que regulan el funcionamiento
Ello no significa que la IA simbólica no pueda ser de las neuronas siendo incluso más numerosas que

66