Page 69 - PROYECTO_FINAL_BC_CS

situaciones conforman las habilidades cognitivas de Éste es un problema muy importante en IA ya que
los agentes. Consecuentemente, para especificar todavía no sabemos cómo integrar todos estos
concretamente dichas habilidades cognitivas es componentes de la inteligencia, necesitamos
necesario tener en cuenta las interacciones del agente arquitecturas cognitivas que integren a estos
con su entorno. [3] Las aproximaciones no corpóreas componentes de forma adecuada. Estos sistemas
no permiten interacciones directas con el entorno por integrados son un paso previo fundamental para
lo que, inevitablemente, dan lugar a falsos problemas conseguir algún día inteligencias artificiales de tipo
y por lo tanto a falsas soluciones. Tienden a definir los general.
problemas en términos de tareas en un entorno
especificadas desde una perspectiva abstracta de 2.5 El futuro de la IA
objetos y relaciones. Las capacidades cognitivas no se
deberían estudiar haciendo abstracción del sistema Entre las actividades futuras, creo que los temas de
sensor y el sistema motor. investigación más importantes seguirán estando
basados en lo que podemos llamar “massive data-
driven AI”, es decir en explotar la posibilidad de
acceder a cantidades masivas de datos y poder
procesarlos con hardware cada vez más rápido con el
fin de descubrir relaciones entre ellos, detectar
patrones y realizar inferencias y aprendizaje mediante
modelos probabilísticos. Ejemplos claros de ello son
el sistema [2]. Sin embargo, estos sistemas basados en
el análisis de enormes cantidades datos deberán, en el
futuro, incorporar módulos que permitan explicar
cómo se ha llegado a los resultados y conclusiones
propuestas ya que la explicabilidad es una
característica irrenunciable para los usuarios.
Actualmente la principal limitación de los sistemas
basados en deep learning es que son “cajas negras” sin
capacidad explicativa. Otras técnicas más clásicas de
Figura 2 La inteligencia artificial es capaz de ver oír y comprender
IA que seguirán siendo objeto de investigación son los
La Fig. 2 nos da un ejemplo sobre lo que aprende la sistemas multiagente, el razonamiento espacial, la
inteligencia artificial como observar esto se puede planificación de acciones, el razonamiento basado en
aplicar en cámaras, oír aplicaremos en sistemas la experiencia, la visión artificial, la comunicación
moduladores de voz y comprender en videojuegos multimodal persona-máquina, la robótica humanoide
para procesar jugadas a futuro o posibles soluciones a y animaloide y en particular las nuevas tendencias en
un problema. robótica basada en el desarrollo (developmental
robotics) [1]. En el caso de la robótica existe otra una
2.4 Los sistemas integrados como paso nueva propuesta basada en el concepto de
computación en la nube (cloud computating) que se
previo hacia la IA de tipo general conoce como Cloud Robotics [1]La ventaja reside en
Las capacidades más complicadas de alcanzar son que cada robot podrá aprender de las experiencias del
aquellas que requieren interaccionar con entornos no resto de robots a los que que esté interconectado a
restringidos: percepción visual, comprensión del través de la nube, lo cual debería permitir un progreso
lenguaje, razonar con sentido común y tomar rápido de aprendizaje y mejora de las capacidades de
decisiones con información incompleta. Diseñar cada uno de los robots. Cuantos más robots formen
sistemas que tengan estas capacidades requiere parte del “cloud” más rápido deberían aprender y
integrar desarrollos en muchas áreas de la IA. En mejorar. La técnica de aprendizaje más apropiada para
particular, necesitamos lenguajes de representación de este enfoque sería el “deep learning” ya que los robots
conocimientos que codifiquen información acerca de deberán aprender en base a grandes cantidades de
muchos tipos distintos de objetos, situaciones, datos.
acciones, etc., así como de sus propiedades y de las
relaciones entre ellos. También necesitamos nuevos También veremos progresos significativos gracias a
algoritmos que, en base a estas representaciones, las aproximaciones biomiméticas para reproducir en
puedan responder de forma robusta y eficiente máquinas el comportamiento de, inicialmente,
preguntas sobre prácticamente cualquier tema. animales tales como insectos. No se trata únicamente
Finalmente, dado que necesitarán conocer un número de reproducir el comportamiento de un animal sino de
prácticamente ilimitado de cosas, estos sistemas comprender como funciona el cerebro que produce
deberán ser capaces de aprender nuevos dicho comportamiento. Se trata de construir y
conocimientos de forma continua a lo largo de toda su programar circuitos electrónicos que reproduzcan las
existencia. En definitiva, además de progresos secuencias de órdenes que el cerebro genera para, por
individuales en cada una de estas áreas, debemos ejemplo, producir movimientos (de las alas, las patas,
también diseñar sistemas que integren percepción, etc.). Algunos biólogos están interesados en los
representación, razonamiento, acción y aprendizaje. intentos de fabricar un cerebro artificial lo más

68