Page 60 - Revista tecnologica y cientifica

con su entorno. [3] Las aproximaciones no corpóreas conseguir algún día inteligencias artificiales de tipo
no permiten interacciones directas con el entorno por general.
lo que, inevitablemente, dan lugar a falsos problemas
y por lo tanto a falsas soluciones. Tienden a definir los 3 El futuro de la IA
problemas en términos de tareas en un entorno Entre las actividades futuras, creo que los temas de
especificadas desde una perspectiva abstracta de investigación más importantes seguirán estando
objetos y relaciones. Las capacidades cognitivas no se basados en lo que podemos llamar “massive data-
deberían estudiar haciendo abstracción del sistema driven AI”, es decir en explotar la posibilidad de
sensor y el sistema motor.
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

IA que seguirán siendo objeto de investigación son los
Figura 2 La inteligencia artificial es capaz de ver oír y comprender
sistemas multiagente, el razonamiento espacial, la
La Fig. 2 nos da un ejemplo sobre lo que aprende la planificación de acciones, el razonamiento basado en
inteligencia artificial como observar esto se puede la experiencia, la visión artificial, la comunicación
aplicar en cámaras, oír aplicaremos en sistemas multimodal persona-máquina, la robótica humanoide
moduladores de voz y comprender en videojuegos y animaloide y en particular las nuevas tendencias en
para procesar jugadas a futuro o posibles soluciones a robótica basada en el desarrollo (developmental
un problema. robotics) [1]. En el caso de la robótica existe otra una
nueva propuesta basada en el concepto de
2.5 Los sistemas integrados como paso computación en la nube (cloud computating) que se
previo hacia la IA de tipo general conoce como Cloud Robotics [1]La ventaja reside en
que cada robot podrá aprender de las experiencias del
Las capacidades más complicadas de alcanzar son resto de robots a los que que esté interconectado a
aquellas que requieren interaccionar con entornos no través de la nube, lo cual debería permitir un progreso
restringidos: percepción visual, comprensión del rápido de aprendizaje y mejora de las capacidades de
lenguaje, razonar con sentido común y tomar cada uno de los robots. Cuantos más robots formen
decisiones con información incompleta. Diseñar parte del “cloud” más rápido deberían aprender y
sistemas que tengan estas capacidades requiere mejorar. La técnica de aprendizaje más apropiada para
integrar desarrollos en muchas áreas de la IA. En este enfoque sería el “deep learning” ya que los robots
particular, necesitamos lenguajes de representación de deberán aprender en base a grandes cantidades de
conocimientos que codifiquen información acerca de datos.
muchos tipos distintos de objetos, situaciones,
acciones, etc., así como de sus propiedades y de las También veremos progresos significativos gracias a
relaciones entre ellos. También necesitamos nuevos las aproximaciones biocinéticas para reproducir en
algoritmos que, en base a estas representaciones, máquinas el comportamiento de, inicialmente,
puedan responder de forma robusta y eficiente animales tales como insectos. No se trata únicamente
preguntas sobre prácticamente cualquier tema. de reproducir el comportamiento de un animal sino de
Finalmente, dado que necesitarán conocer un número comprender como funciona el cerebro que produce
prácticamente ilimitado de cosas, estos sistemas dicho comportamiento. Se trata de construir y
deberán ser capaces de aprender nuevos programar circuitos electrónicos que reproduzcan las
conocimientos de forma continua a lo largo de toda su secuencias de órdenes que el cerebro genera para, por
existencia. En definitiva, además de progresos ejemplo, producir movimientos (de las alas, las patas,
individuales en cada una de estas áreas, debemos etc.). Algunos biólogos están interesados en los
también diseñar sistemas que integren percepción, intentos de fabricar un cerebro artificial lo más
representación, razonamiento, acción y aprendizaje. complejo posible porque es una manera de
Éste es un problema muy importante en IA ya que comprender mejor el órgano y los ingenieros buscan
todavía no sabemos cómo integrar todos estos información biológica para hacer diseños más
componentes de la inteligencia, necesitamos eficaces. Mediante la biología molecular es posible
arquitecturas cognitivas que integren a estos identificar que genes y que neuronas juegan un papel
componentes de forma adecuada. Estos sistemas en estos movimientos.
integrados son un paso previo fundamental para