Page 70 - Proyecto Texto_E-Book_Kevin Cueva & Eyton Samaniego_

parecía más fácil ha resultado ser lo más difícil. La restringidos: percepción visual, comprensión del
explicación a esta aparente contradicción hay que lenguaje, razonar con sentido común y tomar
buscarla precisamente en la dificultad de dotar a las decisiones con información incompleta. Diseñar
máquinas de conocimientos de sentido común. sistemas que tengan estas capacidades requiere
integrar desarrollos en muchas áreas de la IA. En
Los conocimientos de sentido común no se suelen particular, necesitamos lenguajes de representación de
recoger en libros o enciclopedias y sin embargo todos conocimientos que codifiquen información acerca de
poseemos una gran cantidad de estos conocimientos muchos tipos distintos de objetos, situaciones,
fruto de nuestras vivencias y experiencias acciones, etc., así como de sus propiedades y de las
interactuando con nuestro entorno ya que la cognición relaciones entre ellos. También necesitamos nuevos
humana es una cognición situada y corpórea. Por algoritmos que, en base a estas representaciones,
ejemplo, sabemos que para mover un objeto atado a un puedan responder de forma robusta y eficiente
acuerda hay que tirar de la cuerda en vez de empujarla. preguntas sobre prácticamente cualquier tema.
El cuerpo, en particular los detalles del sistema sensor Finalmente, dado que necesitarán conocer un número
y del sistema motor, determina el tipo de situaciones prácticamente ilimitado de cosas, estos sistemas
que un agente puede percibir y abordar. A su vez, estas deberán ser capaces de aprender nuevos
situaciones conforman las habilidades cognitivas de conocimientos de forma continua a lo largo de toda su
los agentes. Consecuentemente, para especificar existencia. En definitiva, además de progresos
concretamente dichas habilidades cognitivas es individuales en cada una de estas áreas, debemos
necesario tener en cuenta las interacciones del agente también diseñar sistemas que integren percepción,
con su entorno. [3] Las aproximaciones no corpóreas representación, razonamiento, acción y aprendizaje.
no permiten interacciones directas con el entorno por Éste es un problema muy importante en IA ya que
lo que, inevitablemente, dan lugar a falsos problemas todavía no sabemos cómo integrar todos estos
y por lo tanto a falsas soluciones. Tienden a definir los componentes de la inteligencia, necesitamos
problemas en términos de tareas en un entorno arquitecturas cognitivas que integren a estos
especificadas desde una perspectiva abstracta de componentes de forma adecuada. Estos sistemas
objetos y relaciones. Las capacidades cognitivas no se integrados son un paso previo fundamental para
deberían estudiar haciendo abstracción del sistema conseguir algún día inteligencias artificiales de tipo
sensor y el sistema motor. general.

3 El futuro de la IA

Entre las actividades futuras, creo que los temas de
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
Figura 2 La inteligencia artificial es capaz de ver oír cómo se ha llegado a los resultados y conclusiones
y comprender propuestas ya que la explicabilidad es una
característica irrenunciable para los usuarios.
La Fig. 2 nos da un ejemplo sobre lo que aprende la Actualmente la principal limitación de los sistemas
inteligencia artificial como observar esto se puede basados en deep learning es que son “cajas negras” sin
aplicar en cámaras, oír aplicaremos en sistemas capacidad explicativa. Otras técnicas más clásicas de
moduladores de voz y comprender en videojuegos IA que seguirán siendo objeto de investigación son los
para procesar jugadas a futuro o posibles soluciones a sistemas multiagente, el razonamiento espacial, la
un problema. planificación de acciones, el razonamiento basado en
la experiencia, la visión artificial, la comunicación
2.5 Los sistemas integrados como multimodal persona-máquina, la robótica humanoide
y animaloide y en particular las nuevas tendencias en
paso previo hacia la IA de tipo robótica basada en el desarrollo (developmental
general robotics) [1]. En el caso de la robótica existe otra una
nueva propuesta basada en el concepto de
Las capacidades más complicadas de alcanzar son computación en la nube (cloud computating) que se
aquellas que requieren interaccionar con entornos no conoce como Cloud Robotics [1]La ventaja reside en
que cada robot podrá aprender de las experiencias del
resto de robots a los que que esté interconectado a
70