Departamental 1 Ensayo de los antecedentes de la Inteligencia Artificial - Diego Omar Matias Cruz (1)

Vista previa del material en texto

Antecedentes de la 
Inteligencia Artificial 
Diego Omar Matias Cruz 
 
Escuela 
Instituto Politécnico Nacional 
(IPN) 
 
Unidad 
Unidad Profesional Interdisciplinaria de Ingeniería Campus Coahuila 
(UPIIC) 
 
Carrera 
Ingeniería en Inteligencia Artificial 
 
Asignatura 
Fundamentos de Inteligencia Artificial 
 
Profesor 
José Luis Cendejas Valde 
 
Cuarto Semestre 
Grupo Uno 
 
 
 
 
 
 
Introducción 
 
Buenos días o buenas tardes o talvez buenas noches, lo que se leerá a continuación son algunas de 
las ideas principales de la inteligencia Artificial (IA), la inteligencia artificial (A partir de ahora IA) a 
sido uno de los sueños principales de la humanidad, digo no por nada muchísimas películas, novelas, 
videojuegos, etc., que tienen como trama principal a un robot o maquina la cual empieza a 
desarrollar su propia conciencia y a partir de eso el mismo autor empieza a plasmar que es lo que 
haría la máquina, algunos se van por un camino pesimista el cual se plasma en la historia como una 
rebelión de la maquina ante el ser humano su creador, u otros autores que piensan que la IA nos 
podría ayudar a llegar a un nivel comprensión casi divino, ya que la IA no tiene limitantes físicas o 
de tiempo como el ser humano, la IA podría llegar a aprender toda la historia de la humanidad en 
cuestión de poco tiempo y de ahí su importancia. 
 
Talvez la IA pudiera llegar a ser la destrucción de la humanidad como algunos autores mencionan 
pero a mi parecer yo creo que la IA es el próximo paso que tenemos que dar como especie para 
poder llegar a lo que soñamos. Imagínense viajes interestelares, avances de la medicina a siglos de 
distancia, optimización de recursos, creación de nuevos materiales, mejoramiento de algortimos 
matemáticos y computacionales y un largo etcétera. Sin lugar a duda la IA es tan popular hoy en día 
todos quieren incursionar en ella ya que ven su prometedor futuro, un futuro que parecía lejano y 
hasta hace unos años imposible, pero hoy es posible. 
 
Bueno esa es la introducción a un tema que es muy apasionante para mi un estudiante de ingeniería 
en inteligencia artificial orgullosamente mexicano y politécnico, 
 
En este ensayo repasaremos algunos temas que son importantes para la IA los cuales son: 
• Orígenes de la IA 
• La IA y su relación con la Ciencia de Datos 
• Big Data y la IA 
• Machine Learning y Deep Learning 
• Tipos de inteligencia a considerar en la IA 
 
Sin más dilación, ¡Empecemos¡ 
 
 
 
 
Orígenes de la IA 
 
¿Las maquinas pueden pensar?... 
 
Con esta pregunta muchos científicos y personas han empezado a soñar con la IA, algunos de ellos 
proponiendo el comportamiento de estas, otros ideando la forma en que estas hagan lo que tienen 
que hacer pero empecemos con alguien muy importante en esta historia Alan Turing 
 
 Alan Mathison Turing 
fue un matemático, lógico, informático teórico, criptógrafo, 
filósofo y biólogo teórico británico. Está considerado uno de 
los padres de la ciencia de la computación y precursor de la 
informática moderna. Proporcionó una influyente 
formalización de los conceptos de algoritmo y computación: la 
máquina de Turing. 
En el campo de la inteligencia artificial, es conocido sobre todo 
por la concepción de la prueba de Turing (1950), un criterio 
según el cual puede juzgarse la inteligencia de una máquina si 
sus respuestas en la prueba son indistinguibles de las de un ser 
humano. 
 
 
 
El test de Turing 
La prueba de Turing o test de Turing es un examen de la capacidad de una máquina para exhibir un 
comportamiento inteligente similar al de un ser humano o indistinguible de este. Alan Turing 
propuso que un humano evaluara conversaciones en lenguaje natural entre un humano y una 
máquina diseñada para generar respuestas similares a las de un humano. El evaluador sabría que 
uno de los participantes de la conversación es una máquina y los intervinientes serían separados 
unos de otros. La conversación estaría limitada a un medio únicamente textual como un teclado de 
computadora y un monitor por lo que sería irrelevante la capacidad de la máquina de transformar 
texto en habla. En el caso de que el evaluador no pueda distinguir entre el humano y la máquina 
acertadamente (Turing originalmente sugirió que la máquina debía convencer a un evaluador, 
después de 5 minutos de conversación, el 70 % del tiempo), la máquina habría pasado la prueba. 
Esta prueba no evalúa el conocimiento de la máquina en cuanto a su capacidad de responder 
preguntas correctamente, solo se toma en cuenta la capacidad de esta de generar respuestas 
similares a las que daría un humano. 
La primera IA 
El primer programa de inteligencia artificial (IA) se llama "Logic Theorist" y fue desarrollado por Allen 
Newell y Herbert A. Simon en 1955 en la Universidad de Harvard. Logic Theorist fue el primer 
programa informático que demostró teoremas matemáticos y se considera uno de los primeros 
programas de IA. 
El perceptrón 
 
El perceptrón es un algoritmo de aprendizaje supervisado para clasificación binaria que fue 
desarrollado por Frank Rosenblatt en 1957. El perceptrón se basa en el modelo de la neurona 
artificial, y su objetivo es aprender una función que pueda separar dos clases de datos en un espacio 
de características. 
 
Del optimismo a la decadencia 
 
A partir de eso en la década de los 1950 investigadores estaban diseñando algoritmos capaces de 
imitar el comportamiento humano, era tanto su optimismo que algunos afirmaron que en 20 años 
las computadoras podrán hacer cualquier cosa que los humanos hacen… pero surgió las 
computadoras de ese entonces tenían la limitación de ser poco potentes y esto limitar e desarrollo 
de la IA 
 
Inviernos de la IA 
Han existido varios periodos en los cuales el desarrollo de la IA a sido frenado o se han quedado 
estancados estos son algunos de ellos: 
 
El primer invierno de la IA ocurrió en la década de 1970 y principios de la década de 1980, cuando 
la falta de avances significativos en la IA y la incapacidad de las máquinas para cumplir con las 
expectativas exageradas generaron una disminución en el interés y la inversión en el campo. 
 
El segundo invierno de la IA ocurrió a finales de la década de 1980 y principios de la década de 1990, 
cuando la falta de avances en el campo de la IA y la incapacidad de las máquinas para resolver 
problemas complejos con la precisión esperada generaron una disminución en el interés y la 
inversión en el campo. 
 
 
 
Otros pequeños inviernos fueron: 
• 1966: El fracaso de la Traducción automática 
• Periodo de tendencias superpuestas: 
o 1971–75: La frustración de la DARPA con el programa de investigación en 
Reconocimiento del habla del programa de la Universidad Carnegie Mellon 
o 1973: Gran disminución en la investigación de IA en el Reino Unido en respuesta al 
reporte7 de James Lighthill 
o 1973–74: Los recortes de la DARPA a la investigación académica en general sobre la 
IA. 
• 1987: El colapso del mercado de la Máquina Lisp 
• 1988: Cancelación de nuevos gastos en IA por la SCI (Iniciativa de Computación Estratégica) 
• 1993: resistencia al despliegue y mantenimiento de nuevos Sistemas Expertos 
• 1990s: Fin de los objetivos originales del proyecto de la Quinta generación de computadoras 
 
LA IA Y LA CIENCIA DE DATOS 
La ciencia de datos es una parte vital de la IA ya que para poderle enseñar a la IA que realice 
alguna acción como separar un grupo de figuras dependiendo si estas son círculos o cuadrados, la 
ciencia de datos nos ayuda proporcionando las muestras con etiquetas para que la IA aprenda por 
ella misma (solo en el aprendizaje supervisado hay etiquetas en los datos), 
Otra variación de la IA donde la ciencia de datos nos ayuda es para el Aprendizaje no supervisado 
donde se nos da un conjunto de datos como en el aprendizaje supervisado pero esta vez no hay 
etiquetasdonde nos muestren que es que cosa, la IA busca patrones para poder separarlo y 
agrupar los datos ejemplo: 
 
Digamos que queremos crear una IA que nos separe 
las figuras en dos conjuntos (el de los círculos y 
cuadrados), para esto necesitamos entregarle la 
mayor cantidad de imágenes de un circulo y un 
cuadrado para que aprenda a diferenciar que es un 
círculo y un cuadrado 
Después hacemos que con un conjunto nuevo de 
informacion la IA nos separara por su forma aquí una 
muestra de ello 
 
 
 
 
BIG DATA Y LA IA 
Como ven la IA aprende gracias a los datos que se nos otorgan, y debido a esto la IA aprende que 
parámetros toma cada objeto y como agruparlos, pero también es de vital importancia otorgarle 
la mayor cantidad de datos posibles, ya que con esto podrá ajustar mejor sus parámetros y así ser 
mas eficaz. 
Los parámetros en la IA son la base para toda IA ya que con estos distinguen que cosa es que cosa, 
digamos un parámetro para una manzana es que es redonde y roja, pero también existen 
manzanas de color amarillo entonces con los nuevos datos proporcionados la IA aprenderá que 
para una manzana no solo tiene que ser roja si no que hay más parámetros que nos ayudan a 
distinguir una manzana 
Y aquí entra el big data que son datos que pueden ser estructurados, semi-estructurados o no 
estructurados y pueden ser procesados y analizados para identificar patrones, tendencias y 
relaciones. Estos patrones le pueden servir a la IA para poder entrenarse y ser mejor además con 
el entrenamiento de mas datos siempre será mejor ya que conocera mas cosas y sobre todo 
aprenderá a mejorar sus propios parámetros de las cosas 
 
Machine Learning y Deep Learning 
O aprendizaje automático es la rama de IA que busca como dotar a las maquinas de capacidad de 
aprendizaje, ¿cómo se hace esto? Bueno pues lo veremos en un momento. Hay muchos algoritmos 
que acompañan al machine learning como la regresión lineal, árboles de decisión, modelos de 
clasificación, etc. entre uno de estos modelos están las redes neuronales que son la técnica mas 
conocida dentro del campo del machine learning 
¿Pero como funciona?, simplificadamente son “Neuronas” que guardan algún tipo de función y esta 
se altera si seguimos haciendo que la red aprenda mas y mas haciendo que esta sea mejor y 
aproxime los resultados a los que daría un humano. También son capaces de jerarquizar informacion 
esto lo hacen de para aprender cosas mas complejas en el futuro, digamos en las primeras capas se 
aprende que es un tornillo, una rueda, un espejo y en las capas posteriores se aprende que es un 
coche, un camión o una motocicleta 
Esto hace que a medida que metemos mas informacion todo esto se haga mas profundo e 
interesante, pero ¿cuántas capas podemos poner? Pues la respuesta es que no hay un limite de 
capas y se pretende que siempre haya mas y mas capas pero estos algoritmos son conocidos con 
otro nombre que es el de “DEEP LEARNING” 
 
 
 
 
 
Tipos de inteligencia a considerar en la IA 
Con la lectura que nuestro profesor nos mostro acerca de las diferentes inteligencias humanas y 
analizar cuales serían las inteligencias más efectivas para tomar en cuenta en la creación de la IA y 
el por que 
 
Inteligencia lingüístico-verbal 
Esta inteligencia nos permitiría comunicarnos mejor con el usuario ya que si este tipo de inteligencia 
falta los datos que proporcione la IA no podrán ser interpretados correctamente (Hablando de IA’S 
que tengan un output o input que interaccione con el usuario). Sin lugar a duda un ejemplo de este 
tipo de inteligencia bien empleada en una IA es chatgpt ya que esta misma pueda diceñar texto de 
una forma increíble 
 
Inteligencia lógico-matemática 
Este tipo de inteligencia nos puede ayudar con la estructura lógica de la propia IA ya que le 
inteligencia lógica matemática nos permite saber un poco mas sobre nuestro entorno y hasta hacer 
demostraciones sobre el mismo un ejemplo de esto sería: Para llegar a mi casa tengo que caminar 
cuatro calles después girar a la derecha y caminar todo derecho durante 5 calles, sin el tipo de 
inteligencia lógico-matemático seria imposible saber interpretar estas instrucciones 
 
Inteligencia espacial 
Este tipo de inteligencia creo que es importante y relevante para el uso de IA’S de propósito robótico 
o de conducción autónoma ya que al reconocer mejor su entorno podría saber la mejor estrategia 
para moverse a tal dirección o conducir hacia algún sitio en especifico 
 
Inteligencia Creativa 
Este tipo de inteligencia es relevante en IA’S de generación de texto o imágenes como chatgpt que 
crea una historia a partir de un input el cual son los parámetros sobre que, quienes, y por que 
interpretan esa historia, también la IA DALL*E que crea imágenes a partir de una oración y nos da 
una serie de imágenes que concuerdan con la descripción 
 
Inteligencia Existencial 
Esta la deje al ultimo ya que pienso que si alguna vez una IA llega a tener este tipo de inteligencia 
habremos pasado el limite entre maquina y un ser consciente, al tener este tipo de inteligencia la IA 
será capas de pensar de forma continua acerca de la existencia y tal vez su propósito en esta es decir 
habremos creado un humano artificial 
Bibliografía 
Communications. (2019, November 8). “Machine learning”: ¿qué es y cómo funciona? BBVA. 
https://www.bbva.com/es/machine-learning-que-es-y-como-funciona/ 
 
CuriosaMente [@curiosamente]. (2018, June 3). ¿Las máquinas pueden pensar? Inteligencia 
Artificial. Youtube. https://www.youtube.com/watch?v=_peHYwe_784 
 
Dot, C. S. V. [@DotCSV]. (2017a, October 16). ¿Qué es el Aprendizaje Supervisado y No Supervisado? 
| DotCSV. Youtube. https://www.youtube.com/watch?v=oT3arRRB2Cw 
 
Dot, C. S. V. [@DotCSV]. (2017b, November 1). ¿Qué es el Machine Learning?¿Y Deep Learning? Un 
mapa conceptual | DotCSV. Youtube. https://www.youtube.com/watch?v=KytW151dpqU 
 
Dot, C. S. V. [@DotCSV]. (2017c, November 20). Modelos para entender una realidad caótica | 
DotCSV. Youtube. https://www.youtube.com/watch?v=Sb8XVheowVQ 
 
Dot, C. S. V. [@DotCSV]. (2017d, December 16). Regresión Lineal y Mínimos Cuadrados Ordinarios | 
DotCSV. Youtube. https://www.youtube.com/watch?v=k964_uNn3l0 
 
Dot, C. S. V. [@DotCSV]. (2018a, February 4). ¿Qué es el Descenso del Gradiente? Algoritmo de 
Inteligencia Artificial | DotCSV. Youtube. https://www.youtube.com/watch?v=A6FiCDoz8_4 
 
Dot, C. S. V. [@DotCSV]. (2018b, March 19). ¿Qué es una Red Neuronal? Parte 1 : La Neurona | 
DotCSV. Youtube. https://www.youtube.com/watch?v=MRIv2IwFTPg 
 
García, J. (2022, July 1). Google presenta Minerva, una IA capaz de resolver problemas de 
matemáticas paso a paso. Xataka.com; Xataka. https://www.xataka.com/robotica-e-ia/google-
presenta-minerva-ia-capaz-resolver-problemas-matematicas-paso-a-paso 
 
Wikipedia contributors. (n.d.-a). Alan Turing. Wikipedia, The Free Encyclopedia. 
https://es.wikipedia.org/w/index.php?title=Alan_Turing&oldid=149593277 
 
Wikipedia contributors. (n.d.-b). Historia de la inteligencia artificial. Wikipedia, The Free 
Encyclopedia. 
https://es.wikipedia.org/w/index.php?title=Historia_de_la_inteligencia_artificial&oldid=14936324
7 
 
Wikipedia contributors. (n.d.-c). Invierno IA. Wikipedia, The Free Encyclopedia. 
https://es.wikipedia.org/w/index.php?title=Invierno_IA&oldid=147916493 
 
Wikipedia contributors. (n.d.-d). Prueba de Turing. Wikipedia, The Free Encyclopedia. 
https://es.wikipedia.org/w/index.php?title=Prueba_de_Turing&oldid=149328483 
 
ChatGPT 
https://chat.openai.com/chat 
 
https://es.wikipedia.org/w/index.php?title=Prueba_de_Turing&oldid=149328483
https://chat.openai.com/chat