INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

CONTENIDO

UNIDAD I. CONCEPTOS BÁSICOS DE LA INTELIGENCIA ARTIFICIAL ............ 2

1.1. Definiciones................................................................................................ 3
1.1.1. Inteligencia .......................................................................................... 3
1.1.2. Inteligencia Artificial ............................................................................. 3
1.2. Ciencia Cognoscitiva .................................................................................. 5
1.3. Introducción a la Inteligencia Artificial ........................................................ 6
1.3.1. Procesamiento Simbólico .................................................................... 6
1.3.2. Heurística ............................................................................................ 7
1.3.3. Comparación de patrones ................................................................... 7
1.4. Tecnología de Inteligencia Artificial ............................................................ 8
1.5. Áreas en Inteligencia Artificial .................................................................... 8
1.5.1. Áreas de investigación ......................................................................... 9
1.6. Fundamentos de la Inteligencia Artificial .................................................. 10

1
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

UNIDAD I. CONCEPTOS BÁSICOS DE LA INTELIGENCIA ARTIFICIAL

Ilustración 1. Inteligencia Artiticial.Freepik.CCBY

En este Módulo se presentan los conceptos básicos de la Inteligencia Artificial.

Estos son muy importantes para poder comprender los distintos enfoques,
metodologías y tecnologías, que se realizan utilizando esta área de la informática.

Además, se les explicará la diferencia entre inteligencia e Inteligencia Artificial. Se

darán distintas definiciones que se utilizarán en unidades posteriores, como lo son:
procesamiento simbólico, heurística y comparación de patrones. Finalmente,
veremos de forma sucinta las tecnologías y áreas de investigación de la Inteligencia
Artificial, así como también, sus fundamentos.

2
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

1.1. Definiciones

Ilustración 2. Inteligencia e inteligencia artificial Freepik.es

Existen muchas definiciones en la literatura del término de inteligencia e Inteligencia

Artificial, en esta sección se presentan algunas de ellas ubicando las mismas en
categorías que nos permita entender mejor las dimensiones de su clasificación.

En primera instancia se presentan las definiciones básicas de ambos términos y

luego se trabajará con las definiciones dadas en el libro de Russell and Norwing.

1.1.1. Inteligencia
Es la capacidad de aprender, comprender y emitir juicios o tener opiniones
basadas en la razón.

1.1.2. Inteligencia Artificial

La inteligencia artificial es un área de la informática que tiene como objetivo
crear máquinas inteligentes las cuales funcionan y reaccionan como los
humanos.
3
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

En el cuadro que se presenta en la ilustración 3, se puede comparar las cuatro

categorías de la definición de Inteligencia Artificial tomada del libro de Russell
and Norwing. En la misma se muestran las definiciones según los enfoques que
se han venido utilizando a lo largo de la historia.

Se destaca la forma de medir éxito basados en la fidelidad en términos de la

inteligencia humana o la racionalidad. También la dimensión de la definición en
términos de los procesos mentales y razonamiento o de la conducta.

Esta última forma de clasificación se muestra más claramente en el cuadro de

la ilustración 4.

Categorías de la definición de Inteligencia Artificial tomada del libro de

Russell and Norwing

Ilustración 3. Definiciones de la Inteligencia Artificial organizadas en cuatro categorías

4
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

Ilustración 4. Dimensiones de la definición de Inteligencia Artificial.Autoría de Dra. Elia Cano

1.2. Ciencia Cognoscitiva

Es el estudio interdisciplinario de la mente y la

inteligencia. Esta abarca distintas áreas como la
filosofía, la psicología, la inteligencia artificial, la
neurociencia, la lingüística y la antropología.
Podemos ubicar los orígenes intelectuales de
esta ciencia a mediados de la década de 1950.

Esta ciencia tiene ideas teóricas unificadoras, sin

embargo, es importante apreciar la diversidad de
perspectivas y métodos que los investigadores
de diferentes campos aportan al estudio de la
mente y la inteligencia. Es bueno destacar que,
aunque los psicólogos cognitivos de hoy en día a
Ilustración 5. Estudio de la mente e menudo se dedican a teorizar y modelar
inteligencia Freepik.es computacionalmente, su método principal es la
experimentación con participantes humanos.
5
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

La hipótesis central de esta ciencia es que el pensamiento se puede entender mejor

en términos de estructuras representativas en la mente y procedimientos
computacionales que operan en esas estructuras.

Si bien hay mucho desacuerdo sobre la naturaleza de las representaciones y

cálculos que constituyen el pensamiento, la hipótesis central es lo suficientemente
general como para abarcar el rango actual de pensamiento en la ciencia cognitiva,
incluidas las teorías conexionistas que modelan el pensamiento utilizando redes
neuronales artificiales.

1.3. Introducción a la Inteligencia Artificial

La Inteligencia Artificial utiliza diferentes enfoques para encontrar soluciones a
distintos problemas de la vida real algunos de ellos son:

Procesamiento simbólico, heurísticas, reconocimiento de patrones, entre otros.

En esta sección se presentan las definiciones de estos enfoques.

1.3.1. Procesamiento Simbólico

En el procesamiento simbólico se utilizan los símbolos combinados con reglas
generales para procesar información y resolver problemas. Este fue el
paradigma dominante de la investigación de la IA desde mediados de la década
de 1950 hasta finales de la década de 1980. Se basan en representaciones
"simbólicas" (legibles) de alto nivel de problemas, lógica y búsqueda.

Un problema se representa como una colección de símbolos (números o

cadenas de caracteres que representan objetos del mundo real o ideas) y se
desarrollan algoritmos adecuados para procesar estos símbolos.

El procesamiento simbólico representa un alto nivel de proceso cognitivo:

corresponde al pensamiento consciente, donde se representa, manipula y
examina el conocimiento.

Ejemplos de procesamiento de simbólico utilizados en la Inteligencia Artificial

son: Lógicas proposicionales y de predicados, reglas de producción, marcos,
guiones, redes semánticas, redes bayesianas, lógica difusa

6
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

1.3.2. Heurística
La idea de los métodos heurísticos en IA se basa en
la ciencia cognitiva o el estudio de cómo piensan los
humanos. El objetivo de un algoritmo heurístico es
aplicar un enfoque de regla general para producir una
solución en un marco de tiempo razonable que sea lo
suficientemente bueno para resolver el problema en
cuestión. A menudo nos referimos a la solución como
"suficientemente buena" en la mayoría de los casos.
El método empleado no garantiza que sea óptimo,
Ilustración 6. Ciencia pero es suficiente para lograr los objetivos inmediatos.
cognitiva Freepik.es

La razón por la que se utilizan métodos heurísticos en

la IA es que algunos problemas no se pueden resolver o requieren demasiado
tiempo o potencia de procesamiento para ser razonables para resolver el
problema en cuestión. En estos casos la heurística puede acortar el tiempo que
la computadora tiene que trabajar para resolver ese problema.

Una técnica heurística, a menudo llamada simplemente heurística, es cualquier

enfoque para la resolución de problemas, el aprendizaje o el descubrimiento
que emplea un método práctico que no se garantiza que sea óptimo o perfecto,
pero suficiente para los objetivos inmediatos. Donde encontrar una solución
óptima es imposible o poco práctico, se pueden usar métodos heurísticos para
acelerar el proceso de encontrar una solución satisfactoria.

1.3.3. Comparación de patrones

La comparación de patrones o reconocimiento de patrones es el reconocimiento
automático de patrones y regularidades en los datos mediante el uso de
algoritmos informáticos. Estas regularidades se usan para realizar distintas
tareas como por ejemplo clasificar los datos en diferentes categorías, predecir
tendencias, configuraciones particulares de características en imágenes que
identifican objetos, combinaciones frecuentes de palabras y frases para el
procesamiento del lenguaje natural (PNL), entre otros.

Entre los enfoques que se utilizan en el reconocimiento de patrones están: el

aprendizaje automático y el uso de reglas o heurísticas hechas a mano (no
aprendidas).

7
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

1.4. Tecnología de Inteligencia Artificial

El estudio de la Inteligencia Artificial se basa en diversas tecnologías o

técnicas:

• Redes neuronales artificiales: Sistemas que imitan el funcionamiento del

cerebro humano, específicamente su estructura, procesamiento y capacidad
de aprendizaje. Cuentan con elementos con una gran cantidad de
interconexiones, similares a las neuronas, que realizan procesos simples y
permiten la adquisición y distribución de conocimiento.

• Algoritmos genéticos: Métodos adaptativos, basados en procesos

genéticos de organismos biológicos, que permiten la resolución de problemas
de búsqueda y optimización.

• Procesamiento de lenguaje natural: Análisis de la semántica y la sintaxis

del lenguaje humano con el fin de lograr una fácil y eficiente interacción entre
un humano y un computador, el cual utiliza una serie de algoritmos para
procesar la información (voz o texto) como entrada.

• Machine learning y Deep learning: Ambos se basan en el procesamiento

de grandes cantidades de datos. Machine learning (aprendizaje automático)
implica a aquellos sistemas capaces de utilizar actividades previas para
aprender y corregir errores. Deep learning (aprendizaje profundo) va más allá
e incorpora la capacidad de tomar decisiones.

• Computación cognitiva: Combina la ciencia de la computación y la ciencia

cognitiva para el desarrollo de sistemas con aprendizaje a escala. Se
resuelven problemas y se optimizan procesos humanos, ya que se utilizan
algoritmos que se basan en la extracción de datos, reconocimiento visual y
procesamiento de lenguaje natural.

1.5. Áreas en Inteligencia Artificial

En esta sección se presentan las distintas áreas en las que se realizan
investigaciones y se aplica la Inteligencia Artificial. Es preciso indicar que en algunos
de estos casos se pueden repetir estas áreas en investigación y aplicación dado
que están directamente relacionado.

8
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

1.5.1. Áreas de investigación

La investigación asociada con la inteligencia artificial es muy especializada y se
desarrolla en diferentes áreas entre ellas podemos mencionar las siguientes:

• Ingeniería del conocimiento es una parte central de la investigación de

Inteligencia Artificial. Las máquinas a menudo pueden actuar y reaccionar
como los humanos solo si tienen abundante información relacionada con
el mundo. La inteligencia artificial debe tener acceso a objetos,
categorías, propiedades y relaciones entre todos para implementar la
ingeniería del conocimiento.

• Aprendizaje automático también es una parte central de la Inteligencia

Artificial. El aprendizaje sin ningún tipo de supervisión requiere la
capacidad de identificar patrones en flujos de entradas, mientras que el
aprendizaje con supervisión adecuada implica la clasificación y las
regresiones numéricas.

• La clasificación determina la categoría a la que pertenece un objeto y la

regresión se ocupa de obtener un conjunto de ejemplos de entradas o
salidas numéricas, descubriendo así funciones que permiten la
generación de salidas adecuadas a partir de las entradas respectivas.
• El análisis matemático de los algoritmos de aprendizaje automático y su
rendimiento es una rama bien definida de la informática teórica, a
menudo denominada teoría del aprendizaje computacional.
• Percepción se ocupa de la capacidad de usar entradas sensoriales para
deducir los diferentes aspectos del mundo.
• Visión por computadora analiza las entradas visuales con algunos
subproblemas como el reconocimiento facial, de objetos y gestos.
• Robótica: también es un campo importante relacionado con la IA. Los
robots requieren inteligencia para manejar tareas como la manipulación
y navegación de objetos, junto con subproblemas de localización,
planificación de movimiento y mapeo.

• Áreas de aplicación
Algunas de las actividades para las que están diseñadas las computadoras
con inteligencia artificial incluyen:

Reconocimiento de voz
Aprendizaje
9
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

Planificación
Resolución de problemas
Razonamiento
Percepción
Capacidad para manipular y mover objetos.

Estas áreas de aplicación están muy relacionadas con las de investigación

que se explicaron en la sección anterior.

1.6. Fundamentos de la Inteligencia Artificial

Muchas disciplinas han contribuido con el avance de la Inteligencia Artificial como

se muestra en la ilustración 7.

Figura 7. Disciplinas que han contribuido con el avance de la Inteligencia Artificial.

Elaboración propia

10
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

A continuación, se describen los aportes de cada una de estas disciplinas que

conforman la base de la Inteligencia Artificial:

• Filosofía (desde el año 428 a.C. hasta el presente)

✓ Aristóteles fue el primero en formular un conjunto preciso de leyes que

gobiernan la parte racional de la inteligencia, también desarrolló un
sistema informal para razonar adecuadamente con silogismos.
✓ Thomas Hobbes propuso que el razonamiento era como la computación
numérica.
✓ Wilhelm Shickard construyó la primera máquina calculadora en 1623.
✓ Rene Descartes proporciona la primera discusión clara sobre la
distinción entre la mente, la materia y los problemas que surgen.
✓ David Hume propuso el principio de inducción.
✓ Rudolf Carnap desarrolló la doctrina del positivismo lógico, sostiene que
todo el conocimiento se puede caracterizar mediante teorías lógicas
relacionadas.
✓ La teoría de la confirmación de Carnap y Carl Hempel, intenta explicar
cómo el conocimiento se obtiene a partir de la experiencia.
✓ El algoritmo de Aristóteles se implementa 2300 años después por Newell
y Simon con la ayuda de su programa Sistema de Planificación Regresivo
(SRGP).

✓ El análisis en base a objetivos es útil, pero éste no nos indica cuando

varias acciones nos llevan a la consecución del objetivo, o cuando
ninguna acción facilita su completa consecución. John Stuart Mill propone
la idea de un criterio de decisión racional en todos los ámbitos de la
actividad humana.

• Matemáticas (aproximadamente desde el año 800 al presente)

Esta disciplina se conforma por áreas fundamentales: lógica, computación y

probabilidad. En el siguiente cuadro se muestran los aportes más importantes
en cada una de estas áreas.

11
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

• El concepto de Lógica formal comenzó con el trabajo

de George Boole, quien define por primera vez la
lógica proposicional o Booleana.
• Gorrlob Frege extendió la lógica de Boole para incluir
objetos y relaciones y creó la lógica de primer orden.
• El primer algoritmo no trivial es el algoritmo Euclídeo
Lógica para el cálculo del máximo común divisor.
• En 1930 Kurt Gödel demostró que existe un
procedimiento eficiente para demostrar cualquier
aseveración verdadera en la lógica de primer orden,
sin embargo, no era posible capturar el principio de
inducción matemática necesario para la
caracterización de los números naturales.
• La máquina de Turing es capaz de calcular cualquier
función computable.
• Turing también demostró que existen algunas
funciones que no se pueden calcular mediante la
Computación máquina de Turing.
• La teoría de la NP-completitud propuesta por primera
vez por Steven Cook y Richard Karp demostraron la
existencia de grandes clases de problemas de
razonamiento y búsqueda combinatoria canónica
que son NP completos.
• Gerolamo Cardano fue el primero en proponer la
idea de la probabilidad, presentándola en términos
de los resultados de juegos de apuesta.
• Thomas Bayes propuso la regla para la actualización
Probabilidad de probabilidades subjetivas a la luz de nuevas
evidencias. La regla de Bayes y el área resultante
llamado análisis Bayesiano conforman la base de las
propuestas más modernas que abordan el
razonamiento incierto en sistemas de IA.

• Economía (desde el año 1776 hasta el presente)

✓ La idea comenzó en 1776 gracias a Adam Smith, quien decía que las
economías pueden concebirse como un conjunto de agentes individuales
que intentan maximizar su propio estado de bienestar económico.
✓ La teoría de la decisión combina la teoría de la probabilidad con la teoría
de la utilidad, proporciona un marco completo y formal para la toma de
decisiones.
12
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

✓ Teoría de juegos. Las acciones de un jugador pueden afectar

significativamente a la utilidad de otro.
✓ Investigación operativa. Se obtienen los resultados de las acciones en
forma secuencial.

• Neurociencia (desde el año 1861 hasta el presente)

✓ Es el estudio del sistema neurológico, la forma exacta en que un cerebro
genera el pensamiento.
✓ Se sabía que el cerebro estaba formado por neuronas, pero no fue hasta
1873 que se pudo observar las neuronas individuales en el cerebro.
✓ Se ha logrado conocer que partes del cerebro están relacionadas con que
partes del cuerpo.
✓ La conclusión verdaderamente increíble es que una colección de simples
células puede llegar a generar razonamientos, acción y conciencia, o
dicho en otras palabras, los cerebros generan la inteligencia.

• Psicología (desde el año 1879 hasta el presente)

✓ La psicología científica se inició con los trabajos del físico alemán
Hermann von Helmholtz (1821-1894), y su discípulo Wilhelm Wundt
(1823-1894). Helmholtz aplicó el método científico al estudio de la vista
humana y su obra «Handbook of Physiological Optics» todavía se
considera como el tratado actual más importante sobre la física y la
fisiología de la vista humana.

✓ El movimiento conductista, liderado por John Watson (1878-7958)

rechazó teorías en las que intervinieran procesos mentales,
argumentando que la introspección no aportaba una evidencia fiable. Los
conductistas insistieron en el estudio exclusivo de mediciones objetivas
de percepciones sobre animales y de las acciones resultantes.
Construcciones mentales como conocimientos y pasos de un
razonamiento quedaron descartadas por ser consideradas psicología
popular no científica.

El conductismo hizo muchos descubrimientos utilizando ratas y palomas,

pero tuvo menos éxito en la comprensión de los seres humanos. Aun así,
su influencia en la psicología fue notable desde 1920 hasta 1960.

✓ La conceptualización del cerebro como un dispositivo de procesamiento

de información, característica principal de la psicología cognitiva, se
remonta por lo menos a las obras de Williams James (1842-1910).
13
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

Helmholtz también pone énfasis en que la percepción entraña cierto tipo

de interferencia lógica inconsistente. Este punto de vista cognitivo se vio
eclipsado por el conductismo en los Estados Unidos.

✓ La obra The Nature of Explanation, de Kenneth Craik (1943), reestablece

energéticamente la legitimidad de términos mentales como creencias y
objetivos. Este establece que hay tres elementos claves para diseñar un
agente basado en conocimiento:

1. El estímulo deberá ser traducido a una representación interna. 2. En

esta representación se debe manipular mediante procesos cognitivos
para así generar nuevas representaciones internas y 3. estas a su vez,
se traducirán de nuevo en acciones.

✓ Donald Boadbent y su libro «Perception and Communication» (1958)

incluyó algunos de los primeros modelos de procesamiento de
información del fenómeno psicológico. En Estados Unidos el desarrollo
del modelo computacional llevo a la creación del campo de la ciencia
cognitiva. Se puede decir que este campo comenzó en un simposio de
celebrado en el MIT, en septiembre de 1956, este evento tuvo lugar solo
dos meses después de la conferencia en la que nació la IA. En este
simposio Geoge Miller presentó «The Magic Number Seven». Noam
Chomsky presento «Three Models of Language», y Allen Newlel y Herbert
Simon presentaron «The Logic Theory Machine». Estos tres artículos
influyentes mostraron como se podían utilizar los modelos informáticos
para modelar la psicología de la memoria, el lenguaje y el pensamiento
lógico.
✓ La Psicología cientifica se aplicó inicialmente al estudio de la vista
humana.
✓ A principios del siglo XX se dio el movimiento conductista: insistían en el
uso exclusivo de mediciones de estímulos y respuestas.
✓ Psicología cognitiva: elementos a tener en cuenta para diseñar un agente
basado en conocimiento:
1. El estímulo debe ser traducido a una representación interna.
2. Esta se debe manipular mediante procesos cognitivos y
generar nuevas representaciones…
3. …Que, a su vez, se traducen en acciones.
✓ Ciencia cognitiva: modelo computacional. Nacimiento del término
Inteligencia Artificial (1956).

• Ingeniería Computacional (desde el año 1940)

14
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

✓ Para que la IA sea una realidad es necesario: (1) Inteligencia y (2) Un

artefacto: ⇒ Computador/Ordenador.
✓ El computador electrónico digital moderno se inventó casi
simultáneamente por científicos en tres países (II G.M.)
✓ Desde 1940 gran evolución en computación: máquinas, lenguajes de
programación, hardware, ...
✓ La investigación en IA ha generado numerosas ideas novedosas de las
que se han beneficiado la información en general. Ejemplos: tiempo
compartido, los intérpretes imperativos, los computadores personales con
interfaces gráficas y ratones, entornos de desarrollo rápido, listas
enlazadas, administración automática de memoria, ... También conceptos
claves de la programación simbólica, funcional, dinámica y orientada a
objetos.

• Teoría de Control y Cibernética (desde el año 1948 hasta el presente)

Artefactos que operan bajo su propio control:

✓ Reloj de agua por Ktesibios de Alejandría (250 a.C.), mostrado en la

ilustración 8, fue la primera máquina auto controlada. Tenía un
regulador que mantenía un flujo constante y predecible.

Ilustración 8. Reloj de agua por Ktesibios de Alejandría

✓ Motor de vapor por James Watt (1736-1819), mostrado en la

ilustración 9.

15
INTELIGENCIA ARTIFICIAL

Dra. Elia Cano de Rovetto

Ilustración 9. Motor de vapor por James Watt

✓ La teoría matemática de los sistemas con retroalimentación se desarrolla

en el siglo XIX. Su objetivo es el diseño de sistemas que maximizan una
función objetivo.
✓ La teoría de control fue desarrollada centralmente por Norbert Wiener
(1894-1964). La teoría de control moderna es la rama conocida como
control óptimo estocástico.
✓ Wiener trabajó en sistemas de control biológicos y mecánicos y en sus
vínculos con la cognición.

• Lingüística (desde el año 1957 hasta el presente)

B. F. Skinner en 1957 publica Verbal Behavior.

✓ Una obra con visión extensa y detallada desde el enfoque conductista

al aprendizaje del lenguaje.
✓ La Teoría de Chomsky basada en modelos sintácticos de la lingüística
de Panini (350 a.C.) suficientemente formal para permitir
programación.

La lingüística moderna y la IA nacen al mismo tiempo en un campo

llamado lingüística computacional.

16