Ensayo

“NUESTRA CAPACIDAD DE ASOMBRO”

“During a well-known instant an appearance in the room in semidarkness: might it be a ghost? Or there is a movement; I see it for the tip of the eye but, when I turn the head, there is nothing a telephone is sounding or my imagination is alone?
“Durante un instante noto una aparición en la habitación en penumbra: ¿Podría ser un fantasma? O hay un movimiento; lo veo por el rabillo del ojo pero, cuando vuelvo la cabeza, no hay nada ¿Está sonando un teléfono o es solo mi imaginación?

Así comienza el capítulo 8 “Sobre la distinción entre visiones verdaderas y falsas” del libro “El mundo y sus demonios” escrito por Carl Sagan donde nos habla sobre esas experiencias fuera de lo común donde sentimos sensaciones extrañas y llegamos a creer que estamos chiflados, en ese momento es donde nos preguntamos ¿si esto es producto de nuestra imaginación o en realidad sentimos ciertas cosas sobre naturales?
Traigo a colación uno de los fragmentos del libro “Una mente crédula… encuentra el mayor deleite en creer cosas extrañas y, cuanto más extrañas son, más fácil le resulta creerlas; pero nunca toma en consideración las que son sencillas y posibles, porque todo el mundo puede creerlas.”
Este fragmento deja ver la capacidad que tiene la mente humana para creer cosas que son casi imposibles, deja ver la capacidad de asombro que podemos tener frente a fenómenos que entre más extraños sean mejor, Los fantasmas, el más allá, los espectros y las apariciones son unos temas muy siniestros y no a todo el mundo le gusta hablar de ellos. Estos temas son tabú para mucha gente, pero no es mi caso, soy una persona muy curiosa y aunque no crea en extraterrestres sí creo en fantasmas y creo en las historias de ultratumba. A mí me gusta hablar de estos fenómenos que no se pueden explicar, pero me da un poco de respeto, cuando cuentan cosas de esas me gusta escucharlas, aunque me asusta por decirlo de alguna manera. También me gusta ver programas y documentales en la tv, algo que me inspira mucho respeto es hablar de la muerte, Se me pone la piel de gallina cuando escucho algo sobre ese tema.

Otro punto que me llama mucho la atención de este capítulo es el de la hipnosis. La hipnosis según www.hispamap.net “es una técnica con la que conseguimos un estado psico-fisiológico diferente del estado de vigilia normal.” La hipnosis según www.wikipedia.org es un estado mental o de un grupo de actitudes generadas a través de un procedimiento llamado inducción hipnótica. Pero retomando lo anteriormente dicho este tema de la hipnosis en este capítulo atrajo mucho mi atención porque deja ver como la mente nos puede engañar distorsionándonos la realidad con el engaño si pudiese llamarlo de esa manera, un ejemplo que me gustó mucho fue el del video del accidente automovilístico, donde a varias personas les mostraron este video y después de que lo vieron les hablaron sobre una señal de transito que no había en el video, pero al hablarles sobre esto hubo personas que juraron que la vieron, al revelarles el engaño insistían que si había dicha señal. Me causa mucha gracia y mucha intriga al mismo tiempo, gracia por ver cómo somos de ingenuas las personas y como nos pueden engañar tan fácil e intriga porque es increíble que las personas siendo seres humanos autónomos, inteligentes y pensantes o por lo menos esa es la definición que muchos y muchas tenemos de seres humanos, podamos caer en estas malas jugadas que nos hace nuestro cerebro.

En conclusión y desde mi humilde punto de vista opino que querer descifrar la mente humana es algo de nunca acabar, que hay quienes creen que hay cosas sobre naturales como hay quienes creen que no, se les llaman mitos leyendas, cuentos o lo que sea pero de que las hay las hay o por lo menos eso es lo que pienso yo y que la mente humana siempre se ha dejado perturbar por las ensoñaciones, creencias ajenas dejando que todos estos dogmas hagan mella en nuestra conciencia.

GUIA N°5

APRENDIZAJE AUTOMATICO

El Aprendizaje Automático o Aprendizaje de Máquinas es una rama de la Inteligencia Artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender. De forma más concreta, se trata de crear programas capaces de generalizar comportamientos a partir de una información no estructurada suministrada en forma de ejemplos. Es, por lo tanto, un proceso de inducción del conocimiento. En muchas ocasiones el campo de actuación del Aprendizaje Automático se solapa con el de la Estadística, ya que las dos disciplinas se basan en el análisis de datos. Sin embargo, el Aprendizaje Automático se centra más en el estudio de laComplejidad Computacional de los problemas. Muchos problemas son de clase NP-hard, por lo que gran parte de la investigación realizada en Aprendizaje Automático está enfocada al diseño de soluciones factibles a esos problemas. El Aprendizaje Automático puede ser visto como un intento de automatizar algunas partes del Método Científicomediante métodos matemáticos.

INGENIERIA DEL CONOCIMIENTO

La ingeniería del conocimiento es aquella disciplina moderna que forma parte de la Inteligencia Artificial y cuyo fin es el diseño y desarrollo de Sistemas Expertos (o Sistemas Basados en el Conocimiento SS.BB.CC). Para ello, se apoya en metodologías instruccionales y en las ciencias de la computación y de las tecnologías de la información, intentando representar el conocimiento y razonamiento humanos en un determinado dominio, dentro de un sistema artificial.

El trabajo de los ingenieros del conocimiento consiste en extraer elconocimiento de los expertos humanos en un determinado área, y encodificar dicho conocimiento de manera que pueda ser procesado por un sistema.

El problema es que el ingeniero del conocimiento no es un experto en el campo que intenta modelar, mientras que el experto en el tema no tiene experiencia modelando su conocimiento (basado en laheurística) de forma que pueda ser representado de forma genérica en un sistema.

La ingeniería del conocimiento engloba a los científicos, tecnología ymetodología necesarios para procesar el conocimiento. Su objetivo es extraer, articular e informatizar el conocimiento de un experto.

REDES NEURONALES ARTIFICIALES

Las redes de neuronas artificiales son un paradigma de aprendizaje yprocesamiento automático inspirado en la forma en que funciona elsistema nervioso de los animales. Se trata de un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida. En inteligencia artificial es frecuente referirse a ellas como redes de neuronas o redes neuronales.

SISTEMAS REACTIVOS

Los sistemas reactivos, a diferencia de los puramente transformacionales, mantienen una continua interacción con su entorno, respondiendo ante los estímulos externos en función de su estado interno. Esto causa que su comportamiento sea complejo de analizar y muy sujeto a errores. Muchos de estos errores pueden causar problemas de seguridad, por lo que a menudo los sistemas reactivos son también sistemas críticos.

Entre los formalismos utilizados para especificación de sistemas en tiempo real y sistemas reactivos destacan los métodos estructurados. Son métodos operacionales que tienen amplia difusión en la industria por ser gráficos, fáciles de aprender, de utilizar y de revisar. Sin embargo, al no ser métodos formales, no existe, en general la posibilidad de analizar propiedades tan importantes como pueden ser las de seguridad.

SISTEMA MULTI-AGENTE

El dominio del sistema multiagente o de inteligencia artificialdistribuida es una ciencia y una técnica que trata con los sistemas de inteligencia artificial en red.

El bloque fundamental de construcción de un sistema multiagente, como es de esperarse, son los agentes.

Aunque no existe una definición formal y precisa de lo que es un agente, éstos son por lo general vistos como entidades inteligentes, equivalentes en términos computacionales a unproceso del sistema operativo, que existen dentro de cierto contexto o ambiente, y que se pueden comunicar a través de un mecanismo de comunicación inter-proceso, usualmente un sistema de red, utilizando protocolos de comunicación.

En cierto modo, un sistema multiagente es un sistema distribuido en el cual los nodos o elementos son sistemas de inteligencia artificial, o bien un sistema distribuido donde la conducta combinada de dichos elementos produce un resultado en conjunto inteligente.

SISTEMAS BASADOS EN REGLAS

Los sistemas basados en reglas trabajan mediante la aplicación de reglas, comparación de resultados y aplicación de las nuevas reglas basadas en situación modificada. También pueden trabajar por inferencia lógica dirigida, bien empezando con una evidencia inicial en una determinada situación y dirigiéndose hacia la obtención de una solución, o bien conhipótesis sobre las posibles soluciones y volviendo hacia atrás para encontrar una evidencia existente (o una deducción de una evidencia existente) que apoye una hipótesis en particular.

Algunos ejemplos de sistemas expertos son:

Dendral.- Fue ideado a finales de los años 1970 para generar una representación estructural de las moléculas orgánicas a partir de los datos de un espectrógrafo de masas. Tal solución tiene los siguientes pasos:

§ Obtener las limitaciones de los datos.

§ Generar estructuras candidatas.

§ Predecir espectros de masa con los candidatos.

§ Comparar los resultados con los datos.

Este sistema ilustra la solución común de resolver problemas en Inteligencia Artificial (IA) de generación y prueba.

Los sistemas multiagentes proponen ayudas metodológicas deingeniería de software, en este caso metodologías de ingeniería del software orientada a agentes (en inglés AOSE, Agent Oriented Software Engineering) y notaciones. Es decir, artefactos de desarrollo que son específicamente concebidos para crear sistemas basados en agentes.

RAZONAMIENTO BASADO EN CASOS

El Razonamiento basado en casos es el proceso de solucionar nuevos problemas basándose en las soluciones de problemas anteriores. Un mecánico de automóviles que repara un motor porque recordó que otro auto presentaba los mismos síntomas está usandorazonamiento basado en casos. Un abogado que apela a precedentes legales para defender alguna causa está usando razonamiento basado en casos. También un ingeniero cuando copia elementos de la naturaleza, está tratando a esta como una “base de datos de soluciones”. ElRazonamiento basado en casos es una manera de razonar haciendo analogías. Se ha argumentado que el razonamiento basado en casos no sólo es un método poderoso para el razonamiento de computadoras, sino que es usado por las personas para solucionar problemas cotidianos. Más radicalmente se ha sostenido que todo razonamiento es basado en casos porque está basado en la experiencia previa.

SISTEMAS EXPERTOS

Los sistemas expertos son llamados así porque emulan el comportamiento de un experto en un dominio concreto y en ocasiones son usados por éstos. Con los sistemas expertos se busca una mejor calidad y rapidez en las respuestas dando así lugar a una mejora de la productividad del experto.

Es una aplicación informática capaz de solucionar un conjunto de problemas que exigen un gran conocimiento sobre un determinado tema. Un sistema experto es un conjunto de programas que, sobre una base de conocimientos, posee información de uno o más expertos en un área específica. Se puede entender como una rama de la inteligencia artificial, donde el poder de resolución de un problema en un programa de computadora viene del conocimiento de un dominio específico. Estos sistemas imitan las actividades de un humano para resolver problemas de distinta índole (no necesariamente tiene que ser de inteligencia artificial). También se dice que un SE se basa en el conocimiento declarativo (hechos sobre objetos, situaciones) y el conocimiento de control (información sobre el seguimiento de una acción).

REDES BAYESIANAS

Una red bayesiana, o red de creencia, es un modelo probabilísticomultivariado que relaciona un conjunto de variables aleatorias mediante un grafo dirigido que indica explícitamente influencia causal. Gracias a su motor de actualización de probabilidades, elTeorema de Bayes, las redes bayesianas son una herramienta extremadamente útil en la estimación de probabilidades ante nuevas evidencias.

Una red bayesiana es un tipo de red causal. Un híbrido de red bayesiana y Teoría de la Utilidad es un diagrama de influencia.

VIDA ARTIFICIAL

La vida artificial es el estudio de la vida y de los sistemas artificiales que exhiben propiedades similares a los seres vivos, a través de modelos de simulación. El científico Christopher Langton fue el primero en utilizar el término a fines de la década de 1980 cuando se celebró la "Primera Conferencia Internacional de la Síntesis y Simulación de Sistemas Vivientes" (también conocido como Vida Artificial I) en Laboratorio Nacional de Los Álamos en 1987.

El área de vida artificial es un punto de encuentro para gente de otras áreas más tradicionales como lingüística, física, matemáticas,filosofía,psicología, ciencias de la computación, biología, antropología ysociología en las que sería inusual que se discutieran enfoques teóricos y computacionales. Como área, tiene una historia controvertida; John Maynard Smith criticó ciertos trabajos de vida artificial en1995calificándolos de "ciencia sin hechos", y generalmente no ha recibido mucha atención de parte de biólogos. Sin embargo, la reciente publicación de artículos sobre vida artificial en revistas de amplia difusión,¹ como Science y Nature son evidencia de que las técnicas de vida artificial son cada vez más aceptadas por los científicos, al menos como un método de estudio de la evolución.

ESTRATEGIAS EVOLUTIVAS

En informática, las estrategias evolutivas son métodos computacionales que trabajan con una población de individuos que pertenecen al dominio de los números reales, que mediante los procesos de mutación y de recombinación evolucionan para alcanzar el óptimo de la función objetivo.

Cada individuo de la población es un posible óptimo de la función objetivo; la representación de cada individuo de la población consta de 2 tipos de variables: las variables objeto y las variables estratégicas. Las variables objeto son los posibles valores que hacen que la función objetivo alcance el óptimo global y las variables estratégicas son los parámetros mediante los que se gobierna el proceso evolutivo o, en otras palabras, las variables estratégicas indican de qué manera las variables objeto son afectadas por la mutación.

Haciendo una analogía más precisa, el genotipo en las estrategias evolutivas es el conjunto formado por las variables objeto y las variables estratégicas. Y el fenotipo son las variables objeto, ya que conforme se da la variación de éstas, se percibe un mejor o peor desempeño del individuo.

ALGORITMOS GENÉTICOS

Los algoritmos genéticos establecen una analogía entre el conjunto de soluciones de un problema, llamado fenotipo, y el conjunto de individuos de una población natural, codificando la información de cada solución en una cadena, generalmente binaria, llamada cromosoma. Los símbolos que forman la cadena son llamados los genes. Cuando la representación de los cromosomas se hace con cadenas de dígitos binarios se le conoce como genotipo. Los cromosomas evolucionan a través de iteraciones, llamadas generaciones. En cada generación, los cromosomas son evaluados usando alguna medida de aptitud. Las siguientes generaciones (nuevos cromosomas), llamada descendencia, se forman utilizando dosoperadores genéticos, de sobrecruzamiento y de mutación.

Son llamados así porque se inspiran en la evolución biológica y su base genético-molecular. Estos algoritmos hacen evolucionar una población de individuos sometiéndola a acciones aleatorias semejantes a las que actúan en la evolución biológica(mutaciones y recombinaciones genéticas), así como también a una Selección de acuerdo con algún criterio, en función del cual se decide cuáles son los individuos más adaptados, que sobreviven, y cuáles los menos aptos, que son descartados. También es denominado algoritmos evolutivos, e incluye las estrategias evolutivas, la programación evolutiva y laprogramación genética.

TÉCNICAS DE REPRESENTACIÓN DEL CONOCIMIENTO

La representación del conocimiento se utiliza para la clasificación en bibliotecas y para procesar conceptos en un sistema de información. En el área de la inteligencia artificial, la resolución de problemas puede ser simplificada con la elección apropiada de representación del conocimiento.

Si bien representar el conocimiento de una manera hace la solución más simple, elegir una representación inadecueda puede hacer que la solución sea difícil. Una analogía es hacer cálculos con números arábigos o con números romanos. Dentro de las técnicas de representación del conocimiento tenemos: reglas, marcos, redes semánticas, entre otras. Asimismo, no se conoce una representación que pueda servir para cualquier propósito.

REDES SEMÁNTICAS

Una red semántica o esquema de representación en Red es una forma de representación de conocimiento lingüístico en la que los conceptos y sus interrelaciones se representan mediante un grafo. En caso de que no existan ciclos, estas redes pueden ser visualizadas como árboles. Las redes semánticas son usadas, entre otras cosas, para representarmapas conceptuales y mentales.

En un grafo o red semántica los elementos semánticos se representan por nodos. Dos elementos semánticos entre los que se admite se da la relación semántica que representa la red, estarán unidos mediante una línea, flecha o enlace o arista. Cierto tipo de relaciones no simétricas requieren grafos dirigidos que usan flechas en lugar de líneas.

FRAMES

Se denomina frame en inglés, a un fotograma o cuadro, una imagenparticular dentro de una sucesión de imágenes que componen una animación. La continua sucesión de estos fotogramas producen a lavista la sensación de movimiento, fenómeno dado por las pequeñas diferencias que hay entre cada uno de ellos.

La frecuencia es el número de fotogramas por segundo que se necesitan para crear movimiento.

VISIÓN ARTIFICIAL

La Visión artificial, también conocida como Visión por Computador oVisión técnica, es un subcampo de la inteligencia artificial. El propósito de la visión artificial es programar un computador para que "entienda" una escena o las características de una imagen.

Los objetivos típicos de la visión artificial incluyen:

La detección, segmentación, localización y reconocimiento de ciertos objetos en imágenes (por ejemplo, caras humanas).

La evaluación de los resultados (ej.: segmentación, registro).

Registro de diferentes imágenes de una misma escena u objeto, i.e., hacer concordar un mismo objeto en diversas imágenes.

Seguimiento de un objeto en una secuencia de imágenes.

Mape o de una escena para generar un modelo tridimensional de la escena; tal modelo podría ser usado por un robot para navegar por la escena.

Estimación de las posturas tridimensionales de humanos.

Búsqueda de imágenes digitales por su contenido.

AUDICION ARTIFIAL

El implante coclear es un dispositivo electrónico que se coloca -mediante una cirugía- en el oído interno. Es conectado en forma directa al nervio auditivo para obtener una audición artificial, explica el Dr. Luis Costas, uno de los dos únicos cirujanos otorrinolaringólogos paraguayos certificados para realizar esta operación.

"Para los pacientes que ni siquiera con audífonos pueden percibir los sonidos, esta es su única alternativa", resalta.

LINGUISTICA COMPUTACIONAL

La lingüística computacional es un campo multidisciplinar de la lingüística y la informática que utiliza la informática para estudiar y tratar el lenguaje humano. Para lograrlo, intenta modelar de forma lógica el lenguaje natural desde un punto de vista computacional. Dicho modelado no se centra en ninguna de las áreas de la lingüística en particular, sino que es un campo interdisciplinar, en el que participan lingüistas, informáticos especializados en inteligencia artificial, psicólogos cognoscitivos y expertos en lógica, entre otros.

PROCESAMIENTO DEL LENGUAJE NATURAL

El Procesamiento de Lenguajes Naturales —abreviado PLN, o NLP del idioma inglés Natural Language Processing— es una subdisciplina de la Inteligencia Artificial y la rama ingeniería de la lingüística computacional. El PLN se ocupa de la formulación e investigación de mecanismos eficaces computacionalmente para la comunicación entre personas o entre personas y máquinas por medio de lenguajes naturales. El PLN no trata de la comunicación por medio de lenguajes naturales de una forma abstracta, sino de diseñar mecanismos para comunicarse que sean eficaces computacionalmente —que se puedan realizar por medio de programas que ejecuten o simulen la comunicación—. Los modelos aplicados se enfocan no sólo a la comprensión del lenguaje de por sí, sino a aspectos generales cognitivos humanos y a la organización de la memoria. El lenguaje natural sirve sólo de medio para estudiar estos fenómenos.

MINERIA DE DATOS

La minería de datos (DM, Data Mining) consiste en la extracción no trivial de información que reside de manera implícita en los datos. Dicha información era previamente desconocida y podrá resultar útil para algún proceso. En otras palabras, la minería de datos prepara, sondea y explora los datos para sacar la información oculta en ellos.

Bajo el nombre de minería de datos se engloba todo un conjunto de técnicas encaminadas a la extracción de conocimiento procesable, implícito en las bases de datos. Está fuertemente ligado con la supervisión de procesos industriales ya que resulta muy útil para aprovechar los datos almacenados en las bases de datos.

Las bases de la minería de datos se encuentran en la inteligencia artificial y en el análisis estadístico. Mediante los modelos extraídos utilizando técnicas de minería de datos se aborda la solución a problemas de predicción, clasificación y segmentación.

PREGUNTAS:

¿Cree usted que mediante la Inteligencia Artificial se puedan crear robots con actitudes mentales tales como creencias e intenciones?

R/= No creo que se pueda porque pienso que eso solo es una virtud del ser humano y un robot no tiene un cerebro con que pensar ni con que sentir ellos solo están programados para hacer lo que se les ordena

¿Cree usted que los robots podrían la capacidad de obtener conocimiento, es decir, aprender?

R/= No porque ellos no piensan por ellos mismos ni razonan por ellos mismos es mas ni piensan ni razonan empezando por eso, entonces no creo que esto pueda ocurrir

¿Cree usted que se inventaran maquinas que puede resolver problemas, incluso

Particionado problemas complejos en otros más simples?

R/= Puede que si pero no tanto como solucionarnos los problemas si no darnos opciones o consejos por decirlo de alguna manera

¿Cree usted que los robots puedan llegar a entender. Poseer la capacidad de crearle sentido, si es posible, a ideas ambiguas o contradictorias?

R/= Puede que si pueda ponerle coherencia a una frase o algo parecido y hasta entender pero no como una persona si no porque puede estar programado para eso entonces solo entenderá lo que le programen no cualquier pregunta suelta que le hagan.

¿Cree usted que los robots podrían Planificar, predecir consecuencias, evaluar alternativas (como en los juegos de ajedrez)?

R/= Pues si y no, viéndolo desde el punto de vista de un juego de ajedrez si puede ser más factible porque lo pueden programar para predecir consecuencias o evaluar alternativas solo desde el juego, Y no porque no creo que un robot pueda ser capaz de decidir si hace o no hace algo por el mismo.