inteligencia artificial | Artificial intelligence in Spanish | Deep Explanation

¿Qué es la inteligencia artificial?

inteligencia artificial
inteligencia artificial

What Is Artificial Intelligence?

¿Qué es exactamente la inteligencia artificial? Si bien la mayoría de los intentos de definir términos complejos y ampliamente utilizados son ejercicios inútiles, es útil dibujar al menos un límite aproximado alrededor del concepto para proporcionar una perspectiva sobre la discusión que sigue. Para hacer esto, proponemos lo siguiente de ninguna manera universalmente aceptada. La inteligencia artificial (Al) es el estudio de cómo hacer que las computadoras hagan cosas que. En este momento, la gente lo hace mejor. Esta definición es, por supuesto, algo efímera debido a su referencia al estado actual de la informática.

Y no incluye algunas áreas de gran impacto potencial, es decir, problemas que las computadoras o las personas no pueden resolver bien. Pero proporciona una buena descripción de lo que constituye inteligencia artificial, y evita los problemas filosóficos que dominan los intentos de definir el significado de artificial o inteligencia. Curiosamente, sin embargo, sugiere una similitud con la filosofía al mismo tiempo que lo está evitando. La filosofía siempre ha sido el estudio de aquellas ramas de disciplinas aún no convertidas en separadas por derecho propio. A medida que campos como la matemática o la física se hicieron más avanzados, se separaron de la filosofía. Tal vez si Al tiene éxito puede reducirse al conjunto vacío.

Symuuary de Inteligencia Artificial

Symuuary of Artificial Intelligence

¿Cuáles son entonces algunos de los problemas contenidos dentro de Al? Gran parte del campo inicial se centró en tareas formales, como el juego y la demostración de teoremas. Samuel escribió un programa de juego de damas que no solo juega juegos con oponentes, sino que también utiliza su experiencia en esos juegos para mejorar su desempeño posterior. El ajedrez también recibió mucha atención. El teórico de la lógica fue un intento inicial de probar teoremas matemáticos. Fue capaz de probar varios teoremas del primer capítulo de Whitehead y Principia Mathematica de Russell.

El teorema de Gelernter exploró otra área de las matemáticas: la geometría. El juego y el teorema que demuestran compartir la propiedad de que las personas que los hacen bien se considera que muestran inteligencia. A pesar de esto, inicialmente pareció que las computadoras podían tener un buen desempeño en esas tareas, simplemente al explorar rápidamente un gran número de soluciones y luego seleccionar la mejor. Se pensó que este proceso requería muy poco conocimiento y, por lo tanto, podía programarse fácilmente. Como veremos más adelante, este supuesto resultó ser falso, ya que ninguna computadora es lo suficientemente rápida para superar la explosión combinatoria generada por la mayoría de los problemas.

Read Also

Problem Reduction AO* Algorithm | AND OR GRAPH

Otra incursión cariñosa en Al se centró en el tipo de solución de problemas que hacemos todos los días cuando decidimos cómo llegar a trabajar en la mañana, a menudo llamado razonamiento de sentido común. inteligencia artificial Incluye el razonamiento sobre los objetos físicos y sus relaciones entre sí (por ejemplo, un objeto puede estar en un solo lugar a la vez), así como el razonamiento sobre las acciones y sus consecuencias (por ejemplo, si suelta algo, caerá a el piso y tal vez se rompa).

Para investigar este tipo de razonamiento. Newell, Shaw y Simon construyeron el Solucionador de problemas general (GPS), que aplicaron a varias tareas de sentido común, así como al problema de realizar manipulaciones simbólicas de expresiones lógicas. Nuevamente, no se intentó crear un programa con una gran cantidad de Conocimiento sobre un dominio de problema particular. Sólo se seleccionaron tareas bastante simples.

A medida que avanzó la investigación de Al y se desarrollaron técnicas para manejar grandes cantidades de conocimiento mundial, se hicieron algunos progresos en las tareas que se acaban de describir y se podrían intentar razonablemente nuevas tareas. Estos incluyen la percepción (visión y habla) del lenguaje natural, y la resolución de problemas en dominios especializados como el diagnóstico médico y el análisis químico. La percepción del mundo que nos rodea es crucial para nuestra supervivencia. Los animales con mucha inteligencia son más capaces que las personas de una percepción visual más sofisticada. Que son las máquinas actuales. Las tareas perceptivas son difíciles porque involucran señales analógicas (en lugar de digitales), las señales suelen ser muy ruidosas y generalmente una gran cantidad de cosas (algunas de las cuales pueden estar ocultando parcialmente otras) deben ser percibidas de una vez.

Los problemas de percepción se discuten con mayor detalle en el Capítulo 21. La capacidad de usar el lenguaje para comunicar una amplia variedad de ideas es quizás lo más importante que separa a los humanos de los otros animales. El problema de entender el lenguaje hablado es un problema perceptivo y es difícil de resolver por las razones que acabamos de discutir. Pero supongamos que simplificamos el problema restringiéndolo a un calibre escrito. Este problema, generalmente conocido como comprensión del lenguaje natural, sigue siendo extremadamente difícil. Para entender las oraciones sobre un tema, es necesario no solo hablar mucho sobre el lenguaje en sí (su vocabulario y gramática), sino también sobre el tema para poder reconocer las suposiciones no declaradas.

Discutimos este problema nuevamente más adelante en este capítulo y luego en más detalle en el Capítulo 15 Además de estas tareas mundanas, muchas personas también pueden realizar una o quizás tareas más especializadas en las que se necesita experiencia cuidadosamente adquirida. Ejemplos de tales tareas inteligencia artificial incluyen diseño de ingeniería, descubrimiento científico, diagnóstico médico y planificación financiera. Los programas que pueden resolver problemas en estos dominios también están bajo la égida de la inteligencia artificial. La Figura 1.1 enumera algunas de las tareas que son objetivos del trabajo en AI.

Una persona que sabe cómo realizar tareas de varias de las categorías que se muestran en la figura obtiene las habilidades necesarias en un orden estándar. Primero se aprenden habilidades perceptivas, lingüísticas y de sentido común. Más tarde (y, por supuesto, para algunas personas, nunca) se adquieren habilidades expertas como ingeniería, medicina o finanzas. Es posible que las habilidades anteriores sean más fáciles y, por lo tanto, más susceptibles a la duplicación computarizada que las posteriores, que son más especializadas. Por esta razón, gran parte de lo inicial es que esta ingenua suposición.

Read Also

Problem Reduction AO* Algorithm | AND OR GRAPH
Artificial Intelligence Technology 2019 | Unknown Facts
Procedural | Declarative knowledge in Artificial Intelligence
artificial Intelligence Technology in the Future
Artificial Intelligence in Big Data Analytics | 2019
knowledge Acquisition in Artificial Intelligence | 2019
Types of Production System in Artificial Intelligence | Benefits| Advantages
Forward Versus Backward Reasoning | Chaining | Integration | in AI

Leave a Comment

Your email address will not be published. Required fields are marked *