Modelos de la inteligencia artificial. El conexionista

 

agente8

En artículo “Modelos de la inteligencia artificial. El simbólicoHabíamos dicho:  La ciencia históricamente se ha basado en los modelos para representar al universo y sobre todo al mundo real. Podemos decir que la inteligencia artificial siempre ha buscado un modelo que represente la inteligencia humana, pero la realidad ha sido otra, ya que no existe un modelo único capaz de representar a la inteligencia, incluso no existe una definición de inteligencia artificial que cubra las expectativas de todos los investigadores. 

También, habíamos visto las definiciones propuestas por Stuart J. Russell y Peter Norvig en su libro: Inteligencia artificial, un enfoque moderno.

Ahora nos haremos algunas preguntas partiendo de la idea del seguimiento de la medida humana sin hacer distinción entre mente y cerebro y todas las definiciones parten del pensamiento humano como medida para el desarrollo de la IA.

  1. Si las máquinas llegaran a pensar igual que los humanos
  2. Si el pensamiento humano es solo procesamiento de información
  3. Si solo podrán simular el pensamiento humano
  4. Si las máquinas igualaran o superaran el pensamiento humano con métodos puramente computacionales

Vamos algunas precisiones sobre la medida humana

  1. Medida humana ingenua. La medida se reduce a una mente o cerebro aislado, separado del cuerpo
  2. Simulación de la medida humana. Modelos computacionales que imitan al pensamiento humano
  3. Sigue la medida cognitiva (metáfora del computador). Se equiparán a los estados mentales con los algoritmos computacionales y al funcionamiento del cerebro con el de la computadora, ya que ambos son sistemas que procesan información (conciencia trivial).
  4. No sigue la medida humana en todo caso sigue una medida pragmática computacional.

En el artículo Paradigmas y tendencias en la investigación de la IA

habíamos hecho una clasificación de los diferentes modelos

 Modelo simbólico – Lógico: reglas de producción o semántico: conceptos

  • Modelo conexionista o emergente – Redes neuronales.
  • Modelo basado en datos (operativo) – Aprendizaje profundo.
  • Modelo colectivo – Inteligencia colectiva
  • Modelo evolutivo – Algoritmo genético.
  • Modelo corpóreo – Agentes inteligentes (agentes reactivos).

Y habíamos hablado sobre los modelos como una representación de IA especificas

 Al final los diferentes modelos nos han conducido al desarrollo de IA estrechas. Normalmente se ha culpado a las limitaciones del hardware asumiendo que si las maquinas fueran más veloces y tuvieran más prestaciones, se podría lograr la misma eficiencia que el cerebro humano. Siendo el más representativo el modelo basado en datos, el cual se soporta sobre las potencialidades de la computadora. No se puede olvidar que, hasta la fecha, los modelos de la IA deben poder reproducirse en las computadoras, las cuales son cada vez más potentes, lo cual permite nuevas formas de programación teniendo en cuenta las actuales prestaciones de las máquinas que permiten un aumento cada vez mayor de almacenamiento, procesamiento de la información y conexión, lo cual ha facilitado el surgimiento de una IA operativa basada en datos.

El modelo conexionista, se mantiene dentro del cognitivismo clásico, de la hipótesis simbolista y la metáfora del computador

 El paradigma conexionista

 Hubo un tiempo que se utilizó el nombre de paradigma conexionista que, más representar los estados mentales, buscaba la representación de las conexiones que se establecen entre las diferentes de un organismo, ya sean neuronas (redes neuronales), agentes (agentes inteligentes), genes (algoritmos genéticos) y como de estas conexiones se genera un accionar inteligente. Ahora en lugar de buscar la representación del conocimiento humano se buscaba la representación de elementos no inteligentes (neuronas, agentes, genes) que son capaces de conectarse entre sí para darle solución a un problema. Conexiones que se van almacenando como un aprendizaje. Esta flexibilidad permite que estos sistemas no dependan de un ingeniero de conocimientos que los esté alimentando constantemente, además rompen con el esquema secuencial de paradigma simbólico que obliga a contar con una máquina de inferencia que vaya ejecutando las reglas, ahora estos entes (neuronas, agentes, genes) son se capaces de conectarse entre sí y de ajustarse al problema e ir guardando su experiencia.

Todas tienen en común un nuevo enfoque: la inteligencia es producto de la asociación, combinación o conexión de entidades independientes más simples (agentes, genes o neuronas), las cuales pueden tener alguna inteligencia o ninguna y producto de su interacción, el sistema presentaría un comportamiento inteligente. Lo cual nos lleva a un nuevo paradigma basado en la copia de los sistemas emergentes y evolutivos de la naturaleza, que de cierta manera es un retorno a la Cibernética, primera ciencia de carácter técnico inspirada en la naturaleza.

Redes neuronales artificiales (RNA)

Modelo conexionista

Los sistemas conexionistas no son incompatibles con la hipótesis simbolista (SSF) pero al contrario del simbólico, se trata de un modelo ascendente, ya que se basa en la hipótesis de que la inteligencia emerge a partir de la actividad distribuida de un gran número de unidades interconectadas que procesan información paralelamente. En la IA conexionista estas unidades son modelos muy aproximados de la actividad eléctrica de las neuronas biológicas.

¿Qué son las redes neuronales?

Modelado Neuronal

 Una red neuronal artificial (RNA) es un sistema de procesamiento de información que tiene ciertas aptitudes en común con las redes

neuronales biológicas:

– El procesamiento de información ocurre en muchos elementos simples llamados neuronas.

– Las señales son transferidas entre neuronas a través de enlaces de conexión.

– Cada conexión tiene un peso asociado, el cual, típicamente, multiplica a la señal transmitida.

– Cada neurona aplica una función de activación (usualmente no lineal) a su entrada de red (suma de entradas pesadas) para determinar su salida.

En definitiva, las redes neuronales no son más que un modelo artificial y simplificado del cerebro humano, que es el ejemplo más perfecto del que disponemos para un sistema que es capaz de adquirir conocimiento a través de la experiencia.

 Definiciones de una red neuronal.

 Existen numerosas formas de definir a las redes neuronales; desde las definiciones cortas y genéricas hasta las que intentan explicar más detalladamente qué son las redes neuronales. Por ejemplo:

1) Una nueva forma de computación, inspirada en modelos biológicos.

2) Un modelo matemático compuesto por un gran número de elementos procesales organizados en niveles.

3) Un sistema de computación compuesto por un gran número de elementos

simples, elementos de procesos muy interconectados, los cuales procesan información por medio de su estado dinámico como respuesta a entradas externas.

4) Redes neuronales artificiales son redes interconectadas masivamente en paralelo de elementos simples (usualmente adaptativos) y con organización jerárquica, las cuales intentan interactuar con los objetos del mundo real del mismo modo que lo hace el sistema nervioso biológico.

Hoy en día el enfoque más prometedor parece ser en de las redes neuronales, el cual está siendo adoptado actualmente por Google, en su aspiración de crear una inteligencia artificial. No es un secreto que la fortaleza de Google consiste en que utiliza las búsquedas de los millones de usuarios para aprender de ellos

Las redes neuronales a diferencia de los sistemas simbolistas donde era necesario describir todo el conocimiento humano en forma de reglas, lo cual obligaba a tener en cuenta toda la experiencia humana, tarea imposible. Las redes neuronales permiten crear un núcleo de conexiones y que sobre sobre su propia experiencia puedan ir ampliándose, similar a como funciona el cerebro.

Las investigaciones en las RNA han estado inmersas en la creación de autómatas que aprendan a descubrir relaciones ocultas en los datos a la vez que puedan codificar y almacenar información en forma similar a como lo realiza el cerebro. La neurocomputación utiliza como base la metáfora cerebral, pero no persigue como objetivo la construcción de máquinas absolutamente plausibles biológicamente, sino el desarrollo de máquinas útiles. La capacidad intelectual depende de la acción colectiva de las neuronas, que realizan procesos en serie y en paralelo utilizando la retroalimentación y una organización molecular y laminar con alta capacidad de auto-organización y cooperatividad basado en una estructura jerárquica que permite el procesamiento local y centralizado en fases.

 

 

 

 

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s