Paradigmas y modelos de la inteligencia artificial

inteligencia-artificial

Cosmovisiones y paradigmas
El concepto de paradigma está muy relacionado con la cosmovisión (Ver Paradigma y cosmovisión de la complejidad)
La cosmovisión nos da una idea de la estructura del mundo siguiendo una serie de principios comunes que inspiran teorías o modelos que se aplican a todos los campos de la vida, desde la política, la economía o la ciencia hasta la religión, la moral o la filosofía. Por su parte el paradigma crea el marco para una estructura más específica del mundo y construye los principios, teorías y modelos para un solo contexto (ejemplo el tecnológico). Pero ambas representan una forma de actuar en el mundo, una con un carácter más general y la otra más enfocada a un tipo de contexto.

Por último veamos una definición de paradigma: es un modelo o patrón en cualquier disciplina científica u otro contexto epistemológico.

Por otra parte los filósofos no están muy satisfecho con el uso y abuso que se le da los paradigmas ya que a cualquier transformación se le llama paradigma y sin mas acá se dice, esto es un paradigma. Hay filosofo que prefieren utilizar la palabra corrientes, otros modelos, aunque los modelos son partes de un paradigma. En fin hay cierta confusión.

Nosotros seguimos la idea de utilizar la palabra modelo para los modelos computacionales y paradigma para la agrupación de los modelos afines.

Principios comunes sobre los que se inspiran teorías y modelos para el contexto computacional

Paradigmas tecnológicos en la computación
Paradigma cognitivo (simbólico y conexionista)
Paradigma computacional (basado en datos)
Paradigma colaborativo (colectivo)
Paradigma enactivo (corpóreo y evolutivo)

MODELOS COMPUTACIONALES

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. En computación las primeras teorías y modelos se inspiraron en la representación de la mente. Ya que la inteligencia artificial partió del principio de la inteligencia se podía representar por medio de algoritmos para ser ejecutada en una computadora

Podemos de forma general clasificar a los modelos en seis:
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 reactivos.

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.

Todos los modelos son las técnicas que se aplican para desarrollar una IA (de momento específica) que puede alcanzar, en algún momento, una IA avanzada (general). Los modelos tienen su aplicación fundamental dentro del enfoque socioeconómico como IAs específicas que buscan dar solución a los diferentes dominios, aunque su pretensión inicial haya sido la construcción de una IA de carácter general. Sin embargo sus logros han estado en las aplicaciones a dominios restringidos, Ya existen IA específicas que superan a los humanos en una tarea (ej: ajedrez, GO, etc)

PARADIGMA COGNITIVO

En sus inicios se hablo de un paradigma simbólico que pretendía la representación del pensamiento como símbolos que podían ser convertidos en programas y ejecutados en la computadora donde los programas representaban los estados mentales y la computadora el funcionamiento del cerebro. Aquí utilizamos el término paradigma cognitivo tanto para el modelo simbólico como para el conexionista ya que ambos parten de la reproducción de las funciones de la mente o del cerebro en una computadora. Cuando hablamos de mente o cerebro estamos hablando de un individuo o sea de los estados de una mente o de las funciones de un cerebro del cual se pueden representar en formas de algoritmos y ser ejecutados en una máquina.

Para algunos, los humanos y las computadoras son dos especies de un mismo género: los sistemas de procesamiento de la información. Aceptar a la mente humana como una forma de procesamiento de la información trae como consecuencia que se produzcan dos fenómenos inversos:
La generalización de los sistemas procesadores de información.
La simplificación de la mente humana (reduccionismo).

El problema radica en la generalización que se le quiere dar a los sistemas de procesamiento de la información. Hay palabras que, para los creadores de teorías, toman un significado especial (trascendental) y se convierten en un “símbolo” cargado de significados adicionales, en muchos casos abiertos a nuevas manipulaciones, que se adaptan a la interpretación del contexto de la teoría, como es el caso del término “procesamiento de la información”.

MODELO SIMBÓLICO

Fue el primero de los modelos de representación de la información utilizado por la IA y se sustenta sobre los sistemas procesadores de símbolos
Sistema procesador de símbolos: Sistema capaz de manipular símbolos, generar nuevos símbolos, crear y modificar relaciones entre símbolos, almacenar símbolos, etc. Los símbolos son físicos y tienen un sustrato físico-electrónico.
Donde los sustratos pueden ser:
Físico-electrónico (computador)
Físico-biológico (seres humanos)

El adjetivo «físico» denota que se trata de la realización material de un sistema formal, Por lo tanto, un sistema de símbolos físico es un sistema formal ejecutado por una máquina real, en general en una computadora donde el cerebro seria otro tipo de maquina donde se produce la inteligencia ejecutando un sistema de símbolos

Estos son los elementos que dieron a lugar al concepto de una IA fuerte solo faltaría una hipótesis que la legitimara.
Los supuestos teóricos

Hipótesis del modelo simbólico: la naturaleza del sustrato (electrónico o biológico) carece de importancia siempre y cuando dicho sustrato permita procesar símbolos.

En las ciencias cognitivas se conoce como tesis internalista que establece la existencia de representaciones mentales y que reclama un nivel de análisis propio para estudiarlas al margen de los factores biológicos y de algunos de los factores ambientales que las afectan.

Por último como consecuencia de todo lo anterior surge, la metáfora del computador que afirma que existe una variante de la hipótesis anterior según la cual no es que un sistema de símbolos físico tenga las capacidades necesarias y suficientes para la acción inteligente general, sino que dichas capacidades son exclusivas de los sistemas de símbolos físicos: la metáfora del computador.

La metáfora computacional o del computador es la analogía que define la mente como un procesador de información semejante a una computadora electrónica, lo que significa que la computadora puede sustituir al hombre en todas sus actividades ya que ambos son “sistemas basados en el procesamiento de la información”.

El modelo simbólicos es un modelo descendente, que se basa en el razonamiento lógico y la búsqueda heurística como pilares para la resolución de problemas, sin que el sistema inteligente necesite formar parte de un cuerpo (no encarnado) ni está situado en el entorno real. La IA simbólica opera con representación abstracta del mundo real

PARADIGMA CONEXIONISTA

Hubo un tiempo que se utilizo el nombre de paradigma conexionista, que mas representar los estados mentales, buscaba la representación de las conexiones que se establecen entre las diferentes partes de una organización, 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 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. Para el modelo conexionista también conocido como sub-simbólico nos concentraremos en las redes neuronales artificiales (RNA)

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 cooperación basado en una estructura jerárquica que permite el procesamiento local y centralizado en fases.

Los sistemas conexionistas son compatibles 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.

PARADIGMA OPERATIVO

El progreso tecnológico y el almacenamiento de grandes bases de datos ha posibilitado, que el procesamiento orientado a los datos del mundo real sea factible, dado el surgimiento de hardware cada vez más potente, barato y confiable, además la capacidad de internet para recopilar grandes cantidades de datos y la disponibilidad de almacenamiento para procesar esos datos.

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.

Modelo basado en datos

Son, algoritmos para el procesamiento de grandes bases e datos, en general algoritmos de de fuerza bruta que se programan utilizando la velocidad de procesamiento de la máquina, estamos ante programas capaces de desarrollar actividades llamadas inteligentes sin proponerse imitar al pensamiento humano.

PARADIGMA COLABORATIVO

Se estudia la solución cooperativa de problemas por un grupo de agentes distribuidos. Tal cooperación se basa en que ninguno posee la información (experticidad, recursos, etc.) para resolver completamente el problema y donde un agente tiene como característica la de ser una entidad más o menos autónoma, con conocimientos propios y de su entorno así como con la posibilidad de interactuar con dicho entorno y otros agentes. Se concentra en la inteligencia distribuida en diferentes agentes (con conocimientos parciales) que al integrarse logran resolver problemas complejos en lugar de grandes bases de conocimientos cerradas.

MODELO COLECTIVO

Son sistemas multiagentes y es compatible con la hipótesis simbolista y se puede decir que es no corpórea aunque si tiene en cuenta al entorno, también se trata de un modelo ascendente ya que la inteligencia emerge de una gran número de unidades interconectadas en este caso son los llamados agentes inteligentes, que tienen como característica la de ser una entidad más o menos autónoma, con conocimientos propios y de su entorno así como la posibilidad de interactuar con dicho entorno y con otros agentes.

PARADIGMA ENACTIVO

Se basa en que un agente inteligente necesita un cuerpo para tener experiencias directas con su entorno, en lugar que un programador proporcione descripciones abstractas de dicho entorno, codificado mediante un lenguaje de representación del conocimiento, sin un cuerpo esta representación abstracta no tiene contenido semántico. El método corpóreo ha dado lugar a un nuevas líneas de desarrollo dentro de la robótica ya sea del desarrollo o evolutiva

MODELO CORPOREO

Rompe con la hipótesis simbolista, ya que no es la representación del mundo objetivo y su conversión en símbolos para ser procesados por una computadora sino, la actuación de la máquina en el entorno.

MODELO EVOLUTIVO

Desde el punto de vista biológico, el problema se centra en la imitación del mecanismo evolutivo de los seres vivos. De una población, tienen más posibilidades de sobrevivir y de tener descendencia aquellos organismos mejor adaptados al medio. De combinarse dos que tengan características deseables para aspectos distintos pueden surgir nuevos que hereden ambas peculiaridades y plantea que se pueden encontrar soluciones aproximadas a problemas de gran complejidad computacional mediante un proceso de “evolución simulada”, en particular como un algoritmo matemático implementado en un ordenador, conocidos como algoritmos genéticos

Los algoritmos genéticos también es compatible con la hipótesis simbolista y no corpórea. Se trata de imitar la evolución con el fin de que los programas de computadoras mediante un proceso evolutivo mejorasen automáticamente las soluciones a los problemas para los que fueron programados

Conclusión

Como hemos visto, todos los modelos excepto el BD tratan de emular las competencias de la mente o del cerebro humano. En el caso del modelo BD estamos hablando del surgimiento de una inteligencia no humana en el sentido literal. Ya que el modelo BD no tiene nada que ver con la forma de pensar del ser humano es un algoritmo, más bien, de fuerza bruta basado en la velocidad del hardware. Ahora de acuerdo al paradigma basado en datos, según crezcan los datos las máquinas tendrán más acceso a la información y a su procesamiento (dada su creciente velocidad) y con ello a aumentar exponencialmente su inteligencia, lo que lleva a una posible singularidad tecnológica, fuera de la medida humana.

De esto hablaremos en próximos artículos

Deja una respuesta

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

Logo de WordPress.com

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

Google photo

Estás comentando usando tu cuenta de Google. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s