Estructura de saberes que comprende la inteligencia artificial
La IA es un amplio campo de estudio que incluye una serie de teorías, métodos y tecnologías que convergen en dispositivos a los cuales se les provee de softwares adecuados para que puedan percibir un entorno, procesar lo percibido y producir un resultado óptimo y consistente. Para proveer IA a un sistema de modo que pueda aprender, entender, razonar y tomar decisiones es necesario apoyarse en diversas disciplinas como:
- Las ciencias de la computación,
- La lógica,
- La neurociencia
- La matemática
Ciencias de la computación: Las ciencias de la computación han tenido una evolución en el tiempo; sus inicios datan del siglo XVII, en efecto, en 1805 aparece la primera máquina programable, un telar, desarrollado por Joseph Marie Jacquard, el cual utilizaba tarjetas perforadas para almacenar información sobre los parámetros bordados.
A mitad del siglo XIX, Charles Babbage diseñó dos máquinas: la calculadora mecánica y la calculadora analítica. La primera fue construida y era capaz de calcular tablas de funciones numéricas por el método de las diferencias. La segunda, que podía ejecutar programas de computación no fue construida. Por eso se le considera como “El padre de la computación”.
En 1940, Alan Turing construyó el primer computador operacional de carácter electromecánico con la finalidad de descifrar mensajes alemanes en la segunda guerra mundial. Por estos años, entre 1940 y 1942, aparece el primer computador electrónico ABC, fue creado por John Atanasoff junto a su discípulo Clifford Berry en la Universidad Estatal de Iowa.
En 1991 se construyó la “Calculadora Analítica” que diseñó Babbage a mitad del siglo XIX y se presentó en el museo de la ciencia de Londres. Esta máquina era mucho más ambiciosa ya que contenía memoria direccionable, programas almacenados, saltos incondicionales. Este fue el primer dispositivo dotado de los elementos necesarios para realizar una computación universal. A partir de ahí han aparecido varias generaciones de dispositivo hardware cada vez con mayor velocidad de procesamiento y capacidad de almacenamiento.
Todo este conocimiento que abarcan las bases teóricas de la información y la computación se conoce como las ciencias de la computación que aplicada en dispositivos los hace capaces de correlacionar una gran cantidad de datos recibidos y procesarlos con el objetivo de producir información válida para la toma de decisiones.
La IA se apoya en las ciencias de la computación para el desarrollo de procesos que permiten a ciertos dispositivos percibir su entorno (recibiendo entradas normalmente a través de sensores), procesar tales percepciones en una arquitectura física y/o computacional (a la cual se le ha almacenado previamente un conocimiento) y actuar (promocionar salidas) conforme a ciertos principios de optimización o maximización de rendimiento. En resumen, dotar a tales dispositivos de cierta racionalidad (inteligencia) para alcanzar algún objetivo o finalidad.
La Lógica: El ser humano a lo largo de su historia siempre se ha planteado retos, comenzó creando dispositivos, equipos que multipliquen su fuerza física (limitada por su naturaleza) y su velocidad y capacidad de desplazamiento. Posteriormente buscó dispositivos que amplíen su capacidad intelectual y velocidad de procesamiento de información, inventando para ello el computador.
Seguidamente, se planteó el reto de crear máquinas pensantes, es decir, que razonen, resuelvan problemas, demuestren teoremas, perciban visualmente, reconozcan la voz, etc. Para esto se acudió al formalismo de la lógica y su forma de tratar los procesos mentales para modelarlos a través de procesos artificiales que, utilizando un dispositivo computacional y algoritmos especializados (redes neuronales, por ejemplo), “sigan la trayectoria aproximada” del proceso mental para ofrecer salidas adecuadas que permitan alcanzar un objetivo.
En ese sentido, John McCarthy, sostenía que el camino para obtener la inteligencia de las máquinas pasaba por un enfoque formal riguroso, en el cual los actos que componen la inteligencia son reducidos a una serie de relaciones o axiomas lógicos que pueden expresarse de forma precisa en términos matemáticos. Esto naturalmente no es tarea fácil, pero es el camino que sigue la IA para dotar, cada vez más, de mejores características de inteligencia a las máquinas.
La Neurociencia: La neurociencia estudia el cerebro. Este viene siendo estudiado desde varios siglos atrás, desde el siglo XVIII en que Paul Broca localizó áreas del cerebro responsable de las funciones cognitivas y Camilo Golgi que desarrolló una técnica de observación de neuronas individuales del cerebro. Luego con el desarrollo del encefalograma y las imágenes de resonancia magnética se tiene más detalle de la actividad cerebral.
Estos avances tienen el objetivo científico de entender el funcionamiento del cerebro, el cual se calcula que se compone 86000 millones de neuronas y entre 100 y 500 billones de conexiones entre ellas. Investigaciones recientes se acercan más a:
- Entender los mecanismos de conducta humana.
- Estudiar la actividad cerebral casi en tiempo real mediante la magneto-encelografía.
El mayor desarrollo de la neurociencia y la evolución de la IA generará un beneficio mutuo entre ambas; en efecto, esto permitirá reducir la brecha entre la inteligencia humana y la inteligencia artificial. En la actualidad la IA viene desplegando todo su potencial para construir conocimiento inspirado en las facultades mentales de aprender, entender, razonar y tomar decisiones. (InNeurociencia, 2018)
Las Matemáticas: Las técnicas de IA en general se basan en diversos aspectos de la matemática en particular en:
- Elementos de álgebra lineal (vectores, matrices y operaciones entre ellos)
- Análisis de funciones de variables reales (derivadas, máximos, mínimos e integrales)
- Geometría
- Fundamentos de la teoría de la probabilidad y estadística básica, descriptiva e inferencial.
El conocimiento de estos aspectos, son el inicio del camino del aprendizaje automático de las máquinas. Los algoritmos utilizados en modelos de IA utilizan la notación vectorial/matricial y las diversas operaciones entre matrices. Ahondaremos específicamente en dos de tales campos: álgebra lineal y la estadística.
El álgebra lineal es la matemática de los datos. La notación matemática permite describir con precisión operaciones sobre los datos con operadores específicos. El álgebra lineal fue desarrollada originalmente para resolver sistemas de ecuaciones lineales.
Se trata de casos en los que hay más ecuaciones que variables desconocidas. Como resultado, son difíciles de resolver aritméticamente porque no hay una solución única porque no hay una línea o un plano que pueda ajustar los datos sin ningún error.
El método de los mínimos cuadrados, conocidos por su papel en la solución de modelos de regresión lineal, son bastante utilizados y puede sistematizarse mediante algoritmos que tienen como base el conocimiento de algebra lineal, y buen desempeño en el campo de la IA.
Un profesional de la IA es capaz de leer y escribir notación vectorial y matricial; los algoritmos se desarrollan valiéndose de esa notación. El lenguaje de programación que actualmente brilla con luz propia es Python ofreciendo formas eficientes de implementar soluciones de manera corta y eficiente de algoritmos que hacen uso del álgebra lineal.
Las estadísticas y el análisis de datos es otro aspecto de las matemáticas que se ocupan de ordenar y comprender los datos. Las estadísticas modernas utilizan la notación del algebra lineal en sus métodos, desde vectores para las medias y varianzas de los datos, hasta matrices de covarianzas que describen las relaciones entre múltiples variables Gaussianas.
Los resultados de algunas colaboraciones entre el álgebra lineal y la estadística son aplicados en la IA como, por ejemplo: el análisis de componentes principales utilizado para las reducciones de los conjuntos de datos, la factorización de matrices y sus diferentes métodos algunos de los cuales dependiendo de sus fortalezas y capacidades se pueden utilizar como herramientas para la IA, como la descomposición del valor singular, utilizado también para la reducción de datos.
La relación entre la estadística y la IA es biunívoca; en efecto, las aplicaciones de la IA en la estadística tienen como objetivo integrar diversos contrastes, estimaciones, transformaciones y modelos para conseguir una aproximación coherente y total en análisis de datos, estableciendo estrategias que dirijan el proceso de modelización, de elección de técnicas y transformaciones a aplicar, y de ayuda a la interpretación de los resultados.
