Inteligencia Artificial

Seguramente al leer el título han venido a tu mente imágenes y pensamientos de robots capaces de actuar como un ser humano. Pero lo siento, esta entrada no va de eso, sino de la inteligencia artificial real que se estudia y aplica en diversos campos de la actualidad, como un campo de las ciencias de la computación. Además, existen dos ramas que comento a continuación de forma muy general.

Inteligencia Artificial Clásica 

Está basada en la lógica y en simular el razonamiento humano. De este modo, los sistemas desarrollados realizan procesos deductivos sobre un conocimiento adquirido a partir de un humano experto. Es decir, dado un determinado problema, se recurre a un experto en la materia que intenta plasmar en reglas lógicas los razonamientos que lleva a cabo para resolver un caso determinado.

Por ejemplo, si se desea realizar un sistema experto para diagnostico de enfermedades, como base de conocimiento se tendrían los síntomas que presenta el paciente. Después, un médico crearía reglas del tipo

Si existe síntoma A y síntoma B entonces se deduce hecho C

Si existe hecho C y síntoma D entonces se deduce hecho E

de forma que se realizarían deducciones hasta llegar a una conclusión. Además de este tipo de sistemas de razonamiento, existen los problemas de satisfacción de restricciones (CSP), los sistemas multiagente, o los algoritmos genéticos, entre otros.

Reconocimiento de Formas

Está basado en la teoría estadística de la decisión y se centra en la percepción humana. Los sistemas de reconocimiento de formas utilizan procesos inductivos de modo que el conocimiento se aprende a partir de ejemplos. Siguiendo esta aproximación, para resolver un problema se necesitan ejemplos de casos del mismo y un modelo capaz de aprender a partir de ellos y predecir nuevos casos.

Siguiendo el mismo ejemplo del diagnóstico médico, se necesitaría por un lado un conjunto de ejemplos que podrían definirse de distintas formas. Por ejemplo, escogiendo una serie de síntomas de interés e indicando la presencia o no del mismo. Imaginemos que existen 3 enfermedades A, B, C y se tienen en cuenta 10 síntomas, los ejemplos serían de la forma

[Sí, No, No, Sí, No, No, No, No, No, Sí, A]

[No, No, Sí, Sí, No, No, Sí, No, No, No, B]

[No, Sí, Sí, No, No, No, Sí, No, Sí, No, B]

...

[No, Sí, No, No, No, No, No, Sí, No, Sí, C]

Con un conjunto suficientemente grande (cuanto más mejor) se podría aprender un modelo que dado un nuevo caso

[No, Sí, No, No, No, Sí, Sí, No, No, No, ?] => B

devolviese una predicción de la enfermedad con el mínimo error posible. Existen muchos tipos de representaciones y modelos (Redes Neuronales, SVM, HMM, Gramáticas, Árboles de decisión, y más).


Y a muy grandes rasgos este es el marco real de la inteligencia artificial. Las aplicaciones de ambas ramas son enormes, especialmente del reconocimiento de formas, que está presente en vuestro día a día. He escrito esta entrada como curiosidad, y al mismo tiempo porque mi intención es explicar de vez en cuando alguna de dichas aplicaciones. Espero que os gusten.

Más información: Inteligencia Artificial, Reconocimiento de Formas, Sistemas Expertos, Sistemas Multiagente, Algoritmos Genéticos, CSP, Redes Neuronales, SVM, HMM, Teoría de Lenguajes, Redes Bayesianas, Árboles de Decisión