1.1 PROPOSITO

El propósito de la inteligencia artificial es hacer computacional el conocimiento humano no analítico por procedimientos simbólicos, conexionistas o híbridos. Para conseguir una visión razonablemente amplia del contenido de la inteligencia artificial usaremos criterios extensionales (proporcionando una relación lo más completa posible de los temas que estudia la inteligencia artificial), junto a otros criterios intencionales (que establecen las reglas de clasificación), de forma que al enfrentarnos con un problema computacional (o con un método de solución) específico podamos concluir si pertenece o no al campo de la inteligencia artificial en función.

HISTORIA DE LA INTELIGENCIA ARTIFICIAL

La Inteligencia Artificial surge definitivamente a partir de algunos trabajos publicados en la década de 1940 que no tuvieron gran repercusión, pero a partir del influyente trabajo en 1950 de Alan Turing, matemático británico, se abre una nueva disciplina de las ciencias de la información.

Si bien las ideas fundamentales se remontan a la lógica y algoritmos de los griegos, y a las matemáticas de los árabes, varios siglos antes de Cristo, el concepto de obtener razonamiento artificial aparece en el siglo XIV. A finales del siglo XIX se obtienen lógicas formales suficientemente poderosas y a mediados del siglo XX, se obtienen máquinas capaces de hacer uso de tales lógicas y algoritmos de solución.

ORÍGENES Y EVOLUCIÓN CRONOLÓGICA

Los juegos matemáticos antiguos, como el de las Torres de Hanói (hacia el 3000 a. C.), muestran el interés por la búsqueda de un modo resolutor, capaz de ganar con los mínimos movimientos posibles.

Cerca de 300 a. C., Aristóteles fue el primero en describir de manera estructurada un conjunto de reglas, silogismos, que describen una parte del funcionamiento de la mente humana y que, al seguirlas paso a paso, producen conclusiones racionales a partir de premisas dadas.

En 250 a. C. Ktesibios de Alejandría construyó la primera máquina autocontrolada, un regulardor del flujo de agua que actuaba modificando su comportamiento "racionalmente" (correctamente) pero claramente sin razonamiento.

En 1315, Ramon Llull tuvo la idea de que el razonamiento podía ser efectuado de maneral artificial.

En 1847 George Boole estableció la lógica proposicional (booleana), mucho más completa que los silogismos de Aristóteles, pero aún algo poco potente.

En 1879 Gottlob Frege extiende la lógica booleana y obtiene la Lógica de Primer Orden la cual cuenta con un mayor poder de expresión y es utilizada universalmente en la actualidad.

En 1903 Lee De Forest inventa el triodo, también llamado bulbo o válvula de vacío.

En 1937 Alan Turing publicó un artículo de bastante repercusión sobre los "Números Calculables", un artículo que estableció las bases teóricas para todas las ciencias de computación, y que puede considerarse el origen oficial de la informática teórica. En este artículo introdujo el concepto de Máquina de Turing, una entidad matemática abstracta que formalizó el concepto de algoritmo y resultó ser la precursora de las computadoras digitales. Podía conceptualmente leer instrucciones de una cinta de papel perforada y ejecutar todas las operaciones críticas de un computador. El artículo fijó los límites de las ciencias de la computación porque demostró que no es posible resolver problemas con ningún tipo de computador. Con ayuda de su máquina, Turing pudo demostrar que existen problemas irresolubles, de los que ningún ordenador será capaz de obtener su solución, por lo que se le considera el padre de la teoría de la computabilidad.

En 1940 Alan Turing y su equipo contruyeron el primer computador electromecánico y en 1941 Konrad Zuse creó la primera computadora programable y el primer lenguaje de programación de alto nivel Plankalkül. Las siguiente máquinas más potentes, aunque con igual concepto, fueron la ABC y ENIAC.

En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales, el cual se considera el primer trabajo del campo de inteligencia artificial, aun cuando todavía no existía el término.

En 1950 Turing consolidó el campo de la inteligencia artificial con su artículo Computing Machinery and Intelligence, en el que propuso una prueba concreta para determinar si una máquina era inteligente o no, su famosa Prueba de Turing por lo que se le considera el padre de la Inteligencia Artificial. Años después Turing se convirtió en el adalid que quienes defendían la posibilidad de emular le pensamiento humano a través de la computación y fue coautor del primer programa para jugar ajedrez.

En 1951 William Shockley inventa el transistor de unión. El invento hizo posible una nueva generación de computadoras mucho más rápidas y pequeñas.

En 1956 se acuñó el término "inteligencia artificial" en Dartmouth durante una conferencia convocada por McCarthy, a la cual asistieron, entre otros, Minsky, Newell y Simon. En esta conferencia se hicieron previsiones triunfalistas a diez años que jamás se cumplieron, lo que provocó el abandono casi total de las investigaciones durante quince años.

En 1980 la historia se repitió con el desafío japonés de la quinta generación, que dio lugar al auge de los sistemas expertos pero que no alcanzó muchos de sus objetivos, por lo que este campo sufrió una nueva interrupción en los años noventa.

En 1987 Martin Fischles y Oscar Firschein describieron los atributos de un agente inteligente. Al intentar describir con un mayor ámbito (no sólo la comunicación) los atributos de un agente inteligente, la IA se ha expandido a muchas áreas que han creado ramas de investigación enormes y diferenciadas. Dichos atributos del agente inteligente son:

1. Tiene actitudes mentales tales como creencias e intenciones.
2. Tiene la capacidad de obtener conocimiento, es decir, aprender.
3. Puede resolver problemas, incluso particionando problemas complejos en otros más simples.
4. Entiende. Posee la capacidad de crearle sentido, si es posible, a ideas ambiguas o contradictorias.
5. Planifica, predice consecuencias, evalúa alternativas (como en los juegos de ajedrez)
6. Conoce los límites de su propias habilidades y conocimientos.
7. Puede distinguir a pesar de las similitud de las situaciones.
8. Puede ser original, creando incluso nuevos conceptos o ideas, y hasta utilizando analogías.
9. Puede generalizar.
10. Puede percibir y modelar el mundo exterior.
11. Puede entender y utilizar el lenguaje y sus símbolos.

la IA posee características humanas tales como el aprendizaje, la adaptación, el razonamiento, la autocorrección, el mejoramiento implícito, y la percepción modular del mundo. Así, podemos hablar ya no sólo de un objetivo, sino de muchos, dependiendo del punto de vista o utilidad que pueda encontrarse a la IA

1.2 LAS HABILIDADES COGNOSCITIVAS SEGUN LA PSICOLOGIA TEORIAS DE LA INTELIGENCIA

Son las facilitadoras del conocimiento, aquellas que operan directamente sobre la información: recogiendo, analizando, comprendiendo, procesando y guardando información en la memoria, para, posteriormente, poder recuperarla y utilizarla dónde, cuándo y cómo convenga. En general, son las siguientes:

1. Atención: Exploración, fragmentación, selección y contradistractoras.

2. Comprensión (técnicas o habilidades de trabajo intelectual): Captación de

Ideas, subrayado, traducción a lenguaje propio y resumen, gráficos, redes, esquemas y mapas conceptuales. A través del manejo del lenguaje oral y escrito (velocidad, exactitud, comprensión).

3. Elaboración: Preguntas, metáforas, analogías, organizadores, apuntes y mnemotecnias.

4. Memorización / Recuperación (técnicas o habilidades de estudio): Codificación y generación de respuestas.

Como ejemplo clásico y básico, el método 3R: Leer, recitar y revisar (read, recite, review).

1.3 PROCESO DE RAZONAMIENTO SEGÚN LA LOGICA

Axioma.

Proposición tan clara y evidente que se admite sin necesidad de demostración.

Cada uno de los principios fundamentales e indemostrables sobre los que se construye una teoría.

Ejemplo:

— 1+1=2

— A es hermano de B

— C es hijo de A

— Entonces podemos decir que B es tío de C, o bien C es sobrino de B

Teorema

Proposición demostrable lógicamente partiendo de axiomas o de otros teoremas ya demostrados, mediante reglas de inferencia aceptadas.

Axiomas sobre alumno:

— Estudia

— Realiza tareas

— Participa

— Programa

Demostración

Demostración matemática, argumento utilizado para mostrar la veracidad de una proposición matemática.

En las matemáticas modernas una demostración comienza con una o más declaraciones denominadas premisas, y prueba, utilizando las reglas de la lógica, que si las premisas son verdaderas, entonces una determinada conclusión debe ser también cierta.

Comprobación, por hechos ciertos o experimentos repetidos, de un principio o de una teoría.

Tablas de verdad de la lógica: conjunción, disyunción, implicación, negación y condicional.

EL MODELO DE ADQUISICIÓN DEL CONOCIMIENTO SEGÚN LA FILOSOFÍA

la ingeniería del conocimiento debe hacer frente a la recopilación de datos, dar forma a la información y generar más conocimiento.

Todo ello dentro de un determinado ámbito de aplicación o línea de negocio empresarial, que debe plasmarse en una realidad. los modelos de la metodología Common KADS para hacer frente a las realidades expresadas anteriormente. En ella se muestran tres grupos de modelos porque existen esencialmente tres tipos de preguntas que deben contestarse:

¿Por qué? ¿Por qué es necesario recurrir a un sistema que involucre conocimiento?

En la organización donde se va a implementar, ¿va a mejorar el rendimiento de la misma?, ¿reportará beneficios económicos o de otra índole?, ¿resolverá mejor que otros sistemas o las propias personas los problemas?, ¿será aceptado por la organización donde se va a implementar?

La respuesta a estas preguntas pasa por estudiar tres aspectos clave. Cuál es la estructura de la organización donde se va a desarrollar el sistemas par ver donde encaja. Qué tarea va a realizar el sistema y cómo se enmarcan dentro de las tareas globales de la organización. Quién o quienes estarán involucrados en la realización de estas tareas. Con este planteamiento llegamos a respectivamente a los modelos de la organización, tarea y agente bajo la perspectiva del contexto en la organización. ¿Qué? ¿Qué tipo de conocimiento es el que se debe manejar?, ¿cómo se va a estructurar ese conocimiento? Además, ¿Será necesario transmitir ese conocimiento?, ¿quién va a recibir y por tanto hacer uso de ese conocimiento? En definitiva, ¿es necesario y conveniente que haya una comunicación relativa a ese conocimiento? Bajo esta perspectiva surge un mecanismo conceptual que involucra la formalización y el uso de conocimiento así como su transmisión y/o recepción mediante una comunicación. De aquí derivan los modelos de conocimiento y comunicación.

¿Cómo? ¿Cómo debe llevarse a la práctica todo lo anterior para que el conocimiento pueda implementarse en una computadora?, ¿cómo debe ser la arquitectura software y el mecanismo computacional? En este caso se está hablando del equipo necesario que ha de desembocar en un método de diseño.

Las respuestas a las cuestiones anteriores dan lugar a los distintos modelos Common KADS, encuadrándose y abordando cada uno de ellos un aspecto concreto.

Modelo de organización: soporta el análisis de las características principales de una organización, con el fin de descubrir problemas y oportunidades para sistemas de conocimiento, establecer su viabilidad y ponderar los impactos en la organización de las acciones del conocimiento.

Modelo de tarea: es la parte relevante de un modelo de negocio. Analiza la tarea global, sus entradas y salidas, precondiciones y criterios de realización, así como recursos necesarios y competencias.

Modelo de agente: los agentes son los ejecutores de una tarea. Un agente puede ser humano, un sistema de información, o cualquier otra entidad capaz de llevar a cabo una tarea.

El modelo de agente describe las características de los agentes, en particular sus competencias, autoridad para actuar y restricciones en este aspecto. Además, relaciona los enlaces de comunicación entre agentes a la hora de llevar a cabo una tarea.

Modelo de conocimiento: el propósito de este es explicar los tipos y estructuras de conocimiento utilizados para llevar a cabo una tarea. Proporciona una descripción independiente de la implementación del papel que diferentes componentes de conocimiento juegan en la resolución de problemas, de forma que es comprensible por los humanos. Estohace que el conocimiento sea un vehículo importante para la comunicación con los expertos y los usuarios sobre los aspectos relativos a la solución de problemas de un sistema de conocimiento tanto durante el desarrollo como durante la ejecución del sistema.

Modelo de comunicación: dado que varios agentes pueden verse involucrados en una tarea, es importante modelar las transacciones entre los agentes implicados, esto se realiza mediante el modelo de comunicación, como sucedía en el modelo de conocimiento.

Modelo de diseño: los modelos anteriores juntos pueden verse como constituyendo la especificación de los requisitos para el sistema de conocimiento, desde diferentes aspectos, Basados en los aspectos, el modelo de diseño proporciona la especificación técnica del sistema en términos de arquitectura, plataforma de implementación, módulos de software, construcciones de representación y mecanismos de computación requeridos para implementar las funciones propuestas en los modelos de conocimiento y comunicación. Juntos, los modelos de organización, tarea y agente analizan la organización del entorno y los factores críticos de éxito para un sistema de conocimiento. Los modelos de conocimiento y comunicación proporcionan la descripción conceptual de las funciones de resolución de problemas y los datos que son manejados y entregados por un sistema de conocimiento. El modelo de diseño convierte esto en una especificación que es la base para la implementación del sistema software.

No obstante, no siempre es necesario construir todos los modelos, esto depende de los objetivos del proyecto. Esta elección corresponde al jefe de proyecto, bajo consenso previo con el cliente. Un proyecto de un SBC utilizando la tecnología Common KADS produce tres tipos de producto o entrega:

• Documentos de los modelos.

• Información sobre la gestión del proyecto.

• Software del Sistema de Conocimiento.

El objetivo final de la metodología Common KADS consiste en estructurar el proceso de desarrollo propio de la ingeniería del conocimiento, que se concreta en un sistema que debe resolver los problemas con una capacidad comparable a la del experto humano como poseedor del conocimiento. Obviamente, esta debe circunscribirse a un dominio específico de aplicación. Por ejemplo, si se trata de un sistema para el diagnóstico de una cardiopatía, el ámbito de aplicación sería justamente el de las cardiopatías y no otro aunque el experto supere con creces este dominio. En aras de la consecución del objetivo anteriormente propuesto, resulta necesario diseñar un equipo de desarrollo que lo concrete y materialice, cada uno de los miembros este equipo debe tener encomendados unos roles específicos que son los que se le describen a continuación.