para cierto curso Universitario.
Inteligencia Artificial e Inteligencia Artificial.
La definición de la inteligencia natural (I.N.) es difícil y áspera, pero bien se podría decir que obrar inteligentemente corresponde a tomar la decisión correcta de acuerdo al entorno existente.
De la exhibición continua de comportamientos inteligentes se puede determinar si un ente posee o no esta característica intelectual; así entonces IA se puede definir como la rama de la computación que busca desarrollar programas tales que, si su labor fuera realizada por un ser humano, se diría que el ser humano ha exhibido inteligencia.
Las dos tendencias más conocidas por medio de las cuales se ha buscado dotar a las máquinas de comportamiento inteligente son el enfoque simbólico y no simbólico. De los enfoques no simbólicos debe destacarse la rama de conexionismo o redes neurales.
La prueba de la máquina de Turing y el proceso del pensamiento según Searle.
Se han presentado una serie de argumentos que desmienten la efectividad de la prueba de Turing como un elemento real par discernir so una máquina exhibe o no un comportamiento inteligente similar al de un ser humano.
En particular han tomado fuerza en los últimos años las teorías filosóficas de John Searle con respecto al pensamiento. La intencionalidad es una característica de la conciencia de manera que el individuo está consciente de los fines de sus actos.
El concepto de intencionalidad es importante porque ayuda a distinguir el verdadero proceso del pensamiento de una acción mecánica. Para Searle las máquinas son capaces de exhibir comportamiento inteligente, de hecho los seres humanos son las máquinas que actualmente lo exhiben. De igual forma, pueden existir fenómenos tan complejos en su estructura y funcionamiento que el modelo más sencillo que se puede considerar para estudiarlos sea el sistema mismo.
La representación del conocimiento.
Se entenderá por representación del conocimiento la selección de una estructura abstracta de datos para la representación de la información sobre un área específica de conocimiento.
Una forma de representar este conocimiento de forma simbólica es por medio de reglas if-then. Si se cumplen las condiciones presentes en la parte del if de la regla se ejecutarán las acciones presentes en el then. Este tipo de representación es bastante utilizado en los Sistemas Expertos. Una vez que se cuenta con las reglas el manejador de la base de conocimientos, llamado motor de inferencia, se encarga de escoger la regla que más ajusta a las relaciones existentes.
Las redes neuronales son una forma no simbólica de representar el conocimiento. Su estructura se basa en la estructura de las neuronas biológicas. Las neuronas son los elementos que almacenan y procesan información en el cerebro humano. Estas poseen muchos canales de entrada llamados “dendritas” y producen una única salida la cual se propaga por medio del “axón” hacia las otras neuronas. El funcionamiento interno de la neurona es relativamente simple, su poder computacional surge de la densa interrelación entre las neuronas. La red neuronal trabaja con números, no con símbolos.
Relación entre el pensamiento y la representación del conocimiento.
Supongamos que es posible construir por medio de las redes neuronales un sistema tan complejo e inteligencia que sea capaz de pasar la prueba de Turing. Dicho sistema no es reducible (al menos en principio) al problema del cuarto chino, puesto que su funcionamiento es holístico, yaciendo su conocimiento en la globalidad del sistema. Ninguna parte de dicho sistema guarda de forma clara y simbólica la información, sino que por el contrario la información se encuentra distribuida en toda la red.
Es claro que el sistema construido por medio de redes neuronales es compatible con la prueba de Turing y la teoría del pensamiento de Searle. Parecer ser entonces que la teoría de Searle aboga por sistemas no simbólicos, puesto que cualquier representación simbólica es reducible al problema del cuarto chino.
No comments:
Post a Comment