+52 222 812 6913
info@cesuma.mx
Descripción de una neurona artificial
Una neurona artificial es una función matemática concebida como un modelo de neuronas biológicas, una red neuronal. Las neuronas artificiales son unidades elementales en las redes neuronales artificiales.
Una neurona artificial recibe una o varias entradas y las suma para producir una salida o activación que representa el potencial de acción de la neurona que se transmite a lo largo de su axón. Normalmente, cada entrada se analiza por separado y la suma se transmite a través de una función no lineal conocida como función de activación, o función de transferencia.
¿Cuándo comenzó la investigación sobre la inteligencia artificial?
En 1935, el investigador británico A.M. Turing describió una máquina de computación abstracta que consiste en una memoria infinita y un escáner que se desplaza de un lado a otro de la memoria, símbolo a símbolo. El escáner lee lo que encuentra y registra otros símbolos.
Las acciones del escáner están dictadas por un programa de instrucciones, que también se almacena en la memoria en forma de símbolos. El primer programa de IA que tuvo éxito fue escrito en 1951 por Christopher Strachey. En 1952, este programa podía jugar a las damas con los humanos, sorprendiendo a todos con su capacidad de predecir las jugadas. En 1953, Turing publicó un artículo clásico sobre la programación del ajedrez.
Diferencias entre la inteligencia artificial y natural
La inteligencia puede definirse como la capacidad mental general para razonar, resolver problemas y aprender. Por su carácter general, la inteligencia integra funciones cognitivas como la percepción, la atención, la memoria, el lenguaje o la planificación. La inteligencia natural se distingue por una actitud consciente hacia el mundo. El pensamiento humano siempre está coloreado emocionalmente y no puede separarse de la corporeidad. Además, los seres humanos son criaturas sociales, por lo que el pensamiento siempre está influenciado por la sociedad. La IA no tiene nada que ver con el ámbito emocional y no está orientada a lo social.
¿Cómo comparar la inteligencia humana y la artificial?
Es posible comparar el pensamiento humano con la inteligencia artificial a partir de varios parámetros generales de la organización del cerebro y la máquina. La actividad informática, al igual que la actividad cerebral, incluye cuatro etapas: codificación, almacenamiento, análisis de datos y salida de resultados. Además, los cerebros humanos y la IA pueden autoaprender basándose en los datos del entorno. Además, los cerebros humanos y la inteligencia de las máquinas resuelven problemas (o tareas) mediante determinados algoritmos.
¿Los programas de ordenador tienen coeficiente intelectual?
No. El coeficiente intelectual está relacionado con el desarrollo de la inteligencia humana en función de la edad. La IA supera algunas capacidades humanas en algunos aspectos, como la capacidad de retener un gran número de números en la memoria, pero esto no tiene nada que ver con el coeficiente intelectual.
¿Qué es el test de Turing?
Alan Turing desarrolló una prueba empírica que demuestra si un programa puede captar todos los matices del comportamiento humano hasta el punto de que una persona no puede saber si se está comunicando con una IA o con un interlocutor vivo. Turing sugirió que un observador externo evaluara la conversación entre el humano y el contestador automático. El observador no puede ver exactamente quién responde, pero sabe que uno de los interlocutores es una IA. La conversación se limita únicamente al canal de texto (teclado y pantalla del ordenador), por lo que el resultado no depende de la capacidad de la máquina para representar las palabras como habla humana. Si el software consigue confundir al humano, se considera que ha realizado efectivamente la prueba.
Enfoque simbólico
El enfoque simbólico de la IA es un conjunto de todos los métodos de investigación de la inteligencia artificial basados en representaciones simbólicas de alto nivel (legibles para el ser humano) de las tareas, la lógica y la búsqueda. El enfoque simbólico fue ampliamente utilizado en la investigación de la IA en los años 50 y 80. Una forma popular del enfoque simbólico son los sistemas expertos que usan una combinación de ciertas reglas de producción. Las reglas de producción unen símbolos en relaciones lógicas que son similares a un algoritmo If-Then. El sistema experto procesa las reglas para sacar conclusiones y determinar qué información adicional necesita, es decir, qué preguntas hacer, utilizando símbolos legibles.
Enfoque lógico
El término enfoque lógico implica apelar a la lógica, al razonamiento y a la resolución de problemas mediante pasos lógicos. Ya en el siglo XIX, los lógicos habían desarrollado una notación precisa para todo tipo de objetos del mundo y las relaciones entre ellos. En 1965, había programas que podían resolver cualquier problema lógico (este enfoque alcanzó su máxima popularidad a finales de los años 50 y 70).
Los defensores del enfoque de la inteligencia artificial lógica esperaban construir sistemas inteligentes sobre dichos programas (en particular, escritos en Prolog). Sin embargo, este enfoque tiene dos limitaciones. En primer lugar, no es fácil tomar el conocimiento informal y ponerlo en los términos formales requeridos para el procesamiento de la IA. En segundo lugar, hay una gran diferencia entre resolver un problema en teoría y resolverlo en la práctica. Incluso los problemas con unos pocos cientos de hechos pueden agotar los recursos computacionales de cualquier ordenador si no tiene ninguna orientación sobre qué razonamiento utilizar primero.
Enfoque basado en agentes
Un agente es algo que actúa (del latín agere, «hacer»). Por supuesto, todos los programas informáticos hacen algo, pero se espera que los agentes informáticos hagan más: trabajar de forma autónoma, percibir señales del entorno (con sensores especiales), adaptarse a los cambios, crear objetivos y ejecutarlos. Un agente racional es aquel que actúa de forma que consigue el mejor resultado esperado.
Enfoque híbrido
Este enfoque, que se hizo popular a finales de los 80, se supone que funciona con mayor eficacia porque es una combinación de modelos simbólicos y neuronales. El enfoque híbrido aumenta las capacidades cognitivas y computacionales de la máquina.
Actualmente además de ser redactora del blog de la Universidad de CESUMA, colaboro en redes sociales de varias instituciones de índole humanista. De carácter alegre y emprendedor, me define la capacidad de apreciar todo aquello que aporta valor e identidad a las personas y promuevo la construcción de una sociedad más justa y solidaria.
- La inteligencia artificial en la empresa - 15 de marzo de 2024
- El poder de conocerte a sí mismo - 15 de marzo de 2024
- Estrategia y poder en las empresas de consultoría política - 15 de marzo de 2024
