Este artículo estará divido en varias partes:
Matemáticas (Desde el año 800 al presente)
Junto con la filosofía, la matemática es la base de la I.A. y su historia se remonta desde el año 800 hasta el presente con una serie de constribuciones de grandes matemáticos, sin embargo para poder ser considerada la I.A. como una ciencia formal necesitó de una formulación matemática en tres áreas fundamentales: Computación, lógica y probabilidad; así, se necesitaron reglas formales par poder obtener conclusiones válidas. Para obtener estas conclusiones válidas nos basamos en la lógica formal, que es parte de la lógica, y se dedica al estudio de la inferencia mediante la construcción de lenguajes formales. Este concepto nace con los filósofos de la antigua Grecia.
Uno de las grandes contribuciones fue por parte de George Boole y su lógica proposicional más conocida como lógica Booleana, con el trabajo de Boole en adelante empieza el desarrollo matemático; continúa con Gottlob Frebe y su lógica de primer orden, quien extendió la lógica empleada por Boole para incluir objetos y relaciones entre ellos. Actualmente lógica de primer orden se utiliza como el sistema más básica de respresentación del conocimiento, también se tiene la contribución de la teoría de referencia de Alfred Tarski, quien explica como relacionar objetos de una lógica con objetos del mundo real. Con las bases establecidas se pasó a definir los límites de lo que se podía hacer con la lógica y la informática.
Con esta nueva concepción de objetos se introduce lo que se piensa es el primer algoritmo no trivial por parte de Euclídeo. Cabe señalar que en matemáticas el término trivial se usa frecuentemente para los objetos que tienen una estructura simple o bien para referirse a una opción o caso poco interesante pero que debe mencionarse para complementar (como un axioma o un conjunto vacío). Aunque se refiere a la Persia del siglo IX y a Al-Khorwarazmi como de los primeros matemáticos en usar a los algoritmos como objetos.
Los esfuerzos de matemáticos como Boole aportaron los primeros algoritmos para llevar acabo deducciones lógicas, todo para formalizar el razonamiento matemático, esto es lógica deductiva.
Entscheidungsproblem (Problema de decisión) propuesto entre los 23 problemas por David Hilbert, fue un reto de lógica simbólica para encontrar un algoritmo general que decidiera si una fórmula del cálculo de primer orden es un teorema. Un poco más tarde Alonzo Church Y Alan Turing, demostraron que ese imposible escribir tal algoritmo. Esto respondía a la icognita de Hilbert sobre si hay límites fundamentales en la capacidad de los procedimientos efectivos de demostración. Por lo tanto existen límites reales, demostrado por Kurt Gödel en 1930 para la lógica de primer orden con su famoso teorema de la incompletitud.
En cualquier formalización consistente de las matemáticas que sea lo bastante fuerte para definir el concepto de números naturales, se puede construir una afirmación que ni se puede demostrar ni se puede refutar dentro de ese sistema. Kurt Gödel .
Estas contribuciones afectaban en gran medida a la tesis de Church-Turing, donde se afirma que la máquina de Turing es capaz de calcular cualquier función computable, aunque esto aceptado de forma generalizada, se sabe que de las interpretaciones anteriores por Gödel, que existen algunas funciones de los números enteros que no se pueden representar mediante un algoritmo. ¿Realmente es todo el pensamiento computable? ¿Puede ser todo ello expresado bajo un algoritmo entendible?
Esto nos lleva al camino de la intratabilidad representada en la Complejidad computacional que estudia la complejidad inherente a la resolución de un programa computable. Los recursos más estudiados son: el tiempo y el espacio, que miden el tiempo ejecución de un código y la memoria que ocupa. Entonces la intratabilidad que en términos generales se dice de aquellos problemas intratables cuando el tiempo necesario para la resolución de casos particulares de dicho problema crece exponencialmente con el tamaño de dichos casos, por ejemplo la deducción del camino a tomar cuando la opciones son demasiadas, no siempre se escoge la más eficiente. Estas diferencias entre el crecimiento polinomial y exponencial fue presentado en los 60 por Cobham y Edmonds.
Los problemas grandes, considerando el entorno de ejecución, pueden ser intratables y por consiguiente es mejor dividirlos en subproblemas, muy a acorde a como funcionan algunas soluciones como @SETI que buscan encontrar vida extreterrestre analizando paquetes que son tratados de forma individual por un sin número de personas que donan tiempo de CPU.
En los 70′s Steven Cook y Richard Karp demostraron la existencia de grandes clases de problemas que implican sobre todo razonamiento y búsqueda combinatoria canónica que son NP-completos, de ahí nace la teoría de la NP-completitud. Un ejemplo de ello en teoría de grafos es el isoformismo de grafos: Dos grafos son isomorfos si se puede transformar uno en el otro simplemente renombrando los vértices.
Se remonta al optimismo de los primeros computadores y las falacias de la prensa al pronunciar a las primeras computadoras como ¡Super cerebros eletrónicos que eran más rápidos que Einstein!, aunque no alcanzamos esos niveles, en la I.A. los sistemas inteligentes se caracterizan por el uso apropiado de los recursos, el conocimiento general de las cosas convierte al mundo en un ejemplo de problema extremadamente grande. Unos problemas conllevan a tener cierto espectro del conocimiento humano que bajo los dispositivos actuales sería complicado de obtener resultados satisfactorios cuando se trabaja con problemas NP-completitud puesto que no hay suficiente memoria y el tiempo es excesivo si lo comparamos con lo bien administrado en cuanto a recursos es el cerebro.
Por último tenemos la teoría de la probabilidad que pareciera es lo más acertado a nuestra realidad, aunque algunas situaciones pueden ser calculadas bajo probabilidades (como las caras de una modena en un n lanzadas) no dejan de ser eso, aproximaciones. Gerolamo Cardano fue quien propuso la idea de la probabilidad, que pasó a ser imprescindible de las ciencias cognitivas, sobre todo en los cálculos con incertidumbres y teorías incompletas. Entre los mayores expositores de la probabilidad encontramos a Pierre Fermat, Blaise Pascal, Pierre Laplace, James Bernoulli, Tomas Bayes, etc, este último y su aportación del análisis Bayesiano conforman la base de las propuestas más modernas que abordan el razonamiento incierto en I.A.
Se puede usar las probabilidades en sistemas expertos, que tienen una base de conocimiento sobre algún tema puntual, que hacen inferencias para averiguar el valor de un conjunto de variables en función de la evidencia que tenemos. Las conclusiones no son deterministas, la mayor parte de las veces el conocimiento que se obtiene de una variable es incierta pero se puede llegar a conclusiones válidas, mientras más información, más acertado será el resultado.
Fin Parte 2
Bibliografía usada: Fuentes diversas del artículo e “Inteligencia Artificial un enfoque moderno primera y segunda edición” – Stuart J. Russell y Peter Norvig.
Cuando hablamos de científicos, ¿Cuántos mexicanos podrías mencionar?. En México, la ciencia se considera para los políticos una “pérdida” de dinero, pero hasta que nuestro país no invierta en ciencia y tecnología, dejando de consumir y volviéndonos creadores, no saldremos de ser un país subdesarrollado.
Como mencioné, uno de sus trabajos versa sobre la posibilidad de viajar a una velocidad mayor a la de la luz, o al menos, llegar a un punto antes que un objeto desplazándose a esa velocidad, es ahí donde está el secreto. Alcubierre postula que el espacio puede ser deformado, esto es, alterando o deformando el espacio detrás del objeto, lo cual requeriría la energía equivalente a nuestro sol. Con esta energía acumulada en un punto específico, se lograría tal deformación. Lo que nos trasladaría al objetivo en segundos, a esto le llama el motor de curvatura (Warp Drive).
CANAL RSS