Mostrando entradas con la etiqueta IA Inteligencia Artificial. Mostrar todas las entradas
Mostrando entradas con la etiqueta IA Inteligencia Artificial. Mostrar todas las entradas

martes, 8 de octubre de 2019

IA – INTELIGENCIA ARTIFICIAL


La inteligencia artificial (IA), es la inteligencia llevada a cabo por máquinas.
En ciencias de la computación, una máquina «inteligente» ideal es un agente flexible que percibe su entorno y lleva a cabo acciones que maximicen sus posibilidades de éxito en algún objetivo o tarea.
Fuente:Google abankingnews

Coloquialmente, el término inteligencia artificial se aplica cuando una máquina imita las funciones «cognitivas» que los humanos asocian con otras mentes humanas, como por ejemplo: «percibir», «razonar», «aprender» y «resolver problemas».
Andreas Kaplan y Michael Haenlein definen la inteligencia artificial como "la capacidad de un sistema para interpretar correctamente datos externos, para aprender de dichos datos y emplear esos conocimientos para lograr tareas y metas concretas a través de la adaptación flexible"

A medida que las máquinas se vuelven cada vez más capaces, tecnología que alguna vez se pensó que requería de inteligencia, se elimina de la definición.
Por ejemplo, el reconocimiento óptico de caracteres ya no se percibe como un ejemplo de la «inteligencia artificial» habiéndose convertido en una tecnología común.
Avances tecnológicos todavía clasificados como inteligencia artificial son los sistemas de conducción autónomos o los capaces de jugar al ajedrez o al Go.

Según Takeyas (2007) la IA es una rama de las ciencias computacionales encargada de estudiar modelos de cómputo capaces de realizar actividades propias de los seres humanos en base a dos de sus características primordiales: el razonamiento y la conducta.

En 1956, John McCarthy acuñó la expresión «inteligencia artificial», y la definió como «la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cómputo inteligentes».​
También existen distintos tipos de percepciones y acciones, que pueden ser obtenidas y producidas, respectivamente, por sensores físicos y sensores mecánicos en máquinas, pulsos eléctricos u ópticos en computadoras, tanto como por entradas y salidas de bits de un software y su entorno software.

Varios ejemplos se encuentran en el área de control de sistemas, planificación automática, la habilidad de responder a diagnósticos y a consultas de los consumidores, reconocimiento de escritura, reconocimiento del habla y reconocimiento de patrones.

Los sistemas de IA actualmente son parte de la rutina en campos como economía, medicina, ingeniería y la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia, como ajedrez de computador, y otros videojuegos.

La IA está mucho más cerca de lo que creemos. La mayoría de los aparatos tecnológicos la usan sin que apenas nos demos cuenta, aunque más que IA sean simples predicciones. Pero, ¿qué diferencia hay entre una predicción y la inteligencia?

¿Qué es la Inteligencia Artificial? ¿Cómo funciona?

Entendemos como IA cuando en el momento de tomar una decisión, se opta por el mejor camino para obtener un resultado.
Esta decisión, como si de seres humanos se tratara, se basa en el conocimiento de la situación, del entorno, y de las posibles conclusiones. A medida que la tecnología avanza, comprendemos de mejor cómo trabajan las máquinas, y dejamos de definir muchas tareas como inteligencia artificial. Esto es debido a que ya no atribuimos, la capacidad única de realizar esa labor, a un ser humano, sino que entendemos que se puede realizar de manera mecánica. Por ejemplo, el reconocimiento de caracteres, antes se entendía como inteligencia artificial, hoy ya está asumido como una tecnología más.

Qué es, o qué no es Inteligencia Artificial, es difícil de discernir. 

¿Es la predicción de palabras Inteligencia Artificial? ¿Y la conducción autónoma? Todos estos sistemas se basan en el aprendizaje de la máquina.
Esto quiere decir que, a lo largo del tiempo, y mediante la experiencia en situaciones diversas, la máquina va aprendiendo cuales son las mejores acciones para lograr un objetivo.

Tradicionalmente, la tarea de aprender o recopilar experiencia, solo se atribuye a las personas, y creemos que podría ser un concepto válido para diferenciar la IA. Es decir, que, como norma general, toda tecnología capaz de aprender y tomar decisiones en base a la experiencia, es IA.

¿Podrá la IA tener conciencia?

Uno de los conceptos más polémicos y complejos que tratan sobre la IA, es el de conciencia.
Confundimos ambos conceptos, y debemos ser capaces de distinguirlos para comprenderlos.
Ni siquiera sabemos en qué consiste la conciencia humana, puesto que hay mucho debate en torno a este concepto. Lo que si podemos afirmar es que conlleva dos aspectos, tanto la conciencia de uno mismo, como las implicaciones éticas o morales sobre nuestras acciones.
Hasta ahora, la IA no puede contar con esa conciencia. No podemos introducir aspectos psicológicos en una IA, pero si se pueden simular.
Aunque la máquina no tenga conciencia, puede engañarnos para que parezca que si la tiene.

El test de Turing


La IA está mucho más cerca de lo que creemos. La mayoría de los aparatos tecnológicos la usan sin que apenas nos demos cuenta, aunque más que IA sean simples predicciones. Pero, ¿qué diferencia hay entre una predicción y la inteligencia.

En 1950, Alan Turing diseñó una prueba cuyo objetivo era diferenciar, entre el comportamiento humano y el de una máquina, en una conversación, el denominado Test de Turing. Consta de una serie de preguntas, y no consiste en quién acierta más, sino que contestaciones se realizan de manera más natural. Este método es fruto del eterno debate sobre si una máquina puede tener conciencia, pensar o empatizar. En la novela «¿Sueñan los androides con ovejas eléctricas?», y en su mundialmente conocida adaptación al cine, «Blade Runner«, se hace una referencia extraordinaria a este test.
En este caso lo llaman prueba «Voight Kampff» o test de empatía. Esta prueba diferencia entre «Replicantes» y «Humanos» en función de su empatía al contestar a unas preguntas. Con los continuos avances de la tecnología cada vez resulta una prueba más complicada, aunque siempre termina funcionando, un claro homenaje a Alan Turing.

Hace relativamente poco, el chatbot que responde al nombre de Eugene Goostman, fué capaz de superar el test de Turing. Esto es lo que afirmaban algunos expertos, al ser capaz de convencer a más del 30% de los jueces que participaron en el test, de que hablaban con un humano. El 33% de los jueces pensaron que estaban hablando con un niño Ucraniano de 13 años. Respondió sobre preguntas sobre su infancia, o su afición por Star Wars y Eminem. Aunque en un futuro, seguramente se supere, esta vez parece que es más la búsqueda de un titular que otra cosa.

La Inteligencia Artificial que usamos todos los días

Aplicaciones Móviles

Las aplicaciones móviles son un claro ejemplo del avance de la IA. La mayoría de ellos aprenden de nuestros comportamientos para facilitarnos ciertas tareas o personalizarlas. Por ejemplo, cuando escribimos a través de WhatsApp, la aplicación va sugiriendo palabras, pero no sugiere las mismas en un móvil que en otro. Esto es debido a que la aplicación guarda patronones sobre lo que escribimos, qué palabras utilizamos, o cuales son las frases que repetimos con mayor frecuencia. De esta manera, cuanto más tiempo lleves utilizando la aplicación, más habrá «aprendido» de ti, y por lo tanto las sugerencias resultarán más útiles.
Google
Es una de las herramientas que seguro que usamos todos los días. Cada vez buscamos más y más a través de google, y este ha sabido mejorar para gustarnos cada vez más. Google es una de las Inteligencias Artificiales más poderosas que existen, por no decir la más. Cuando usamos su buscador, analiza todos nuestros pasos, los aprende y los interpreta. De esta manera, la siguiente vez que acudamos a él, sabrá sugerirnos lo que buscamos y mostrárnoslo por encima del resto. Sus motores cada vez son más personalizados, recogen mayor cantidad de datos, y eso hace que sus resultados sean mejores. Parece un bucle del que es imposible salir. Cada vez ofrece un mayor número de servicios e integra con facildad. Para el usuario resulta una manera cómoda de funcionamiento, pero para google, todavía más.

Inteligencia Artificial en el futuro

En un futuro no muy lejano, contaremos con servicios avanzados de inteligencia artificial en domótica, aplicaciones móviles, Internet, Smart Cities, etc
¿Será 2017 el punto de inflexión para los grandes avances de la Inteligencia Artificial?
Fuente: Wikipedia et al.

domingo, 26 de mayo de 2019

LA INTELIGENCIA ARTIFICIAL (IA) PUEDE DECODIFICAR PENSAMIENTOS


Es capaz de replicar imágenes de caras vistas o imaginadas por personas

Investigadores franceses han utilizado la Inteligencia Artificial para decodificar pensamientos y replicar en una red neuronal artificial las caras que veían o imaginaban personas mientras sus cerebros eran observados con imágenes de resonancia magnética.
En la imagen, la columna A refleja algunas de las caras presentadas a los sujetos de la investigación. La columna B presenta las caras reconstruidas por la IA a partir de los patrones cerebrales de los sujetos. La columna C representa las caras reconstruidas por un modelo clásico de IA. Crédito: © Rufin VanRullen & Leila Reddy.INSB.

Investigadores del Instituto de Ciencias Biológicas de la Universidad de Toulouse (Francia)  han utilizado la Inteligencia Artificial (IA) para descifrar la actividad cerebral registrada en imágenes por resonancia magnética funcional (FMRI) y reconstruido esas imágenes, vistas o imaginadas por personas, en una red neuronal artificial. 

Utilizaron una técnica de IA conocida como aprendizaje profundo para entrenar una red de neuronas artificiales a representar más de 200.000 caras de una base de datos de celebridades. 

El aprendizaje profundo es una técnica que imita la forma de aprendizaje humano utilizando algoritmos. Desarrolla otra forma de inteligencia artificial conocida como aprendizaje automático en la medida que incorpora complejidad al aprendizaje mecanizado. 

Las caras representadas en la red neuronal artificial tenían 1.024 expresiones diferentes, como diferentes niveles de sonrisa, cejas, colores de la piel, género, con las cuales la red artificial podía crear nuevas caras. 

Los investigadores recurrieron una nueva técnica de IA, la 
Red generativa antagónica (GAN), capaz de generar rostros de personas que no existen, para conseguir la multiplicación de las caras originales presentadas a la red neuronal artificial. 

GAN es capaz de esta proeza porque emplea dos redes neuronales para contrastar datos almacenados en ambas redes y generar a partir de esta combinación de información, caras con perfiles reales, ajustadas a los modelos originales. 

Dos redes neuronales comparadas  
En esta investigación, GAN permitió a los investigadores comparar dos redes neuronales diferentes: una era la red neuronal correspondiente a los participantes voluntarios en la investigación, y la otra red neuronal era la red artificial que tenía almacenadas las 200.000 caras originales con 1.024 expresiones diferentes. 

El acceso a la red neuronal biológica  lo obtenía GAN a través de las imágenes de la actividad cerebral obtenida de los voluntarios mediante FMRI, que muestra imágenes de las regiones cerebrales activas al ejecutar una tarea determinada (en este caso, ver una cara).
El sistema pudo comparar las imágenes de más de 8.000 caras presentadas a los voluntarios en el experimento, con las imágenes de caras representadas en la red neuronal artificial. A continuación, tradujo los patrones FMRI de los cerebros humanos y replicó las caras que veían los sujetos. 

El resultado fue sorprendente: las caras replicadas por la red neuronal artificial fueron reconocibles en más del 95 por ciento de los casos, superando la fiabilidad de modelos anteriores de reconstrucción de caras, que era del 85 por ciento. 

Una aportación adicional y no menos significativa de esta investigación es que ha permitido especificar las áreas del cerebro humano implicadas en el tratamiento de caras y, más particularmente, el tratamiento de género, que se sitúan en las zonas occipital y temporal.


También la imaginación 
Otro resultado relevante es que el sistema fue capaz de reconstruir caras aunque los voluntarios de la investigación no estuvieran viendo ninguna, sino solo imaginándola. En este caso, la fiabilidad de la red neuronal artificial fue del 80 por ciento. 

Los investigadores destacan en un 
comunicado que este sistema de IA, que puede leer y comprender la información sensorial presente en el cerebro, ayudará a resolver muchas cuestiones pendientes en neurociencia sobre el tratamiento neuronal de las caras. 

Consideran asimismo que este modelo de aprendizaje profundo de la IA puede compararse con las representaciones que realiza el cerebro humano para aprender, que usa la abstracción (concepto de cara) para construir conocimiento (nuevas caras) a partir de un concepto precedente. 

Añaden que descifrar información sensorial a partir de la actividad cerebral es un gran desafío tecnológico y un tema fundamental para la neurociencia del siglo XXI, y que su investigación representa un hito en este recorrido. 


Mientras que, en los últimos 15 años, los modelos clásicos han sido capaces de decodificar de manera confiable la actividad cerebral sobre objetos pertenecientes a diferentes categorías (caras vs casa, por ejemplo), no han conseguido diferenciar objetos de la misma categoría (caras sonriendo vs cara triste, por ejemplo), una barrera que el nuevo trabajo ha superado.

El trabajo investigativo titulado “Reconstructing faces from  fMRI patterns using Deep generative neural networks”, Rufin VanRullen, Leila Reddy se encuentra en Communications Biology, Volume 2, Article number: 193 (2019). DOI: https://doi.org/10.1038/s42003-019-0438-y - 21 de mayo de 2019.

FUENTE: TENDENCIAS 21 / Tendencias Científicas -24 de mayo de 2019



Traducción libre de Soca