Inteligencia Artificial

Aplicaciones o tareas desempeñadas por la Inteligencia Artificial

En un mundo cada vez más práctico la inteligencia artificial evoca principalmente sus aplicaciones.

Algunas de las tareas exclusivas de la Inteligencia Artificial, en las que podrían sustituir nuestra inteligencia biológica:

1. jugar al ajedrez y otros juegos intelectuales (como el oriental go)
2. planificar rutas y otras tareas espaciales
3. demostrar teoremas
4. reconocer imágenes
5. entender, traducir y generar textos

En cierto sentido la historia de la Inteligencia Artificial es el logro de cada una de estas tareas sucesivamente.

Dos tipos de Inteligencia Artificial: simbólica y estadística

Existen dos tipos de inteligencia artificial, los cuales se suceden en el tiempo:

Simbólica

Simbólico significa que emplea lenguajes de programación, los cuáles sirven tanto para realizar cálculos como para manejar símbolos. Estos lenguajes de programación son sumamente flexibles.

Tanto LISP como PROLOG, los dos grandes lenguajes de IA, se basan en la estructura de datos llamada lista. Estas se parecen a los arrays y listas enlazadas de C ó C++, o a los contenedores secuenciales de C++ (std::vector, std::deque, std::array) con la salvedad de que un elemento de una lista de IA puede contener a su vez una lista, el cuál a su vez [...] y así indefinidamente.

Otra característica de los lenguajes de programación empleados en IA Simbólica es que permiten que un programa se modifique a sí mismo según se ejecuta (homoiconicidad).

No simbólica o estadística

Ya desde los inicios se propone resolver ciertos problemas mediante redes neuronales artificiales, formadas por circuitos electrónicos (actualmente circuitos electrónicos integrados) que emulan neuronas, o por programas de ordenador que simulan redes neuronales. ¿Acaso no es así como funciona el cerebro humano, si bien con materia orgánica?

En esencia una neurona artificial recibe unos estímulos (en el caso de las neuronas orgánicas por las dendritas), realiza un procesamiento simple de dichas entradas y produce una salida (por el axón en el caso de las orgánicas). Tanto las entradas como las salidas son números, análogos a los niveles de estimulación manejadas por sus homólogas biológicas.

Las neuronas, tanto las biológicas como las artificiales, poseen cierta memoria o estado, por lo que aprenden a comportarse de determinada manera. Más aún, en el total de todos los estados de la red neuronal reside el conocimiento y destreza del sistema.

Se intuye que estas estructuras realizan un procesamiento en paralelo y que este paralelismo es lo que permite al cerebro animal reconocer imágenes y sonidos, orientarse, etc.

El programador se substituye por una especie de mago que configura o prepara la red neuronal, la forma o enseña, y la lanza al mundo. Dicho sistema se convierte en una caja negra, funciona (realiza esa clase de tareas que entonces o ahora se consideran inteligentes) pero no se sabe con certeza cómo.

Texto: Máquinas que entienden, traducen, escriben, generan...

El dueño del campechano camping, a cien kilómetros de la frontera con Francia, no me necesita para que haga de intérprete con extranjeros. Le basta con hablarle al teléfono y éste se lo traduce por escrito. Con un holandés, utilizando de lengua común el inglés, no considero que yo lo haría mejor.

Por tanto de primeras me han llamado la atención dos interacciones lingüísticas con los ordenadores:

• La traducción automática, de la que actualmente se ofrecen versiones gratuitas bastante potentes, y
• la redacción automática de textos, que trae de cabeza a los profesores, casi incapaces de averiguar si los ha escrito el alumno o una suscripción gratuita a ChatGPT

Muchas Inteligencias Artificiales disponen de un potente módulo consistente en un modelo o representación interna de una lengua, un Gran Modelo Lingüístico (Large Language Model o LLM). Fijémonos en que muchas de las tareas que les pedimos a los ordenadores y que nos hacen considerarlos cuasi-inteligentes se basan fuertemente en el lenguaje. Por ejemplo el Test de Turing ciertamente es marcadamente lingüístico: una máquina se hace pasar por un ser humano por su interacción escrita con los examinadores.

A menudo el modelo empieza por un divisor o troceador (tokenizer) que extrae las palabras de un texto y las presenta en forma de lista. Las versiones más sofisticadas podrían conservar la puntuación en trozos separados, o entregar una tira de palabras por cada frase terminada en punto, etc.

Esta fase inicial de troceado se podría realizar fácilmente mediante expresiones regulares.

Por ejemplo el siguiente párrafo:

Los jugadores, viendo llegar el final, aflojaron la atención. El gol del desempate llegó antes de que el árbitro diera el postrer silbido.

podría dar lugar a dos tiras:

• Los jugadores viendo llegar el final aflojaron la atención
• El gol del desempate llegó antes de que el árbitro diera el postrer silbido

A continuación el modelo intentaría analizar morfológicamente cada palabra y presentar por cada una (1) su raíz y (2) su flexión. Por ejemplo de jugadores la raíz es jugador y su flexión es masculino plural.

El análisis morfológico se realizaría mediante expresiones regulares.

Estas dos fases de división en palabras y análisis aislado (morfológico) de las mismas resulta muy sencillo gracias a, repito, las expresiones regualares.

A continuación se me ocurren dos tipos de operaciones:

• simples: observar correlaciones, frecuencias de términos, variedad de vocabulario etc.
• de comprensión: el modelo intenta comprender el texto y generar una representación interna del mismo