Defínese a intelixencia artificial (IA) como aquela intelixencia exhibida por artefactos creados por humanos (é dicir, artificial).
A miúdo aplícase hipoteticamente aos computadores. O nome tamén se usa para se referir ao campo da investigación científica que intenta acercarse á creación de tales sistemas.
Debido á multiplicidade de pais que tivo a intelixencia artificial, non hai un consenso para definir ese concepto, mais podemos dicir que a intelixencia artificial encárgase de modelar a intelixencia humana en sistemas computacionais.
Pode dicirse que a intelixencia artificial é unha das áreas máis fascinantes e con máis retos das ciencias da computación, na súa área de ciencias cognoscitivas. Naceu como mero estudo filosófico e razonístico da intelixencia humana, mesturada coa inquietude do home por imitar a natureza circundante (como voar e nadar), ata inclusive querer imitarse a si mesmo. En resumo, a intelixencia artificial procura imitar a intelixencia humana. Obviamente non o logrou aínda, ao menos non completamente.
Existen cinco puntos de vista principais sobre estes sistemas:
En 1937, o matemático inglés Alan Mathison Turing (1912-1953) publicou un artigo de bastante repercusión sobre os "Números Calculábeis", que pode considerarse a orixe oficial da informática teórica.
Turing, neste artigo, presentou a Máquina de Turing, unha entidade matemática abstracta que formalizou o concepto de algoritmo e resultou ser a precursora das computadoras dixitais. Coa axuda da súa máquina, Turing puido demostrar que existen problemas irresolúbeis, dos que ningún computador será capaz de obter a súa solución, polo que a Alan Turing considérase o pai da teoría da computabilidade.
Tamén se considera o pai da intelixencia artificial, pola súa famosa Proba de Turing, que permitiría comprobar se un programa de computador pode ser tan intelixente como un ser humano.
A historia da intelixencia artificial pasou por diversas situacións:
- A idea de algo parecido á intelixencia artificial existe desde hai millóns de anos. O primeiro home primitivo que tomou conciencia da súa propia existencia, e de que era capaz de pensar, seguramente se pregunta como funcionaria o seu pensamento e posteriormente chegaría á idea dun "creador superior". Polo tanto, a idea de que un ser intelixente cre a outro, a idea dun deseño virtual para a intelixencia, é tan remota como a toma de conciencia do ser humano.
- Os xogos matemáticos antigos, como o da torres de hanoi (aprox 3000ac), demostran o interese na procura dun bucle resolutivo, unha IA capaz de gañar nos mínimos movementos posíbeis.
- En 1903 Lee De Forest inventa o tríodo (tamén chamados bulbo ou válvula de baldeiro). Podería dicirse que a primeira gran máquina intelixente deseñada polo ser humano foi o computador ENIAC, composto por 18.000 válvulas de baldeiro, tendo en conta que o concepto de "intelixencia" é un termo subxectivo que depende da intelixencia e a tecnoloxía que teñamos nesa época. Un indíxena do amazonas no século 20 podería cualificar de intelixente un tocadiscos, cando en verdade non o é tanto.
- En 1937, o matemático inglés Alan Mathison Turing (1912-1953) publicou un artigo de bastante repercusión sobre os "Números Calculábeis", que pode considerarse a orixe oficial da Informática Teórica.
Neste artigo, introduciu a Máquina de Turing, unha entidade matemática abstracta que formalizou o concepto de algoritmo e resultou ser a precursora das computadoras dixitais. Con axuda da súa máquina, Turing puido demostrar que existen problemas irresolúbeis, dos que ningún computador será capaz de obter a súa solución, polo que a Alan Turing considérase o pai da teoría da computabilidade.
Tamén se considera o pai da intelixencia artificial, pola súa famosa Proba de Turing, que permitiría comprobar se un programa de computador pode ser tan intelixente como un ser humano.
Podemos entón dicir que a IA inclúe características humanas tales como a aprendizaxe, a adaptación, o razoamento, a autocorrección, o melloramento implícito, e a percepción modelar do mundo. Así, podemos falar xa non só dun obxectivo, senón de moitos dependendo do punto de vista ou utilidade que poida atoparse á IA.
Moitos dos investigadores sobre IA sosteñen que "a intelixencia é un programa capaz de ser executado independentemente da máquina que o execute, computador ou cerebro".
Os primeiros investigadores desenvolveron algoritmos que imitaban o razoamento paso a paso que os humanos usan cando resolven enigmas ou fan deducións lóxicas. A finais da década de 1981-1990, a investigación da intelixencia artificial desenvolveran métodos para tratar con información incerta ou incompleta, empregando conceptos de probabilidade e economía.
Estes algoritmos demostraron ser insuficientes para resolver grandes problemas de razoamento porque experimentaron unha «explosión combinatoria»: volvéronse exponencialmente máis lentos a medida que os problemas crecían. Desta maneira, concluíuse que os seres humanos de cando en cando usan a dedución paso a paso que a investigación temperá da intelixencia artificial seguía; en cambio, resolven a maioría dos seus problemas utilizando xuízos rápidos e intuitivos.
A representación do coñecemento e a enxeñería do coñecemento son fundamentais para a investigación clásica da intelixencia artificial. Algúns «sistemas expertos» tentan recompilar o coñecemento que posúen os expertos nalgún ámbito concreto. Ademais, outros proxectos tratan de reunir o «coñecemento de sentido común» coñecido por unha persoa media nunha base de datos que contén un amplo coñecemento sobre o mundo.
Entre os temas que contería unha base de coñecemento de sentido común están: obxectos, propiedades, categorías e relacións entre obxectos, situacións, eventos, estados e tempo causas e efectos; e o coñecemento sobre o coñecemento (o que sabemos sobre o que saben outras persoas) entre outros.
Outro obxectivo da intelixencia artificial consiste en poder establecer metas e finalmente alcanzalas. Para iso necesitan unha forma de visualizar o futuro, unha representación do estado do mundo e poder facer predicións sobre como as súas accións cambiarano, con tal de poder tomar decisións que maximicen a utilidade (ou o «valor») das opcións dispoñibles.
Nos problemas clásicos de planificación, o axente pode asumir que é o único sistema que actúa no mundo, o que lle permite estar seguro das consecuencias das súas accións. Con todo, se o axente non é o único actor, entón requírese que este poida razoar baixo incerteza. Isto require un axente que non só poida avaliar a súa contorna e facer predicións, senón tamén avaliar as súas predicións e adaptarse en función da súa avaliación. A planificación de múltiples axentes utiliza a cooperación e a competencia de moitos sistemas para lograr un obxectivo determinado. O comportamento emerxente como este é utilizado por algoritmos evolutivos e intelixencia de enxame.
O aprendizaxe automática é un concepto fundamental da investigación da intelixencia artificial desde o inicio dos estudos deste campo; consiste na investigación de algoritmos informáticos que melloran automaticamente a través da experiencia.
A aprendizaxe non supervisada é a capacidade de atopar patróns nun fluxo de entrada, sen que sexa necesario que un humano etiquete as entradas primeiro. O aprendizaxe supervisada inclúe clasificación e regresión numérica, o que require que un humano etiquete primeiro os datos de entrada. A clasificación úsase para determinar a que categoría pertence algo e ocorre despois de que un programa observe varios exemplos de entradas de varias categorías. A regresión é o intento de producir unha función que describa a relación entre entradas e saídas e predicir como deben cambiar as saídas a medida que cambian as entradas. Tanto os clasificadores como os aprendices de regresión tentan aprender unha función descoñecida; por exemplo, un clasificador de spam pode verse como a aprendizaxe dunha función que asigna o texto dun correo electrónico a unha de dúas categorías, «spam» ou «non spam». A teoría da aprendizaxe computacional pode avaliar aos estudantes por complexidade computacional, complexidade da mostra (cantos datos requírense) ou por outras nocións de optimización.
O mundo está en constante evolución, e ferramentas como ChatGPT están no centro desta transformación. Mentres que moitas persoas ven a ChatGPT como unha oportunidade para mellorar a experiencia dos seus negocios ou persoais, hai quen se mostran escépticos sobre a súa implementación.
A intelixencia artificial (IA) é relevante para calquera tarefa intelectual. As técnicas modernas de IA son xeneralizadas e son demasiado numerosas para enumeralas aquí. Con frecuencia, cando unha técnica chega ao uso habitual, xa non se considera intelixencia artificial; este fenómeno descríbese como efecto AI.
Na década de 2010, as aplicacións de intelixencia artificial estaban no centro das áreas da informática de maior éxito comercial e convertéronse nunha característica omnipresente da vida diaria. A IA utilízase en motores de procura (como Google Search), na orientación de anuncios en liña, nos sistemas de recomendación (ofrecidos por Netflix, YouTube ou Amazon), impulsando o tráfico de Internet, na publicidade dirixida (AdSense, Facebook), en asistentes virtuais (como Siri ou Alexa), nos vehículos autónomos (incluídos drons e coches autoconducidos), tradución automática (Microsoft Translator, Google Translate), recoñecemento facial (Face IDE de Apple ou DeepFace de Microsoft'), etiquetaxe de imaxes (utilizado por Facebook, Apple's iPhoto e TikTok) e filtrado de spam.
Tamén hai miles de aplicacións de IA exitosas utilizadas para resolver problemas para industrias ou institucións específicas. Algúns exemplos son almacenamento de enerxía, deepfakes (ultrafalso), diagnóstico médico, loxística militar ou xestión da cadea de subministración.
O xogo de xadrez foi unha proba da forza da IA desde a década de 1950. O 11 de maio de 1997, Deep Blue converteuse no primeiro sistema informático de xadrez en derrotar ao vixente campión do mundo, naquel momento, Garri Kasparov. No 2011, nun programa especial do concurso de exhibición Jeopardy! de preguntas e respostas o sistema de resposta a preguntas Watson de IBM, , derrotou aos dous maiores campións de Jeopardy!, Brad Rutter e Ken Jennings, por unha marxe significativa. En marzo de 2016, AlphaGo gañou 4 de 5 partidas de Go nun enfrontamento co campión de Go Lee Sedol, converténdose no primeiro sistema de Go por computador en vencer a un xogador profesional de Go sen hándicaps.
Outros programas manexan xogos de información perfecta; como o Pluribus e o Cepheus. para o póker a un nivel superior a os humanos, DeepMind na década de 2010 desenvolveron unha "intelixencia artificial xeneralizada" que podía aprender moitos xogos diversos de Atari por si mesma.
En 2020, sistemas de procesamento da linguaxe natural como a enorme GPT-3 (por entón, a maior rede neuronal artificial con diferenza) igualaban o rendemento humano nos puntos de referencia preexistentes, aínda que sen que o sistema alcanzase unha comprensión lóxica dos contidos dos puntos de referencia. O AlphaFold 2 (2020) de DeepMind demostrou a capacidade de mostrar, en horas no canto de meses, a estrutura 3D dunha proteína. Outras aplicacións predín o resultado das decisións xudiciais, crean arte (como poesía ou pintura) e proban teoremas matemáticos.
Os semáforos intelixentes desenvólvense na Universidade Carnegie Mellon desde 2009. O profesor Stephen Smith montou desde entón unha empresa, Surtrac, que instalou sistemas intelixentes de control de tráfico en 22 cidades. A instalación custa uns 20.000 dólares por intersección. O tempo de condución reduciuse nun 25% e o tempo de espera de atascos nun 40% nas interseccións nas que se instalou.
En 2019, a OMPI informou de que a IA era a tecnoloxía emerxente máis prolífica en canto a número de solicitudes de patentes e patentes concedidas, estimábase que a Internet das cousas era o maior mercado en canto a tamaño. Seguíronlle, de novo en tamaño de mercado, as tecnoloxías de macrodatos, a robótica, a IA, a impresión 3D e a quinta xeración de servizos móbiles (5G). Desde que xurdiu a IA na década de 1950, os innovadores presentaron 340.000 solicitudes de patentes relacionadas coa IA e os investigadores publicaron 1,6 millóns de artigos científicos, e a maioría de todas as solicitudes de patentes relacionadas coa IA publicáronse a partir de 2013. As empresas representan 26 dos 30 principais solicitantes de patentes de IA, mentres que as universidades ou organismos públicos de investigación representan os catro restantes.
A proporción de artigos científicos e invencións diminuíu significativamente de 8:1 en 2010 a 3:1 en 2016, o que se atribúe como indicativo dun cambio da investigación teórica ao uso de tecnoloxías de IA en produtos e servizos comerciais. A aprendizaxe automática é a técnica da IA dominante divulgada nas patentes está incluída en máis dun terzo de todas as invencións identificadas (134.777 patentes de aprendizaxe automática presentadas para un total de 167.038 patentes de IA presentadas en 2016), sendo a visión por computador a aplicación funcional máis popular. As patentes relacionadas coa IA non só revelan técnicas e aplicacións da IA, senón que a miúdo tamén se refiren a un campo de aplicación ou industrial. En 2016 identificáronse vinte campos de aplicación e incluíronse, por orde de magnitude: telecomunicacións (15 por cento), transportes (15 por cento), ciencias da vida e medicina (12 por cento) e dispositivos persoais, informática e interacción humano-computadora (11 por cento). Outros sectores incluíron a banca, entretemento, seguridade, industria e manufactura, agricultura e redes (incluíndo redes sociais, cidades intelixentes e a Internet das cousas). IBM ten a maior carteira de patentes de IA con 8.290 solicitudes de patentes, seguida de Microsoft con 5.930 solicitudes de patentes.
Alan Turing escribiu en 1950 "Propoño considerar a pregunta 'as máquinas poden pensar'?" Aconsellou cambiar a pregunta de se unha máquina "pensa" a "se é posible ou non que a maquinaria mostre un comportamento intelixente". Deseñou a proba de Turing, que mide a capacidade dunha máquina para simular a conversación humana. Dado que só podemos observar o comportamento da máquina, non importa se "realmente" está a pensar ou ten literalmente unha "mente". Turing sinala que non podemos determinar estas cousas sobre outras persoas pero "é habitual ter a cortés convención de que todo o mundo pensa"
Russell e Norvig coinciden con Turing en que a IA debe definirse en termos de "actuar" e non de "pensar". Con todo, critican que a proba compare máquinas con persoas. "Os textos de enxeñería aeronáutica", escriben, "non definen o obxectivo do seu campo como facer 'máquinas que voen tan exactamente como as pombas que poidan enganar a outras pombas'". O fundador da IA, John McCarthy, estivo de acordo e escribiu que "A intelixencia artificial non é, por definición, simulación da intelixencia humana".
McCarthy define a intelixencia como "a parte computacional da capacidade de acadar obxectivos no mundo". Outro fundador da IA, Marvin Minsky, defínea de xeito similar como "a capacidade de resolver problemas difíciles". Estas definicións ven a intelixencia en termos de problemas ben definidos con solucións ben definidas, onde tanto a dificultade do problema como o rendemento do programa son medidas directas da "intelixencia" da máquina, e non se require ningunha outra discusión filosófica, ou quizais non sexa posible.
Unha definición que tamén foi adoptada por Google- principal practicante no campo da IA. Esta definición estipulaba a capacidade dos sistemas para sintetizar información como manifestación da intelixencia, de forma similar a como se define na intelixencia biolóxica.
Ningunha teoría unificadora establecida ou paradigma guiou a investigación da IA durante a maior parte da súa historia. O éxito sen precedente da aprendizaxe automática estatística na década de 2010 eclipsou todos os demais enfoques (ata o punto de que algunhas fontes, especialmente no mundo empresarial, utilizan o termo "intelixencia artificial" para referirse á "aprendizaxe automática con redes neurais"). Este enfoque é principalmente subsimbólico, neat, soft e narrow. Os críticos sosteñen que é posible que estas cuestións teñan que ser revisadas por futuras xeracións de investigadores en IA.
Intelixencia artificial simbólica (ou "GOFAI") simulaban o razoamento consciente de alto nivel que utilizan as persoas cando resolven crebacabezas, expresan razoamentos xurídicos e fan cálculos matemáticos. Tiveron moito éxito en tarefas "intelixentes" como o álxebra ou os tests de intelixencia. Nos anos 60, Newell e Simon propuxeron a hipótese dos sistemas de símbolos físicos: "Un sistema de símbolos físicos ten os medios necesarios e suficientes para unha acción intelixente xeneral".
Con todo, o enfoque simbólico fracasou en moitas tarefas que os humanos resolven con facilidade, como a aprendizaxe, o recoñecemento dun obxecto ou o razoamento de sentido común. O paradoxo de Moravec é o descubrimento de que as tarefas "intelixentes" de alto nivel eran fáciles para a IA, pero as tarefas "instintivas" de baixo nivel eran extremadamente difíciles. O filósofo Hubert Dreyfus sostiña desde os anos sesenta que a pericia humana depende do instinto inconsciente máis que da manipulación consciente de símbolos, e de ter unha "sensación" da situación, máis que dun coñecemento simbólico explícito. Aínda que os seus argumentos foran ridiculizados e ignorados cando se presentaron por primeira vez, finalmente, a investigación da IA coincidiu.
A cuestión non está resolta: O razoamento subsimbólico pode cometer moitos dos mesmos erros inescrutables que a intuición humana, como o rumbo algorítmico. Críticos como Noam Chomsky argumentan que a investigación continua sobre a IA simbólica aínda seguirá sendo necesaria para alcanzar a intelixencia xeral, en parte porque a IA subsimbólica afástase da IA explicable: pode ser difícil ou imposible entender por que un programa moderno de IA estatística tomou unha decisión concreta. O campo emerxente da intelixencia artificial neurosimbólica tenta tender unha ponte entre ambos os enfoques.
Wiki Commons ten máis contidos multimedia na categoría: Intelixencia artificial |
This article uses material from the Wikipedia Galego article Intelixencia artificial, which is released under the Creative Commons Attribution-ShareAlike 3.0 license ("CC BY-SA 3.0"); additional terms may apply (view authors). Todo o contido está dispoñible baixo a licenza CC BY-SA 4.0, agás que se indique o contrario. Images, videos and audio are available under their respective licenses.
®Wikipedia is a registered trademark of the Wiki Foundation, Inc. Wiki Galego (DUHOCTRUNGQUOC.VN) is an independent company and has no affiliation with Wiki Foundation.