APLICACIÓN DE CONCEPTOS DE LA TEORIA GENERAL DE SISTEMA EN LA INTELIGENCIA ARTIFICIAL
“El holismo ha ganado mucho terreno en la interpretación de la Inteligencia Artificial o IA, por medio de muchos de sus proyectos y aplicaciones” según Enrique Alonso en la página 30 del Libro de 50 años de inteligencia artificial, hace muchos aportes a los debates de IA, pero esto nos conlleva a pensar que cada vez está avanzando su desarrollo para poderla aplicar a todo, pero también nos describe que para saber de esta área tenemos que saber de todo, y aunque lleguemos al grado casi total de su aplicación debe ser controlada, y dirigida.
La IA es una área multidisciplinar que a partir del desarrollo de la ciencia de la computación, las maquinas han logrado demostrar la capacidad de solucionar problemas por sí mismas, pero basados en el paradigma de la inteligencia humana. Es por esta misma razón que gran parte de sus componentes contienen nombres como: redes neuronales, algoritmos genéticos. Muy similares a algunos componentes del sistema nervioso del ser humano con sus misma funciones, pero de forma artificial.
En la actualidad según Delgado [1998] y Stuart [1996], existen tres paradigmas en cuanto al desarrollo de inteligencia artificial:
.
Pero a partir de la evolución en su estudio se vienen destacando otros paradigmas como agentes de decisión inteligentes y autómatas programables. A pesar de que se agilizan procesos y optimizan los mismos, se debe analizar siempre el impacto ambiental, político, social y económico. http://www.revistasbolivianas.org.bo/scielo.php?pid=S1997-40442008000200003&script=sci_abstract.
Similitud y funcionamiento que tienen las redes neuronales biológicas y artifíciales según Herrera Fernández.
Viendo desde el punto de vista del paradigma de la Ingeniería de Software están muy ligados, por no decir que son iguales.
Entrada Proceso Salida
-
La inteligencia Artificial es un sistema cerrado que requiere del control y dirección de un ser vivo, para poder funcionar, requiere información y energía de su entorno, para ser útil. Es desarrollada de forma abstracta, porque no podemos ver su forma física, pero su desarrollo en su campo virtual o artificial permite la interacción con el usuario.
-
Inteligencia Artificial es una innovación de desarrollo en el campo de la ciencia computacional, que necesita de registros de información, bases de datos, en su defecto tener acceso a ellas para la toma de una decisión rápida y acertada, que pueda dar una ventaja competitiva.
-
Puede ser un sistema, pero a su vez es un elemento sinérgico, ubicado como un piñón o eslabón fundamental dentro de la organización, que puede optimizar muchos procesos, o tomar mejores decisiones, pero que necesita la información de su medio ambiente para cumplir de forma óptima su función. Y tiene una homeostasis sencilla en la organización, si se analiza adecuadamente el impacto ambiental, social, político y económico, para su adaptación.
Los paradigmas de Ingeniería de software son muy aplicados a la Inteligencia Artificial, después de todo van de la mano y en su mayoría la metodología depende exclusivamente, para que tipo de usuario, tiempo y recursos disponibles para la implementación del mismo. Ejemplo: Y a forma personal se descartaría el TAG (ingeniería de software asistida por computador, CASE), porque debe ser dirigida y controlada por un ser humano, para no tener errores ni de contexto, ni de interacción (En el libro 50 años de Inteligencia Artificial, la maquina aún no tiene la forma de pensar humana, como las emociones, la razón está limitada a su lenguaje binario). En un antivirus que usa inteligencia artificial por medio de una heurística en sus bases de datos puede usar metodologías como modelo espiral, Prototipos y hasta Ciclo de Vida, pero ya un sistema de inteligencia artificial de seguridad para un Core Bancario, puede requerir más de la metodología de paradigmas de Ciclo de Vida y Espiral, donde hay constantes pruebas, riesgos, mantenimiento, se requiere un mismo contexto y Evaluación del cliente.
-
Redes Neuronales: A partir de estudios de D. Hebb [1949], Widrow[1959] y Hopfield [1980], Se hizo un gran avance en aprendizaje y solución de problemas, con la implantación de algoritmos, que simulan una red neuronal que permitían aprendizaje, memoria, conectividad y estructura de forma eficiente, que provocaron un incremento en su estudio para seguir desarrollando más redes neuronales en la IA.
-
Algoritmos Genéticos: Para “Delgado [1998] son una técnica inspirada en aspectos biológicos, el proceso de la evolución del que Charles Darwin hace referencia se puede aplicar para optimizar dispositivos de control o robots o cualquier otro tipo de aspectos que sean susceptibles de ser optimizados como líneas de producción.” Debe contener cinco componentes básicos para resolver un problema:
-
Codificación y representación del problema adecuado al mismo.
-
Una manera de crear una población inicial de soluciones.
-
Una función de ajuste o adaptación al problema.
-
En la ejecución del algoritmo se ve una árbol genealógico, padres (solución población inicial), reproducción dos hijos nuevos (dos nuevas soluciones al problema con mutación de probabilidades), así las soluciones anteriores darán una trayectoria de solución a problemas futuros en la evolución del algoritmo genético.
-
Valores para los parámetros: Tamaño de la población. Probabilidad de aplicación de valores genéticos.
-
“Las redes neuronales deben tener como estructura varias capas las cuales son: primera capa como buffer de entrada, almacenando la información bruta suministrada en la red o realizando un sencillo pre proceso de la misma, la llamamos capa de entrada; otra capa actúa como interfaz o buffer de salida que almacena la respuesta de la red para que pueda ser leída, la llamamos capa de salida; y las capas intermedias, principales encargadas de extraer, procesar y memorizar la información, las denominan capas ocultas.” Rubén Payrumani Ino.
-
Sistemas de Lógica Difusa: “A concepto de Delgado [1998] es la segunda herramienta que permite emular el razonamiento humano. Los seres humanos pensamos y razonamos por medio de palabras y en grados entre dos estados por ejemplo blanco y negro o frío y caliente, etc. Estos sistemas de lógica difusa son una mejora a los sistemas experto tradicionales, en el sentido de que permiten utilizar lenguaje humano como nosotros razonamos”. Los llamados sistemas expertos, lo que permite a una máquina una solución y/o conclusión en un campo determinado(medicina, finanzas, derecho), a través de una base de conocimientos e información y reglas del tema, que permite al usuario una interacción de otras formas con el sistema, algo más directo y encaminado a su contexto