Un breve resumen sobre la historia de la IA: Parte 2

Original article can be found here (source): Artificial Intelligence on Medium

Un breve resumen sobre la historia de la IA: Parte 2

Aquí vamos de nuevo (1980–1987)

En la década de 1980, las corporaciones de todo el mundo adoptaron con éxito una forma de programa de IA llamada “sistemas expertos”. Para 1986, un sistema experto estaba ahorrando a una compañía $ 40 millones al año estimadamente. En esos mismos años, el gobierno japonés financió agresivamente la IA con su proyecto informático de quinta generación, seguido por los Estados Unidos que formaron la Microelectronics and Computer Technology Corporation (MCC) como un consorcio de investigación diseñado para asegurar la competitividad nacional. En general, la industria de la IA creció de unos pocos millones de dólares en 1980 a miles de millones de dólares en 1988, incluidas cientos de empresas que construyen sistemas expertos, sistemas de visión, robots y software y hardware especializados para estos fines.

Los sistemas expertos se refieren a programas que pueden resolver problemas sobre un dominio específico del conocimiento utilizando reglas lógicas que se derivan del conocimiento de los expertos. En el mismo período, estamos presenciando una “revolución del conocimiento”, ya que los investigadores de IA comenzaron a creer que la inteligencia bien podría basarse en la capacidad de utilizar grandes cantidades de conocimientos diversos de diferentes maneras.

Otro evento beneficioso para la IA fue el regreso de las redes neuronales. La prueba de que las redes neuronales pueden aprender información de una nueva manera (por John Hopfield) y la popularización de la “propagación hacia atrás” lograron revivir el campo del conexionismo (redes neuronales artificiales).

El segundo invierno de la IA (1987–1993)

Desafortunadamente, tenemos otro “Invierno de la IA” porque muchas compañías se quedaron en el camino al no cumplir sus promesas extravagantes. A finales de la década de 1980 y principios de la década de 1990, la IA sufrió una serie de contratiempos financieros. Los sistemas expertos demostraron ser demasiado caros de mantener y útiles solo en algunos contextos especiales. El proyecto de quinta generación de Japón no logró sus ambiciosos objetivos, mientras que Estados Unidos recortó los fondos para la IA.

En el mismo período, surgió un nuevo enfoque de la IA. Un grupo de investigadores creía que tener un cuerpo es primordial para una máquina inteligente. Tiene que moverse, percibir y lidiar con el mundo real. El enfoque revivió ideas de la teoría de cibernética y control que habían sido impopulares desde los años sesenta. Otro precursor fue David Marr, quien había venido al MIT a finales de la década de 1970 con antecedentes exitosos en neurociencia teórica para dirigir el grupo que estudiaba la visión por ordenador.

En términos de metodología, la IA adopta el método científico. Para ser aceptadas, las hipótesis deben ser sometidas a rigurosos experimentos empíricos, y los resultados deben ser analizados estadísticamente por su importancia. Un ejemplo relevante es el campo del reconocimiento de voz. En la década de 1970, se probaron una gran variedad de arquitecturas y enfoques diferentes. Muchos de estos fueron más bien frágiles, y se demostraron en solo unos pocos ejemplos especialmente seleccionados. En los últimos años, los enfoques basados ​​en modelos ocultos de Markov (HMM) han llegado a dominar el área.

Comienza a tomar forma (1993–2011)

El campo de la IA está comenzando a utilizarse con éxito en toda la industria de la tecnología, pero de alguna manera entre bastidores (después de dos inviernos de la IA causados ​​por altas expectativas poco realistas, la gente comenzó a ser más prudente). Parte del éxito se debió al aumento de la potencia de los ordenadores y parte se logró mediante el uso del método científico al hacer investigaciones. La IA se fragmentó en subcampos competitivos centrados en problemas o enfoques particulares. La IA fue más cautelosa y más exitosa que nunca.

El 11 de mayo de 1997, Deep Blue se convirtió en el primer sistema de ajedrez por ordenador que venció al actual campeón mundial de ajedrez, Garry Kasparov. Además, en 2005, un robot de Stanford ganó el DARPA Grand Challenge conduciendo de forma autónoma durante 131 millas a lo largo de un sendero del desierto no ensayado. Dos años más tarde, un equipo de CMU ganó el DARPA Urban Challenge navegando de forma autónoma 55 millas en un entorno urbano mientras se adhiere a los peligros del tráfico y todas las leyes de tránsito.

Durante la década de 1990 vemos la aparición de agentes inteligentes, que es un sistema que percibe su entorno y toma medidas que maximizan sus posibilidades de éxito. A pesar del éxito de los agentes inteligentes, algunos fundadores influyentes de la IA, incluidos John McCarthy, Marvin Minsky, Nils Nilsson y Patrick Winston han expresado su descontento con el progreso de la IA. Piensan que la IA debería poner menos énfasis en crear versiones cada vez mejores de aplicaciones que sean buenas en una tarea específica, como conducir un coche, jugar al ajedrez o reconocer el habla. En cambio, creen que la IA debería volver a sus raíces de luchar por, en palabras de Simon, “máquinas que piensan, que aprenden y que crean”.

Una nueva era de la IA (2011-presente)

Las primeras décadas del siglo XXI nos trajeron acceso a grandes cantidades de datos (conocidos como “big data”), ordenadores más baratos y más rápidos y técnicas avanzadas de aprendizaje automático. Uno de estos factores tiene un papel influyente en cómo la IA cambió su enfoque: los datos. A lo largo de los 60 años de historia de la informática, el énfasis se ha puesto en el algoritmo como tema principal de estudio. Pero algunos trabajos recientes en la IA sugieren que, para muchos problemas, tiene más sentido preocuparse por los datos y ser menos exigente con respecto a qué algoritmo aplicar. Así de importante se han vuelto los datos y en este momento es probablemente el recurso más buscado del mundo.

La AI hoy está presente en muchas aplicaciones del mundo real, como vehículos robóticos, reconocimiento de voz, coches autónomos, filtros de spam, algoritmos de redes sociales que rigen su alimentación, robótica… Estos son solo algunos ejemplos, no una lista exhaustiva.

Las fuentes utilizadas para este artículo:

  1. Uno de los libros de texto más influyentes en IA: inteligencia artificial, un enfoque moderno (Stuart Russel, Peter Norvig)
  2. Wikipedia

Si te ha gustado este artículo y quieres ver más, sígueme en Twitter .

PD: Soy un creador independiente y estoy escribiendo un libro sobre los conceptos básicos de la IA. Si deseas apoyarme y estás interesado en la IA, puedes reservar mi libro con un descuento aquí (no se te cobrará hasta que termine el libro): https://gumroad.com/l/ SXpw / proyecto lateral