IA con Python: concepto básico
Desde la invención de las computadoras o las máquinas, su capacidad para realizar diversas tareas ha experimentado un crecimiento exponencial. Los seres humanos han desarrollado el poder de los sistemas informáticos en términos de sus diversos dominios de trabajo, su velocidad creciente y su tamaño reducido con respecto al tiempo.
Una rama de la informática llamada Inteligencia Artificial persigue la creación de computadoras o máquinas tan inteligentes como los seres humanos.
Concepto básico de inteligencia artificial (IA)
Según el padre de la Inteligencia Artificial, John McCarthy, se trata de “La ciencia y la ingeniería de hacer máquinas inteligentes, especialmente programas informáticos inteligentes”.
La inteligencia artificial es una forma de hacer que una computadora, un robot controlado por computadora o un software piensen de manera inteligente, de la misma manera que piensan los humanos inteligentes. La IA se logra mediante el estudio de cómo piensa el cerebro humano y cómo los humanos aprenden, deciden y trabajan mientras intentan resolver un problema, y luego utilizan los resultados de este estudio como base para desarrollar software y sistemas inteligentes.
Mientras explota el poder de los sistemas informáticos, la curiosidad del ser humano, lo lleva a preguntarse: "¿Puede una máquina pensar y comportarse como lo hacen los humanos?"
Por lo tanto, el desarrollo de la IA comenzó con la intención de crear inteligencia similar en máquinas que encontramos y consideramos altas en los humanos.
La necesidad de aprender IA
Como sabemos, la IA persigue crear máquinas tan inteligentes como los seres humanos. Existen numerosas razones para que estudiemos la IA. Las razones son las siguientes:
La IA puede aprender a través de los datos
En nuestra vida diaria, tratamos con una gran cantidad de datos y el cerebro humano no puede realizar un seguimiento de tantos datos. Es por eso que necesitamos automatizar las cosas. Para hacer la automatización, necesitamos estudiar la IA porque puede aprender de los datos y puede realizar las tareas repetitivas con precisión y sin cansancio.
La IA puede enseñarse a sí misma
Es muy necesario que un sistema se enseñe a sí mismo porque los datos en sí cambian continuamente y el conocimiento que se deriva de dichos datos debe actualizarse constantemente. Podemos usar la IA para cumplir con este propósito porque un sistema habilitado para IA puede enseñarse a sí mismo.
La IA puede responder en tiempo real
La inteligencia artificial con la ayuda de redes neuronales puede analizar los datos con mayor profundidad. Debido a esta capacidad, la IA puede pensar y responder a las situaciones que se basan en las condiciones en tiempo real.
La IA logra precisión
Con la ayuda de redes neuronales profundas, la IA puede lograr una precisión tremenda. La IA ayuda en el campo de la medicina a diagnosticar enfermedades como el cáncer a partir de las resonancias magnéticas de los pacientes.
La IA puede organizar los datos para aprovecharlos al máximo
Los datos son propiedad intelectual de los sistemas que utilizan algoritmos de autoaprendizaje. Necesitamos IA para indexar y organizar los datos de una manera que siempre brinde los mejores resultados.
Entender la inteligencia
Con IA, se pueden construir sistemas inteligentes. Necesitamos comprender el concepto de inteligencia para que nuestro cerebro pueda construir otro sistema de inteligencia como él.
¿Qué es la inteligencia?
La capacidad de un sistema para calcular, razonar, percibir relaciones y analogías, aprender de la experiencia, almacenar y recuperar información de la memoria, resolver problemas, comprender ideas complejas, usar el lenguaje natural con fluidez, clasificar, generalizar y adaptar situaciones nuevas.
Tipos de inteligencia
Como lo describe Howard Gardner, un psicólogo del desarrollo estadounidense, la inteligencia se presenta en múltiples aspectos:
| No Señor | Inteligencia y descripción | Ejemplo |
|---|---|---|
| 1 | Linguistic intelligence La capacidad de hablar, reconocer y utilizar mecanismos de fonología (sonidos del habla), sintaxis (gramática) y semántica (significado). |
Narradores, Oradores |
| 2 | Musical intelligence La capacidad de crear, comunicarse y comprender los significados hechos del sonido, comprensión del tono y el ritmo. |
Músicos, cantantes, compositores |
| 3 | Logical-mathematical intelligence La capacidad de utilizar y comprender las relaciones en ausencia de acciones u objetos. También es la capacidad de comprender ideas complejas y abstractas. |
Matemáticos, científicos |
| 4 | Spatial intelligence La capacidad de percibir información visual o espacial, cambiarla y recrear imágenes visuales sin referencia a los objetos, construir imágenes en 3D y moverlas y rotarlas. |
Lectores de mapas, astronautas, físicos |
| 5 | Bodily-Kinesthetic intelligence La capacidad de utilizar parte del cuerpo o la totalidad del cuerpo para resolver problemas o crear productos, controlar la motricidad fina y gruesa y manipular los objetos. |
Jugadores, bailarines |
| 6 | Intra-personal intelligence La capacidad de distinguir entre los propios sentimientos, intenciones y motivaciones. |
Gautam Buddhha |
| 7 | Interpersonal intelligence La capacidad de reconocer y hacer distinciones entre los sentimientos, creencias e intenciones de otras personas. |
Comunicadores de masas, entrevistadores |
Se puede decir que una máquina o un sistema es artificialmente inteligente cuando está equipado con al menos una o todas las inteligencias.
¿De qué se compone la inteligencia?
La inteligencia es intangible. Está compuesto por:
- Reasoning
- Learning
- Resolución de problemas
- Perception
- Inteligencia lingüística
Repasemos brevemente todos los componentes:
Razonamiento
Es el conjunto de procesos que nos permiten proporcionar una base para juzgar, tomar decisiones y predecir. En general, hay dos tipos:
| Razonamiento inductivo | Razonamiento deductivo |
|---|---|
| Realiza observaciones específicas para hacer declaraciones generales amplias. | Comienza con una declaración general y examina las posibilidades de llegar a una conclusión lógica específica. |
| Incluso si todas las premisas son verdaderas en un enunciado, el razonamiento inductivo permite que la conclusión sea falsa. | Si algo es cierto para una clase de cosas en general, también es cierto para todos los miembros de esa clase. |
| Example - "Nita es maestra. Nita es estudiosa. Por lo tanto, todos los maestros son estudiosos". | Example - "Todas las mujeres mayores de 60 años son abuelas. Shalini tiene 65 años. Por lo tanto, Shalini es abuela". |
Aprendizaje - l
La capacidad de aprendizaje la poseen los seres humanos, determinadas especies de animales y sistemas habilitados por IA. El aprendizaje se clasifica de la siguiente manera:
Aprendizaje auditivo
Es aprender escuchando y escuchando. Por ejemplo, estudiantes que escuchan conferencias grabadas en audio.
Aprendizaje episódico
Aprender recordando secuencias de eventos que uno ha presenciado o experimentado. Esto es lineal y ordenado.
Aprendizaje motor
Se aprende mediante el movimiento preciso de los músculos. Por ejemplo, coger objetos, escribir, etc.
Aprendizaje mediante la observación
Aprender observando e imitando a los demás. Por ejemplo, el niño intenta aprender imitando a sus padres.
Aprendizaje perceptual
Es aprender a reconocer los estímulos que se han visto antes. Por ejemplo, identificar y clasificar objetos y situaciones.
Aprendizaje relacional
Implica aprender a diferenciar entre varios estímulos sobre la base de propiedades relacionales, en lugar de propiedades absolutas. Por ejemplo, agregando 'un poco menos' de sal al momento de cocinar las papas que salieron saladas la última vez, cuando se cocieron agregando una cucharada de sal.
Spatial Learning - Es aprender a través de estímulos visuales como imágenes, colores, mapas, etc. Por ejemplo, una persona puede crear una hoja de ruta en mente antes de seguir la ruta.
Stimulus-Response Learning- Es aprender a realizar una determinada conducta cuando se presenta un determinado estímulo. Por ejemplo, un perro levanta la oreja al escuchar el timbre.
Resolución de problemas
Es el proceso en el que uno percibe y trata de llegar a la solución deseada de una situación presente tomando algún camino, que está bloqueado por obstáculos conocidos o desconocidos.
La resolución de problemas también incluye decision making, que es el proceso de seleccionar la mejor alternativa adecuada entre múltiples alternativas para alcanzar la meta deseada.
Percepción
Es el proceso de adquirir, interpretar, seleccionar y organizar información sensorial.
La percepción supone sensing. En los humanos, los órganos sensoriales ayudan a la percepción. En el dominio de la IA, el mecanismo de percepción reúne los datos adquiridos por los sensores de manera significativa.
Inteligencia lingüística
Es la capacidad de uno para usar, comprender, hablar y escribir el lenguaje verbal y escrito. Es importante en la comunicación interpersonal.
Qué implica la IA
La inteligencia artificial es una vasta área de estudio. Este campo de estudio ayuda a encontrar soluciones a problemas del mundo real.
Veamos ahora los diferentes campos de estudio dentro de la IA:
Aprendizaje automático
Es uno de los campos más populares de la IA. El concepto básico de este campo es hacer que la máquina aprenda a partir de los datos, ya que los seres humanos pueden aprender de su experiencia. Contiene modelos de aprendizaje sobre la base de los cuales se pueden hacer predicciones sobre datos desconocidos.
Lógica
Es otro campo de estudio importante en el que se utiliza la lógica matemática para ejecutar los programas informáticos. Contiene reglas y hechos para realizar coincidencias de patrones, análisis semántico, etc.
buscando
Este campo de estudio se utiliza básicamente en juegos como el ajedrez, tic-tac-toe. Los algoritmos de búsqueda brindan la solución óptima después de buscar en todo el espacio de búsqueda.
Redes neuronales artificiales
Se trata de una red de sistemas informáticos eficientes cuyo tema central se toma prestado de la analogía de las redes neuronales biológicas. ANN se puede utilizar en robótica, reconocimiento de voz, procesamiento de voz, etc.
Algoritmo genético
Los algoritmos genéticos ayudan a resolver problemas con la ayuda de más de un programa. El resultado se basaría en seleccionar al más apto.
Representación del conocimiento
Es el campo de estudio con la ayuda del cual podemos representar los hechos de una manera que la máquina sea comprensible para la máquina. Se representa el conocimiento más eficientemente; el sistema más inteligente sería.
Aplicación de IA
En esta sección, veremos los diferentes campos admitidos por AI:
Juego de azar
La IA juega un papel crucial en juegos estratégicos como ajedrez, póquer, tic-tac-toe, etc., donde la máquina puede pensar en una gran cantidad de posiciones posibles basándose en el conocimiento heurístico.
Procesamiento natural del lenguaje
Es posible interactuar con la computadora que entiende el lenguaje natural hablado por humanos.
Sistemas expertos
Hay algunas aplicaciones que integran máquinas, software e información especial para impartir razonamiento y asesoramiento. Proporcionan explicaciones y consejos a los usuarios.
Sistemas de visión
Estos sistemas entienden, interpretan y comprenden información visual en la computadora. Por ejemplo,
Un avión espía toma fotografías, que se utilizan para descubrir información espacial o un mapa de las áreas.
Los médicos utilizan un sistema clínico experto para diagnosticar al paciente.
La policía usa software de computadora que puede reconocer el rostro del criminal con el retrato almacenado hecho por el artista forense.
Reconocimiento de voz
Algunos sistemas inteligentes son capaces de escuchar y comprender el lenguaje en términos de oraciones y sus significados mientras un humano le habla. Puede manejar diferentes acentos, jergas, ruido de fondo, cambios en el ruido humano debido al frío, etc.
Reconocimiento de escritura a mano
El software de reconocimiento de escritura a mano lee el texto escrito en papel con un bolígrafo o en la pantalla con un lápiz. Puede reconocer las formas de las letras y convertirlas en texto editable.
Robots inteligentes
Los robots pueden realizar las tareas encomendadas por un humano. Tienen sensores para detectar datos físicos del mundo real, como luz, calor, temperatura, movimiento, sonido, golpes y presión. Tienen procesadores eficientes, múltiples sensores y una gran memoria para exhibir inteligencia. Además, son capaces de aprender de sus errores y adaptarse al nuevo entorno.
Modelado cognitivo: simulación del procedimiento de pensamiento humano
El modelado cognitivo es básicamente el campo de estudio dentro de la informática que se ocupa del estudio y simulación del proceso de pensamiento de los seres humanos. La principal tarea de la IA es hacer que las máquinas piensen como humanos. La característica más importante del proceso de pensamiento humano es la resolución de problemas. Es por eso que el modelado más o menos cognitivo intenta comprender cómo los humanos pueden resolver los problemas. Después de eso, este modelo se puede usar para varias aplicaciones de inteligencia artificial como aprendizaje automático, robótica, procesamiento del lenguaje natural, etc. A continuación se muestra el diagrama de los diferentes niveles de pensamiento del cerebro humano:
Agente y entorno
En esta sección, nos centraremos en el agente y el entorno y cómo estos ayudan en la Inteligencia Artificial.
Agente
Un agente es cualquier cosa que pueda percibir su entorno a través de sensores y actúa sobre ese entorno a través de efectores.
UN human agent tiene órganos sensoriales como ojos, oídos, nariz, lengua y piel paralelos a los sensores, y otros órganos como manos, piernas, boca, para efectores.
UN robotic agent reemplaza cámaras y telémetros infrarrojos para los sensores, y varios motores y actuadores para los efectores.
UN software agent tiene cadenas de bits codificadas como sus programas y acciones.
Medio ambiente
Algunos programas operan en un artificial environment confinado a la entrada de teclado, base de datos, sistemas de archivos informáticos y salida de caracteres en una pantalla.
En contraste, algunos agentes de software (robots de software o softbots) existen en dominios ricos e ilimitados de softbots. El simulador tiene unvery detailed, complex environment. El agente de software debe elegir entre una amplia gama de acciones en tiempo real. Un softbot está diseñado para escanear las preferencias en línea del cliente y muestra elementos interesantes al cliente trabaja en elreal así como un artificial medio ambiente.