Las raíces de la Inteligencia Artificial moderna, o IA, se remontan a los filósofos clásicos de Grecia, y sus esfuerzos para modelar el pensamiento humano como un sistema de símbolos. Más recientemente, en la década de 1940, se desarrolló una escuela de pensamiento llamada «Conexionismo» para estudiar el proceso de pensamiento. En 1950, un hombre llamado Alan Turing escribió un artículo sugiriendo cómo probar una máquina «pensante». Creía que si una máquina podía llevar a cabo una conversación a través de una teleimpresora, imitando a un humano sin diferencias notables, la máquina podría describirse como pensamiento. Su artículo fue seguido en 1952 por el modelo Hodgkin-Huxley del cerebro como neuronas que forman una red eléctrica, con neuronas individuales disparando en pulsos de todo o nada (on/off). Estos eventos, en una conferencia patrocinada por el Dartmouth College en 1956, ayudaron a despertar el concepto de Inteligencia Artificial.
Jonathan Crane es el CCO de Ipsoft, los creadores del asistente virtual llamado Amelia. Dijo lo siguiente sobre el estado actual de la Inteligencia Artificial:
«La IA está impulsando un gran cambio en la forma en que podemos orientar nuestro marketing y publicidad, incluso para empresas más pequeñas. Esto significa que las empresas pueden orientar su «gasto y aumentar el retorno de la inversión» y permitir que la publicidad haga lo que debería, dando a las personas anuncios que desean ver.»
El Sr. Crane se refiere al uso de Big Data por parte de la IA. La inteligencia artificial se puede combinar con Big Data para manejar tareas complejas, y puede procesar la información a velocidades mucho más rápidas que cualquier sistema anterior.
El desarrollo de la IA no ha sido racionalizado y eficiente. Comenzando como un concepto emocionante e imaginativo en 1956, la financiación de la investigación de Inteligencia Artificial se recortó en la década de 1970, después de que varios informes criticaran la falta de progreso. Se experimentaron esfuerzos para imitar el cerebro humano, llamados «redes neuronales», y se descartaron. Los programas funcionales más impresionantes solo eran capaces de manejar problemas simplistas, y los poco impresionados los describían como juguetes. Los investigadores de IA habían sido demasiado optimistas al establecer sus objetivos y habían hecho suposiciones ingenuas sobre los problemas que encontrarían. Cuando los resultados que prometieron nunca se materializaron, no debería sorprender que se recortaran sus fondos.
Los primeros investigadores de IA de invierno tuvieron que lidiar con dos limitaciones muy básicas, no suficiente memoria y velocidades de procesamiento que parecían abismales para los estándares actuales. Al igual que la investigación de gravedad en ese momento, la investigación de Inteligencia Artificial tuvo un recorte de fondos gubernamentales y los intereses disminuyeron. Sin embargo, a diferencia de gravity, la investigación de IA se reanudó en la década de 1980, con Estados Unidos y Gran Bretaña proporcionando fondos para competir con el nuevo proyecto informático de «quinta generación» de Japón, y su objetivo de convertirse en el líder mundial en tecnología informática. El lapso de tiempo entre 1974 y 1980 se ha conocido como «El Primer invierno de IA».
El primer invierno de IA terminó con la introducción de» Sistemas Expertos», que fueron desarrollados y adoptados rápidamente por corporaciones competitivas de todo el mundo. El foco principal de la investigación de IA ahora estaba en el tema de la acumulación de conocimientos de varios expertos. La IA también se benefició del renacimiento del conexionismo en la década de 1980.
Cibernética y Redes Neuronales
La cibernética estudia los sistemas de control automático. Dos ejemplos son el cerebro y el sistema nervioso, y los sistemas de comunicación utilizados por las computadoras. La cibernética se ha utilizado para entrenar la versión moderna de las redes neuronales. Sin embargo, las redes neuronales no tendrían éxito financiero hasta la década de 1990, cuando comenzaron a usarse para operar programas de reconocimiento óptico de caracteres y programas de reconocimiento de patrones de habla.
Sistemas expertos Los sistemas expertos representan un enfoque en la investigación de Inteligencia Artificial que se hizo popular a lo largo de la década de 1970. Un Sistema Experto utiliza el conocimiento de expertos para crear un programa. Los sistemas expertos pueden responder preguntas y resolver problemas dentro de un campo de conocimiento claramente definido, y utilizan «reglas» de lógica. Su diseño simplista hizo que fuera razonablemente fácil diseñar, construir y modificar programas. Los programas de selección de préstamos bancarios proporcionan un buen ejemplo de un Sistema Experto de principios de la década de 1980, pero también había aplicaciones médicas y de ventas que utilizaban Sistemas Expertos. En términos generales, estos programas simples se volvieron bastante útiles y comenzaron a ahorrar a las empresas grandes cantidades de dinero.
Por ejemplo, en 1980, Digital Equipment Corporation comenzó a requerir que su equipo de ventas usara un Sistema experto llamado XCON al realizar pedidos de clientes. DEC vendió una amplia gama de componentes de computadora, pero la fuerza de ventas no estaba especialmente informada sobre lo que vendían. Algunos pedidos combinaban componentes que no funcionaban juntos y algunos pedidos carecían de componentes necesarios. Antes de XCON, los asesores técnicos revisaban las órdenes, identificaban combinaciones no funcionales y proporcionaban instrucciones para ensamblar el sistema. Dado que este proceso (incluidas las comunicaciones con el cliente) causó un cuello de botella en DEC, y muchos esfuerzos para automatizarlo habían fracasado, DEC estaba dispuesto a probar una tecnología que era relativamente nueva para este tipo de situación. En 1986, el sistema ahorraba 40 millones de dólares de diciembre al año.
XCON (a veces referido como R1) era un sistema grande con aproximadamente 750 reglas, y a pesar de que podía procesar múltiples pedidos, aún necesitaba ser ajustado y ajustado antes de que DEC pudiera usarlo de manera eficiente. DEC se enteró de que el sistema no se podía usar como se diseñó originalmente, y que no tenían la experiencia para mantenerlo. Los «conocimientos» del sistema debían ser recopilados y añadidos por personas capacitadas en Sistemas Expertos y en la adquisición de conocimientos. Muchos de sus asesores técnicos eran ingenieros, pero no eran expertos en inteligencia artificial, y el equipo de ingenieros que DEC finalmente organizó estaba «familiarizado» con la inteligencia artificial, pero los miembros del grupo no fueron elegidos por su experiencia en Inteligencia Artificial (simplemente no había muchos expertos disponibles), y nadie en el grupo estaba familiarizado con el lenguaje en el que estaba escrito, OPS-4. Después de aproximadamente un año, con una gran cantidad de asistencia de Carnegie-Mellon (los escritores originales del programa), y habiendo crecido a casi 1000 reglas, DEC pudo hacerse cargo de la programación y el mantenimiento de XCON. Integrar XCON en la cultura DEC fue una experiencia difícil, pero exitosa. La administración aprendió que un Sistema Experto requiere personal especialmente capacitado, y asumieron la responsabilidad de capacitar y contratar a personas para satisfacer esas necesidades.
En su apogeo, XCON tiene 2.500 reglas y ha evolucionado significativamente (aunque actualmente su popularidad ha disminuido, ya que se ha convertido en un poco de dinosaurio). XCON fue el primer sistema informático en utilizar técnicas de IA para resolver problemas del mundo real en un entorno industrial. En 1985, las corporaciones de todo el mundo habían comenzado a utilizar Sistemas Expertos, y se desarrolló un nuevo campo de carrera para apoyarlos. XCON podía configurar órdenes de venta para todos los sistemas informáticos VAX-11 fabricados en los Estados Unidos, pero el sistema necesitaba ajustarse y actualizarse continuamente, y requería un equipo de TI a tiempo completo.
El segundo invierno de IA
El campo de IA experimentó otro invierno importante de 1987 a 1993. Esta segunda desaceleración en la investigación de IA coincidió con XCON, y otros primeros equipos de Sistemas Expertos, que se consideraban lentos y torpes. Las computadoras de escritorio se estaban volviendo muy populares y desplazaban a los bancos de computadoras más antiguos, voluminosos y mucho menos fáciles de usar. Con el tiempo, los sistemas expertos simplemente se volvieron demasiado caros de mantener, en comparación con los escritorios. Eran difíciles de actualizar y no podían «aprender».»Estos eran problemas que las computadoras de escritorio no tenían. Casi al mismo tiempo, la DARPA (Agencia de Proyectos de Investigación Avanzada de Defensa) concluyó que la IA no sería «la próxima ola» y redirigió sus fondos a proyectos considerados más propensos a proporcionar resultados rápidos. Como consecuencia, a finales de la década de 1980, los fondos para la investigación de IA se redujeron profundamente, creando el Segundo invierno de IA.
La conversación con computadoras Se convierte en una Realidad
A principios de la década de 1990, la investigación de Inteligencia Artificial cambió su enfoque a algo llamado agente inteligente. Estos agentes inteligentes se pueden utilizar para servicios de recuperación de noticias, compras en línea y navegación por la web. Los agentes inteligentes también se denominan a veces agentes o bots. Con el uso de programas de Big Data, se han convertido gradualmente en asistentes digitales personales o asistentes virtuales.
Actualmente, empresas tecnológicas gigantes como Google, Facebook, IBM y Microsoft están investigando una serie de proyectos de Inteligencia Artificial, incluidos asistentes virtuales. Todos compiten para crear asistentes como M de Facebook, Cortana de Microsoft o Siri de Apple.El objetivo de la Inteligencia Artificial ya no es crear una máquina inteligente capaz de imitar la conversación humana con un teletipo. El uso de Big Data ha permitido que la IA dé el siguiente paso evolutivo. Ahora, los objetivos son desarrollar programas de software capaces de hablar en un idioma natural, como el inglés, y actuar como su asistente virtual. Estos asistentes virtuales representan el futuro de la investigación de IA, y pueden tomar la forma de robots para ayuda física, o pueden estar alojados en computadoras portátiles y ayudar a tomar decisiones comerciales, o pueden integrarse en el programa de servicio al cliente de una empresa y contestar el teléfono. La inteligencia artificial sigue evolucionando y encontrando nuevos usos.