Para verlo desde bitstrips:
jueves, 26 de noviembre de 2015
lunes, 23 de noviembre de 2015
La realidad sobre la inteligencia artificial en el año 2015
La realidad sobre la inteligencia artificial en el año
2015
Ricardo Jassan Martínez
Universidad Abierta y a Distancia de México UnADM
Ingeniería en desarrollo de software
Curso propedéutico UnADM
Eje 4 Actividad 1. Lectura y escritura exploratoria
Elaborado el 22 de Noviembre 2015
La realidad sobre la inteligencia artificial en el año 2015
Resumen
La tecnología ha llegado a un punto en el
que el crecimiento en materia computacional a comenzado a ser mas lento. Esto
debido a que los materiales y técnicas de construcción de Circuitos Integrados
se comienzan a saturar y ya no pueden procesar más información. Esto dificulta
que las máquinas puedan aprender y tener Inteligencia Artificial con la
tecnología de hoy en día. Es posible que las computadoras cuánticas y los discos
duros de ADN nos ayuden a resolver los problemas actuales a los que la Inteligencia
Artificial de enfrenta.
Palabras clave: recesión de la inteligencia artificial, ley de moore
en decadencia, computadoras cuánticas, qubits, discos duros de adn
Introducción
Mucho ya se ha visto de lo que son capaces
los robots en la actualidad, desde barrer toda tu casa de manera autónoma hasta
construir automóviles en fábricas automotrices, sin embargo, la mayoría de
estos robots han sido programados con rutinas
de código que deben ser ejecutadas una y otra vez para poder cumplir su
propósito, esto, sin poder cambiar de
parecer ni tomar decisiones propias como la de “dejar de trabajar”.
Algunos autores conservan la idea de que
los avances computacionales harán que en poco tiempo tengamos compañeros robots
que puedan convivir con nosotros y ser autosuficientes como lo sugieren algunos
textos de ciencia ficción; la realidad es que la tecnología computacional pronto llegará a detener su proceso
evolutivo y necesitaremos de nueva tecnología para poder continuar
desarrollando Inteligencia Artificial y resolver los problemas que ello conlleva.
¿Cuál es el problema actual de la Inteligencia
Artificial?
Michio Kaku (2009) comenta que en el
famoso Laboratorio de Inteligencia Artificial del MIT (Massachusetts Institute
of Technology), los robots experimentales tienen dificultades para duplicar
hazañas que incluso las cucarachas pueden realizar, tales como maniobrar en una
habitación llena de muebles, encontrar lugares ocultos y reconocer el peligro.
“Ningún
robot en la Tierra puede entender un sencillo cuento de niños que se le lea”
Bajo
ese contexto, él hace énfasis en el hecho de que en la actualidad podemos crear
robots tan inteligentes como una cucaracha, una cucaracha con retraso mental.
La ley de Moore que escribió nos dice que
la cantidad de componentes que habrá en los circuitos integrados se duplicará
al doble cada dos años durante la primer década a partir de 1965, diez años
después en 1975 revisa de nuevo su predicción y asegura que así será
consecutivamente (Gordon E. Moore, 1965). Tal fue la fuerza de su predicción
que todos los fabricantes de procesadores se basaban en este modelo para
establecer objetivos de diseño y desarrollo.
Fig. 1 Cantidad de componentes dentro de un
circuito integrado, predicción de Moore en 1965
Fig. 2 Seguimiento a través del tiempo de la ley de Moore contra los
procesadores diseñados
Sin embargo, Intel en 2015 confirmó que se
ha llegado a la desaceleración en la elaboración de nuevos procesadores que en vez
de producir nuevos procesadores cada dos años ahora se tardarán dos años y
medio en crearlos debido a las dimensiones cada vez mas reducidas y a que los
materiales con que son construidos comienzan a tener limitantes en sus
características físicas (Bradshaw, Tim, 2015).
Desde el 2004 se dieron cuenta de este
problema y para solventarlo se desarrollaron procesadores de varios núcleos
que dividen las tareas a procesar entre varios circuitos para tener la salida
de información de manera mucho mas rápida, pero el software debía que ser
programado a manera “multi tarea” para que sea reconocido por este nuevo
diseño, lo cual creó sobre carga de trabajo en el procesador y no se logró un
crecimiento lineal de velocidad al aumentar la cantidad de núcleos. Esto es mas
notable cuando el número de núcleos incrementa, hay casos en que al aumentar
los núcleos en un 45% sólo obtenemos 10-20% más de poder de procesamiento
(Shimpi, Anand Lal 2004).
Esto representa un problema para la
ciencia de la Inteligencia Artificial por que la cantidad de procesamiento que
se requiere actualmente para ejecutar tareas básicas es demasiado para estos
procesadores y el problema no se soluciona aumentando más y más procesadores,
por el poco rendimiento que se tiene. Pareciera ser que con la tecnología
actual los robots serán lentos y torpes en sus movimientos.
¿Qué es la Inteligencia?
Al utilizar la herramienta de google
“define:” Inteligencia es la Facultad de la mente que permite aprender,
entender, razonar, tomar decisiones y formarse una idea determinada de la
realidad.
Para poder crear Inteligencia Artificial
tenemos que resolver cada uno de los paradigmas que integran a la Inteligencia
humana como tal.
Ray Kurzweil (1999) propone que para poder
copiar la inteligencia del ser humano se podría utilizar un “escáner” que
clonase cada neurona del cerebro en uno artificial, sin embargo, John Searle
(1992) propone que existen dos estados mentales, uno de intención y otro de
conciencia que son personales, intrínsecos y no pueden ser eliminados, es
decir, tendríamos que enseñar al robot desde su creación todos los preceptos
que hemos creado en la sociedad para que pudiese tener conciencia. Para poder
darnos una idea de cómo funcionaría esta teoría en la realidad podemos ver la
película escrita por Neill Blomkamp junto a su esposa Terri Tatchell llamada
“Chappie” en donde un inventor crea un prototipo de inteligencia artificial que
imita la mente humana hasta el punto de sentir emociones y tener opiniones. Hay
que recordar esto es sólo ficción y que actualmente estos cálculos
computacionales no son posibles.
Fig. 3 - "Chappie" aprendiendo lo que es una familia
Nuevas tecnologías que podrían ayudar
Existen dos tecnologías emergentes que
podrían ayudar a resolver algunos de los problemas actuales con respecto a la
creación de la Inteligencia Artificial.
Computadoras Cuánticas
De acuerdo con Seth Loyd (2014)
Investigador del MIT, la física cuántica permite un nuevo campo de aplicación
para la Inteligencia Artificial, ya que ahora en vez de tener Bits de solo “0”
y “1” tendremos QuBits que pueden representar un “0”, un “1” y por la teoría de
la superposición tener los estados de “0 y 1” al mismo tiempo, esto quiere
decir que si tenemos dos QuBits pueden tener 4 estados en cualquier momento (00,01,10
y 11) y así exponencialmente, lo que hace las velocidades de cómputo
extremadamente rápidas.
Un ejemplo de cómo “aprende” actualmente
una computadora sería el de cómo se resuelve salir de un laberinto una persona.
Normalmente las computadoras (en este caso la persona) tienen que ir pasillo
por pasillo e identificar si hay o no salida y volver a intentar el cálculo
corrigiendo su rumbo hasta que por suerte encuentra la salida. En las
computadoras cuánticas gracias al principio de superposición esta persona puede
estar en dos lugares al mismo tiempo y poder reducir así su tiempo para
encontrar la salida.
Lo más increíble es que al aumentar los
QuBits, el procesamiento de la información no se ve degradado hasta el momento, por lo que mientras mas QuBits existan en el procesador, más cantidad de
información se puede procesar al mismo tiempo (Cade Metz 2015).
Fig. 4 - ¿Cómo resuelve una computadora común?
Fig. 5 - ¿Cómo resuelve una computadora cuántica?
Esta tecnología aún esta en crecimiento y
los primeros interesados en comprar una computadora quántica al proveedor
“D-Wave” fueron Google y la NASA. Aún están descubriendo que mas pueden hacer
con ellas.
Discos duros de ADN
Supongamos que logramos hacer que los
robots aprendan mucha más rápido que nosotros y que también puedan auto
corregirse. ¿Dónde almacenaríamos toda esta información?
Al parecer la respuesta está en el ADN,
que por siglos y siglos ha sido nuestro mejor medio para guardar información.
Tan solo un pequeño trozo de ADN del
tamaño de la uña del dedo pulgar puede almacenar un PetaByte de información,
eso es casi lo de mil y medio millones de CD-ROMS.
El ADN es una molécula química que se
conforma de 4 tipos diferentes de moléculas en secuencia guardando la
información genética a manera codificada de todos los seres vivos. Las
moléculas son:
· Adenina -> A
· Timina -> T
· Citosina -> C
· Guanina -> G
El Instituto Europeo de Bioinformática ha
asignado un valor a cada molécula para representar bits siendo:
· Adenina -> A = 1
· Timina -> T = 0
· Citosina -> C = 1
· Guanina -> G = 0
Por lo que ya se puede guardar información
digital en el ADN, lo cuál es muy costo por que aún la tecnología para
sintetizarlo es muy tardía y difícil de llevar acabo, sin embargo, el leer
esta información es muy económico y hasta se ha diseñado un dispositivo USB
para poder leer código almacenado en un pedazo de ADN (Nick Goldman, 2015).
Conclusión
Aún hace falta mucho camino por recorrer a
la ciencia de la Inteligencia Artificial, no obstante, ya existen tecnologías
emergentes que podrían ayudar a resolver el complejo modelo de crear
Inteligencia Artificial.
En competencia a la creación de
Inteligencia Artificial de manera electrónica, se encuentra el campo de la
clonación, que a mi punto particular de vista llegará antes de que la
Inteligencia Artificial a manera electrónica emerja.
Bibliografía
- Michio Kaku (2009) La Física de lo Imposible: ¿Podremos ser invisibles, viajar en el tiempo y teletransportarnos? (traducción al español) Ed. DEBATE, 124.
- Gordon E. Moore (1965) Cramming More Components onto Integrated Cirtuits, Electronics, 114-117.
- Ray Kurzweil (1999) The Age of Spiritual Machines: When Computers Exceed Human Intelligence, Ed. PENGUIN BOOKS, 9-17.
- John R. Searle (1992) The rediscovery of the mind, (2da ed). Ed. “A Bradford Book”, XI – XV.
Referencias electrónicas
- Shimpi, Anand Lal (2004) Anandtech: Intel’s 90nm Pentium M755: Dothan Investigated, En: Anadtech. Recuperado de http://www.anandtech.com/show/1399/3 Consultado el 20 de Noviembre de 2015.
- New News (2014) World’s First Quantum Computer Has Been Invented. [Video] Recuperado de https://www.youtube.com/watch?v=4hGjTd5AZ_g Consultado el 21 de Noviembre de 2015.
- Cade Metz (2015) Google’s Quantum Computer Just Got a Big Upgrade En: WIRED Recuperado de http://www.wired.com/2015/09/googles-quantum-computer-just-got-a-big-upgrade-1000-qubits/ Consultado el 22 de Noviembre de 2015.
- Imperial College London (2014) Quantum theory: it’s unreal. [Video] Recuperado https://www.youtube.com/watch?v=JKGZDhQoR9E de Consultado el 21 de Noviembre de 2015.
- World Economic Forum – Nick Goldman (2015) Future Computing: DNA Hard Drives. [Video] Recuperado de https://www.youtube.com/watch?v=tBvd7OSDGgQ Consultado el 22 de Noviembre de 2015.
Reseña
Elegí este tema por que definitivamente es
el que mas me apasiona, aunque me di cuenta de que al investigar me metía cada
vez más y más en el fondo de los problemas de la Inteligencia Artificial.
Comencé a escribir este texto a partir de
la premisa de que debía desmentir que los robots ya van a contar con
inteligencia artificial en el futuro cercano, digamos dentro de 5 años. A
partir de ahí se me ocurrió expresar las limitantes que actualmente existen
para que esto suceda y cuáles serían las posibles soluciones.
sábado, 7 de noviembre de 2015
Mapa conceptual - Aprendizaje autónomo: eje articulador de la educación virtual
 |
| Mapa conceptual - Aprendizaje autónomo: eje articulador de la educación virtual |
miércoles, 21 de octubre de 2015
¿Qué es ser un estudiante en línea?
“Estudiar no es un acto de consumir ideas, sino de crearlas y recrearlas.” – Paulo Freire
El uso de las Tecnologías de la
Información y la Comunicación (TIC) ha cambiado nuestra forma de interactuar,
pero sobre todo, nuestra manera de aprender. Claro es el ejemplo de las
escuelas virtuales, en las que uno puede aprender desde casa o el trabajo, sin
embargo, existen nuevos retos a superar
para aquellos que somos estudiantes en
línea.
Evolución del estudio en la modalidad
abierta y a distancia:
Un estudiante en línea colabora, no se somete
Como podrás darte cuenta, en la modalidad
abierta y a distancia no existe la
figura del profesor que tiene el conocimiento
absoluto e inapelable al que los alumnos se someten, sino que al contrario,
los alumnos se convierten en agentes activos de su propio aprendizaje.
En la etapa evolutiva actual de esta
modalidad, es importante mencionar que los recursos
disponibles de las TICs (chat, videoconferencia, correo electrónico y foros
de discusión entre otros) permiten la
constantes colaboración y retroalimentación de otros estudiantes y el docente
facilitador.
Un estudiante en línea debe cumplir con ciertas características
 |
| Estudiante en línea al éxito |
Debe tener una Actitud proactiva al tomar decisiones de su propio aprendizaje y
desempeño para lograr sus objetivos.
Debe tener Compromiso con el propio aprendizaje y ser responsable de sus estudios.
Debe tener Conciencia de las actitudes, destrezas, habilidades y estrategias
propias para desarrollarlas y aplicarlas al aprender para acceder a la
información en cualquier momento al ritmo
que decida.
Debe tener Actitud para trabajar en entornos colaborativos y aprender con los
demás, enriqueciendo el conocimiento adquirido.
Debe establecer Metas propias más allá de pasar el curso y tener siempre a la vista
que los límites los pone uno mismo.
Debe generar destrezas relacionadas con
la comunicación, la búsqueda, la selección, la producción, la difusión de la
información y el conocimiento para obtener un Aprendizaje autónomo y Autogestivo.
Un estudiante en línea tiene retos que superar
 |
| Retos que nos llenan de satisfacción |
Dejar
atrás el aprendizaje dirigido ya que ahora su
aprendizaje y desempeño depende de él.
Evitar
memorizar y repetir el conocimiento, debe hacerlo
suyo con entendimiento.
Dejar
atrás los entornos competitivos y aprender de
manera conjunta.
Gestionar
y administrar el tiempo para distribuir todas sus
actividades (escolares, personales, laborales, etcétera).
Destrezas
comunicativas que debe de adquirir para
potencializar sus habilidades de lectura y escritura.
Quizá el desafío más grande será el de
convertirse en todo un alfabeta digital
para “navegar en la red y no naufragar en
ella” y diferenciar entre lo que es información de calidad y la que no.
Mitos relacionados con la educación en línea
- Es fácil y sencillo estudiar en línea, solo hay que estar en la computadora y ya.
- No hay que leer nada, basta con copiar y pegar la información que encuentre en la red.
- Como no me conocen (físicamente), puedo dejar de estudiar en cualquier momento.
Conclusiones
El estudio en la modalidad a distancia y
en línea nutre mucho más las redes interpersonales y el conocimiento de lo que
normalmente se piensa. En definitiva esta modalidad responde a nuestras
necesidades de aprendizaje en la actualidad y vale la pena utilizarla.
Los retos son muchos pero los beneficios
son mayores, lo difícil se vuelve fácil, solo hay que practicar una y otra vez hasta
lograrlo, como cuando un niño aprende a andar en bicicleta y al principio se
cae una y otra vez hasta que después de varios intentos logra andar “hasta sin
manos en el manubrio”.
“Aprender a estudiar en línea es como aprender a andar en bicicleta” – Ricardo Jassan
Fuentes de Información:
1.
Millán Martínez, S. (2014). ¿Qué es ser un estudiante en línea? Documento
elaborado para el curso propedéutico para el aprendizaje Autogestivo en un
ambiente virtual. México: UnADM.
Suscribirse a:
Entradas (Atom)