643

IA
Inteligencia Artificial 

Desarrollo

1)
¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?
¿Somos conscientes de los retos y principales aplicaciones de la Inteligencia Artificial?
Hace tiempo que la inteligencia artificial abandonó el espectro de la ciencia ficción para colarse en nuestras vidas y, aunque todavía en una fase muy inicial, está llamada a protagonizar una revolución equiparable a la que generó Internet. Sus aplicaciones en múltiples sectores —como salud, finanzas, transporte o educación, entre otros— han provocado que la Unión Europea desarrolle sus propias Leyes de la Robótica
La Inteligencia Artificial (IA) es la combinación de algoritmos planteados con el propósito de crear máquinas que presenten las mismas capacidades que el ser humano. Una tecnología que todavía nos resulta lejana y misteriosa, pero que desde hace unos años está presente en nuestro día a día a todas horas.

TIPOS DE INTELIGENCIA ARTIFICIAL
Los expertos en ciencias de la computación Stuart Russell y Peter Norvig diferencian varios tipos de inteligencia artificial:

Sistemas que piensan como humanos

Automatizan actividades como la toma de decisiones, la resolución de problemas y el aprendizaje. Un ejemplo son las redes neuronales artificiales.
 Sistemas que actúan como humanos
Se trata de computadoras que realizan tareas de forma similar a como lo hacen las personas. Es el caso de los robots.
 Sistemas que piensan racionalmente
Intentan emular el pensamiento lógico racional de los humanos, es decir, se investiga cómo lograr que las máquinas puedan percibir, razonar y actuar en consecuencia. Los sistemas expertos se engloban en este grupo.

Sistemas que actúan racionalmente
Idealmente, son aquellos que tratan de imitar de manera racional el comportamiento humano, como los agentes inteligentes.

APLICACIONES PRÁCTICAS DE LA INTELIGENCIA ARTIFICIAL
La IA está presente en la detección facial de los móviles, en los asistentes virtuales de voz como Siri de Apple, Alexa de Amazon o Cortana de Microsoft y está integrada en nuestros dispositivos cotidianos a través de bots (abreviatura de robots) o aplicaciones para móvil, tales como: Lyli Enlace externo, se abre en ventana nueva., un personal shopper en versión digital.

PRINCIPALES APLICACIONES DE LA INTELIGENCIA ARTIFICIAL

Asistentes personales virtuales 
Conviviremos con chatbots interactivos que podrán sugerirnos productos, restaurantes, hoteles, servicios, espectáculos, según nuestro historial de búsquedas.
Climáticas
Flotas de drones capaces de plantar mil millones de árboles al año para combatir la deforestación, vehículos submarinos no tripulados para detectar fugas en oleoductos, edificios inteligentes diseñados para reducir el consumo energético, etc.
Finanzas 
Las tecnologías inteligentes pueden ayudar a los bancos a detectar el fraude, predecir patrones del mercado y aconsejar operaciones a sus clientes.
Agrícolas
Plataformas específicas que
, por medio de análisis predictivos, mejoran los rendimientos agrícolas y advierten de impactos ambientales adversos.
Educación 
Permite saber si un estudiante está a punto de cancelar su registro, sugerir nuevos cursos o crear ofertas personalizadas para optimizar el aprendizaje.
Logística y transporte
Será útil a la hora de evitar colisiones o atascos y también para optimizar el tráfico. Tesla ha desarrollado un sistema gracias al cual, cuando uno de sus coches transita una ruta por primera vez, comparte la información con el resto.
Comercial 
Posibilita hacer pronósticos de ventas y elegir el producto adecuado para recomendárselo al cliente. Empresas como Amazon utilizan robots para identificar si un libro tendrá o no éxito, incluso antes de su lanzamiento.
Sanidad
Ya existen chatbots que nos preguntan por nuestros síntomas para realizar un diagnóstico. La recolección de datos genera patrones que ayudan a identificar factores genéticos susceptibles de desarrollar una enfermedad.

LAS SEIS LEYES DE LA ROBÓTICA PROPUESTAS POR EL PARLAMENTO EUROPEO
Esta vertiginosa irrupción de la IA y de la robótica en nuestra sociedad ha llevado a los organismos internacionales a plantearse la necesidad de crear una normativa para regular su uso y empleo y evitar, de este modo, posibles problemáticas que puedan surgir en el futuro.
  1. Los robots deberán contar con un interruptor de emergencia para evitar cualquier situación de peligro.
  2. No podrán hacer daño a los seres humanos. La robótica está expresamente concebida para ayudar y proteger a las personas.
  3. No podrán generarse relaciones emocionales.
  4. Será obligatoria la contratación de un seguro destinado a las máquinas de mayor envergadura. Ante cualquier daño material, serán los dueños quienes asuman los costes.
  5. Sus derechos y obligaciones serán clasificados legalmente.
  6. Las máquinas tributarán a la seguridad social. Su entrada en el mercado laboral impactará sobre la mano de obra de muchas empresas. Los robots deberán pagar impuestos para subvencionar las ayudas de los desempleados.
Ambas tecnologías ya están cambiando el mundo y las cifras son la mejor muestra de ello: la consultora estadounidense Gartner estima que el mercado de la IA pueda llegar a representar 127.000 millones de dólares en 2025, cifra muy superior a los 2.000 millones de 2015. Estados Unidos y China se situarán a la cabeza en inversiones. La consecuencia es que, según el Fondo Monetario Internacional (FMI), la IA acabará con 85 millones de puestos de trabajo en cinco años, pero a cambio creará 97 millones.
Y aunque haya voces como la del filósofo sueco de la Universidad de Oxford, Nick Bostrom, que anticipa que "existe un 90% de posibilidades de que entre 2075 y 2090 haya máquinas tan inteligentes como los humanos", o la de Stephen Hawking, que aventura que las máquinas superarán completamente a los humanos en menos de 100 años, lo cierto es que lejos de convertirnos en obsoletos, la IA nos hará más eficientes y nos permitirá ejecutar acciones que nunca hubiéramos podido realizar debido a su complejidad. ¿Te imaginas explorar partes del universo totalmente hostiles para el ser humano? Gracias a ella, un día será posible.

https://www.iberdrola.com/innovacion/que-es-inteligencia-artificial


2) 
Ventajas y Desventajas de la Inteligencia Artificial en Empresas
La Inteligencia Artificial (IA) es una de las tecnologías con más perspectivas de crecimiento de hoy en día. Según datos recientes difundidos por la consultora Gartner, las organizaciones que han implementado IA crecieron del 4 al 14% entre 2018 y 2019.
De hecho, la misma consultora incluye la Inteligencia Artificial en sus tendencias tecnológicas para el año 2020. En concreto, la IA enfocada a la mejora de la seguridad IT.
La IA es una tecnología clave en la Industria 4.0 por todas las ventajas que aporta a las empresas y todas aquellas que quieran iniciar un proceso de transformación digital tendrían que adoptarla en sus procesos.
¿Qué es Inteligencia Artificial?
El concepto de Inteligencia de Artificial viene de lejos. De hecho, John McCarthy creó el término Artificial Intelligence en 1950 y Alan Turing ya empezó a hablar de esta realidad ese mismo año en un artículo titulado «Computing Machinery and Intelligence». 
Desde entonces esta disciplina de la informática ha evolucionado mucho.
Para el profesor del Massachusetts Institute of Technology, Patrick H. Winston,  IA son «algoritmos habilitados por restricciones, expuestos por representaciones que  apoyan modelos dirigidos a bucles que unen pensamiento, percepción y acción.»
Otros autores como el CEO de DataRobot Jeremy Achin, definen la Inteligencia artificial como un sistema computacional que se utiliza para que las máquinas realicen trabajos que requieren la inteligencia humana.
Para la responsable de la enciclopedia tecnológica de Tech Target, Margaret Rose, se trata de un sistema que simula distintos procesos humanos como el aprendizaje, el razonamiento y la autocorrección.
Como vemos, las tres definiciones de IA hacen referencia a máquinas o sistemas informáticos que piensan. Emiten razonamientos emulando la inteligencia humana para realizar tareas que sólo las personas pueden realizar.
No obstante, otras fuentes van más allá y definen la IA como un sistema informático que se utiliza para resolver problemas complejos que sobrepasan la capacidad del cerebro humano.
La IA aprovecha, en este sentido, la potencia de las máquinas para solucionar problemas complejos que la mente humana no puede alcanzar.
El presidente del Future Life Institute, Max Tegmark, dispara en esta dirección y afirma que “como todo lo que nos gusta de nuestra civilización es un producto de nuestra inteligencia, amplificar nuestra inteligencia humana con inteligencia artificial tiene el potencial de ayudar a la civilización a aflorar como nunca antes”.
Referente a esta cuestión, Google Deep Mind y la Universidad de Oxford llevaron a cabo una investigación cuyas conclusiones indican que la IA es capaz de descifrar textos de la Antigua Grecia dañados e ilegibles. Mientras que la tasa de error de los historiadores y epigrafistas es del 57,3%, la del algoritmo encargado de esta proeza es del 30,1%.
Estos ejemplos nos muestran como la IA va más allá de la capacidad humana para resolver problemas complejos. Pero, ¿Cómo funciona la IA?
¿Cómo funciona la IA?
La IA funciona a través de algoritmos que actúan a partir de reglas de programación y su subconjunto Machine Learning (ML) y las distintas técnicas ML como Deep Learning (DL).
Machine Learning (ML)
Es una rama de la Inteligencia Artificial y de las más comunes que se encarga de desarrollar técnicas para que los algoritmos que se hayan desarrollado aprendan y mejoren con el tiempo. Implica una gran cantidad de código y fórmulas matemáticas complejas para permitir que las máquinas encuentren la solución a un problema dado.
Esta vertiente de la IA es una de las más desarrolladas con fines comerciales o empresariales en la actualidad, ya que se utiliza para procesar grandes cantidades de datos rápidamente y depositarlos de manera comprensible para los humanos. 
Un claro ejemplo de esto son los datos que se extraen de plantas de producción en el que los elementos conectados alimentan un flujo constante de datos sobre el estado de las máquinas, la producción,  funcionalidad, temperatura, etc. a un núcleo central. Esta enorme cantidad de datos derivada del proceso productivo se debe analizar para conseguir una mejora continua y una toma de decisiones adecuada, sin embargo el volumen de estos datos hace que el ser humano deba emplear una gran cantidad de tiempo (días) en el análisis y  la trazabilidad. 
En este momento es cuando el Machine Learning entra en juego, permitiendo que se analicen los datos a medida que se van incorporando en el proceso productivo e identificando patrones o anomalías en el funcionamiento de una manera más rápida y precisa. De este modo, se pueden llegar a  lanzar avisos o alertas a para la toma de decisiones. 
No obstante, el ML es una categoría relativamente amplia. El desarrollo de estos nodos de inteligencia artificial, ha dado lugar a lo que ya se conoce como Deep Learning (DL). 
Deep Learning (DL)
Es una versión aún más específica del Machine Learning (ML) que hace referencia a un conjunto de algoritmos (o redes neuronales) que están pensados para el aprendizaje automático de las máquinas y participan en un razonamiento no lineal. 
En esta técnica los algoritmos se agrupan en redes neuronales artificiales que pretender actuar como las redes neuronales humanas presentes en el cerebro. Es una técnica que permite aprender de una manera profunda sin un código específico para ello. 
El Deep Learning es fundamental para realizar funciones mucho más avanzadas permitiendo el análisis de una amplio rango de factores a la vez. Por ejemplo, el Deep Learing se utiliza para contextualizar la información que reciben los sensores que se utilizan en los coches autónomos: la distancia de los objetos, la velocidad a la que se mueven, predicciones en base al movimiento que están realizando, etc. Esta información la utilizan para decidir cómo y cuándo cambiar de carril, entre otros. 
Nos encontramos todavía en una fase en la que el DL se encuentra aún en una fase de desarrollo muy pronta de su potencial total. Vemos que cada vez más se utiliza en los negocios convirtiendo los datos en conjuntos mucho más detallados y escalables.  
Inteligencia artificial (IA) en el entorno empresarial
La IA ya se utiliza actualmente en numerosas aplicaciones comerciales y de producción, incluida la automatización, el procesamiento del lenguaje y el análisis de datos productivos. Esto permite que a nivel general, las empresas estén optimizando tanto sus procesos de fabricación, operaciones como mejorando su eficiencia interna. 
La IA funciona a través de distintas reglas de programación informática que permiten que una máquina se comporte como un humano y resuelva problemas.
El interés de las empresas por implementar técnicas de IA en sus procesos radica en las ventajas que les aporta.
Ventajas de la Inteligencia artificial (IA)
Distintas voces del sector tecnológico defienden los beneficios de la Inteligencia Artificial (IA).
El Product Manager de Infinia ML, Andy Chan,  en una TED Talks con más de 40.000 visitas en Youtube desglosa las distintas ventajas que aporta la IA al trabajo.
Kai-Fu Lee, fundador del fondo de capital riesgo Sinovation Ventures y figura destacada en el ámbito tecnológico desgrana también en un vídeo de TED Talks con más de 600.000 reproducciones, los principales beneficios de la IA.

Teniendo en cuenta estos dos expertos, estas serían las principales ventajas de la IA aplicadas a un sector empresarial: 
  1. Automatiza los procesos
    La Inteligencia artificial permite que robots desarrollen tareas repetitivas, rutinarias y de optimización de procesos de una manera automática y sin intervención humana.
  2. Potencia las tareas creativas
    La IA libera a las personas de tareas rutinarias y repetitivas y permite que estas puedan destinar más tiempo a desarrollar funciones creativas.
  3. Aporta precisión
    La aplicación de la IA  es capaz de aportar una precisión mayor que el ser humano, por ejemplo en entornos industriales, las máquinas pueden llegar a tomar decisiones que antes sin la IA se tomaban de manera manual o monitorizada.
  4. Reduce el error humano
    La IA reduce los fallos provocados por las limitaciones del ser humano. En algunas cadenas de producción la IA se utiliza para detectar mediante sensores de infrarrojos, pequeñas fisuras o defectos en piezas que son indetectables por el ojo humano.
  5. Reduce los tiempos empleados en análisis de datos
    Permite que el análisis y la explotación de los datos derivados de producción se  puedan llegar a efectuarse en tiempo real.
  6. Mantenimiento predictivo
    Permite realizar un mantenimiento del equipamiento industrial basado en los tiempos y condiciones de funcionamiento de los mismos, permitiendo incrementar su rendimiento y ciclo de vida.
  7. Mejora en la toma de decisiones tanto a nivel de producción como de negocio
    Al disponer de mayor información de una manera estructurada, permite a cada uno de los responsables tomar decisiones de una manera más rápida y eficiente.
  8. Control y optimización de procesos productivos y líneas de producción
    A través de la IA se consiguen procesos más eficientes, libres de errores, obteniendo mayor control sobre las líneas de producción en la empresa.
  9. Aumento de la productividad y calidad en la producción
    La IA no sólo incrementa la productividad a nivel de maquinaria, sino que también hace que incremente la productividad de los trabajadores y la calidad del trabajo que realizan. El poder gozar de mayor información, les permite tener una visión más focalizada de su trabajo y tomar mejores decisiones.
Desventajas de la inteligencia artificial (IA), riesgos y barreras
Algunas voces creen que la Inteligencia Artificial (IA) tiene riesgos. Sobre todo si se explora el potencial de la IA y no se limita solamente a reproducir tareas humanas. Autores como Stephen Hawking o Bill Gates y distintos investigadores han expresado su preocupación por la IA.
Con lo que respecta a las barreras de acceso, estas serían algunas de las más habituales que pueden ocurrir en el entorno empresarial: 
·         Disponibilidad de datos
 A menudo, los datos se presentan de manera aislada en las empresas o son inconsistentes y de baja calidad, con lo que presenta un desafío importante para las empresas que buscan crear valor a partir de la IA a escala. Para poder superar esta barrera, será de vital importancia trazar una estrategia clara desde el principio para poder extraer los datos de IA de una manera organizada y consistente.
·         Falta de profesionales cualificados
Otro obstáculo que se suele dar a nivel empresarial para la adopción de IA es la escasez de perfiles con habilidades y  experiencia en este tipo de implementaciones. Es crucial en estos casos contar con profesionales que ya hayan trabajado en proyectos de la misma envergadura.
·         El coste y el tiempo de implementación de los proyectos de IA
El coste de implementación, tanto a nivel de plazos como económico, es un factor muy importante a la hora de decantarse por ejecutar este tipo de proyectos. Las empresas que carecen de habilidades internas o que no se encuentran familiarizadas con sistemas de IA, deben valorar la externalización tanto de la implantación como del mantenimiento para poder obtener resultados exitosos en su proyecto. 
En definitiva, la IA se ha convertido en un recurso muy importante para las empresas ya que les permite ser mucho más competitivas y obtener mayores beneficios, sobre todo en entornos de fabricación y producción. 
Es por todo esto por lo que este tipo de perfiles profesionales son cada vez más demandados en el sector industrial, haciendo imprescindible contar con grupos de expertos en la materia que permitan desarrollar estrategias eficientes de transformación digital. 
https://nexusintegra.io/es/ventajas-y-desventajas-de-la-inteligencia-artificial/

 
3) 
El futuro de la IA: hacia inteligencias artificiales realmente inteligentes
Este capítulo contiene algunas reflexiones sobre inteligencia artificial (IA). En primer lugar, se explica la distinción entre la IA fuerte y la débil, así como los conceptos relacionados de IA general y específica, dejando claro que todas las manifestaciones existentes de IA son débiles y específicas. Se describen brevemente los principales modelos, insistiendo en la importancia de la corporalidad como aspecto clave para conseguir una IA de naturaleza general. A continuación se aborda la necesidad de proporcionar a las máquinas conocimientos de sentido común que hagan posible avanzar hacia el ambicioso objetivo de construir IA de tipo general. También se comentan las últimas tendencias en IA basadas en el análisis de grandes cantidades de datos que han hecho posibles progresos espectaculares en épocas muy recientes, con una alusión a las dificultades presentes hoy en los enfoques de la IA. Por último, se comentan otras cuestiones que son y continuarán siendo clave en la IA, antes de cerrar con una breve reflexión sobre los riesgos de la inteligencia artificial.
El objetivo último de la IA, lograr que una máquina tenga una inteligencia de tipo general similar a la humana, es uno de los objetivos más ambiciosos que se ha planteado la ciencia. Por su dificultad, es comparable a otros grandes objetivos científicos como explicar el origen de la vida, el origen del universo o conocer la estructura de la materia. A lo largo de los últimos siglos, este afán por construir máquinas inteligentes nos ha conducido a inventar modelos o metáforas del cerebro humano. Por ejemplo, en el siglo XVII, Descartes se preguntó si un complejo sistema mecánico compuesto de engranajes, poleas y tubos podría, en principio, emular el pensamiento. Dos siglos después, la metáfora fueron los sistemas telefónicos ya que parecía que sus conexiones se podían asimilar a una red neuronal. Actualmente el modelo dominante es el modelo computacional basado en el computador digital y, por consiguiente, es el modelo que se contempla en este artículo.
La hipótesis del Sistema de Símbolos Físicos: IA débil versus IA fuerte
En una ponencia, con motivo de la recepción del prestigioso Premio Turing en 1975, Allen Newell y Herbert Simon (Newell y Simon, 1975) formularon la hipótesis del Sistema de Símbolos Físicos según la cual «todo sistema de símbolos físicos posee los medios necesarios y suficientes para llevar a cabo acciones inteligentes». Por otra parte, dado que los seres humanos somos capaces de mostrar conductas inteligentes en el sentido general, entonces, de acuerdo con la hipótesis, nosotros somos también sistemas de símbolos físicos. Conviene aclarar a que se refieren Newell y Simon cuando hablan de Sistema de Símbolos Físicos (SSF). Un SSF consiste en un conjunto de entidades denominadas símbolos que, mediante relaciones, pueden ser combinados formando estructuras más grandes —como los átomos que se combinan formando moléculas— y que pueden ser transformados aplicando un conjunto de procesos. Estos procesos pueden generar nuevos símbolos, crear y modificar relaciones entre símbolos, almacenar símbolos, comparar si dos símbolos son iguales o distintos, etcétera. Estos símbolos son físicos en tanto que tienen un sustrato físico-electrónico (en el caso de los computadores) o físico-biológico (en el caso de los seres humanos). Efectivamente, en el caso de los computadores, los símbolos se realizan mediante circuitos electrónicos digitales y en el caso de los seres humanos mediante redes de neuronas. En definitiva, de acuerdo con la hipótesis SSF, la naturaleza del sustrato (circuitos electrónicos o redes neuronales) carece de importancia siempre y cuando dicho sustrato permita procesar símbolos. No olvidemos que se trata de una hipótesis y, por lo tanto, no debe de ser ni aceptada ni rechazada a priori. En cualquier caso, su validez o refutación se deberá verificar de acuerdo con el método científico, con ensayos experimentales. La IA es precisamente el campo científico dedicado a intentar verificar esta hipótesis en el contexto de los computadores digitales, es decir, verificar si un computador convenientemente programado es capaz o no de tener conducta inteligente de tipo general.
Es importante el matiz de que debería tratarse de inteligencia de tipo general y no una inteligencia específica ya que la inteligencia de los seres humanos es de tipo general. Exhibir inteligencia específica es otra cosa bien distinta. Por ejemplo, los programas que juegan al ajedrez a nivel de Gran Maestro son incapaces de jugar a las damas a pesar de ser un juego mucho más sencillo. Se requiere diseñar y ejecutar un programa distinto e independiente del que le permite jugar al ajedrez para que el mismo computador juegue también a las damas. Es decir, que no puede aprovechar su capacidad para jugar al ajedrez para adaptarla a las damas. En el caso de los seres humanos no es así ya que cualquier jugador de ajedrez puede aprovechar sus conocimientos sobre este juego para, en cuestión de pocos minutos, jugar a las damas perfectamente. El diseño y realización de inteligencias artificiales que únicamente muestran comportamiento inteligente en un ámbito muy específico, está relacionado con lo que se conoce por IA débil en contraposición con la IA fuerte a la que, de hecho, se referían Newell y Simon y otros padres fundadores de la IA. Aunque estrictamente la hipótesis SSF se formuló en 1975, ya estaba implícita en las ideas de los pioneros de la IA en los años cincuenta e incluso en las ideas de Alan Turing en sus escritos pioneros (Turing, 1948, 1950) sobre máquinas inteligentes.
El objetivo último de la IA, lograr que una máquina tenga una inteligencia de tipo general similar a la humana, es uno de los objetivos más ambiciosos que se ha planteado la ciencia. Por su dificultad, es comparable a explicar el origen de la vida, el origen del universo o conocer la estructura de la materia
Quien introdujo esta distinción entre IA débil y fuerte fue el filósofo John Searle en un artículo crítico con la IA publicado en 1980 (Searle, 1980) que provocó, y sigue provocando, mucha polémica. La IA fuerte implicaría que un computador convenientemente diseñado no simula una mente sino que es una mente y por consiguiente debería ser capaz de tener una inteligencia igual o incluso superior a la humana. Searle en su artículo intenta demostrar que la IA fuerte es imposible. En este punto conviene aclarar que no es lo mismo IA general que IA fuerte. Existe obviamente una conexión pero solamente en un sentido, es decir que toda IA fuerte será necesariamente general pero puede haber IA generales, es decir multitarea, que no sean fuertes, que emulen la capacidad de exhibir inteligencia general similar a la humana pero sin experimentar estados mentales.
La IA débil, por otro lado, consistiría, según Searle, en construir programas que realicen tareas específicas y, obviamente sin necesidad de tener estados mentales. La capacidad de los computadores para realizar tareas específicas, incluso mejor que las personas, ya se ha demostrado ampliamente. En ciertos dominios, los avances de la IA débil superan en mucho la pericia humana, como por ejemplo buscar soluciones a formulas lógicas con muchas variables o jugar al ajedrez, o al Go, o en diagnóstico médico y muchos otros aspectos relacionados con la toma de decisiones. También se asocia con la IA débil el hecho de formular y probar hipótesis acerca de aspectos relacionados con la mente (por ejemplo la capacidad de razonar deductivamente, de aprender inductivamente, etcétera) mediante la construcción de programas que llevan a cabo dichas funciones aunque sea mediante procesos completamente distintos a los que lleva a cabo el cerebro. Absolutamente todos los avances logrados hasta ahora en el campo de la IA son manifestaciones de IA débil y específica.
Los principales modelos en IA: simbólico, conexionista, evolutivo y corpóreo
El modelo dominante en IA ha sido el simbólico, que tiene sus raíces en la hipótesis SSF. De hecho, sigue siendo muy importante y actualmente se considera el modelo clásico en IA (también denominado por el acrónimo GOFAI, de Good Old Fashioned AI). Es un modelo top-down que se basa en el razonamiento lógico y la búsqueda heurística como pilares para la resolución de problemas, sin que el sistema inteligente necesite formar parte de un cuerpo ni estar situado en un entorno real. Es decir, la IA simbólica opera con representaciones abstractas del mundo real que se modelan mediante lenguajes de representación basados principalmente en la lógica matemática y sus extensiones. Por este motivo, los primeros sistemas inteligentes resolvían principalmente problemas que no requieren interactuar directamente con el entorno como, por ejemplo, demostrar sencillos teoremas matemáticos o jugar al ajedrez —los programas que juegan al ajedrez no necesitan de hecho la percepción visual para ver las piezas en el tablero ni actuadores para mover las piezas—. Ello no significa que la IA simbólica no pueda ser usada para, por ejemplo, programar el módulo de razonamiento de un robot físico situado en un entorno real, pero en los primeros años los pioneros de la IA no disponían de lenguajes de representación del conocimiento ni de programación que permitieran hacerlo de forma eficiente y por este motivo los primeros sistemas inteligentes se limitaron a resolver problemas que no requerían interacción directa con el mundo real. Actualmente, la IA simbólica se sigue usando para demostrar teoremas o jugar al ajedrez, pero también para aplicaciones que requieren percibir el entorno y actuar sobre él como por ejemplo el aprendizaje y la toma de decisiones en robots autónomos.
Simultáneamente con la IA simbólica también empezó a desarrollarse una IA bioinspirada llamada conexionista. Los sistemas conexionistas no son incompatibles con la hipótesis SSF pero, contrariamente a la IA simbólica, se trata de una modelización bottom-up, ya que se basan en la hipótesis de que la inteligencia emerge a partir de la actividad distribuida de un gran número de unidades interconectadas que procesan información paralelamente. En la IA conexionista estas unidades son modelos muy aproximados de la actividad eléctrica de las neuronas biológicas.
Ya en 1943, McCulloch y Pitts (McCulloch y Pitts, 1943) propusieron un modelo simplificado de neurona en base a la idea de que una neurona es esencialmente una unidad lógica. Este modelo es una abstracción matemática con entradas (dendritas) y salidas (axones). El valor de la salida se calcula en función del resultado de una suma ponderada de las entradas, de forma que si dicha suma supera un umbral preestablecido entonces la salida es un «1», en caso contrario la salida es «0». Conectando la salida de cada neurona con las entradas de otras neuronas se forma una red neuronal artificial. En base a lo que ya se sabía entonces sobre el reforzamiento de las sinapsis entre neuronas biológicas se vio que estas redes neuronales artificiales se podían entrenar para aprender funciones que relacionaran las entradas con las salidas mediante el ajuste de los pesos que sirven para ponderar las conexiones entre neuronas, por este motivo se pensó que serían mejores modelos para el aprendizaje, la cognición y la memoria, que los modelos basados en la IA simbólica. Sin embargo, los sistemas inteligentes basados en el conexionismo tampoco necesitan formar parte de un cuerpo ni estar situados en un entorno real y, desde este punto de vista, tienen las mismas limitaciones que los sistemas simbólicos. Por otra parte, las neuronas reales poseen complejas arborizaciones dendríticas con propiedades no solo eléctricas sino también químicas nada triviales. Pueden contener conductancias iónicas que producen efectos no lineales. Pueden recibir decenas de millares de sinapsis variando en posición, polaridad y magnitud. Además, la mayor parte de las células del cerebro no son neuronas, son células gliales, que no solamente regulan el funcionamiento de las neuronas, también poseen potenciales eléctricos, generan ondas de calcio y se comunican entre ellas, lo que parece indicar que juegan un papel muy importante en los procesos cognitivos. Sin embargo, no existe ningún modelo conexionista que incluya a dichas células por lo que, en el mejor de los casos, estos modelos son muy incompletos y, en el peor, erróneos. En definitiva, toda la enorme complejidad del cerebro queda muy lejos de los modelos actuales. Esta inmensa complejidad del cerebro también conduce a pensar que la llamada singularidad, es decir, futuras superinteligencias artificiales que, basadas en réplicas del cerebro, superarán con mucho la inteligencia humana en un plazo de unos veinticinco años, es una predicción con poco fundamento científico.
Otra modelización bioinspirada, también compatible con la hipótesis SSF, y no corpórea, es la computación evolutiva (Holland, 1975). Los éxitos de la biología evolucionando organismos complejos, hizo que a primeros de los años sesenta algunos investigadores se plantearan la posibilidad de imitar la evolución con el fin de que los programas de computador, mediante un proceso evolutivo, mejorasen automáticamente las soluciones a los problemas para los que habían sido programados. La idea es que estos programas, gracias a operadores de mutación y cruce de «cromosomas» que modelan a los programas, generan nuevas generaciones de programas modificados cuyas soluciones son mejores que las de los programas de las generaciones anteriores. Dado que podemos considerar que el objetivo de la IA es la búsqueda de programas capaces de producir conductas inteligentes, se pensó que se podría usar la programación evolutiva para encontrar dichos programas dentro del espacio de programas posibles. La realidad es mucho más compleja y esta aproximación tiene muchas limitaciones aunque ha producido excelentes resultados, en particular en la resolución de problemas de optimización.
La complejidad del cerebro dista mucho de los modelos de IA y conduce a pensar que la llamada singularidad —superinteligencias artificiales basadas en réplicas del cerebro que superarán con mucho la inteligencia humana— es una predicción con poco fundamento científico
Una de las críticas más fuertes a estos modelos no corpóreos se basa en que un agente inteligente necesita un cuerpo para poder tener experiencias directas con su entorno (diríamos que el agente está «situado» en su entorno) en lugar de que un programador proporcione descripciones abstractas de dicho entorno codificadas mediante un lenguaje de representación de conocimientos. Sin un cuerpo, estas representaciones abstractas no tienen contenido semántico para la máquina. Sin embargo, gracias a la interacción directa con el entorno, el agente puede relacionar las señales que percibe a través de sus sensores con representaciones simbólicas generadas a partir de lo percibido. Algunos expertos en IA, en particular Rodney Brooks (Brooks, 1991) incluso llegaron a afirmar que no era ni siquiera necesario generar dichas representaciones internas, esto es, que no es necesario que un agente tenga que tener una representación interna del mundo que le rodea ya que el propio mundo es el mejor modelo posible de sí mismo y que la mayor parte de las conductas inteligentes no requieren razonamiento sino que emergen a partir de la interacción entre el agente y su entorno. Esta idea generó mucha polémica y el propio Brooks, unos años más tarde, admitió que hay muchas situaciones en las que una representación interna del mundo es necesaria para que el agente tome decisiones racionales.
En 1965, el filósofo Hubert Dreyfus afirmó que el objetivo último de la IA, es decir, la IA fuerte de tipo general, era tan inalcanzable como el objetivo de los alquimistas del siglo XVII que pretendían transformar el plomo en oro (Dreyfus, 1965). Dreyfus argumentaba que el cerebro procesa la información de manera global y continua mientras que un computador utiliza un conjunto finito y discreto de operaciones deterministas aplicando reglas a un conjunto finito de datos. En este aspecto podemos ver un argumento similar al de Searle, pero Dreyfus, en posteriores artículos y libros (Dreyfus, 1992), usó también otro argumento consistente en que el cuerpo juega un papel crucial en la inteligencia. Fue pues uno de los primeros en abogar la necesidad de que la inteligencia forme parte de un cuerpo con el que poder interactuar con el mundo. La idea principal es que la inteligencia de los seres vivos deriva del hecho de estar situados en un entorno con el que pueden interactuar gracias a sus cuerpos. De hecho esta necesidad de corporeidad está basada en la Fenomenología de Heidegger que enfatiza la importancia del cuerpo con sus necesidades, deseos, placeres, penas, formas de moverse, de actuar, etcétera. Según Dreyfus, la IA debería modelar todos estos aspectos para alcanzar el objetivo último de la IA fuerte. Dreyfus no niega completamente la posibilidad de la IA fuerte pero afirma que no es posible con los métodos clásicos de la IA simbólica y no corpórea, en otras palabras considera que la hipótesis del Sistema de Símbolos Físicos no es correcta. Sin duda se trata de una idea interesante que hoy en día comparten muchos investigadores en IA. Efectivamente, la aproximación corpórea con representación interna ha ido ganando terreno en la IA y actualmente muchos la consideramos imprescindible para avanzar hacia inteligencias de tipo general. De hecho, basamos una gran parte de nuestra inteligencia en nuestra capacidad sensorial y motora. En otras palabras, el cuerpo conforma a la inteligencia y por lo tanto sin cuerpo no puede haber inteligencia de tipo general. Esto es así porque el hardware del cuerpo, en particular los mecanismos del sistema sensorial y del sistema motor, determinan el tipo de interacciones que un agente puede realizar. A su vez, estas interacciones conforman las habilidades cognitivas de los agentes dando lugar a lo que se conoce como cognición situada. Es decir, se sitúa a la máquina en entornos reales, como ocurre con los seres humanos, con el fin de que tengan experiencias interactivas que, eventualmente, les permitan llevar a cabo algo similar a lo que propone la teoría del desarrollo cognitivo de Piaget (Inhelder y Piaget, 1958), según la cual un ser humano sigue un proceso de maduración mental por etapas y quizá los distintos pasos de este proceso podrían servir de guía para diseñar máquinas inteligentes. Estas ideas ha dado lugar a una nueva subárea de la IA llamada robótica del desarrollo (Weng et al., 2001).
Éxitos de la IA especializada
Todos los esfuerzos de la investigación en IA se han centrado en construir inteligencias artificiales especializadas y los éxitos alcanzados son muy impresionantes, en particular durante el último decenio gracias sobre todo a la conjunción de dos elementos: la disponibilidad de enormes cantidades de datos y el acceso a la computación de altas prestaciones para poder analizarlos. Efectivamente, el éxito de sistemas, como por ejemplo AlphaGo (Silver et al., 2016), Watson (Ferrucci et al., 2013) y los avances en vehículos autónomos o en diagnóstico médico basado en imágenes, han sido posibles gracias a esta capacidad para analizar grandes cantidades de datos y detectar patrones eficientemente. Sin embargo, prácticamente no hemos avanzado hacia la consecución de IA general. De hecho, podemos afirmar que los actuales sistemas de IA son una demostración de lo que Daniel Dennet llama «competencia sin comprensión» (Dennet, 2018).
Posiblemente la lección más importante que hemos aprendido a lo largo de los sesenta años de existencia de la IA es que lo que parecía más difícil (diagnosticar enfermedades, jugar al ajedrez y al Go al más alto nivel) ha resultado ser relativamente fácil y lo que parecía más fácil ha resultado ser lo más difícil. La explicación a esta aparente contradicción hay que buscarla en la dificultad de dotar a las máquinas de conocimientos de sentido común. Sin estos conocimientos no es posible una comprensión profunda del lenguaje ni una interpretación profunda de lo que capta un sistema de percepción visual, entre otras limitaciones. De hecho, el sentido común es requisito fundamental para alcanzar una IA similar a la humana en cuanto a generalidad y profundidad. Los conocimientos de sentido común son fruto de nuestras vivencias y experiencias. Algunos ejemplo son: «el agua siempre fluye de arriba hacia abajo», «para arrastrar un objeto atado a una cuerda hay que tirar de la cuerda, no empujarla», «un vaso se puede guardar dentro de un armario pero no podemos guardar un armario dentro de un vaso», etcétera. Hay millones de conocimientos de sentido común que las personas manejamos fácilmente y que nos permiten entender el mundo en el que vivimos. Una posible línea de investigación que podría dar resultados interesantes en adquisición de conocimientos de sentido común es la robótica del desarrollo mencionada anteriormente. Otra línea de trabajo muy interesante es la que tiene como objetivo la modelización matemática y el aprendizaje de relaciones causa-efecto, es decir, el aprendizaje de causales y, por lo tanto, asimétricos del mundo. Los sistemas actuales basados en aprendizaje profundo simplemente pueden aprender funciones matemáticas simétricas, no pueden aprender relaciones asimétricas y por consiguiente no son capaces de diferenciar entre causas y efectos, como por ejemplo que la salida del sol es la causa del canto del gallo y no lo contrario (Pearl, 2018; Lake et al., 2016).
Futuro: hacia inteligencias artificiales realmente inteligentes
Las capacidades más complicadas de alcanzar son aquellas que requieren interaccionar con entornos no restringidos ni previamente preparados. Diseñar sistemas que tengan estas capacidades requiere integrar desarrollos en muchas áreas de la IA. En particular, necesitamos lenguajes de representación de conocimientos que codifiquen información acerca de muchos tipos distintos de objetos, situaciones, acciones, etcétera, así como de sus propiedades y de las relaciones entre ellos, en particular relaciones causa-efecto. También necesitamos nuevos algoritmos que, en base a estas representaciones, puedan, de forma robusta y eficiente, resolver problemas y responder preguntas sobre prácticamente cualquier tema. Finalmente, dado que necesitarán adquirir un número prácticamente ilimitado de conocimientos, estos sistemas deberán ser capaces de aprender de forma continua a lo largo de toda su existencia. En definitiva, es imprescindible diseñar sistemas que integren percepción, representación, razonamiento, acción y aprendizaje. Este es un problema muy importante en IA, ya que todavía no sabemos como integrar todos estos componentes de la inteligencia. Necesitamos arquitecturas cognitivas (Forbus, 2012) que integren estos componentes de forma adecuada. Los sistemas integrados son un paso previo fundamental para conseguir algún día inteligencias artificiales de tipo general.
Las capacidades más complicadas de alcanzar son aquellas que requieren interaccionar con entornos no restringidos ni previamente preparados. Diseñar sistemas que tengan estas capacidades requiere integrar desarrollos en muchas áreas de la IA
Entre las actividades futuras, creemos que los temas de investigación más importantes pasarán por sistemas híbridos que combinen las ventajas que poseen los sistemas capaces de razonar en base a conocimientos y uso de la memoria (Graves et al., 2016) y las ventajas de la IA basada en análisis de cantidades masivas de datos, en lo que se conoce por aprendizaje profundo (Bengio, 2009). Actualmente, una importante limitación de los sistemas de aprendizaje profundo es el denominado «olvido catastrófico», lo cual significa que si una vez han sido entrenados para llevar a cabo una tarea (por ejemplo, jugar al Go), si a continuación los entrenamos para llevar a cabo otra tarea distinta (por ejemplo, distinguir entre imágenes de perros y de gatos) olvidan completamente la tarea anteriormente aprendida (en este caso jugar al Go). Esta limitación es una prueba contundente de que en realidad estos sistemas no aprenden nada, por lo menos en el sentido humano de aprender. Otra importante limitación de estos sistemas es que son «cajas negras» sin capacidad explicativa, por ello un objetivo interesante de investigación será como dotar de capacidad explicativa a los sistemas de aprendizaje profundo incorporando módulos que permitan explicar como se ha llegado a los resultados y conclusiones propuestas, ya que la capacidad de explicación es una característica irrenunciable en cualquier sistema inteligente. También es necesario desarrollar nuevos algoritmos de aprendizaje que no requieran enormes cantidades de datos para ser entrenados así como un hardware mucho mas eficiente en consumo energético para implementarlos, ya que el consumo de energía podría acabar siendo una de las principales barreras al desarrollo de la IA. En comparación, el cerebro es varios órdenes de magnitud más eficiente que el hardware actual necesario para implementar los algoritmos de IA más sofisticados. Una posible vía a explorar es la computación Neuromórfica basada en memristores (Saxena et al., 2018).
Otras técnicas más clásicas de IA que seguirán siendo objeto de investigación extensiva son los sistemas multiagente, la planificación de acciones, el razonamiento basado en la experiencia, la visión artificial, la comunicación multimodal persona-máquina, la robótica humanoide y sobre todo las nuevas tendencias en robótica del desarrollo que puede ser la clave para dotar a las máquinas de sentido común y, en particular, aprender la relación entre sus acciones y los efectos que estas producen en el entorno. También veremos progresos significativos gracias a las aproximaciones biomiméticas para reproducir en máquinas el comportamiento de animales. No se trata únicamente de reproducir el comportamiento de un animal sino de comprender como funciona el cerebro que produce dicho comportamiento. Se trata de construir y programar circuitos electrónicos que reproduzcan la actividad cerebral que genera este comportamiento. Algunos biólogos están interesados en los intentos de fabricar un cerebro artificial lo más complejo posible porque consideran que es una manera de comprender mejor el órgano, y los ingenieros buscan información biológica para hacer diseños más eficaces. Mediante la biología molecular y los recientes avances en optogenética será posible identificar qué genes y qué neuronas juegan un papel clave en las distintas actividades cognitivas.
La robótica del desarrollo puede ser la clave para dotar a las máquinas de sentido común y, en particular, aprender la relación entre sus acciones y los efectos que estas producen en el entorno
En cuanto a las aplicaciones, algunas de las más importantes seguirán siendo aquellas relacionadas con la web, los videojuegos, los asistentes personales y los robots autónomos (en particular vehículos autónomos, robots sociales, robots para la exploración de planetas, etcétera). Las aplicaciones al medio ambiente y ahorro energético también serán importantes, así como las dirigidas a la economía y la sociología.
Por último, las aplicaciones de la IA al arte (artes visuales, música, danza, narrativa) cambiarán de forma importante la naturaleza del proceso creativo. Los computadores ya no son solamente herramientas de ayuda a la creación, los computadores empiezan a ser agentes creativos. Ello ha dado lugar a una nueva y muy prometedora área de aplicación de la IA denominada Creatividad Computacional que ya ha producido resultados muy interesantes (Colton et al., 2009, 2015; López de Mántaras, 2016) en ajedrez, música, artes plásticas y narrativa, entre otras actividades creativas.
Reflexión final
Por muy inteligentes que lleguen a ser las futuras inteligencias artificiales, incluidas las de tipo general, nunca serán iguales a las inteligencias humanas ya que, tal como hemos argumentado, el desarrollo mental que requiere toda inteligencia compleja depende de las interacciones con el entorno y estas interacciones dependen a su vez del cuerpo, en particular del sistema perceptivo y del sistema motor. Ello, junto al hecho de que las máquinas no seguirán procesos de socialización y culturización como los nuestros, incide todavía más en que, por muy sofisticadas que lleguen a ser, serán inteligencias distintas a las nuestras. El que sean inteligencias ajenas a la humana y, por lo tanto, ajenas a los valores y necesidades humanas nos debería hacer reflexionar sobre posibles limitaciones éticas al desarrollo de la IA. En particular, estamos de acuerdo con la afirmación de Weizenbaum (Weizenbaum, 1976) de que ninguna máquina debería nunca tomar decisiones de forma completamente autónoma o dar consejos que requieran, entre otras cosas, de la sabiduría, producto de experiencias humanas, así como de tener en cuenta valores humanos.
El verdadero peligro de la IA no es la muy improbable singularidad tecnológica debida a la existencia de unas futuras hipotéticas superinteligencias artificiales, los verdaderos peligros ya están aquí. Actualmente los algoritmos en que se basan los motores de búsqueda en internet, los sistemas de recomendación y los asistentes personales de nuestros teléfonos móviles, conocen bastante bien lo que hacemos, nuestras preferencias y nuestros gustos e incluso pueden llegar a inferir el qué pensamos y cómo nos sentimos. El acceso a cantidades masivas de información, que voluntariamente generamos, es fundamental para que esto sea posible, ya que mediante el análisis de estos datos provenientes de fuentes diversas es posible encontrar relaciones y patrones que serían imposibles de detectar sin las técnicas de IA. Todo esto resulta en una pérdida alarmante de privacidad. Para evitarlo deberíamos tener derecho a poseer una copia de todos los datos personales que generamos, controlar su uso y decidir a quién le permitimos el acceso y bajo qué condiciones, en lugar de que estén en manos de grandes corporaciones sin poder saber realmente qué uso hacen de nuestros datos.
Por muy inteligentes que lleguen a ser las futuras inteligencias artificiales nunca serán como la humana; el desarrollo mental que requiere toda inteligencia compleja depende de las interacciones con el entorno y estas dependen a su vez del cuerpo, en particular de los sistemas perceptivo y motor
La IA está basada en programación compleja, y por lo tanto necesariamente cometerá errores. Pero incluso suponiendo que fuera posible desarrollar un software completamente fiable, hay dilemas éticos que los desarrolladores de software deben tener en cuenta a la hora de diseñarlo. Por ejemplo, un vehículo autónomo podría decidir atropellar a un peatón para evitar una colisión que podría causar daños a sus ocupantes. Equipar las empresas con sistemas avanzados de IA para hacer la gestión y la producción más eficientes requerirá menos empleados humanos y generará más paro. Estos dilemas éticos hacen que muchos expertos en IA señalen la necesidad de regular su desarrollo. En algunos casos se debería incluso de prohibir el uso de la IA. Un ejemplo claro son las armas autónomas. Los tres principios básicos que rigen los conflictos armados: discriminación (la necesidad de discernir entre combatientes y civiles o entre un combatiente en actitud de rendirse y uno dispuesto a atacar), proporcionalidad (evitar el uso desmedido de fuerza) y precaución (minimización del número de víctimas y daños materiales) son extraordinariamente difíciles de evaluar y, por lo tanto, casi imposibles de cumplir por los sistemas de IA que controlan las armas autónomas. Pero incluso en el caso de que a muy largo plazo las máquinas tuvieran esta capacidad, sería indigno delegar en una máquina la decisión de matar. Pero, además de regular, es imprescindible educar a los ciudadanos sobre los riesgos de las tecnologías inteligentes, dotándolos de las competencias necesarias para controlarla en lugar de ser controlados por ella. Necesitamos futuros ciudadanos mucho más informados, con más capacidad para evaluar los riesgos tecnológicos, con más sentido crítico y dispuestos a hacer valer sus derechos. Este proceso de formación debe comenzar en la escuela y tener continuación en la universidad. En particular es necesario que los estudiantes de ciencia e ingeniería reciban una formación ética que les permita comprender mejor las implicaciones sociales de las tecnologías que muy probablemente desarrollarán. Solo si invertimos en educación lograremos una sociedad que pueda aprovechar las ventajas de las tecnologías inteligentes minimizando los riesgos. La IA tiene sin duda un extraordinario potencial para beneficiar a la sociedad siempre y cuando hagamos un uso adecuado y prudente. Es fundamental aumentar la conciencia de las limitaciones de la IA, así como actuar de forma colectiva para garantizar que la IA se utilice en beneficio del bien común con seguridad, fiabilidad y responsabilidad.
El camino hacia la IA realmente inteligente seguirá siendo largo y difícil, al fin y al cabo la IA tiene apenas sesenta años y, como diría Carl Sagan, sesenta años son un brevísimo momento en la escala cósmica del tiempo; o, como muy poéticamente dijo Gabriel García Márquez: «Desde la aparición de vida visible en la Tierra debieron transcurrir 380 millones de años para que una mariposa aprendiera a volar, otros 180 millones de años para fabricar una rosa sin otro compromiso que el de ser hermosa, y cuatro eras geológicas para que los seres humanos fueran capaces de cantar mejor que los pájaros y morirse de amor».
https://www.bbvaopenmind.com/articulos/el-futuro-de-la-ia-hacia-inteligencias-artificiales-realmente-inteligentes/  

4)
Lo que no vio, lo anticipó. Turing fue el padre teórico del computador y el precursor de la inteligencia artificial.

El verdadero padre de la inteligencia artificial
La historia no siempre se lo pone fácil a los genios. Cuando John McCarthy (1927-2011) nació en Boston en plena Gran Recesión en una humilde familia de emigrantes europeos, poco parecía presagiar que este niño prodigio iba a convertirse en un digno sucesor de Alan Turing. La delicada salud de su hermano pequeño llevó a los McCarthy, que vagaban por el país de las oportunidades en busca de trabajo, a establecerse en Los Ángeles. Allí John, un adolescente ya sobresaliente en matemáticas, entró en contacto con el Instituto de Tecnología de California, el Caltech, al que pidió permiso para estudiar sus libros usados.
 
El futuro padre de la inteligencia artificial intentaba estudiar mientras trabajaba de carpintero, pescador, inventor (ideó un exprimidor de naranjas hidráulico, entre otras cosas) para ayudar a su familia. Cuando entró oficialmente a estudiar matemáticas en el Caltech había estudiado tanto por su cuenta que le permitieron saltarse los dos primeros cursos. Se licenció en 1948 y se doctoró, también en la misma materia, en 1951 en Princeton. Hasta ahí la carrera de McCarthy era solo un poco más rápida de lo normal, pero ya tenía en mente su gran obsesión: la inteligencia de las máquinas.
En 1956, John organiza la mítica conferencia de Dartmouth donde, en su discurso, acuña por primera vez el término inteligencia artificial, definido como la ciencia e ingeniería de hacer máquinas inteligentes. Allí planteó los objetivos que le perseguirían toda su carrera:
“Este estudio procederá sobre la base de que todos los aspectos del aprendizaje o de rasgo de la inteligencia pueden, en principio, ser descritos de una forma tan precisa que se puede crear una máquina que los simule”.
Una leyenda para programadores y ‘hackers’
El texto inaugural lo realiza junto a Marvin Minsky y Claude Shannon, dos prestigiosos científicos que pronto abandonaron el estudio de este campo para orientarse hacia la computación o la teorización matemática. Sin embargo, McCarthy se consagra como padre de la inteligencia artificial no solo por lograr abrir y convertirlo en un campo de investigación nuevo, sino por seguir aportando evidencias para su desarrollo durante medio siglo.
En los años siguientes, McCarthy se dedicó a sembrar por las mejores universidades laboratorios de inteligencia artificial, un trabajo del que todavía hoy recogemos frutos. Estaba contagiado de un optimismo inquebrantable: estaba convencido de que podía conseguir que las máquinas pensaran. “La velocidad y capacidad de memoria de los computadores actuales puede ser insuficiente para estimular muchas de las funciones más complejas del cerebro humano, pero el principal obstáculo no es la falta de capacidad de las máquinas, sino nuestra incapacidad de escribir programas que aprovechen por completo lo que tenemos”, llegó a enunciar en esos años.

McCarthy creía que las máquinas podían replicar la inteligencia humana.
Él mismo buscó la solución a su problema y creó Lisp, el segundo lenguaje de programación de alto nivel más antiguo que existe. El Lisp era uno de los lenguajes favoritos de los hackers originales, con el que intentaban hacer jugar al ajedrez a las primitivas máquinas de IBM de finales de los 50. Tal vez por eso dominar este lenguaje tiene tanta consideración en la jerarquía de los programadores. Este sistema fue necesario para el desarrollo de la otra gran contribución de McCarthy: la idea de tiempo compartido. En una época donde el computador personal parecía ciencia-ficción, John ideó la teoría de un súper computador central al que muchas personas pudieran conectarse a la vez. Fue uno de los pilares de la futura creación de Internet.
Suspenso en el test de Turing
Sin embargo, a pesar de sus esfuerzos, este sistema no le sirvió a McCarthy para conseguir su verdadero objetivo: que un computador pasara el test de Turing, según el cual un humano realiza preguntas a través de la pantalla de un computador, si no puede decidir si quien le está respondiendo es otro humano o una máquina, esta es definitivamente inteligente. Por ahora, ningún computador lo ha conseguido. “Él creía en que la inteligencia artificial consistía en crear una máquina que realmente pudiera replicar la inteligencia humana“, declaró la investigadora Daphne Koller, del laboratorio de Inteligencia Artificial de la Universidad de Stanford (California), donde McCarthy trabajó casi 40 años. Por eso, el investigador rechazó la mayor parte de las aplicaciones de inteligencia artificial desarrolladas en la actualidad, que están dirigidas, únicamente, a que las máquinas imiten comportamientos, pero no a que aprendan.
Casi al final de su etapa investigadora, en 1978, McCarthy tuvo que darse por vencido en su idea purista de inteligencia artificial: “Para crear una verdadera IA se necesitaría el trabajo de 1,7 Einsteins, 2 Maxwells, 5 Faradays y la financiación de 0,3 Proyectos Manhattan”, reconoció resignado.

https://www.bbvaopenmind.com/tecnologia/inteligencia-artificial/el-verdadero-padre-de-la-inteligencia-artificial/

 
5)
¿Cómo nació la Inteligencia Artificial?
Para poder analizar los avances de esta tecnología, debemos conocer cómo nació la inteligencia artificial. Un viaje que empezó con Alan Turing, que despegó en la década de los 90, y que todavía no sabemos hacia dónde nos llevará.
Sabemos mucho de los avances sobre IA y hablamos de que será la tecnología protagonista en los próximos años. Sin embargo, ¿cómo hemos llegado hasta aquí? Para saber dónde estamos y hacia dónde nos dirigimos, debemos saber de dónde venimos. Los próximos hitos tendrán mucho que ver con cómo nació la inteligencia artificial, por lo que nos toca hacer una reflexión y desmembrar la historia de esta revolucionaria tecnología.
Alan Turing, protagonista de los orígenes
Estamos en los primeros pasos de esta tecnología, cuando no existía el concepto de IA pero ya se teorizaba sobre ‘máquinas’ que podían funcionar solas. El verdadero pionero fue Alan Turing que, en 1936, puso la primera piedra al publicar su famoso artículo sobre los «Números Calculables».
Este artículo sirvió para establecer las bases teóricas y puede considerarse el origen oficial de la informática teórica. Aquí nace el concepto de la ‘Máquina de Turing’, que formalizó el concepto de algoritmo y resultó ser la precursora de las computadoras digitales.
¿Recuerdas la famosa Prueba de Turing? Este test que determinaba si una máquina es inteligente o no, nació a raíz de un revolucionario artículo que publicó Alan Turing en 1950. Su artículo “Computing Machinery and Intelligence” defendía la posibilidad de emular el pensamiento humano a través de la computación.
Nace el concepto de inteligencia artificial
Dejando las teorías de Turing a un lado, podríamos decir que la inteligencia artificial nació como concepto real en 1956. John McCarthy, Marvin Minsky y Claude Shannon, tres científicos destacados de la época, acuñaron el término durante la Conferencia de Darthmounth como “la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cálculo inteligentes”.
Estos científicos señalaron que la sociedad estaría rodeada de máquinas inteligentes en menos de diez años. La verdad es que no fue así, y es que, esta tecnología se desarrolló tímidamente hasta la década de los 90, cuando realmente empieza la edad de oro de la IA.
A partir de 1990, la mayoría de las grandes compañías tecnológicas empiezan a hacer enormes inversiones en esta tecnología. ¿Qué les hizo cambiar de opinión? La razón de esta fuerte apuesta fue que, a las puertas del mundo digital, las empresas se dieron cuenta de que necesitaban mejorar la capacidad de procesamiento y análisis de la enorme cantidad de datos que se avecinaba.
IBM y su computador que desafió al humano
La consagración de la IA llegó en 1997, cuando IBM lanzó Deep Blue, un computador que fue capaz de ganar a Gari Kaspárov, campeón del mundo de ajedrez. Este acontecimiento fue tan importante que incluso dio pie a grandes películas sobre el futuro tecnológico y donde, por supuesto, la inteligencia artificial era una de las protagonistas. Además, es durante esta década cuando surgen los agentes inteligentes, que más tarde darían pie a la creación de sofisticados chatbots, o a los asistentes virtuales que conocemos ahora.
Más tarde sucedería algo parecido con Watson, otro computador de IBM que ganó el famoso concurso de preguntas y respuestas ‘Jeopardy!’. “El computador de IBM Watson ha salido victorioso de su duelo contra el cerebro humano”, dijo el presentador del programa televisivo de la cadena norteamericana ABC.
Fueron años en los que IBM y Microsoft invertían enormes cantidades de dinero para liderar la innovación en esta parcela tecnológica. Ahora, cuando la inteligencia artificial ya se ha instalado en nuestras vidas y sustituye a los humanos en diversas actividades, empieza a regularse la ética de la IA, y todas las empresas saben la importancia de esta tecnología. ¿A dónde nos llevará la inteligencia artificial?

https://blogthinkbig.com/historia-como-nacio-inteligencia-artificial

 
6) 
Alan Turing, el padre de la inteligencia artificial
Alan Turing era claramente un hombre adelantado a su tiempo. En 1950, este gran matemático ya estaba lidiando con la pregunta: "¿pueden las máquinas pensar?" Gracias a esta inquietud, Turing se convertiría en el precursor de lo que hoy se conoce como inteligencia artificial.
El origen de la inteligencia artificial fue Alan Turing
Es imposible hablar del origen de la Inteligencia Artificial sin hablar de Alan Turing. Aunque el término inteligencia artificial ni siquiera existía en la época. John McCarthy presentaría el término en 1956, dos años después de la muerte prematura de Alan Turing. Sin embargo, sus ideas demostraron tener una profunda influencia sobre el nuevo campo de la IA.
El primer trabajo que destaca para el avance de lo que posteriormente se conocería como inteligencia artificial fue realizado a mediados del siglo XX por el matemático de origen británico Alan Turing. En 1935, Turing describió una máquina de computación abstracta con memoria ilimitada que puede operar gracias a un escáner que se mueve hacia adelante y hacia atrás a través de la memoria.
La máquina de Turing universal
Esta memoria está representada en forma de símbolos, y el escáner lee lo que encuentra a su paso. Este dispositivo también es capaz de escribir más símbolos. 
En realidad, el escáner de la máquina de Turing sigue una serie de instrucciones grabadas. En su trabajo, Turing describe un concepto de memoria almacenada que tiene implícita la posibilidad de que la máquina opere de forma autónoma. De esta manera, la propia máquina podría modificar o mejorar su propio código.
La máquina que planteaba Turing se conoce ahora simplemente como la máquina de Turing universal. El computador contemporáneo no es más que una versión evolucionada de la máquina de Turing universal. Por esta razón, se considera a Turing como el padre teórico del computador y el origen de la historia de la inteligencia artificial. 
«Di no a los que dicen que no»
Uno de los legados de Turing para la IA, y no necesariamente uno bueno, es su enfoque al problema de las máquinas pensantes. Él escribió: «No tengo argumentos muy convincentes para apoyar mi punto de vista.»
De hecho, Turing comprendió bien la necesidad de tener evidencia empírica, proponiendo lo que se ha conocido como la prueba de Turing para determinar si una máquina era capaz de pensar. La prueba fue una adaptación de una competencia de estilo victoriano llamada el juego de imitación.
Este juego implica aislar a un hombre y una mujer de un interrogador que tiene que adivinar cuál es cuál haciendo preguntas y estudiando respuestas escritas. El hombre pretende engañar al interrogador, mientras que la mujer trata de ayudarlo.
El test de Turing
El origen de la inteligencia artificial vino de la mano de Alan Turing. En la prueba del matemático británico, un programa de computadora sustituye al hombre. Turing preguntó: «¿El interrogador decidirá erróneamente tantas veces como cuando el juego se juega entre un hombre y una mujer?». 
El test de Turing es una prueba de la habilidad de una máquina para exhibir un comportamiento inteligente similar al de un ser humano. El formato de la prueba es la conversación. Una máquina que sea capaz de pasar el test de Turing correctamente, impedirá a un ser humano distinguir si las respuestas provienen de otra persona o de una máquina.
Efectivamente, la prueba estudia si el interrogador puede determinar cuál es la computadora y cuál es humano (aunque Turing no dijo explícitamente que el interrogador debe ser dicho que uno de los respondedores era un computador). La idea era que si el interrogador no podía distinguir la diferencia entre lo humano y lo mecánico, se consideraría que la computadora estaba pensando.
Este juego nunca ha funcionado
El test de Turing supuso el origen de la inteligencia artificial y con ella llegó la ambición del hombre por crear una máquina que pensara como él. En 1990, el empresario neoyorquino Hugh Loebner estableció un premio anual de $100,000 al creador de una máquina que pudiera pasar la prueba de Turing. Los jueces del Premio Loebner tienen cinco minutos para hacer preguntas para determinar quién es el computador y quien la persona
La aristocracia de la IA apoyó firmemente la contienda hasta que quedó claro lo mal que estaban las máquinas. A día de hoy, ninguna máquina ha estado ni siquiera cerca de ganar, aunque se están produciendo grandes avances en inteligencia artificial que podrían acercarnos a una máquina que pase por fin este difícil test informático. La mente humana ha logrado realizar muchos avances. ¿Cuánto tiempo tendremos que esperar hasta que las máquinas puedan pensar de forma autónoma?

https://www.fundacionaquae.org/wiki/alan-turing-padre-la-inteligencia-artificial/


7)
¿Es peligrosa de verdad la inteligencia artificial?
La inteligencia artificial tiene voces en contra y voces a favor. ¿De verdad existe la inteligencia artificial peligrosa, o se tratan de historias de miedo?
La inteligencia artificial tiene varias voces en contra y otras tantas a favor. ¿De verdad es peligrosa la inteligencia artificial, o se tratan de simples historias de miedo?
Buena parte del futuro de la tecnología está en la inteligencia artificial. Pronto los computadores no sólo tendrán la capacidad para llegar a resultados por sí mismos, también serán capaces de razonar o incluso pensar. Los computadores dejarán de ser cajas tontas que sigan nuestras órdenes para generar las órdenes por sí solas.
Pero todo esto podría no ser tan bueno como parece, según varias voces en contra. Personas famosas como Elon Musk afirman que una inteligencia artificial sin regular podría suponer la destrucción de la humanidad. Esas fueron sus palabras exactas: un riesgo para la civilización humana.
 
Inteligencia artificial: ¿peligro o nada de lo que preocuparse?
 
No es un relato sacado de ‘Yo, Robot’, sino de unas declaraciones del fundador de PayPal, Tesla Motors y SpaceX. Elon Musk reconoce que la Inteligencia Artificial será un avance enorme, pero tiene miedo de las posibles consecuencias. Cree que necesitamos pararnos un momento y regularla, antes de continuar con su desarrollo.
Musk no es la única voz que afirma lo mismo. Stephen Hawking, por ejemplo se cuestiona si será la salvadora o la asesina de la humanidad. Incluso Bill Gates, el hombre más rico en el mundo y fundador de Microsoft, pregunta por qué algunos no se preocupan por esto.
Todo esto contrasta con las declaraciones de John Giannandrea, presidente de inteligencia artificial de Google. Afirma, según ha recogido Bloomberg, que no está preocupado por un “apocalipsis de la inteligencia artificial”. Comenta que Google ha invertido en seguridad y ética, pero que las mayores preocupaciones están muy exageradas.

 
¿Qué nos espera en inteligencia artificial?
 
John Giannandrea tiene razón en una cosa: no vamos a saltar de repente de una inteligencia artificial en desarrollo a un supercomputador con inteligencia ilimitado. Todavía le queda mucho por avanzar a la inteligencia artificial para llegar al punto de que sea tan poderosa. Hablamos mucho sobre ella y sus posibilidades, pero sigue en pañales.
Además, y como bien destaca The Verge, existen peligros a los que deberíamos enfrentarnos antes. Por ejemplo, la posibilidad, de un gobierno usando la IA para espiarnos, o la idea de que nos dejen sin trabajo, son mucho más reales. No es sólo la inteligencia artificial como tal, tiene mucho que ver quién la pone en práctica.
Quizás no debería preocuparnos tanto la existencia de la inteligencia artificial como tal, sino el cómo se utiliza y quién lo hace. Aunque eso no significa que la IA sí pueda llevar a un problema por sí sola. ¿Qué opináis al respecto?

https://www.elespanol.com/omicrono/tecnologia/20170920/peligrosa-verdad-inteligencia-artificial/248226471_0.html

 
8) 
El futuro de la inteligencia artificial ya ha llegado
5/07/2021
Los datos han sido un elemento crucial para la evolución de la inteligencia artificial (IA), un mercado que podría alcanzar los 98.000 millones de dólares en 2023 y superar los 169.000 millones en 2025. El 64% de los ejecutivos de servicios de banca creen que la inteligencia artificial (IA) transformará el sector en un máximo de dos años. Es más, el uso de la tecnología podría generar 140.000 millones de dólares en ganancias adicionales debidas al aumentos de la productividad y al ahorro de costes. Cuando se aplica a todos los sectores, se espera que la IA genere un negocio de 2.9 billones de dólares sólo en 2021.
Ese crecimiento ahora está siendo impulsado por la pandemia de coronavirus, con el 88% de las empresas que ya han incorporado o ampliado tecnologías de IA. La IA se está combinando ahora con nuevos enfoques de automatización, denominada automatización inteligente o hiperautomatización, lo que les permite hacer mucho más con menos.
La COVID-19 ha demostrado que las empresas continúan operando en la oscuridad, careciendo de los datos necesarios para poder predecir posibles resultados. Pero para muchas empresas su realidad es que necesitan soluciones para sus problemas diarios y -aunque la inteligencia artificial y la automatización pueden ser esa solución-, la tecnología requiere contratar a especialista, ingenieros y científicos de datos. Todo ello puede obstaculizar los esfuerzos de las empresas que pueden no tener los recursos necesarios para lograr resultados óptimos. Pero hay una forma de evitar esto.
Existe una gran demanda de profesionales que entiendan cómo llevar a la empresa aplicaciones basadas en inteligencia artificial, lo que ha producido en el mercado laboral escasez de talento y el consiguiente aumento de los salarios. Pero ahora, las empresas pueden beneficiarse de plataformas de inteligencia artificial sin código, que permiten a los responsables del negocio utilizar esta tecnología sin necesidad de un equipo de especialistas en IA.
La combinación de modelos de IA más inteligentes requiere menos datos y permite que empresas más pequeñas utilicen esta tecnología, abriendo una puerta a las pymes para competir incluso con los gigantes de las puntocom más grandes del mundo.
Los días de depender de la automatización de procesos robóticos (RPA) genéricos han terminado: Los bots de RPA no han resultado efectivos para resolver tareas complejas de back-office de principio a fin, especialmente aquellas con entrada de datos no estructurados o con requisitos de automatización en tiempo real.
Aquí es donde entra en juego una forma más avanzada de automatización, conocida como hiperautomatización, que actúa en tiempo real y utiliza la inteligencia artificial para gestionar información no estructurada, lo que permite que el número de posibles casos de uso de automatización aumente exponencialmente.
En lugar de simplemente automatizar tareas simples basadas en datos de hojas de cálculo, la hiperautomatización puede realizar tareas basadas en conversaciones en tiempo real con empleados y clientes. También puede analizar los mensajes de voz utilizando la comprensión del lenguaje natural para determinar qué se solicitó y seguir adelante con la acción correcta por sí misma, lo que permite a los empleados humanos puedan trabajar en tareas de mayor valor añadido.
La IA sin código y la hiperautomatización son las dos herramientas que están permitiendo ya la democratización del uso de la IA, lo que dará comienzo real a la cuarta revolución industrial de la que ya llevábamos un tiempo oyendo hablar.

https://www.eleconomista.es/opinion-blogs/noticias/11308341/07/21/El-futuro-de-la-inteligencia-artificial-ya-ha-llegado.html

9) 
Ejemplos de inteligencia artificial: 20 ejemplos de IA que cambiarán tu vida para siempre
 
Los avances tecnológicos no solo han influido en la vida cotidiana sino también en los negocios, la medicina y la seguridad. Cada vez son más los casos y ejemplos de inteligencia artificial que pueden encontrarse en la actualidad. Desde chatbots, textos predictivos y hasta filtros de spam, ejemplos de la inteligencia artificial están cada vez más presentes en la vida diaria.
 
En la actualidad casi todo está conectado a  sistemas inteligentes: las redes sociales, el comercio electrónico, la banca en línea son algunos de los ejemplos de inteligencia artificial en la vida cotidiana. ¿Pero qué es IA?¿Dónde se puede encontrar y ver inteligencia artificial mayormente? Conoce estos y otros ejemplos de la inteligencia artificial actual a continuación:

 

Índice de contenido 
·                                 1. Asistentes virtuales
·                                 2. Productos inteligentes
·                                 3. Teléfonos inteligentes
·                                 4. Banca en línea
·                                 5. Vehículos autónomos
·                                 6. Autocorrección de textos
·                                 7. IA en la educación
·                                 8. Duolingo
·                                 9. Streaming inteligente de música y películas
·                                 10. Publicidad en línea
·                                 11. IA en la radiología
·                                 12. Aplicaciones para mantenerse saludable
·                                 13. Mapas y navegación
·                                 14. Filtros en el spam
·                                 15. AI en personas con discapacidad
·                                 16. Chatbots
·                                 17.Algoritmos de búsquedas
·                                 18. Redes Sociales
·                                 19. Videojuegos
·                                 20. Seguridad y vigilancia

 
 
Asistentes virtuales
Los asistentes personales virtuales son herramientas automatizadas dirigidas a facilitar o ayudar a las personas en el ejercicio de determinadas actividades. Aunque los más famosos son Siri, Alexa y Google Assistant, existen otros ejemplos de la inteligencia artificial en este tipo de herramientas.
Entre las funciones que pueden ejecutar los asistentes virtuales figuran buscar datos en internet, agendar eventos o citas en el calendario, reproducir música, programar alarmas y notificaciones, entre otras. Todo esto es posible ya que cuentan con un sistema de aprendizaje automático que les permite comprender las preguntas y reconocer las indicaciones dictadas por la voz del titular. 

Productos inteligentes
Cada vez son más los productos o artículos para el hogar dotados de inteligencias artificiales que han sido diseñados para facilitar las actividades domésticas. Desde bombillas, parlantes, televisores y hasta termostatos son algunos de los ejemplos de inteligencia artificial en la actualidad.
La empresa estadounidense iRobot lanzó al mercado, en agosto 2020, la nueva versión de su aspiradora robotizada “Roomba”. Gracias a la incorporación de objetos artificiales de aprendizaje automático, el producto mejoró su capacidad de “mapear” las habitaciones y espacios en el hogar para brindar una limpieza más específica. Cuenta con visión artificial y cámaras integradas que le permiten reconocer muebles y obstáculos para un mejor desplazamiento.

Teléfonos inteligentes (smartpfones)
Uno de los más emblemáticos ejemplos de la inteligencia artificial en el uso diario son los teléfonos inteligentes. Estos dispositivos que acompañan a casi la totalidad de la humanidad a todas horas, cuentan con avanzadas tecnologías que le permiten adaptarse a las necesidades de los usuarios.
Las cámaras de los celulares inteligentes, por ejemplo, es uno de los componentes dónde se aplica la inteligencia artificial con más frecuencia. Estas están dotadas de software avanzado que les permite tomar mejores fotografías y encuadres más precisos de forma automática. Entre los ejemplos de la inteligencia artificial presente en los celulares es sin dudas el reconocimiento de rostros y de huellas dactilares, que incorporan tipos de inteligencia artificial en los dispositivos móviles.
Los fabricantes incluyen capacidades de inteligencia artificial en los chips para smartphones con la intención de permitirles a los dispositivos a contar con características y funcionalidades especiales en sus aplicaciones, baterías y memoria.

 
Banca en línea
La banca y las finanzas es otro de los campos de la inteligencia artificial más explorados en la actualidad. Mediante el uso del aprendizaje automático o machine learning, algunos bancos pueden ofrecer el servicio de depósitos de cheques móviles, otro de los grandes ejemplos de inteligencia artificial en los negocios.
La aplicación es capaz de reconocer la escritura del cliente para convertirla en un cheque digital, basta con tomar una fotografía y se podrá realizar el depósito del cheque sin tener que presentarlo en taquilla.
Pero, el machine learning en la banca no solo interviene en operaciones minoristas. Un ejemplo de inteligencia artificial sobre finanzas es el back office y en la detección de fraudes. Además, con el uso de inteligencia artificial se puede predecir y evaluar los riesgos de los préstamos. El software analiza los patrones de gastos y consumo del cliente y determina su idoneidad para determinado préstamo u operación crediticia.

 
Vehículos autónomos
Entre los desarrollos actuales de la inteligencia artificial en el área automotriz se encuentran los vehículos autónomos. Empresas como Tesla, Toyota o Mercedez-Benz han desarrollado prototipos de esta clase de vehículos que utilizan el aprendizaje automático para realizar maniobras de conducción reales sin intervención humana.
El software de inteligencia artificial puede recoger y analizar datos de Google Street View para reconocer el espacio en el cual se desplaza. Además, los automóviles pueden usar sensores que logran identificar señales de tránsitos, irregularidades en el camino y hasta cuando hay peatones en las vías de cruce. En los vehículos autónomos se puede observar cuán es útil la inteligencia artificial ya que pueden reducir considerablemente los accidentes de tránsito.

Autocorrección de textos

Uno de los mejores ejemplos de la vida cotidiana con presencia de inteligencia artificial es la autocorrección de textos. Cuando se está redactando un email, un mensaje de texto en el celular o una carta en Word, los sistemas inteligentes de los computadores o dispositivos móviles permiten editar y corregir textos automáticamente en sus aplicaciones procesadoras de palabras. Estos productos inteligentes usan el aprendizaje profundo y automático para identificar los errores en la escritura y poder sugerir la grafía más acertada para agilizar y ayudar a los usuarios en la redacción de documentos u otros escritos.
Para ello, los informáticos trabajan en conjunto con lingüistas para programar los algoritmos y aplicaciones de la IA en los computadores a través de datos de lenguaje de alta calidad. El asistente de escritura de Microsoft, por ejemplo, es capaz de identificar problemas de claridad y extensión en los párrafos. También cuenta con un comprobador de similitudes que le permite verificar la posibilidad de plagio o si en el texto se expresan las citas necesarias. La aplicación Turnitin es uno de los más conocidos ejemplos de sistemas artificiales antiplagio.

IA en la educación

La empresa estadounidense Content Technologies, Inc., comprendió muy bien lo qué es inteligencia artificial en informática y creó la herramienta digital conocida como Cram101 que optimiza, mediante el uso de tecnología artificial, el contenido de los libros de textos al convertirlos en una guía de estudio más amigable para el lector.
Con la aplicación de sistemas de inteligencia artificial se pueden generar resúmenes de capítulos, pruebas de selección múltiple, tarjetas didácticas y la división de datos e información en fragmentos manejables que le permitan al estudiante aprender con mayor facilidad y en menor tiempo.
Cram101 no es el único de los ejemplos de inteligencia artificial en la educación. La empresa también ha desarrollado Nuresing Ed101 para ayudar a las enfermeras y estudiantes de enfermería a retener la mayor cantidad de información en el menor tiempo posible.

Duolingo
El uso de inteligencia artificial en los procesos académicos y de aprendizaje también  ha sido muy útil. La aplicación de estudios de idiomas, Duolingo es uno de los mejores ejemplos de la inteligencia artificial en la educación.
La herramienta, gracias a la tecnología que la compone, puede personalizar y optimizar las sesiones de aprendizaje de cada usuario. En ese sentido, la aplicación tiene la capacidad de adaptar las preguntas de acuerdo con las reacciones o respuestas proporcionadas por el usuario. En la medida que el estudiante acierte, la prueba será más difícil y desafiante.
Esto es posible al análisis que ejecuta el software del patrón de errores que cometen los usuarios y le permite adaptar la complejidad de las frases para ayudar al estudiante en el proceso de aprendizaje. En definitiva, Duolingo es uno de los mejores ejemplos de las aplicaciones de inteligencia artificial que simplifican los procesos educativos.

 
Streaming inteligente de música y películas
Los servicios de streaming de películas y música on demand como Netflix o Spotify también son claros ejemplos de inteligencia artificial en la vida cotidiana. La tecnología con la que cuentan estás plataformas les permite analizar los miles de millones de registros, datos y reacciones de los usuarios para sugerir nuevos contenidos que vayan acorde a sus preferencias o gustos.
Netflix, además, compara el historial de usuarios con aficiones similares para aplicar su tecnología predictiva y realizar sugerencias más acertadas. Otro de los ejemplos de las aplicaciones de la inteligencia artificial en Netflix es la clasificación de las miniaturas de las películas que sugiere. El algoritmo elige entre la amplia gama de carteles la imagen en miniatura más relacionada con los gustos de un usuario especifico. Spotify, por su parte, escanea y clasifica los metadatos de una pista, artista o podcast para posicionarlo y mostrarlo a los usuarios que coincidan con esa tendencia musical.

Publicidad en línea

Los avisos publicitarios que se muestran en línea obedecen a datos e información recogida y analizada por sistemas informáticos inteligentes. Por lo que la industria del marketing y la publicidad se vale de la inteligencia artificial para adaptar sus campañas y mostrarlas al público más idóneo.
Este es uno de los más exitosos usos y ejemplos de la inteligencia artificial en los negocios. Con la inteligencia artificial, las empresas de marketing no solo rastrean información y estadísticas de los cibernautas; sino que logran determinar los intereses de los usuarios basados en esas estadísticas para mostrarle anuncios de productos y servicios relacionados a sus gustos y preferencias.
Gracias al aprendizaje automático la información obtenida por los anunciantes, basados en el comportamiento en línea de sus clientes potenciales, les permite segmentar de forma más eficaz y acorde con lo que el nicho busca y espera ver. De este los avisos publicitarios se pueden clasificar antes de ser publicados para tener un mayor engagement.

IA en la radiología
El machine learning o el aprendizaje automático es una de las ramas de la inteligencia artificial que se han aplicado con mayor éxito en el área de la medicina y el cuidado de la salud. Es otro de los ejemplos de qué es la inteligencia artificial y su gran utilidad para la sociedad.
Enfermedades neurológicas como la epilepsia pueden ser diagnosticadas con mayor precisión y anticipación a través de un avanzado algoritmo de aprendizaje profundo.  El programa, desarrollado por la Universidad de Osaka (Japón), escanea y compara las encefalografías de los pacientes para explorar e identificar posibles lesiones en el cerebro para llegar a un diagnostico confiable y acertado.
Esto representa un avance importante en la radiología, y de cuándo es útil la inteligencia artificial en la medicina ya que se evitarían la toma de muestras a través de biopsias; y se podrían detectar posibles enfermedades de una manera menos invasiva y con mayor anticipación.

Aplicaciones para mantenerse saludable
Youper, Happify y BioBase son algunas de las aplicaciones sobre salud y bienestar más utilizadas en los últimos años. Estas plataformas están dotadas de inteligencia artificial para fomentar en las personas a mantenerse positivos y saludables. Para ello ponen a disposición de los usuarios distintos recursos y servicios digitales que le permiten a los usuarios controlar sus emociones, mantenerse activos, controlar la ansiedad, entre otros.
Algunas cuentan con un chatbot, otro de los ejemplos de elementos artificiales en la vida cotidiana, que ayuda a los usuarios a identificar y resolver determinados desafíos personales, mediante enfoques y herramientas de asesoramiento clínico en salud mental.

Mapas y navegación

La experiencia de los viajeros ha mejorado inmensamente gracias a la aplicación de la inteligencia artificial. El uso de mapas físicos es cosa del pasado. Con Waze, Apple o Google Maps pedir indicaciones ya no será un problema. Estas aplicaciones son buenos ejemplos de sistemas inteligentes. No solo utilizan un GPS conectado al satélite, sino que además cuentan con avanzados sistemas y artículos de inteligencia artificial que les permite comprender los cambios en el flujo automotor para sugerir vías alternativas y prevenir el embotellamiento.
La incorporación de visión por computadora, la automatización de procesos robóticos y el procesamiento del lenguaje natural ha logrado que los estas aplicaciones brinden un servicio optimizado con amplia cobertura y precisión.

Filtros en el spam
Aunque no lo parezca, el filtro de spam de los correos electrónicos está regulado  por sistemas de inteligencias artificiales capaces de mantener libre de riesgos a la bandeja de entrada. Gmail es uno de los mejores ejemplos de la inteligencia artificial en los buzones de correo electrónico. ¿Pero, para qué sirve la inteligencia artificial en el correo? El software utiliza metadatos, palabras y frases específicas en los correos para identificar y seleccionar el correo no deseado que provengan de direcciones desconocidas, logrando mediante algoritmos de aprendizaje automático, filtrar casi el 100 %  del spam.

IA en personas con discapacidad
La empresa china, Hawuei, ha creado varias aplicaciones móviles que usan inteligencia artificial para brindar ayuda a las personas con discapacidad. El software conocido como StorySign está diseñado para traducir textos a lenguaje de señas de manera que los niños sordos puedan aprender a leer.
Otro de los usos de la inteligencia artificial con personas con discapacidad es la aplicación Facing Emotions. Se trata de un programa que convierte en sonidos breves y simples las emociones de las personas. Para ello, se vale de la inteligencia artificial de las cámaras del celular que captan y evalúan los rostros y expresiones faciales de otra persona. Estas son analizadas con las emociones que transmiten y luego son traducidas a sonidos para que las personas ciegas puedan “ver” lo que sienten sus interlocutores.


Chatbots
Empresas de servicios y atención son algunos lugares dónde se aplica la inteligencia artificial de de los chatbots. Estos programas pueden responder preguntas concretas y brindar información detallada. Además, pueden tomar órdenes, pedidos y reclamos  de forma eficiente. Estos programas son muy útiles para los departamentos de atención al cliente ya que optimizan las interacciones entre usuarios y empresa para garantizar una mejor experiencia del cliente. Usan aprendizaje automático para lograr una mayor comprensión y procesamiento del lenguaje natural.
Los chatbots también se pueden utilizar en aplicaciones y relaciones entre empresas y sus empleados para optimizar los procesos comerciales y aumentar la productividad de los trabajadores. Muchas aplicaciones cuentan con un chatbot integrado para mejorar la experiencia del usuario en el dispositivo. Un uso de inteligencia artificial muy interesante es el caso de Casper, la empresa de colchones estadounidense que desarrolló un chatbot llamado Insomnobot3000, que puede chatear de forma amigable con las personas que sufren de insomnio para hacerles compañía durante la noche.


Algoritmos de búsquedas
Las personas a diario utilizan los buscadores en línea como Google o Bing para localizar datos, información y hasta artículos sobre inteligencia artificial.  Y es, justamente, con los sistemas inteligentes que estos softwares logran encontrar y mostrar los resultados más relevantes que busca el usuario. Este es uno de los ejemplos reales de inteligencia artificial en la vida cotidiana.  
Los algoritmos de búsquedas son capaces de reconocer cuáles son los contenidos de mejor calidad y que se adecuen mejor al tipo de consulta para ofrecer una mejor experiencia de los cibernautas.
Para comprender los parámetros de búsqueda de los usuarios, los sistemas aplican la tecnología de procesamiento de lenguaje natural (PNL). Desde 2015, Google, por ejemplo, utiliza un sistema de aprendizaje automático conocido como Rank Brain, que le permite determinar y clasificar los más interesantes resultados.


Redes Sociales
Subir una foto a Instagram o redactar un tweet son claros ejemplos de la vida cotidiana en las redes sociales. Estas pequeñas acciones son posibles gracias a las diferentes aplicaciones de la inteligencia artificial en la modernidad.
Los algoritmos de inteligencia artificial de las redes sociales le permiten clasificar contenidos, anuncios y hasta sugerir conexiones interesantes a los distintos usuarios de acuerdo a sus comportamientos en las plataformas.
La popular red social de vídeos, Tik Tok, aplica la inteligencia artificial para que los usuarios creen vídeos virales con mayor facilidad. Para ello, a través del aprendizaje automático analizan el comportamiento de los usuarios para mostrar contenidos acordes a sus preferencias y experiencias dentro de la plataforma. Facebook y Pinterest también son buenos ejemplos de inteligencia artificial en redes sociales.

 
Videojuegos
Los videojuegos han sido uno de los primeros ejemplos de inteligencia artificial y que ha ido evolucionando a lo largo de los años. A finales de los años 50, el matemático Alex Berstein desarrolló el primer ajedrez controlado completamente por inteligencia artificial.
Desde los juegos de carreras, estrategia o de disparos como Call of Duty, cuentan con sistemas inteligentes que controlan los robots enemigos y las distintas pruebas que debe superar el personaje principal.
Uno de los recientes ejemplos de la inteligencia artificial en videojuegos es Alien Insolation, en el cual el comportamiento y los movimientos del xenomorfo son controlados por IA. Con el uso de sistemas inteligentes y el aprendizaje automático, el extraterrestre puede analizar el estilo de juego del jugador para adaptar su comportamiento durante la partida.


Seguridad y vigilancia
En los últimos años, elementos de inteligencia artificial se han incorporado a los sistemas de control y vigilancia para reducir errores humanos y aumentar la eficiencia en la prevención de riesgos y situaciones peligrosas.
Tal como ocurre en otros ejemplos de inteligencia artificial, los algoritmos aplicados en los sistemas de vigilancia son capaces de recopilar información y procesar datos para obtener mejores resultados y en menor tiempo posible. Algunas cámaras de seguridad aplican la tecnología de reconocimiento facial para compararlo con la base de registros policiales para ayudar a combatir el crimen.
Además, con la inteligencia artificial es posible monitorear una mayor cantidad de imágenes al mismo tiempo que para el ojo humano no sería posible.

 
Definitivamente, la IA seguirá evolucionando y superándose, por lo que cada vez será más común encontrar ejemplos de inteligencia artificial en muchas áreas de la vida. Los más populares gadgets de la vida moderna no solo son ejemplos de la inteligencia artificial y su aplicación en los dispositivos sino también que brindan un verdadero significado de la inteligencia artificial y sus beneficios en la vida.
https://www.cinconoticias.com/ejemplos-de-inteligencia-artificial/


10)

Como Portal Mundo Mejor: A modo de reconocimiento de Alan Turing.

Alan Turing desempeñó un papel crucial en la tarea de descifrar el famoso Código Enigma, un sistema secreto de comunicación que utilizaron los nazis durante la Segunda Guerra Mundial. Se cree que gracias al trabajo de Turing el conflicto bélico se acortó unos dos años, lo cual equivale al ahorro de aproximadamente 14 millones de vidas.

45 de sus frases son:

1. A menos que al comunicarse con él uno diga exactamente lo que quiere decir, seguramente surgirán problemas. 
 
2. A veces son las personas de las que nadie puede imaginarse las que hacen las cosas que nadie puede imaginar.
 
3. Aquellos que pueden imaginar cualquier cosa pueden crear lo imposible.
 
4. Aunque nuestra visión hacia adelante es muy corta, podemos damos cuenta de que hay mucho por hacer.

5. Creo que a finales de siglo el uso de las palabras y la opinión general educada se habrá alterado tanto que se podrá hablar de máquinas que piensan sin esperar ser contradictorio.
 
6. Debe investigarse una gran parte del espacio-tiempo para obtener resultados fiables adquiridos. 
 
7. El ejercicio del ingenio en matemáticas consiste en ayudar a la intuición a través de arreglos adecuados de proposiciones, y quizás figuras geométricas o dibujos”. 
 
8. El razonamiento matemático puede considerarse más bien esquemáticamente como el ejercicio de una combinación de dos facilidades, que podemos llamar intuición e ingenio.
 
9. En lugar de intentar producir un programa para simular la mente adulta, ¿por qué no intentar producir uno que simule la mente del niño? Si esto se sometiera a un curso de educación apropiado, se obtendría el cerebro adulto.
 
10. En vez de intentar producir un programa que simule la mente adulta, ¿por qué no tratar de producir uno que simule la mente del niño? Si ésta se sometiera entonces a un curso educativo adecuado, se obtendría el cerebro de adulto.
 
11. Encontrar a una persona así hace que todos los demás parezcan tan ordinarios… y si algo le sucede, no te queda nada más que volver al mundo ordinario y una especie de aislamiento que nunca antes existió.  

12. ¿Era yo Dios? No. Porque Dios no ganó la guerra. Lo hicimos.
 
13. Es posible inventar una sola máquina que se puede utilizar para calcular cualquier secuencia computable. 
 
14. ¿Estás prestando atención?  
 
15. Hasta cierto punto, es mejor dejar que los inconvenientes [bugs] estar allí que pasar tanto tiempo en el diseño que no hay ninguno.
 
16. He tenido un sueño que indica con bastante claridad que voy camino de ser hétero, aunque no lo acepto con mucho entusiasmo ni despierto ni en sueños.
 
17. La ciencia es una ecuación diferencial. La religión es una condición límite.
 
18. La idea detrás de las computadoras digitales puede explicarse diciendo que se trata de máquinas cuyo objetivo es ejecutar cualquier operación que pueda realizar una computadora humana. Esta computadora humana, supuestamente, sigue reglas fijas y carece de la autoridad para desviarse de ellas en el más mínimo detalle.
 
19. La pregunta original, ‘¿Pueden pensar las máquinas?’ Creo que es demasiado insignificante para merecer una discusión.
 
20. La programación es una habilidad que se adquiere mejor con la práctica y el ejemplo que con los libros.
 
21. Las máquinas me toman por sorpresa con mucha frecuencia. 
 
22. Las obras y costumbres de la humanidad no parecen ser un material muy adecuado para aplicar la inducción científica.
 
23. Los códigos son un rompecabezas. Un juego, como cualquier otro juego.
 
24. Me gusta resolver problemas, Comandante. Y Enigma es el problema más difícil del mundo.
 
25. Ningún ingeniero ni químico ha pregonado tener la capacidad de producir un material que sea indistinguible de la piel humana. Es posible que se logre con el tiempo, pero aún en el supuesto de que existiese este invento, sabríamos lo poco importante que resulta tratar de hacer más humana a una "máquina pensante" cubriéndola con esta carne artificial.
 
26. No es posible producir un conjunto de reglas que pretendan describir lo que un hombre debería hacer en cada conjunto de circunstancias concebibles.
 
27. No, no me interesa desarrollar un cerebro poderoso. Lo único que busco es un cerebro mediocre, algo así como el presidente de la American Telephone and Telegraph Company.
 
28. No nos interesa el hecho de que el cerebro tenga la consistencia de una papilla fría.
 
29. Nos gusta creer que el Hombre es sutilmente superior al resto de la creación. Es mejor si se puede demostrar que es necesariamente superior, porque entonces no hay peligro de que pierda su posición de mando.
 
30. Parece probable que una vez que el método de pensamiento de la máquina hubiera comenzado, no tomaría mucho tiempo superar nuestros débiles poderes… Podrían conversar entre ellos para agudizar su ingenio. En algún momento, por lo tanto, deberíamos esperar que las máquinas tomen el control.
 
31. Piense en ello. Una computadora digital. Cerebro eléctrico.
 
32. Podríamos esperar que, con el tiempo, las máquinas lleguen a competir con el hombre en todos los campos puramente intelectuales. No obstante, ¿cuáles son las mejores para comenzar? incluso ésta resulta una decisión difícil. Mucha gente piensa que lo mejor sería una actividad muy abstracta, como jugar ajedrez. También puede sostenerse que lo mejor sería dotar a la máquina con los mejores órganos sensoriales que el dinero pueda comprar, y luego enseñarle a comprender y a hablar inglés. Este proceso podía seguir el proceso normal de enseñanza de un niño. Se le podrían señalar cosas y nombrarlas. Reitero que desconozco la respuesta correcta, pero considero que hay que intentar ambos enfoques.

33. Por supuesto, las máquinas no pueden pensar como lo hace la gente. Una máquina es diferente a una persona. Por lo tanto, piensan de manera diferente. La pregunta interesante es, solo porque algo, eh… piensa de manera diferente a ti, ¿eso significa que no está pensando.?
 
34. Quiero una relación permanente, y podría sentirme inclinado a rechazar cualquier cosa que por su naturaleza no pueda ser permanente.
 
35. ¿Sabes por qué a la gente le gusta la violencia? Es porque se siente bien. Los seres humanos encuentran la violencia profundamente satisfactoria. Pero quita la satisfacción y el acto se vuelve… vacío.
 
36. Se puede considerar el razonamiento matemático.
 
37. Si se desea que una máquina imite el comportamiento de una computadora humana en alguna operación compleja, debemos preguntarle a esta última cómo lo hace, y luego traducir la respuesta en la forma de una tabla de instrucciones. El diseño de esas tablas usualmente se denomina "programación". "Programar una máquina para que efectúe la operación A" significa introducir en la máquina la tabla de instrucciones apropiadas para que realice A.

38. Si se espera que una máquina sea infalible, no puede ser también inteligente.
 
39. Sin embargo, hay una característica que me gustaría sugerir que debería incorporarse en las máquinas, y es un ‘elemento aleatorio’. Cada máquina debe ser suministrada con una cinta que contenga una serie aleatoria de cifras, por ejemplo, 0 y 1 en cantidades iguales, y esta serie de cifras debe utilizarse en las elecciones que haga la máquina. Esto daría como resultado que el comportamiento de la máquina no estaría de ninguna manera completamente determinado por las experiencias a las que fue sometida, y tendría algunos usos valiosos cuando uno estuviera experimentando con ella. 
 
40. Solo podemos ver poco del futuro, pero lo suficiente para darnos cuenta de que hay mucho que hacer.
 
41. Supuestamente, el cerebro humano es algo parecido a una libreta que se adquiere en la papelería: muy poco mecanismo y muchas hojas en blanco.
 
42. Tengo un trabajo tan estresante que la única forma de sacarlo de mi mente es corriendo duro.
 
43. Un hombre provisto de papel, lápiz y goma, y con sujeción a una disciplina estricta, es, en efecto, una Máquina de Turing universal.  

44. Una computadora merecería ser llamada inteligente si pudiera engañar a un humano haciéndole creer que es humano.

45. Un día, las mujeres llevarán sus computadoras a pasear por el parque y se dirán unas a otras: ‘Mi pequeña computadora dijo algo tan gracioso esta vez.



Alan Turing, el padre de la computación que ganó una guerra

Alan Mathison Turing es, además de uno de los genios informáticos más grandes de la historia, el patrono laico de la sección de Tecnología de eldiario.es. Hoy que cumplimos un año, queremos celebrarlo contando cómo fue la figura de un matemático, filósofo y científico (hoy diríamos hacker) cuyos aportes en el campo de la criptografía evitaron miles de muertes en la Segunda Guerra Mundial, acortándola varios años. La importancia histórica de Turing ha sido comparada con la de Churchill y otros líderes, aunque sus ideas e inventos tuvieron que permanecer ocultos por razones de seguridad nacional en tiempos de guerra. Durante los próximos días iremos contando distintos aspectos de los avances en los que trabajó.

El nombre de Alan Turing empezó a sonar con más fuerza en los últimos años, aunque no por todos los aportes que hizo a la ciencia y la tecnología en sus 41 años sino por el tema de su perdón póstumo por parte de la Reina de Inglaterra a su condición de homosexual, que en esa época era considerado un delito. En 2009, John Graham-Cumming, un programador, envió una petición al gobierno de Reino Unido para que pidiese perdón por la persecución a Alan Turing por ser homosexual.
La historia ha sido bastante contada: en los años sucesivos, se sumaron miles de firmas de ciudadanos y apoyo de algunos políticos para que al fin, el año pasado una justicia histórica tardía haya tenido al fin lugar.
“Alan Turing cambió el mundo”, dice B. Jack Copeland en su biografía, y tiene razón. Damos por hecho que podemos hacer diferentes cosas con un computador: escribir textos y guardarlos, navegar por internet, escuchar música, y no tenemos cambiar de dispositivo para cada una de esas acciones. El computador universal de programa integrado de Turing nos ha cambiado la vida. En pocas décadas, las ideas de este hombre hicieron que computador dejara de ser un empleado que hacía cuentas de manera repetitiva, para empezar a ser una de las máquinas que más ha impactado la sociedad de los últimos 60 años.
El invento se le ocurrió cuando estaba analizando de forma filosófica un asunto sobre los fundamentos de las matemáticas, y el informe que hizo: “On Computable Numbers”, publicado en 1936 en la revista Proceedings de la London Mathematical Society, fue la piedra angular de la informática moderna.
En él Turing sentaba las bases de una máquina universal: la máquina de sus sueños podía pasar, gracias a los distintos programas almacenados en su memoria, de ejecutar una tarea a realizar otra totalmente distinta. Esto que nos parece muy normal, en ese momento parecía demasiado ambicioso, porque no había una tecnología adecuada. Ya Charles Babbage había propuesto un “motor analítico” (que no terminó de ejecutar) y que contemplaba construir con los componentes mecánicos del ferrocarril, pero eso no le servía a Turing.
La máquina de Babbage requería que un operario lo “programase” antes de cada tarea, provisto con un martillo de plomo. Turing necesitaba que su máquina pudiera funcionar a alta velocidad y que le permitiera almacenar las instrucciones y la información de un modo relativamente compacto, avances para los que ayudó la electrónica.
En 1945 crearía el primer diseño en detalle de un computador de almacenamiento programado, el ACE (Automatic Computing Engine), y en los años siguientes, comenzó a preguntarse si un computador podía componer música, o “pensar”, o si podíamos decir que un computador es inteligente. Propuso para eso un experimento estándar, al que se llamó el “Test de Turing”: si un humano no puede distinguir las respuestas dadas por un computador de las de otro humano, la máquina puede considerarse inteligente. Una forma inversa del test de Turing es el CAPTCHA: en él la máquina nos pone a prueba para saber si somos otra máquina o un humano.
Pero antes de eso estuvo la Guerra y el Foreign Office de su majestad contrató los servicios de Turing para que se dedicase al criptoanálisis, y se metió de lleno a investigar a Enigma, la máquina de cifrado alemán. Durante la Segunda Guerra, el ejército, la marina y la fuerza aérea alemanas transmitieron miles de mensajes cifrados, desde partes meteorológicos hasta órdenes del más alto nivel. Unos 30 analistas criptográficos, entre los que había un grupo dirigido por Turing, se habían establecido en Bletchley Park, una mansión victoriana convertida en un complejo de investigación militar, y desde allí ayudaron a que gran cantidad de esa información cifrada terminara en manos de los aliados. Varios historiadores citados por Copeland coinciden en afirmar que la operación masiva de descifrado de esos mensajes y la información estratégica que produjo permitió acortar la guerra entre 2 y 4 años. Si consideramos que fue una guerra que produjo de media unos 7 millones de muertes por año, el número nos da una idea de la magnitud de la aportación de Alan Turing sólo en términos de vidas humanas.
Turing fue encontrado muerto en su habitación, envenenado con cianuro el 8 de junio de 1954, y aunque se habló de suicidio, aún no se sabe con certeza lo que sucedió. Hay datos que apuntan a una muerte accidental (estaba experimentando con electrólisis asistida con cianuro), o incluso una teoría sobre un posible asesinato. En los días de su muerte andaba inmerso en un trabajo sobre el crecimiento biológico. La vida artificial fue otro de los campos donde produjo aportes y se centró en la cuestión de cómo desarrollan su forma y estructura los organismos que crecen.

https://www.eldiario.es/tecnologia/diario-turing/alan-turing-padre-computacion-guerra_1_5043341.html



Amiga, Amigo:
 
Alan Turing como padre de la IA o Inteligencia Artificial, padre de la actual Computación, me conmueve tener la suerte de anoche volver a ver la película "Código Enigma" y apreciar la vida de un niño genio que nació psicogenéticamente condicionado para ser homosexual, en un país cuya corona condenaba algo que es una condición natural para esa persona, por tanto debió ocultarlo.
Vino la Gran Segunda Guerra Mundial y el Gobierno Británico reclutó a los criptógrafos (Persona versada en criptografía, que cifra o descifra mensajes escritos con clave secreta.) más destacados, siendo Alan Idea su líder quien publica un crucigrama para contratar a una persona más para su equipo, con sorpresa la más dotada y rápida para resolverlo fue una mujer, la cual ayudó a Turing por sobre su condición sexual.
Alan Turing logra crear una enorme máquina destinada a descifra los códigos secretos del nazismo alemán. La máquina por meses funcionó sin resultados. Hasta que un día actuó la Causalidad: El grupo fue a un baile y allí una dama les señala que ella ya está enamorada y lo es de un alemán. Ante la sorpresa ella les dice que se conecta en clave por vía telefónica con un alemán y la clave estaba en las 5 primeras letras; Turing sale corriendo con todo el equipo detrás al taller y comienzan a mirar todos los papeles recibidos y para su sorpresa las cinco primeras letras estaban en Heil Hitler (heilh); en castellano Heil Hitler significa Todo Hitler. Introducen las cinco letras en la compleja máquina, la activan y comienzan a llegar desde el secreto alemán las primeras letras cuyas palabras revelaban todo el código Enigma nazi que a diario usaban: En resumen supieron cada movimiento militar alemán y eso permitió a los aliados ganar dos años antes la Guerra y evitar catorce millones más de muertos.
 
El Gobierno real les ordena destruir todos los documentos y la máquina, con absoluta prohibición de referirse al tema. Turing tiene un desliz homosexual y es acusado, mantiene el secreto de su actuación en la Guerra. La condena era dos años en la cárcel y la pérdida de los equipos nuevos que en su casa tenía y eran los precursores de los actuales computadores; o someterse a terapia química de castración que lo llevó a una grave depresión y el suicidio al comer una manzana con arsénico (Ignoro si por coincidencia la empresa Apple tiene como Símbolo una manzana mordida: Sería un digno homenaje para Turing…)
 
¿Pasan 50 años? y la reina revela la VERDAD, reconociendo que gracias a Turing y su equipo la Guerra se acortó en dos años y se evitó la muerte de 14.000.000 de personas. Eliminando además la condena absurda a los homosexuales de su reino.
 
Que cada lector del Portal MUNDO MEJOR saque su personal conclusión sobre vida y obra de Alan Turing, la computación y la IA…



Dr. Iván Seperiza Pasquali
Quilpué, Chile
Junio de 2022
Portal MUNDO MEJOR: http://www.mundomejorchile.com/
Correo electrónico: isp2002@vtr.net