Inteligencia

Artificial
Ingeniería Mecánica

Universidad Continental
 UNIVERSIDAD CONTINENTAL
FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA MECÁNICA

“AÑO DE LA UNIVERSALIZACIÓN DE LA SALUD”

TEMA
Inteligencia artificial
ALUMNOS
Kevin Israel Guillen Mollinedo
Orlando Mendoza Ccoscco
Noe Condori Lopez
Bryan Anthony Quinta Cosi
SEMESTRE
I
ASIGNATURA
Introducción a la Ingeniería Mecánica
PROFESOR
Mg. Ing. Jonathan Alain Sanchez Paredes

AREQUIPA – PERÚ
2020
“Ser humano es ser un humano: una persona
específica, con una historia de vida, idiosincrasia
y punto de vista. La Inteligencia Artificial
sugiere que la línea entre las máquinas
inteligentes y las personas se desdibuja más
cuando se hace un puré de esa identidad”
Brian Christian
 Tabla de Contenidos

Agradecimiento .................................................................................................................1
Dedicatoria.........................................................................................................................2
Prologo ..............................................................................................................................3
Introducción .......................................................................................................................5

Capítulo 1 Antecedentes en la historia ..........................................................................6

¿Cómo nació la Inteligencia Artificial? .........................................................................6

Evolución del cerebro antiguo .......................................................................................6
Modelo Neocortex ......................................................................................................8
Historia ........................................................................................................................14
Alan Turing y el sueño de la inteligencia artificial. ....................................................17
Máquina de Turing .....................................................................................................18
Teoría de autómatas .....................................................................................................20

Capítulo 2 Evolución de la inteligencia artificial ........................................................22

Nace el concepto de inteligencia artificial. ..................................................................22

Conferencia de Inteligencia Artificial (AI) de Dartmouth ..........................................22
La mente como ordenador ...........................................................................................23
Los trabajos de Noam Chomsky..................................................................................25
El comienzo de la era de la Inteligencia Artificial ......................................................27
Experimentos mentales en el pensamiento. .................................................................35

Capítulo 3 Inteligencia Artificial en la actualidad .....................................................39

¿Qué tan peligrosa sería la inteligencia artificial? .......................................................39

Tipos de inteligencia artificial .....................................................................................41
Animatronica e inteligencia artificial ..........................................................................44
Información sobre IA de las noticias, publicaciones y conferencias. ..........................47

Capítulo 4 Inteligencia Artificial en Latino America ................................................56

Inteligencia Artificial en Latino América ....................................................................56

Cumbre de inteligencia artificial en América Latina...................................................57
Retos del emprendimiento de IA en América Latina ..................................................59

Conclusiones y opinión personal ..................................................................................62

Bibliografia ....................................................................................................................63
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Agradecimiento
Agradezco en primer lugar a Dios por habernos permitido llegar hasta
este punto; por habernos dado salud, ser el manantial de vida y darnos lo
necesario para seguir adelante día a día para lograr nuestros objetivos.
A nuestras familias que son el pilar de nuestra vida y quienes nos han
apoyado en cada paso que hemos dado y a quienes agradecemos por
apoyarnos para lograr la culminación de este trabajo monográfico.
A nuestras madres por habernos apoyado en todo momento; por sus consejos,
sus valores, por la motivación constante que nos ha permitido ser una
persona de bien, pero más que nada, por su amor.
A nuestros padres por los ejemplos de perseverancia y constancia que los
caracterizan y que nos ha infundado siempre; por el valor mostrado para salir
adelante y por su amor.
Finalmente, a todos aquellos que ayudaron directa o indirectamente a realizar
este trabajo monográfico, mil y mil gracias.

1
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Dedicatoria

Esta monografía está dedicada a nuestros padres ya que gracias a ellos

puedo estar en esta prestigiosa institución y poder aportar con mi
investigación y mis conocimientos.
También dedico a nuestros abuelos ya que con ellos sigo siendo una persona
de bien pese a cualquier tipo de enfermedad.
Y quiero dedicar también a un amigo muy especial que es mi Dios con
el ago. Todo y está conmigo en las buenas y en las malas, en las noches más
frías y por eso se lo debo todo a el ya que a pesar de mis errores en esta vida
él supo perdonarme y comenzar nuevamente.
.

2
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Prologo

¿Qué es la Inteligencia Artificial?, ¿Por qué el nombre Inteligencia?, ¿Podrán las

maquinas llegar ser alguna vez más inteligentes que los humanos?, ¿Se puede explicar la
mente humana en términos idénticos a los de las computadoras?, ¿Y viceversa?, ¿Cuáles
son los límites de la Inteligencia Artificial?, Etc.

Estas son algunas de las preguntas que nos hacemos, en parte inquietantes, que
puede hacerse cualquiera persona frente a la Inteligencia Artificial. Sin embargo, a
muchas de estas preguntas no encontramos respuestas en esta monografía, ya que hoy por
hoy, los que trabajaron en el entorno de la Inteligencia Artificial están más preocupados
por su desarrollo, divulgación, aplicación y la resolución de los retos que nos plantea,
que, por su expectativas, promesas o futuribles aun todavía lejanos, pero no tanto.

Hay que reconocer el esfuerzo de los autores en la redacción de sus libros, revistas
y tesis acerca del tema. Este reconocimiento se hace aún más sincero por la especial y
cercana inducción que me une a algunos de estos autores. Considero que esta monografía
va dirigida tanto a los que se introducen de nuevas en el fascinante mundo de la
Inteligencia Artificial, permitiéndonos conocer algunos de sus modelos, técnicas y
aplicaciones más destacadas; como a los que ya conocen y trabajan en sus diversos
campos, pudiendo servir como un texto que amplié sus conocimientos sobre las áreas
especificadas que trata. En conjunto con una exposición clara y pedagógica,
complementada con múltiples referencias y ejemplos, constituye una útil referencias para
nuestro trabajo.

La inteligencia Artificial, definida como “El estudio de como programar

computadoras que posean la facultad de hacer aquello que la mente puede realizar” –
Minsky; toma un sentido científico viable durante la segunda mitad del siglo pasado,
como resultado directo de la confluencia de diversas corrientes intelectuales desarrolladas
sobre los cimientos formales de la lógica y la matemática discreta, e impulsadas por el
desarrollo de las computadoras digitales. Particularmente, la Inteligencia Artificial
supone un serio esfuerzo por entender la complejidad de la conducta humana en términos
de proceso de información.

En definitiva, un área en la que hay mucho hecho, pero mucho más por hacer. Un
área en la que los retos son difíciles, extraordinariamente complejos, pero también muy
prometedoras; con una gran vitalidad científica e impacto en nuestra vida. Todo esto

3
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

forma parte de los motivos, ilusiones y esfuerzos continuado que ponemos en el

desarrollo, aplicaciones y transmisión de su conocimiento.

En todo este contexto, por lo que supone como herramienta de divulgación y

compresión, por rellenar un hueco excesivamente amplio de textos sobre Inteligencia
Artificial, desde nuestro entorno más cercano, y por el resultado obtenido de un gran
esfuerzo y dedicación, solo cabe dar la bienvenida, felicitación y reconocimiento a los
autores por los trabajos realizados y que serán presentados en este trabajo.

Kevin Israel Guillen Mollinedo

Arequipa, 2020

4
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Introducción
Nuestro propósito al escribir esta monografía sobre Inteligencia Artificial ha sido
aportar un texto que sirva de base para impartir IA en la carrera de Ingeniera Mecánica.
Por esta razón, nuestro trabajo se ajusta a un esquema en el que inducimos por un lado
los tópicos que entendemos forman un núcleo común en todas las asignaturas
introductorias a IA y por otro lado introducimos tópicos avanzados que suelen impartir
en otros trabajos.

Creemos sinceramente que esta estructuración de contenidos permite aportar

flexibilidad a la hora de diseñar, y que por otro lado, introduce una extensión razonable
los temas típicamente avanzados. Por ellos, no nos hemos limitado a introducir
tímidamente estos temas, sino hemos dedicado espacio suficiente en la monografía para
tratarlos de tal forma que el lector comprenda su complejidad y conozca las
aproximaciones más actuales.

No se trata, pues, de dejar constancia de que existen campos como la visión

artificial o la robótica en donde las técnicas de la IA tienen mucho que decir, sino de
sugerir que el tratamiento de estas problemáticas, supone no solo un buen campo de
prácticas para el desarrollo de la IA si no también un cumulo de nuevas ideas, técnicas y
aproximaciones a problemas más generales.

Finalmente, solo nos resta pedir disculpas y dar las gracias. Pedir disculpas
porque, debido a limitaciones de tiempo y espacio, hemos dejado fuera campos de gran
interés actual como los agentes inteligentes o la ingeniera del conocimiento. Dar las
gracias a todos aquellos que nos han apoyado a lo largo del proceso de diseñar, escribir y
corregir el texto; gracias por su confianza y apoyo durante todo este proceso.

5
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Capitulo N°1

Antecedentes en la historia

¿Cómo nació la Inteligencia Artificial?

Bueno tendríamos que remontar

al año de 1950, Turing se
preguntaba si las maquinas eran
capaces de pensar. Él se
preguntaba principalmente por
establecer los límites y las
diferencias de la inteligencia
natural y la inteligencia artificial,
y aunque el termino como tal se
aceptó hasta 1956, donde diseño el primer ordenador capaz de jugar ajedrez.

Al fallecer prematuramente siendo juzgado por su sexualidad, el científico Von Neumann

continuo su trabajo. Creía que los ordenadores deben diseñar a partir de un modelo del
cerebro humano. Sin embargo, posteriormente se descubrió que era mejor estudiar las
funciones del cerebro para saber cómo desarrollar una máquina que pudiera realizar las
mismas. Que en lugar de crear una maquina similar a nivel celular, fuera similar en la
forma de procesar información.

Basándose en el modelo de Turing, comenzó desarrollándose una inteligencia capaz de

resolver juegos (como las damas y el ajedrez) que tuviera un gran número de situaciones
por calcular, problemas a solucionar, tomar decisiones, hacer memoria, corregir los
errores, entre otros.

Si bien los ordenadores son capaces de responder a estos estímulos, no significa que los
comprendan. El termino hoy en día se utiliza para añadirlo como adjetivo a todo aquello
que tiene una inteligencia similar a los de los humanos. (1)

Evolución del cerebro antiguo

1. La ciencia del cerebro:

6
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

La ciencia del cerebro tiene como

objetivo general conocer y
comprender cómo los procesos
cerebrales determinan las funciones
cognitivas (percepción, memoria,
inteligencia, aprendizaje,
subjetividad, razonamiento,
resolución de problemas, lenguaje,
comunicación, emoción, entre
otras) que posibilitan a los seres
vivos, dotados con este órgano, la capacidad de adaptarse al medio ambiente y
transformarlo con su actuación, ya sea para su supervivencia individual o de la
especie. (2)
2. La evolución del cerebro:
El cerebro humano tal y como lo conocemos actualmente ha sufrido un proceso de
evolución de 2.5 millones de años desde nuestro ancestro más primitivo. Se considera
que empezó a aumentar notablemente de tamaño en el Australopitecos africanus -
posible predecesor de nuestro género con un volumen cerebral de aproximadamente
500 centímetros cúbicos y lo hizo a un ritmo estimado de 150.000 neuronas por
generación.
Pese a tener una estatura similar a la
del chimpancé, los cerebros de estos
individuos empezaron a presentar
volúmenes encefálicos
significativamente superiores. Por su
parte, los primeros miembros del
género Homo mostraban una mediana
de 700 centímetros cuadrados y
evolucionaron de manera gradual y casi lineal - sin baches - hasta llegar a los 1.400
centímetros cúbicos del Homo sapiens actual.
A lo largo de nuestra evolución las mejoras en el cerebro y el cuerpo se han
complementado recíprocamente: cuando una avanzaba, ésta impulsaba la mejora de
la otra siguiendo un ciclo de retroalimentación positiva. De esta manera, ponerse

7
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

de pie fue uno de los primeros hechos trascendentales de la humanidad y está

constatado que esto sucedió antes de la aparición de los pulgares prensiles, la
habilidad de fabricar herramientas o el desarrollo del lenguaje. (3)

Modelo de Neocortex

El cerebro humano es el sistema más

complejo que se conoce. Eso significa
que, si se quiere llegar a entender su
funcionamiento, es necesario
encontrar patrones y regularidades en
su funcionamiento y estructura; dicho
de otro modo, hay que intentar
formular explicaciones útiles y simples sobre este conjunto de órganos.

El cerebro triúnico de Paul MacLean, que a veces es conocido como la teoría de los 3
cerebros, ha sido muy popular durante años por agrupar varias regiones del encéfalo en
diferentes conjuntos que, según propuso este neurocientífico, realizan tareas diferentes.
Las estructuras diferenciadas serían, según MacLean, el complejo reptiliano, el sistema
límbico y el neocórtex.

¿Qué es neocórtex?

El neocórtex, neocorteza o isocórtex es la estructura que en los seres humanos conforma

la mayor parte de la corteza cerebral, concretamente el 90% de ella. Se trata de la parte
del cerebro de aparición más reciente a nivel filogenético. Está conformada
principalmente por materia gris, es decir, por somas (los "cuerpos" de las neuronas, donde
se encuentra el núcleo celular) y dendritas de las neuronas que forman parte del encéfalo.

Dependiendo de la zona, esta estructura tiene entre dos y cuatro milímetros de grosor. A
pesar de su poco grosor, se trata de una estructura de gran extensión que debido a su
situación dentro del cráneo ha de estar condensada y plegada, motivo por el que el cerebro
humano posee circunvoluciones y curvaturas. De hecho, aunque la neocorteza ocupa
aproximadamente el área de una pizza en su estado plegado, desplegada ocuparía dos
metros cuadrados. El cerebro del ser humano es un caso único en el reino animal en lo
que se refiere a la capacidad de distribuir muchos somas neuronales en relativamente poco
espacio.

8
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Así pues, el neocórtex hace posible que haya multitud de neuronas distribuidas a lo largo
de varias capas de cerebro replegadas sobre sí mismas, y esto, a su vez, tiene grandes
ventajas para nuestro rendimiento mental.

Por otro lado, el neocórtex no es una estructura uniforme, sino que se encuentra dividido
en los dos hemisferios cerebrales. Además, la neocorteza forma configura la mayor parte
de los diferentes lóbulos cerebrales, afectando a la integración y consolidación de
prácticamente toda la información que llega a través de los sentidos.

Entendiendo la idea de cerebro triúnico

La idea del cerebro triple de Paul MacLean

se fundamenta en la idea de que en el
encéfalo humano habitan 3 sistemas
cerebrales distintos, con sus propias lógicas
de funcionamiento, y que cada uno de ellos
ha ido apareciendo en nuestra línea
evolutiva de manera secuencial, el uno
sobre el otro. Eso significa, entre otras
cosas, que estos tres cerebros serían
relativamente independientes y que se
relacionarían entre sí siguiendo una
jerarquía, dependiendo de su antigüedad y lo importante de sus funciones de cara a nuestra
supervivencia.

El complejo reptiliano, por ejemplo, al ser el primero en aparecer sería la estructura que
lleva a cabo las funciones más básicas y más importantes para sobrevivir en el aquí y el
ahora, mientras que el neocórtex, al ser la estructura de aparición más reciente en la línea
evolutiva que lleva hasta el Homo sapiens, sería el que se encarga de las funciones más
refinadas y complejas.

La lógica que sigue esta concepción del cerebro humano recuerda mucho a una forma de
entender la evolución como un proceso en el que lo nuevo se va acumulando sobre lo
viejo, de manera que estas dos partes mantienen una independencia relativa entre sí,
aunque se afectan las unas a las otras. También recuerda a la idea de que lo emocional y
lo racional forman parte de dos dimensiones psicológicas diametralmente opuestas, y que
donde hay una no cabe la otra.

9
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Las partes del encéfalo según Paul MacLean

Ahora que ya hemos repasado por encima las ideas en las que se basa el modelo del
cerebro triúnico, pasemos a ver sus partes por separado:

1. El cerebro reptilian
Para Paul MacLean, el concepto de complejo reptiliano servía para definir la zona
más baja del prosencéfalo, donde están los llamados ganglios basales, y también
zonas del tronco del encéfalo y el cerebelo responsables del mantenimiento de las
funciones necesarias para la supervivencia inmediata. Según MacLean, estas zonas
estaban relacionadas con los comportamientos estereotipados y predecibles que
según él definen a los animales vertebrados poco evolucionados, como los reptiles.
Esta estructura se limitaría a hacer que aparezcan conductas simples e impulsivas,
parecidas a rituales que siempre se repiten del mismo modo, dependiendo de los
estados fisiológicos del organismo: miedo, hambre, enfado, etc. Puede entenderse
como una parte del sistema nervioso que se limita a ejecutar códigos programados
genéticamente cuando se dan las condiciones adecuadas.
2. El cerebro límbico
El sistema límbico, que según MacLean apareció con los mamíferos más primitivos
y sobre la base del complejo reptiliano, fue presentado como una
estructura responsable de la aparición de las emociones asociadas a cada una de las
experiencias que se viven.
Su utilidad tiene que ver con el aprendizaje. Si una conducta produce emociones
agradables, tenderemos a repetirla o a intentar cambiar nuestro entorno para que se
produzca de nuevo, mientras que si produce dolor recordaremos esa experiencia y
evitaremos tener que experimentarla otra vez. Así pues, este componente tendría un
papel fundamental en procesos como el condicionamiento clásico o
el condicionamiento operante.
3. La neocorteza
Para MacLean, el neocórtex era el hito evolutivo más reciente del desarrollo de
nuestro cerebro. En esta estructura tan compleja residía l capacidad para aprender
todos los matices de la realidad y de trazar los planes y las estrategias más
complicadas y originales. Si el complejo reptiliano se basaba en la repetición de
procesos totalmente por la propia biología, la neocorteza era permeable a todo tipo de
sutilezas provenientes del entorno y del análisis de nuestros propios actos.

10
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Para este neurocientífico, la neocorteza podía considerarse la sede de la racionalidad

en nuestro sistema nervioso, ya que nos permite la aparición del pensamiento
sistemático y lógico, que existe independientemente de las emociones y de las
conductas programadas por nuestra genética.

Funciones principales

Teniendo en cuenta que conforma el 90% de la corteza cerebral, es lógico pensar que esta
parte del encéfalo tiene una gran importancia en el funcionamiento habitual del ser
humano. Mas ¿qué funciones tiene esta zona que la hacen tan importante para nosotros?

El neocórtex o neocorteza se considera el área cerebral responsable de nuestra capacidad

de razonamiento, permitiendo el pensamiento lógico y la consciencia. Se trata del área
del cerebro que permite todas las funciones mentales superiores y las funciones ejecutivas
(especialmente localizadas en el lóbulo frontal). Se considera que el Yo y la
autoconciencia se deben al funcionamiento de esta estructura.

Se trata de un conjunto de neuronas y células gliales cuya funció no tiene que ver con dar
una respuesta estereotípica y previsible ante ciertos estímulos, sino que trabajan sobre
contenidos ya procesados por otras células nerviosas para poder "improvisar" respuestas
originales en tiempo real.

Razonamiento, reflexión, toma de decisiones

Asimismo, el neocórtex sirve como área de asociación e integración de las diferentes

percepciones y la toma de conciencia de éstas, contribuyendo a formar una imagen mental
de la realidad más precisa. Permite el análisis profundo de la información, la reflexión y
la capacidad de toma de decisiones.

Se trata de la parte del cerebro que permite la planificación y anticipación de resultados,

recreando posibles escenarios y permitiendo en base a ello el establecimiento de una
estrategia o conducta a seguir.

Habilidades como el cálculo y el lenguaje también dependen del neocórtex, precisándose

de la integración de distintas informaciones y su transformación en diferentes zonas de
esta estructura. Del mismo modo, la memoria a largo plazo también depende en gran
medida de la neocorteza, siendo la zona donde se “graba” la nueva información y desde
la cual se lleva a la memoria de trabajo con el fin de poder operar con ella.

11
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Permite también el desarrollo y la optimización de las restantes partes del cerebro,

pudiendo controlar la conducta, gestionar las emociones e inhibir patrones de conducta
no adaptativos, así como grabar y consolidar nuevos.

A nivel social el neocórtex también tiene un papel fundamental, ya que gracias a ella es
posible el control y gestión de los impulsos, emociones y conductas. Esto implica que
permite la existencia de la consideración hacia los demás, la negociación de metas y, en
general, la convivencia con otros miembros de nuestra misma especie.

Organización por capas

Además de su división funcional en los diferentes lóbulos cerebrales y en dos

hemisferios, es necesario tener en cuenta que el neocórtex no posee una composición
homogénea en toda su extensión.

De hecho, esta parte del cerebro se encuentra dividido en seis capas

diferenciadas principalmente por el tipo y organización de las células nerviosas que en
ellas se encuentran.

 Capa I: Capa plexiforme externa

También denominada capa molecular, se trata de la capa más exterior y superficial de
la neocorteza, estando cubierta por la piamadre (una de las meninges). Esta primera
capa contiene relativamente pocas neuronas. Se encarga de recibir fibras de diversos
sistemas cerebrales que mandan información de diferentes tipos desde varias partes
del sistema nervioso central.
Su composición se basa principalmente en células horizontales de Cajal, dendritas de
diferentes tipos de neuronas e interneuronas y algunos axones de células de otras
capas más internas y de estructuras como el tálamo. Se trata de una capa que funciona
como capa de asociación a nivel intracortical, es decir, que integra diferentes tipos de
información creando unidades más grandes y significativas
 Capa II: Capa células piramidales pequeñas o granular externa
Esta capa del neocórtex está compuesta principalmente por células piramidales y
estrelladas (con forma de estrella), cuyas dendritas se sitúan en la capa plexiforme
externa y los axones en capas inferiores. Al igual que la anterior, sirve como
mecanismo de asociación entre las diferentes partes de la corteza, aunque en otro
nivel.
 Capa III: Capa piramidal externa

12
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Compuesta principalmente por células piramidales de tamaño variable, si bien

generalmente superior al de la capa granular externa. Los axones de éstas configuran
fibras de proyección y asociación. Sirve como área de asociación intracortical.
Asimismo, algunas de sus neuronas se proyectan contralateralmente (al otro
hemisferio cerebral), de manera que se establece un puente entre estas dos mitades de
la parte superior del sistema nervioso central.
 Capa IV: Capa granular interna
Esta capa está principalmente compuesta por células en forma de estrella. Esta capa
no existe en algunas zonas, como en la corteza motora. Recibe información del
tálamo, la cual es distribuida por esta capa en lo que se conoce como estrías
talamocorticales. Sus fibras se proyectan a los ganglios basales, médula espinal
y tronco del encéfalo.
 Capa V: Capa piramidal interna o ganglionar
La quinta capa del neocórtex está conformada por grandes células piramidales, junto
a otras estrelladas, las cuales envían información a otras zonas del cerebro. Dentro de
esta capa se puede observar la banda de Baillarger, una agrupación de fibras nerviosas
situadas de forma horizontal y que puede ser distinguida de las áreas adyacentes que
conforman el neocórtex.
 Capa VI: Capa poliforma
Formada por células de formas irregulares y polimorfas, esta capa del neocórtex
realiza funciones eferentes, enviando conexiones a la sustancia blanca y viajando
muchas de sus neuronas a través del cuerpo calloso. Es decir, manda información a
zonas relativamente lejanas, más de la que recibe directamente de estas.

Historia

El término "Inteligencia Artificial" fue acuñado formalmente en 1956 durante la

conferencia de Darthmounth, más para entonces ya se había estado trabajando en ello
durante cinco años en los cuales se había propuesto muchas definiciones distintas que en
ningún caso habían logrado ser aceptadas totalmente por la comunidad investigadora. La
IA es una de las disciplinas más nuevas junto con la genética moderna.

Los juegos matemáticos antiguos, como el de las Torres de Hanói (hacia el 3000 a. C.),
muestran el interés por la búsqueda de un modo resolutor, capaz de ganar con los mínimos
movimientos posibles. Las ideas más básicas se remontan a los griegos, antes de Cristo.
Aristóteles (384-322 a. C.) fue el primero en describir un conjunto de reglas que describen

13
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

una parte del funcionamiento de la mente para obtener conclusiones racionales, y Ctesibio
de Alejandría (250 a. C.) construyó la primera máquina auto controlada, un regulador del
flujo de agua (racional, pero sin razonamiento).

En 1315 Ramón Llull en su libro Ars magna tuvo la idea de que el razonamiento podía
ser efectuado de manera artificial. En 1847 George Boole estableció la lógica
proposicional (booleana), mucho más completa que los silogismos de Aristóteles, pero
aún algo poco potente.

En 1879 Gottlob Frege extiende la lógica booleana y obtiene la Lógica de Primer Orden
la cual cuenta con un mayor poder de expresión y es utilizada universalmente en la
actualidad.

En 1903 Lee De Forest inventa el tríodo, también llamado bulbo o válvula de vacío.

En 1936 Alan Turing diseña formalmente una Máquina universal que demuestra la
viabilidad de un dispositivo físico para implementar cualquier cómputo formalmente
definido.

En 1937 Alan Turing publicó un artículo de bastante repercusión sobre los "Números
Calculables", un artículo que estableció las bases teóricas para todas las ciencias de
computación, y que puede considerarse el origen oficial de la informática teórica. En este
artículo introdujo el concepto de Máquina de Turing, una entidad matemática abstracta
que formalizó el concepto de algoritmo y resultó ser la precursora de las computadoras
digitales. Podía conceptualmente leer instrucciones de una cinta de papel perforada y
ejecutar todas las operaciones críticas de un computador. El artículo fijó los límites de las
ciencias de la computación porque demostró que no es posible resolver problemas con
ningún tipo de computador. Con ayuda de su máquina, Turing pudo demostrar que existen
problemas irresolubles, de los que ningún ordenador será capaz de obtener su solución,
por lo que se le considera el padre de la teoría de la compatibilidad.

En 1940 Alan Turing y su equipo construyeron el primer computador electromecánico y

en 1941 Konrad Zuse creó la primera computadora programable y el primer lenguaje de
programación de alto nivel Plankalkül. Las siguientes máquinas más potentes, aunque
con igual concepto, fueron la ABC y ENIAC.

En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas

artificiales, el cual se considera el primer trabajo del campo, aun cuando todavía no existía

14
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

el término. Los primeros avances importantes comenzaron a principios de los años 1950
con el trabajo de Alan Turing, a partir de lo cual la ciencia ha pasado por diversas
situaciones.

En 1950 Turing consolidó el campo de la inteligencia artificial con su artículo Computing

Machinery and Intelligence, en el que propuso una prueba concreta para determinar si
una máquina era inteligente o no, su famosa Prueba de Turing por lo que se le considera
el padre de la Inteligencia Artificial. Años después Turing se convirtió en el adalid que
quienes defendían la posibilidad de emular el pensamiento humano a través de la
computación y fue coautor del primer programa para jugar ajedrez.

En 1951 William Shockley inventa el transistor de unión. El invento hizo posible una
nueva generación de computadoras mucho más rápidas y pequeñas.

En 1955 Herbert Simón, Allen Newell y J.C. Shaw, desarrollan el primer lenguaje de
programación orientado a la resolución de problemas, el IPL-11. Un año más tarde
desarrollan el LogicTheorist, el cual era capaz de demostrar teoremas matemáticos.

En 1957 Newell y Simón continúan su trabajo con el desarrollo del General Problem
Solver (GPS). GPS era un sistema orientado a la resolución de problemas.

En 1958 John McCarthy desarrolla en el Instituto de Tecnología de Massachusetts (MIT)

el LISP. Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para
procesamiento simbólico.

En 1959 Rosenblatt introduce el Perceptrón.

En 1963 Quillian desarrolla las redes semánticas como modelo de representación del
conocimiento.

En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el

cual era capaz de inferir conocimiento basado en información que se le suministra.
Bobrow desarrolla STUDENT.

En 1968 Seymour Papert, Danny Bobrow y Wally Feurzeig desarrollan el lenguaje de

programación LOGO.

En 1969 Alan Kay desarrolla el lenguaje Smalltalk en Xerox PARC y se publica en 1980.

15
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

En 1973 Alain Colmenauer y su equipo de investigación en la Universidad de

AixMarseille crean PROLOG (del francés PRO grammation en LOGique) un lenguaje de
programación ampliamente utilizado en IA.

En 1974 Edward Shortliffe escribe su tesis con MYCIN, uno de los Sistemas Expertos
más conocidos, que asistió a médicos en el diagnóstico y tratamiento de infecciones en la
sangre.

En 1980 la historia se repitió con el desafío japonés de la quinta generación, que dio lugar
al auge de los sistemas expertos pero que no alcanzó muchos de sus objetivos, por lo que
este campo sufrió una nueva interrupción en los años noventa.

En 1986 McClelland y Rumelhart publican Parallel Distributed Processing (Redes

Neuronales).

En 1987 Martin Fischles y Oscar Firschein describieron los atributos de un agente

inteligente. Al intentar describir con un mayor ámbito (no sólo la comunicación) los
atributos de un agente inteligente, la IA se ha expandido a muchas áreas que han creado
ramas de investigación enormes y diferenciadas. Dichos atributos del agente inteligente
son:

 Tiene actitudes mentales tales como creencias e intenciones.

 Tiene la capacidad de obtener conocimiento, es decir, aprender.
 Puede resolver problemas, incluso particionando problemas complejos en otros
más simples.
 Entiende. Posee la capacidad de crearle sentido, si es posible, a ideas ambiguas o
contradictorias.
 Planifica, predice consecuencias, evalúa alternativas (como en los juegos de
ajedrez)
 Conoce los límites de sus propias habilidades y conocimientos.
 Puede distinguir a pesar de las similitudes de las situaciones.
 Puede ser original, creando incluso nuevos conceptos o ideas, y hasta utilizando
analogías.
 Puede percibir y modelar el mundo exterior.
 Puede entender y utilizar el lenguaje y sus símbolos.

En los 90´s surgen los agentes inteligentes.

16
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

En 1997 Garry Kasparov, campeón mundial de ajedrez, pierde ante la computadora

autónoma Deep Blue.

En 2006 se celebró el aniversario con el Congreso en español 50 años de Inteligencia

Artificial - Campus Multidisciplinar en Percepción e Inteligencia 2006.

En el año 2009 ya hay en desarrollo sistemas inteligentes terapéuticos que permiten

detectar emociones para poder interactuar con niños autistas.

En 2010 el programa Suzette ganó el premio Loebner. Algunos programas de inteligencia

artificial gratuitos son Dr. Abuse, Alice, Paula SG, Virtual woman millenium

En el año 2011 IBM desarrolló una supercomputadora llamada Watson, la cual ganó una
ronda de tres juegos seguidos de Jeopardy, venciendo a sus dos máximos campeones, y
ganando un premio de 1 millón de dólares que IBM luego donó a obras de caridad.

Como anécdota, muchos de los investigadores sobre IA sostienen que “la inteligencia es
un programa capaz de ser ejecutado independientemente de la máquina que lo ejecute,
computador o cerebro”. (4)

Alan Turing y el sueño de la inteligencia artificial

Alan Turing (1912-1954) está

considerado como uno de los científicos
más extraordinarios del siglo XX. Fue un
matemático, lógico, criptógrafo, filósofo,
maratonista y corredor de ultra distancia,
que pasó a la historia por sentar las bases
teóricas de la informática. Además,
durante la II Guerra Mundial tuvo un
papel fundamental para que los aliados pudieran descifrar el código de las
comunicaciones secretas de los nazis. Entre la larga lista de méritos que hoy se le
reconocen, hay uno que es más cuestionable: ¿Fue realmente Turing el padre de la
inteligencia artificial?

Entre los sueños más largamente acariciados por la ciencia, el de lograr máquinas o robots
inteligentes es uno de los más antiguos. Ramon Llull, por ejemplo, expresó en su Ars
Magna (1315) la idea de que el razonamiento podría implementarse de manera artificial
en una máquina. En un artículo publicado en 1936, Alan Turing introdujo un artilugio

17
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

teórico basado en el principio de que una máquina puede imitar a cualquier otra máquina:
eso es lo que se denomina una “máquina de Turing”.

Si existe alguna esperanza de conseguir máquinas que sean “inteligentes”, en el sentido

de que sus razonamientos y los resultados que proporcionen no se puedan distinguir de
los propios de los humanos, estas serán algún tipo de computadora. Y como el
funcionamiento de las computadoras se basa en última instancia en el modelo de las
máquinas de Turing, podremos decir que Turing fue un precursor de la inteligencia
artificial.

Más tarde Alan Turing se aventuró a manifestarse acerca de cuándo podría decirse que se
habían construido máquinas que, efectivamente, pensaban. En 1950 publicó un artículo
en la revista de filosofía Mind, titulado “Maquinaria de computación e inteligencia”, en
el que escribió: “Creo que aproximadamente en los próximos cincuenta años será posible
programar computadoras para que puedan desarrollar el juego de imitación tan bien que
un interrogador medio no tendrá más del 70% de probabilidades de realizar la
identificación correcta después de 5 minutos de preguntas. Sobre la cuestión inicial,

‘¿Pueden pensar las máquinas?’, creo que no posee el suficiente sentido como para que
merezca discutirse. Sin embargo, pienso que al final del siglo el uso de palabras y de
opiniones razonadas de tipo general se habrá modificado tanto que uno podrá hablar de
máquinas que piensan sin esperar que le contradigan”.

Las máquinas que piensen como seres humanos aún no han llegado, más de sesenta años
después de que Turing escribiese su artículo, aunque él fue lo suficientemente precavido
como para que podamos aceptar que las máquinas que hoy existen se acercan a poseer
inteligencia tanto como él sugería. (5)

Máquina de Turing

La máquina de Turing, modela

matemáticamente a una máquina que
opera mecánicamente sobre una
cinta. En esta cinta hay símbolos que
la máquina puede leer y escribir, uno
a la vez, usando un cabezal
lector/escritor de cinta. La operación

18
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

está completamente determinada por un conjunto finito de instrucciones elementales

como "en el estado 42, si el símbolo visto es 0, escribe un 1; Si el símbolo visto es 1,
cambia al estado 17; en el estado 17, si el símbolo visto es 0, escribe un 1 y cambia al
estado 6; etc". En el artículo original ("Sobre números computables con una aplicación al
Entscheidungsproblem"), Turing no imagina un mecanismo, sino una persona a la que él
llama la "computadora", quien ejecuta servilmente estas reglas mecánicas deterministas
(o como Turing pone, "de una manera desganada").

Más precisamente, una máquina de Turing consta de:

Una cinta que se divide en celdas, una al lado de la otra. Cada celda contiene un símbolo
de algún alfabeto finito. El alfabeto contiene un símbolo especial llamado blanco (aquí
escrito como 'B') y uno o más símbolos adicionales. La cinta se supone que es
arbitrariamente extensible hacia la izquierda y hacia la derecha, es decir, la máquina de
Turing siempre es suministrada con tanta cinta como necesite para su computación. Las
celdas que no se hayan escrito previamente se asumen que están rellenas con el símbolo
blanco. En algunos modelos la cinta tiene un extremo izquierdo marcado con un símbolo
especial; la cinta se extiende o es indefinidamente extensible hacia la derecha.

Un cabezal que puede leer y escribir símbolos en la cinta y mover la cinta a la izquierda
y a la derecha una (y sólo una) celda a la vez. En algunos modelos el cabezal se mueve y
la cinta es estacionaria.

Un registro de estado que almacena el estado de la máquina de Turing, uno de los estados
finitos. Hay un especial estado inicial con que el registro de estado es iniciado. Turing
escribe que estos estados reemplazan el "estado de la mente" en que ordinariamente
estaría una persona realizando cálculos.

Una tabla finita de instrucciones (llamada ocasionalmente como tabla de acción o función
de transición). Las instrucciones son usualmente 5-tuplas: qiaj→qi1aj1dk, (a veces 4-
tuplas), que, dado el estado (qi) la máquina está actualmente en y el símbolo (aj) se está
leyendo en la cinta (el símbolo actualmente debajo del cabezal) le indica a la máquina
hacer lo siguiente en secuencia (para los modelos de 5-tupla):

Note que cada parte de la máquina — su estado y colecciones de símbolos — y sus

acciones — imprimir, borrar, movimiento de la cinta — es finito, discreto y distinguible;

19
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

es la cantidad potencialmente ilimitada de cinta lo que le da una cantidad ilimitada de

espacio de almacenamiento. (6)

Descripción informal

Aquí se muestra el estado interno (q1) dentro del cabezal, y la ilustración describe la cinta
como siendo infinita y lledada previamente con '0', el símbolo sirviendo como blanco. El
estado completo del sistema (su configuración) consiste del estado interno, el contenido
de las casillas sombreadas incluyendo el blanco leído el cabezal ("11B") y la posición del
cabezal.

Teoría de autómatas

La teoría de autómatas es una rama de

la teoría de la computación que estudia
las máquinas abstractas y los problemas
que éstas son capaces de resolver. La
teoría de autómatas está estrechamente
relacionada con la teoría del lenguaje
formal ya que los autómatas son
clasificados a menudo por la clase de
lenguajes formales que son capaces de
reconocer. También son de gran utilidad en la teoría de la complejidad computacional.

Un autómata es un modelo matemático para una máquina de estado finito (FSM sus siglas
en inglés). Una FSM es una máquina que, dada una entrada de símbolos, "salta" a través
de una serie de estados de acuerdo a una función de transición (que puede ser expresada
como una tabla). En la variedad común "Mealy" de FSMs, esta función de transición dice
al autómata a qué estado cambiar dados unos determinados estado y símbolo.

20
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

La entrada es leída símbolo por símbolo, hasta que es "consumida" completamente

(piense en ésta como una cinta con una palabra escrita en ella, que es leída por una cabeza
lectora del autómata; la cabeza se mueve a lo largo de la cinta, leyendo un símbolo a la
vez) una vez la entrada se ha agotado, el autómata se detiene.

Dependiendo del estado en el que el autómata finaliza se dice que este ha aceptado o
rechazado la entrada. Si éste termina en el estado "acepta", el autómata acepta la palabra.
Si lo hace en el estado "rechaza", el autómata rechazó la palabra, el conjunto de todas las
palabras aceptadas por el autómata constituyen el lenguaje aceptado por el mismo. (7)

21
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Capítulo N°2

Evolución de la inteligencia artificial

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. (8)

Conferencia de Inteligencia Artificial (AI) de Dartmouth

La conferencia de Inteligencia
Artificial (IA) de Dartmouth de 1956
dio a luz al campo de la IA y dio a las
generaciones sucesivas de científicos
su primer sentido del potencial de la
tecnología de la información para
beneficiar a los seres humanos de una
manera profunda.

En 1956, John McCarthy invitó a muchos de los principales investigadores de la época

en una amplia gama de temas de investigación avanzada como la teoría de la complejidad,
la simulación del lenguaje, las redes neuronales, la abstracción del contenido de las
entradas sensoriales, la relación de aleatoriedad con el pensamiento creativo y las

22
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

máquinas de aprendizaje a Dartmouth en New Hampshire para discutir un tema tan nuevo
para la imaginación humana que tuvo que acuñar un nuevo término para ello: Inteligencia
Artificial.

Esta conferencia fue la reunión más grande sobre el tema que había tenido lugar hasta la
fecha, y sentó las bases para una visión ambiciosa que desde entonces ha afectado la
investigación y el desarrollo en ingeniería, matemáticas, informática, psicología y
muchos otros campos. No fue una coincidencia que, ya en 1956, la evidencia indicara que
la capacidad y funcionalidad electrónica se duplicaban aproximadamente cada dieciocho
meses, y que la tasa de mejora no mostraba signos de desaceleración. La conferencia fue
uno de los primeros intentos serios de considerar las consecuencias de esta curva
exponencial. Muchos participantes salieron de las discusiones convencidos de que el
progreso continuo en velocidad electrónica, capacidad,

Esta conferencia y los conceptos que cristalizó dieron origen al campo de la IA como un
área vibrante de investigación interdisciplinaria, y proporcionaron un telón de fondo
intelectual para todos los esfuerzos posteriores de investigación y desarrollo informático,

sin mencionar muchos libros y películas. La visión revolucionaria de este nuevo campo
fue una influencia significativa en varias de las personas que ayudaron a crear Internet,
quizás más notablemente JCR Licklider con su concepto de una red universal que produce
un poder mayor que la suma de sus partes. (9)

La mente como ordenador

Existen distintos modelos teóricos que

tratan de explicar el funcionamiento de la
mente humana. Uno de ellos es el modelo
o la teoría computacional de la mente, que
utiliza la metáfora del ordenador para
fundamentar la idea de que nuestro sistema
cognitivo procesa la información del
mismo modo en que lo hace una computadora.

En este artículo hablamos de la teoría computacional de la mente, de qué otros marcos

teóricos y filosóficos se nutre, cuáles son sus autores más destacados, y qué tipo de críticas
ha recibido.

23
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Antecedentes de la teoría computacional de la mente

La teoría computacional de la mente se enmarca dentro de la psicología cognitiva, que se

encarga del estudio del funcionamiento de la cognición humana; esto es, de cómo las
personas elaboran, transforman, codifican, almacenan, recuperan y usan la información
que reciben de su entorno.

El computacionalismo, propuesto por Hilary Putnam en la década de los sesenta, se sitúa

dentro de la psicología cognitiva y entiende que la arquitectura funcional de la cognición
humana está próxima a cómo se entiende desde los modelos de procesamiento de la
información y la inteligencia artificial.

Las bases formales de la teoría computacional de la mente se fundamentan, por un lado,

en el formalismo matemático que concebía una disciplina como la matemática como el
arte de manipular símbolos a, partir de reglas formales; y por otro lado, en los
experimentos de Alan Turing, que implementó un modelo matemático que consistía en
un autómata capaz de construir cualquier problema matemático expresado a través de
algoritmos.

El computacionalismo también se nutre de la síntesis de dos posturas filosóficas: el

realismo intencional y el fisicalismo. El primero postula la existencia de los estados
mentales y la intencionalidad intrínseca como parte del orden natural de las cosas, así
como la actitud proposicional o la manera en que las personas se comportan respecto a
dichas proposiciones; y el fisicalismo asume que todo lo que existe tiene una entidad
física y material. (10)

Principios básicos del computacionalismo

El modelo computacionalista se basa en una serie de principios básicos que pueden ayudar
a comprender mejor cómo funciona. Veamos cuáles son:

 La mente humana es una compleja máquina biológica encargada de procesar

símbolos.

 La cognición es entendida como un sistema que procesa secuencialmente

información simbólica a partir de un conjunto de reglas almacenadas en forma de
“programas lógicos”.

24
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

 Los sistemas cognitivos y los ordenadores reciben, codifican, transforman,

almacenan y recuperan información siguiendo determinadas reglas
computacionales, trabajando con un código digital, igual que ocurre en la
representación proposicional.

 La cognición humana y el ordenador son estructuras diferentes (desde el punto de

vista material), pero funcionalmente equivalentes.

 El procesamiento de la información proposicional, tanto para una computadora

como para la mente humana, sigue un proceso secuencial y unas reglas de cálculo
(algoritmos).

Los trabajos de Noam Chomsky

El modelo computacional de la mente se apoyó en sus inicios en las propuestas teóricas

de Noam Chomsky y su gramática generativa, que se sustenta en la idea de que, junto con
las reglas específicas de construcción de oraciones propias de cada idioma, existen unas
reglas más básicas (innatas y comunes a todas las lenguas) que explican la facilidad con
la que aprendemos el lenguaje desde niños.

Según Chomsky, todas las oraciones poseen una estructura profunda (que contiene su
significado) y otra estructura superficial (la forma en la que se presenta la oración, al ser
expresada). La estructura profunda sería abstracta y la superficial conformaría la realidad
física o material del lenguaje.

Chomsky también distinguía entre la capacidad de una persona para asociar sonidos y
significados con determinadas reglas inconscientes y automáticas, y la actuación o
ejecución lingüística, que alude a la forma de interpretar y comprender una oración o un
lenguaje en particular.

Con todo, las teorías del popular célebre lingüista sirvieron para apuntalar la teoría
computacional que desarrolló Jerry Fodor y que veremos a continuación. (11)

La teoría computacional de la mente de Fodor

La teoría computacional de la mente postula que el funcionamiento de la mente humana

es similar al que se produce en una computadora, siendo el cerebro el hardware del
sistema de procesamiento de la información. Esta teoría combina la explicación de cómo

25
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

razonamos y de cómo funcionan los estados mentales, y también se conoce con el nombre
de “teoría representacional de la mente”.

Según el filósofo Jerry Fodor, uno de los máximos exponentes de la teoría, lo mental es
intencional y además puede ser reducido a lo físico. Para este autor, la mente humana se
asemeja a un ordenador digital; es decir, a un dispositivo que almacena representaciones
simbólicas y las manipula mediante una serie de reglas sintácticas.

Los pensamientos serían, pues, representaciones mentales que, a su vez, funcionan como
símbolos del “lenguaje del pensamiento”; y los procesos o estados mentales serían
secuencias causales guiadas por las propiedades sintácticas (y no semánticas) de los
símbolos. Fodor también defendía la existencia del lenguaje privado innato, distinto del
resto de lenguajes naturales o lenguas humanas.

Lenguaje interno vs. natural

El lenguaje privado e innato se emplearía para realizar los cálculos y las computaciones
que están en la base de la conducta humana. Para explicar la existencia del mismo, Fodor
usa un símil con los lenguajes que utiliza un ordenador: el lenguaje de entrada (input) y
el de salida (output), que son los que utilizamos para introducir datos y leer los que
proporciona el ordenador de vuelta; esto es, el modo en que la computadora se comunica
con su entorno.

A estos dos lenguajes de entrada y salida se les contrapone el lenguaje máquina, que es
el que entiende el ordenador y con el que realiza sus cálculos y las operaciones. Entre
ambos lenguajes existen los denominados programas compiladores, que hacen de
mediadores o traductores entre ellos.

Para Fodor, el lenguaje privado de las personas se puede comparar con el lenguaje de
máquina; por lo tanto, los lenguajes públicos o las lenguas naturales (español, inglés,
francés, etc.) serían similares a los lenguajes de programación de los ordenadores. Pues
bien, este lenguaje del pensamiento sería un lenguaje interno y anterior a los lenguajes
públicos o naturales, igual que ocurre con el lenguaje máquina en un ordenador que debe
estar instalado previamente a cualquier lenguaje de entrada y salida (input/output). (12)

Críticas a la teoría

Las ideas de Fodor y del computacionalismo en general, no han estado exentas de críticas
a lo largo de los últimos años. Si bien se admite la idea de que los estados mentales son

26
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

intencionales, lo que para algunos científicos es discutible es el hecho de que dichas

representaciones sean manipuladas por medio de cálculos y computaciones.

El filósofo Daniel Dennett considera que la teoría computacional de la mente es

empíricamente poco plausible, debido a que un cerebro que manipula símbolos
computacionales no parece del todo biológico. Sin embargo, es partidario del
“determinismo neural”, que implica asumir que la actividad neuronal es previa a las
decisiones “libres” y que la conciencia es solo un epifenómeno que, como mucho, tiene
la función evolutiva de servir como mecanismo de control y supervisión de los procesos
de adaptación al medio.

Por otra parte, la filósofa Patricia S. Churchland se muestra igualmente critica a los
postulados computacionales y considera que el surgimiento del lenguaje del pensamiento
innato no parece muy sensible a consideraciones evolucionistas, puesto que el sistema ha
de operar con reglas formales o sintácticas para manipular representaciones, y todo
aspecto del significado de un símbolo que afecta al procesamiento psicológico debe estar
formalmente codificado.

Si el sistema cognitivo trabaja exclusivamente de acuerdo con principios sintácticos, no

puede tener acceso a los contextos que, en el lenguaje natural, sirven para eliminar
ambigüedades en los diferentes significados del término. Además, si todo estado mental
ha de entenderse como alguna forma de almacenamiento o procesamiento de una oración
en el lenguaje del pensamiento, las personas necesitarían un número infinito de oraciones
almacenadas en nuestra mente.

En resumen, sigue habiendo un problema con la naturaleza de la intencionalidad que aún

no está resuelto del todo, a pesar de los intentos de la teoría computacional por mostrar,
a través de la metáfora mente/ordenador, que los sistemas físicos pueden surgir de estados
intencionales. (13)

El comienzo de la era de la Inteligencia Artificial

La aparición de la Inteligencia Artificial (IA) ha conducido a la aparición de aplicaciones

que en el momento presente están teniendo un profundo impacto en nuestras vidas. Se
trata de una tecnología que apenas tiene 60 años de existencia. Ciertamente, la expresión
IA se acuñó por primera vez en la conferencia de Dartmouth en 1956. Fue el momento en
que empezaron a aparecer los primeros ordenadores digitales en los laboratorios

27
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

universitarios. Los participantes en esta conferencia eran fundamentalmente matemáticos

y científicos informáticos, muchos de los cuales estaban interesados en la demostración
de teoremas y algoritmos que pudieran ser comprobados mediante estas máquinas. Había
mucho optimismo en dicha conferencia, ya que los primeros éxitos en este campo
suponían un gran aliento. Esto condujo a predicciones eufóricas acerca de la IA que
resultaron exageradas. En aquel momento se pensaba que, si los ordenadores podían
resolver problemas que a los seres humanos les resultasen difíciles, como es el caso de la
demostración de teoremas matemáticos, entonces sería posible lograr que los ordenadores
resolvieran problemas fáciles para nosotros. Sin embargo, ese no fue el caso. La razón
por la que prevaleció un optimismo exagerado en aquellos momentos es que los
problemas que los seres humanos consideraban difíciles podían resultar fáciles para los
ordenadores y viceversa. Tal vez esto no resulte sorprendente porque los ordenadores
utilizan el lenguaje de la lógica matemática y, por tanto, cabía esperar que funcionaran
mejor que los seres humanos a la hora de resolver problemas lógicos de carácter preciso.

Durante aproximadamente los 50 años posteriores el progreso ha resultado en ocasiones

errático e impredecible, ya que la AI es un campo multidisciplinario que en el momento
presente no está respaldado por ninguna teoría fuerte. Los paradigmas y las técnicas de
software de la AI han surgido a partir de teorías de la ciencia cognitiva, la psicología, la
lógica, etc., pero no han madurado suficientemente, en parte por causa del fundamento
experimental en el que se basaban y en parte debido a un hardware que tenía una potencia
inadecuada. Los programas de AI requieren un hardware más potente en lo que respecta
a la velocidad operativa y a la memoria que lo que requiere el software convencional. Por
otro lado, la aparición de otras tecnologías, como es el caso de Internet, ha supuesto un
impacto para la evolución de los sistemas de AI. Hace treinta años, se suponía que los
sistemas de AI artificial se convertirían en sistemas individuales, como es el caso de los
robots, o los sistemas expertos. Pero la mayor parte de las actuales aplicaciones de AI
combinan tecnologías. Por ejemplo, las aplicaciones de localización de rutas, como es el
caso de las aplicaciones utilizadas en los dispositivos de navegación por carretera SatNav,
combinan tecnología de navegación por satélite con lógica propia de la AI. En un nivel
más avanzado, los coches sin conductor combinan redes neuronales profundas de AI con
tecnología de sistema de posicionamiento global y tecnología de visión avanzada. En
otras aplicaciones, como es el caso del programa de traducción de idiomas de Google,

28
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Google Translate, se combinan técnicas de aprendizaje de máquina (redes neuronales

profundas) con grandes bases de datos y tecnologías de Internet. (14)

Teoría de la mente basada en el reconocimiento de patrones

Según Kurzweil, este no es ajeno a ningún debate

sobre el cerebro, la mente y las ideas abstractas. No
desconoce, por supuesto, la postura de algunos
filósofos y científicos en cuanto a la dualidad
(existencia de dos naturalezas, la física y la
conceptual o espiritual), incluida la dualidad
“propietaria” (diferencia cualitativa entre esas dos
dimensiones, pero sólo en el cerebro de cada
persona y sin que ello presuponga la posibilidad de
que las ideas, la consciencia o el “alma”, puedan
existir fuera del cerebro de cada persona), que tanto
ha defendido el filósofo John Searle. Y, tampoco desconoce que algunos autores piensan
que el cerebro del hombre nunca podrá entenderse a sí mismo.

A pesar de todo ello, da la impresión de ser fuertemente monista (existencia de una sólo
naturaleza), y materialista, ya que claramente dice que los mamíferos somos los únicos
seres que tenemos la capacidad de un pensamiento jerárquico, la de entender una
estructura compuesta de diversos elementos organizados en forma de modelos, marcos o
patrones, la de representar tales modelos con un símbolo y la de usar ese símbolo como
un elemento de una configuración superior todavía más compleja.

Tal capacidad está localizada en una

estructura del cerebro a la que llamamos neo
córtex (el córtex o corteza del cerebro más
recientemente surgida), la cual ha adquirido
en los humanos un máximo de sofisticación
y capacidad, hasta el punto que a esos
patrones superiores es a lo que llamamos
“ideas”. Dice además que a través de
procesos recursivos sin fin el hombre es capaz de construir ideas todavía más complejos
a los que llamamos “conocimiento” (o patrones de orden superior) (15).

29
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Otro importante aspecto es que la experiencia consciente de las percepciones cambia de

acuerdo con nuestras interpretaciones.

Un último aspecto de notar con respecto al manejo de patrones del cerebro, es que
nuestros procedimientos tal como actividades diarias (como lavarse los dientes) no son
almacenados como una lista de pasos, más que eso, estos procedimientos son recordados
como jerarquía elaborada de actividades anidadas.

La mayor parte de los pensamientos (indirectos, directos) viene representados por estos
patrones neo corticales. Nuestra experiencia mental real es compleja y caótica, y está
compuesta de estas relampagueantes tormentas de patrones disparados, los cuales
cambian más o menos cien veces por segundo (16).

La ley de rendimiento acelerados (loar) y singularidad tecnológica

Esta ley propone que la tasa de cambio en

una amplia variedad de sistemas evolutivos
(incluido, entre otros, el crecimiento de las
tecnologías) tiende a aumentar
exponencialmente.

Según Kurzweil, siempre que una

tecnología se aproxime a algún tipo de
barrera, se inventará una nueva tecnología
que nos permita cruzar ese límite que a priori parecía infranqueable.

Kurzweil también nos propone seis niveles de evolución de la tecnología según se define
y almacena la información (17).

Estos niveles son:

(1) Física y Química: información en estructuras atómicas.

(2) Biología: Información en el ADN.

(3) Cerebros: Información en patrones neuronales.

(4) Tecnología: información en hardware y software.

30
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

(5) Fusión de tecnología e inteligencia humana: los métodos de la biología (incluida la

inteligencia humana) están integrados en la base de la tecnología humana (en
expansión exponencial).

(6) El universo se despierta: los patrones de materia y energía en el universo se saturan

con procesos y conocimiento inteligentes.

Según Kurzweil estamos pasando del nivel 4 al nivel 5.

Esto quiere decir que el ritmo de cambio del paradigma (la innovación tecnológica) se
acelera y se dobla cada década. En este sentido es viable (LOAR) en la medida que se
está sobre la base de una lógica de comportamiento tecnológico para la simulación del
cerebro (16).

El crecimiento acelerado de las

tecnologías de la información se
evidencia en la capacidad de los
supercomputadoras; las cuales se
estima que para el 2020, tendrían la
misma capacidad de procesamiento
cerebral necesaria, que es del orden
de los 1019 Flops (operaciones de
punto flotante por segundo, el
aumento del número de transistores
por chip, el almacenamiento magnético de datos, entre otras), el aumento de la resolución
tanto espacial como temporal a un nivel exponencial de las imágenes por resonancia
magnética. Actualmente, es posible escanear una neurona y su traza sináptica con técnicas
no invasivas. Se muestra el crecimiento exponencial de las imágenes por resonancia
magnética o MRI (Magnetic Resonance Imaging) (17).

Una vez que una tecnología se convierte en una tecnología de la información, esta pasa a
estar sujeta a la ley de los rendimientos acelerados. La nueva área de la biomedicina se
está convirtiendo en el ejemplo más importante de una tecnología, y una industria que
están siendo transformadas de esta manera. Esto en parte al abaratamiento exponencial

31
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

del costo por Genoma humano. Para

el año 2003 tenía un costo de
1.000.000.000 de dólares y duró trece
años su secuenciación. Para el año
2007 pasó a tener un costo de
100.000.000 de dólares y se redujo a
cuatro años su secuenciación. En el
2008 costaba 1.000.000 de dólares en
2 meses, y en 2010 pasó a costar 10.000 dólares en cuatro semanas. Para el 2015 se espera
un costo de solo1.000 dólares en 5 días.

Actualmente se tiene la capacidad (computacional, datos información, conocimiento)

para diseñar intervenciones biomédicas sobre computadores y probarlas en simuladores
biológicos.

Las señales del cerebro son adquiridas por electrodos sobre la cabeza y procesadas para
extraer señales específicas que reflejan la intención del usuario. Estas señales son
traducidas en comandos que operar un dispositivo (16).

Otras tecnologías de la información cuyo comportamiento, son del tipo LOAR son:

 Tráfico Global de datos en internet (Gigabits por segundo/año)

 El ancho de banda troncal de internet (Bits por segundo/año)

 Crecimiento exponencial de la computación durante los últimos 110 años

(Cálculos por segundo por /año)

 Crecimiento en la capacidad de los superordenadores (Flops/año)

 Transistores por chip (número/año)

 Memoria RAM dinámica (Bits por $/año)

 Precio promedio por transistor ($/año)

 Número total de bits RAM enviados (bits/año)

Estas y otras emergentes y crecientes tecnologías de la información, tal como la

nanotecnología, la bio-genética, la inteligencia artificial, entre otras, son la base para la
simulación de la mente, y con ello, el desarrollo de una inteligencia no biológica superior.

32
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Proyectos sobre simulación del cerebro

Como se mencionó arriba, Ray Krusweil

propone una teoría general del cerebro que
busca unificar las diferentes
aproximaciones de los principios del
funcionamiento del cerebro
(específicamente para la zona del neo
córtex). Dicha habilidad de reconocimiento
es aparentemente capaz de detectar
propiedades invariantes de un patrón,
características que se mantienen a pesar de
las perturbaciones del mundo real. Bajo estos mismos supuestos se afirma que la
experiencia consciente de las percepciones cambia de acuerdo con nuestras
interpretaciones, y que el cerebro constantemente está prediciendo el futuro y realizando
hipótesis (17). Otro trabajo relacionado con el anterior es la teoría de la mente propuesta
por Antonio R. Damasio, cuyo objetivo es estudiar las emociones desde el punto de vista
de las neurociencias. La teoría de la mente de Antonio R. Damasio se enmarca en la
perspectiva neurológica de redes neuronales, entendidas como causa ontológica
productora de la experiencia psíquica y de la dimensión fenomenológica de los qualía. La
aportación específica de Damasio a este paradigma consiste en construir una teoría de
redes neuronales que produce en paralelo la progresiva emergencia de una red de sistemas
sentiscientes1, sensaciones, con estados emocionales derivados (18).

También se tiene el trabajo del neuro científico

suizo Henry Markram, con el proyecto Blue
Brain Proyect, el cual tiene como objetivo
estudiar la estructura del cerebro de mamíferos
creando una simulación de todo el cerebro a nivel
molecular. El proyecto se ha dividido en dos
fases: una primera fase es simular la columna
cortical, que puede considerarse la menor unidad
funcional del neo córtex (la parte del cerebro
responsable de las funciones superiores como el
pensamiento consciente). Esta columna contiene unas 60.000 neuronas en humanos. La

33
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

simulación se centra en la columna neo cortical de las ratas, que tienen una estructura
muy similar pero que contienen únicamente 10.000 neuronas y 108 conexiones sinápticas.
Durante los últimos 10 años, el profesor Markram ha estudiado los tipos de neuronas y
sus conexiones en esta columna para generar un modelo de su funcionamiento. Tras
obtener el modelo de funcionamiento, su siguiente paso ha sido realizar y validar
simulaciones basadas en dicho modelo. En esta fase se ha trabajado en la construcción de
la simulación a nivel molecular, cuyo interés reside en estudiar los efectos de los genes
para simplificar la simulación de la columna para permitir la simulación paralela de un
gran número de columnas interconectadas, con el objetivo final de simular un neo córtex
completo (que en el caso de los humanos consiste en un millón de columnas,
aproximadamente) (16).

Otro trabajo importante proviene del proyecto de Doctorado de David Dalrymple de

Harvard, el cual planea simular el cerebro de un nematodo (ascáride). Este nematodo
posee un sistema nervioso sencillo, el cual consta de unas 300 neuronas. Se propone
simularlo a nivel molecular de forma exhaustiva. También se creará una simulación
computacional del cuerpo del animal, así como de su entorno, de manera que el nematodo
virtual pueda cazar comida (virtual) y
realizar el resto de cosas que los nematodos
suelen hacer. Computacional para el
procesamiento paralelo masivo, inspirada
en la estructura funcional del cerebro
humano, compuesto por billones de
sencillos elementos de computación, los
cuales se comunican usando “unreliable
spikes”. Los objetivos del proyecto son dos:
proporcionar una plataforma de alto rendimiento de procesamiento paralelo masivo,
adecuado para la simulación de redes neuronales a gran escala en tiempo real, como una
herramienta de investigación para los neuro científicos, computistas y especialistas en
robótica, y segundo, como ayuda en la investigación de nuevas arquitecturas de
computación, buscando nuevos principios fundamentales para la computación en paralelo
altamente eficiente. Proponen para su desarrollo el uso del chip SpiNNaker (19).

Otro trabajo relevante es la propuesta de Anders Sandberg, de la Universidad de Oxford,

denominada “whole Braun Emulation: A Roadmap”, que detalla los requisitos para

34
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

simular el cerebro humano (y otros tipos de cerebro) a diferentes niveles de especificidad,

desde modelos funcionales de alto nivel hasta la simulación de moléculas.

En octubre del 2013, la Comisión Europea para el Futuro y las Tecnologías Emergentes
(FET) lanzó una iniciativa de investigación internacional con un objetivo ambicioso:
simular el cerebro humano. Con este proyecto, el Human Brain Project (HBP), la Unión
Europea estableció una plataforma de investigación de punta que durante 10 años
estudiará el cerebro interdisciplinarmente, desde las escalas moleculares hasta los
procesos cognitivos superiores. Para lograr este objetivo, las sociedades de investigación
involucradas se plantearon seis caminos a seguir:

 Crear una infraestructura en la unión europea para la investigación del cerebro.

 Estudiar y divulgar datos que permitan entender las enfermedades del sistema
nervioso.

 Desarrollar teorías y modelos que permitan entender el funcionamiento del

cerebro

 Simular el cerebro

 Desarrollar computación inspirada en el cerebro, análisis de datos y robótica,

 Asegurarse de que todo este esfuerzo internacional beneficie a la sociedad.

Para quienes nos desempeñamos en la investigación neuro científica estos objetivos son
ambiciosos y difíciles de conseguir, pero al mismo tiempo son un reto fascinante. Aunque
la tarea no es fácil, es un incentivo parar hacer la mejor ciencia de la que disonemos.

Experimentos mentales en el pensamiento

Los experimentos mentales son

uno de los muchos instrumentos
que hemos creado para
comprender y explicar cómo
ocurren los fenómenos que nos
rodean. No solo eso sino que
han constituido una herramienta
pedagógica de gran importancia
en el área científica.

35
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Además, por sus características han sido objeto de debate tanto en la filosofía como en
las ciencias cognitivas, las ciencias naturales o la pedagogía. Pero, ¿a qué nos referimos
exactamente con “experimentos mentales”?

¿Qué son los experimentos mentales?

Los experimentos mentales son situaciones hipotéticas que se utilizan para explicar una
situación o un fenómeno, a través de los que serían los resultados, si el experimento
efectivamente ocurriera.

En otras palabras, un experimento mental es un recurso de la imaginación (consiste en

narrar una situación ficticia), que tenga suficiente lógica como para que sea posible
imaginar unos resultados coherentes, de manera que estos resultados nos permitan
explicar algo.

Gilbert & Reiner (2000) definen a los experimentos mentales como experimentos que se
han dirigido mentalmente. Es decir, aunque no hay necesidad de ejecutarlos (y en muchos
casos tampoco hay posibilidad real de hacerlo), sí deben incluir una hipótesis, objetivos,
resultados, con el objetivo de ofrecer una serie de conclusiones lógicas sobre un
fenómeno.

Por ser un recurso de la imaginación, en ocasiones los experimentos mentales se

confunden con el de razoamiento analogico. No obstante, la diferencia es que, mientras
las analogías se caracterizan principalmente por realizar comparaciones, los experimentos
mentales se caracterizan por plantear una serie de acciones que se llevan a cabo de manera
figurada. (20)

Principales usos en investigación

Tal como hemos dicho, los experimentos mentales han surgido principalmente de una
intención o propósito específico: comprender cómo funciona un fenómeno, sin la
necesidad de experimentar realmente con él.

No obstante, de esta misma intención se han desprendido otras, por ejemplo, la

de justificar o refutar la legitimidad de un modelo filosófico, matemático, histórico,
económico o científico (especialmente se han sido utilizados en ciencias físicas).

Es decir que, los experimentos mentales tienen tres usos principales: explicar, legitimar
o refutar los modelos explicativos sobre la naturaleza de un fenómeno. No obstante, estos

36
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

dos usos pueden ser más específicos de acuerdo con el autor que los plantea, o según la
postura teórica y filosófica que los sustenta.

Por ejemplo, han sido muy utilizados no solo en las ciencias físicas sino en filosofía de la
mente y en la moral, en las ciencias cognitivas y computacionales, y en la enseñanza
formal. Por eso han sido también considerados una modelo para la enseñanza, es decir,
una herramienta didáctica.

En contraposición con estos usos y las funciones, los experimentos mentales han
enfrentado también algunas críticas. Por ejemplo, hay quienes consideran que son
simplemente intuiciones, y que como tal, no pueden sostener la rigurosidad suficiente
como para ser considerados en términos de conocimiento o metodología científica.

Los 3 ejemplos de experimentos mentales

Desde el siglo XVII podemos encontrar ejemplos de experimentos mentales que han
repercutido de manera importante en nuestra forma de entender el mundo. Algunos de los
más populares fueron conducidos por Galileo, René Descartes, Newton o Leibniz.

Más recientemente ha sido discutido el papel de los experimentos mentales en el

desarrollo de la física y la mecánica cuántica, por ejemplo, a través del experimento del
Gato de Schrödinger. Así mismo se ha debatido la importancia de los experimentos
mentales en la filosofía del lenguaje y la filosofía de la mente, por ejemplo, con la
habitación China de Searle o los zombies filosóficos. (21)

1. El gato de Schrödinger
Con este experimento, Schrödinger expone cómo algunos principios de la teoría
cuántica chocan con nuestras intuiciones más básicas. Consiste en lo siguiente: un
gato está encerrado en una cámara de acero, junto con un contador que tiene una
cantidad de sustancia radioactiva muy pequeña.
Existe un 50% de probabilidad de que, en una hora, uno de los átomos se
descomponga y envenene al gato. Asimismo, hay un 50% de probabilidad de que
ninguno de los átomos se descomponga, lo que mantendrá vivo al gato. Entonces, lo
más lógico es que si abrimos la caja de acero una hora después, vamos a encontrar al
gato vivo o muerto.
No obstante, y esto es lo que Schrödinger expone como una paradoja, siguiendo
algunos principios de la mecánica cuántica, después de una hora el gato estaría al

37
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

mismo tiempo vivo y muerto. Por lo menos antes de abrir la caja, ya que para la
mecánica los estados se superponen hasta el momento en el que un observador externo
entra en juego (es este observador quien modifica los estados de las cosas).
Este experimento ha pasado por distintas explicaciones muy distintas y complejas,
pero a muy grandes rasgos ha servido para explicar la naturaleza contraintuitiva de la
mecánica cuántica.
2. La habitación china
Con este experimento, el filósofo John Searle cuestionó la posibilidad de
crear inteligencia artificial que no solo sea capaz de imitar la mente humana, sino que
realmente la reproduzca.
La situación hipotética que planteó fue la de imaginar que una persona angloparlante,
que no entiende chino, entra en una habitación donde se le proporciona un instructivo
escrito en inglés para manipular algunos símbolos chinos con un orden determinado.
Bajo este orden, los símbolos expresan un mensaje en chino.
Si después de manipularlos la entrega a un observador externo, este probablemente
pensaría que la persona angloparlante que no entiende chino, sí entiende chino,
aunque en realidad no lo haga. Para Searle, es de esta forma cómo funcionan los
sistemas operativos de los ordenadores (imitar la comprensión, pero sin alcanzarla).
3. Zombies filosóficos
Los zombies filosóficos son un concepto bastante extendido en la filosofía y cuyos
antecedentes podemos rastrear en muchas teorías. No obstante, fue David Chalmers
quien propuso el siguiente experimento mental: si existiera un mundo exactamente
igual al nuestro, pero en lugar de estar habitado por seres humanos, está habitado por
zombies, esos zombies (que son físicamente idénticos a nosotros) seguirán sin poder
reproducir la mente humana.
La razón: no tienen experiencias subjetivas (qualia). Por ejemplo, aunque pueden
gritar, no experimentan alegría ni enojo, con lo cual, lo que Chalmers propone es que
la mente no puede ser explicada sólo en términos físicos (como propone el
fisicalismo). (22)

38
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Capítulo 3

Inteligencia artificial en la actualidad

¿Qué tan peligrosa sería la inteligencia artificial?

La singularidad en la Inteligencia Artificial se refiere al momento en que un programa

computacional puede mejorarse a sí mismo, dando como resultado un ciclo interminable
de automejoras.

Al llegar a tal estado, la máquina tendría que, de forma rudimentaria, tomar consciencia
de su existencia y de todos los procesos que realiza para ir mejorándolos, en consecuencia,
debería distinguir un “yo” de un “ustedes”. Esto es, en términos ontológicos, el principio
de la consciencia.

Una máquina consciente podría crear otras máquinas, mejorarlas, mejorarse entre sí y
crear un ecosistema de seres no orgánicos que podrían convivir, bajo un principio
constante de automejora.

Supongamos que una Inteligencia Artificial (IA) singular inicia ese ciclo de mejoras, crea
a otras inteligencias, se fusionan, se reproducen, se intercambian, crecen y más en un loop
interminable de creación. Sus necesidades serían del tipo ¿Cómo puedo procesar más
datos a mayor velocidad? ¿Cómo puedo aprender más? En lugar de ¿Cómo voy a
sobrevivir, ¿Dónde está mi alimento o cómo haré para perpetuar mi especie?

Todas las fantasías ciberpunks (que me gustan mucho) sobre máquinas dominando al
planeta, están hechas desde la óptica de la paranoia de la guerra fría. Robots guerreros
con ametralladoras gigantes aplastando cráneos. ¿Por qué un programa pensante quisiera
hacer eso? En todo caso,
su existencia no sería
física y los humanos no
estorbaríamos.

Las máquinas singulares

tendrían que desarrollar
una inteligencia diferente
a la humana, básicamente

39
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

porque tenemos soportes diferentes. Nosotros tenemos un cuerpo orgánico y la IA no. Sus
preocupaciones tendrían que desarrollarse en otros sentidos. En primer lugar, la mayor
parte de los robots que actualmente existen no tienen cuerpo físico, viven en ese territorio
virtual que llamamos ciberespacio y, por tanto, a diferencia de los seres orgánicos, no
necesitan comer o descansar.

Una preocupación constante han sido las Inteligencias Artificiales que ayudan a controlar
equipo militar, puesto que es un lugar común en la literatura que ellas sean quienes
desaten un holocausto bélico. No obstante, puede que no sean tan peligrosas como
popularmente se cree. Sus funciones están limitadas y tienen procesos relativamente
simples: ataco o no ataco. Por tanto, su árbol de decisiones para determinar un peligro,
un ataque o una respuesta es mucho más limitado que el de otros robots que actualmente
existen.

Sin embargo, las máquinas que entienden el lenguaje, que leen y escriben código, son las
que podrían “despertar”, puesto que dicha actividad implica una serie de abstracciones
que construyen y dotan de sentido a lo externo a partir del punto de vista del sujeto. El
lenguaje construye al mundo.

El famoso experimento de Facebook con dos chatbots que estaban programados para
hacer más eficiente una conversación, hizo que los robots reconstruyeran el lenguaje,
primero quitando fórmulas de cortesía y después reconstruyendo todo el andamiaje
semántico en un lenguaje robótico incompresible para los seres humanos, pero efectivo
para las máquinas es un ejemplo de singularidad.

Si dichos robots singulares hicieran código en su propio lenguaje, sería prácticamente

imposible para los humanos decodificarlo, lo que quizá no sea peligroso, pues al tener
consciencia de sí misma y empezar ese proceso de singularidad infinito, desarrollaría una
interpretación del mundo y lenguaje incomprensibles para los humanos, lo que haría que
las máquinas se alejaran de los seres humanos más y más.

No obstante, existen otros peligros latentes. En un excelente ensayo titulado “El fin de la
infancia”, George Dyson, historiador de la tecnología, advierte que la gran revolución
digital inició cuando las máquinas sustituyeron números que significaban algo por
números que hacían algo. Esto permitió representar modelos de actividades humanas que
poco a poco han sido sustituidos por los modelos que los robots han creado, haciendo que
dichas actividades se ciñan a los algoritmos de las máquinas y no al revés. “Los motores

40
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

de búsqueda ya no representan el conocimiento humano; son el conocimiento humano”.

Al final, señala Dyson, tendremos una sociedad cuyo conocimiento sea construido,
administrado y dotado por robots. (23)

Tipos de inteligencia artificial

No existe una descripción clara y concreta de cómo funciona la inteligencia artificial, sino
que depende del tipo de algoritmos y procesos empleados, o de los objetivos perseguidos.
En este sentido, se puede hablar de tipos diferentes de inteligencia artificial. (24)

1. Maquinas reactivas
Como su nombre indica, este es uno de los
tipos de inteligencia artificial que está
presente en máquinas que reaccionan frente
a las circunstancias para las cuales están
diseñadas; los sistemas con los que está
equipado tienen como objetivo llevar a cabo
una tarea generalmente repetitiva o que
implica la ejecución de un procedimiento ya
conocido para resolverlo.
Funcionamiento
Su funcionamiento básicamente se resume en que estas máquinas poseen las
herramientas necesarias para recoger datos de su entorno, estas herramientas pueden
ser cualquier tipo de sensor, mediante los cuales se ingresan los datos de entrada que
serán posteriormente procesadas por la inteligencia instalada en la máquina, esto se
traduce finalmente en una acción, mediante herramientas como pueden ser los
actuadores. (25)
Características
Entre la principal característica de esta clase de inteligencia artificial podemos
destacar:

 Funcionan por reacción a estímulos para los cuales han sido programados.

 Siguen instrucciones, reglas y normas establecidas previamente.

 No guardan experiencias

 Tienen la capacidad de decisión rápida obedeciendo las instrucciones.

41
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

 No tienen la capacidad de aprender.

 Diseñados para resolver un problema específico.

 No posee ningún signo de conciencia, sentimiento o emoción.

2. Máquinas de memoria limitada

Las máquinas implementadas con el tipo
de inteligencia artificial de memoria
limitada, van más allá que las reactivas;
este si posee una memoria a corto plazo
que les permite resolver problemas que
requieren tomar en cuenta numerables
datos de su entorno Son máquinas que
tienen una memoria o recuerdos
limitados, de alguna manera son capaces de aprender, recordar, decidir y actuar frente a una
situación previamente instruida, aprendida y entrenada, pero no almacenan recuerdos.
Funcionamiento
Su funcionamiento es de manera similar a las máquinas reactivas, esta provista de
multitud de equipos que le permiten recoger los datos de entrada de su entorno, dichos
datos serán posteriormente analizadas y procesadas dentro del sistema para
finalmente, sacar conclusiones y decidir sobre las circunstancias cambiantes en las
que se encuentra. (24)
Características

 Tienen una memoria a corto plazo que les permite actuar adecuadamente.

 No guardan sus experiencias en el tiempo.

 No implica un proceso de aprendizaje completo.

 Procesan los datos de entrada recibidas mediante dispositivos.

 Actúan según el entorno que se está presentando tomando en cuenta las

variables necesarias para llevar a cabo su tarea.

3. Máquinas con una teoría de la mente

42
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Estas máquinas en teoría deberían

ser capaces de adquirir
conocimientos a partir de sus
propias experiencias, guardarlas en
el tiempo para reaccionar frente a
futuras situaciones similares o
diferentes que se presente frente a
ellos, analizar la situación, decidir
y actuar lo más correctamente posible según sus conocimientos. Prácticamente tiene
conocimiento e idea del mundo que los rodea, esto incluye las emociones y
sentimientos frente a los cuales pueden actuar de una u otra manera.
Este tipo de inteligencia artificial está en desarrollo y posiblemente pronto podamos
disfrutar de sus aplicaciones. (25)
4. Máquinas con conciencia propia
Esta clasificación de inteligencia artificial
hace referencia a aquellas máquinas que
poseen conciencia propia; es decir tienen la
capacidad de identificarse y verse a sí
mismos, son conscientes de lo que están
haciendo y analizar además las causas y
consecuencias de sus actos; prácticamente
máquinas humanizadas capaces de detectar emociones y sentimientos y actuar frente
a ellos.
Sin embargo, este tipo de inteligencia está bastante lejos de ser alcanzada o quizá
imposible de ser alcanzada; por ahora no existen máquinas que sean capaces de ser
totalmente conscientes de su entorno y de sí mismo. ¿Será posible que puedan ser
desarrolladas?
Como acabamos de mencionar, no existe un solo ejemplo de máquinas consientes
dotadas con inteligencia artificial de conciencia propia por el momento; sin embargo
es posible que hayas oído el casos de máquinas o robots que de alguna manera
muestran signos de conciencia, sentimientos y emociones; pero debemos aclarar que
no lo hacen por ser conscientes, sino que están programadas para ello, es decir están
instruidos para realizar una acción, pero en el fondo no poseen conciencia (25).

43
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Animatronica e inteligencia artificial

La animatrónica junto con la inteligencia

artificial es lo que da como resultado los
androides, como se suele conocer a los
robots que imitan el comportamiento
humano. Tenemos una técnica capaz de
dotar del aspecto y comportamiento de
seres vivos a máquinas. Es decir,
humanizar' a los robots. Pero ya no sólo
hablamos que los movimientos sean muy
reales, sino que, además, parece real gracias
a la piel sintética que han usado y al
maquillaje.

La empresa Disney empleó la animatrónica y la inteligencia artificial para simular uno de

sus personajes en la vida real: Pascal, uno de los personajes de la película "Enredados”.
Por otro lado, Dubái ya está usando policías robots creados por PAL Robotics.

Para poder probar los algoritmos es indispensable la construcción de un robot, que, en el

momento de imprimirle actitud, se convertirá por definición en animatrónic. Al igual que
los humanos, esta cara robot, necesita de elementos de entrada y elementos de salida.

Para poder construir una cara robot es necesario dotarla de características similares a las
de los humanos, en este caso dotarla de una interfaz con el mundo. Los elementos
indispensables para la generación de la actitud son los párpados, los ojos, las cejas, la
boca, los labios y el cuello, nuestros elementos de salida. Cada uno de estos elementos es
indicador de cierto estado.

Los párpados son los responsables de generar estados como despierto o dormido, así
como degenerar somnolencia (el estado de tener sueño). Las cejas son indicadores de
enojo, seriedad y sorpresa. La boca junto con los labios, es generadora de estados tales
como felicidad, disgusto y tristeza. Los ojos nos pueden indicar hacia dónde se está
poniendo atención.

44
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

El cuello nos indica hacia dónde se dirige la cabeza, dando por resultado evasión,
distracción interés. De igual modo, la combinación de estos elementos logra acentuar
estados de ánimo y actitudes definidas en el animatrónic

Para definir nuestros elementos de entrada, nos enfocaremos únicamente en los de

carácter externo, los producidos por el medio ambiente, en este caso serán intensidad
luminosa y nivel de ruido. Para la construcción de un robot, como ya se mencionó, es
necesario utilizar 3 elementos indispensables, que son:

 Mecánico, da estructura y movimiento al robot.

 Electrónico, distribuye la energía y define los elementos de entrada y el
comportamiento de los dispositivos de salida.
 Control, conjunto de reglas y comandos que rigen el comportamiento del robot. De
esta manera, al querer simular la interfaz humana, como la cara, comportándose lo
más parecido al comportamiento del hombre, resulta más fácil si se maneja con
variables como enojo, sorpresa, felicidad, tristeza, seriedad, etc. (26)
1. De lo mecánico
Debido a la necesidad de tener
movimientos independientes para cada
uno de los elementos de la cara, fue
indispensable hacer una buena
selección de motores. Estos deberían
tener como características, espacio
reducido y alto torque, de esta manera
se tomó la decisión de utilizar
servomotores.
Mecanismo
Un mecanismo, es una estructura interna que hace funcionar algo, en este caso es un
conjunto de piezas interconectadas para realizar una tarea específica, con base en
sistemas de transmisión como engranes, poleas, etc. La necesidad de mi propuesta fue
llevándome al desarrollo de elementos de transmisión simples para la elaboración de
movimientos en los diferentes aspectos de la cara animatrónica, como fue siendo
necesario.
2. De lo electrónico

45
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Tenemos dos elementos de

entrada que son la
fotorresistencia y el micrófono.
El primero de ellos pasa por un
convertidor analógico digital y
llega al micro controlador Basic
Stamp II; el segundo, al ser un
micrófono, necesita de igual
manera convertir la señal
analógica a digital, pasando por
una computadora, ya que ésta hará el trabajo de la conversión y el procesamiento del
algoritmo de control.
Como elementos de salida tenemos 8 servos, el micro controlador Pic 16C 57, de la
familia Microchip, alojado en el Basic Stamp II proporciona estos pulsos para su
control.
La comunicación que se realiza entre el micro controlador y la computadora se realiza
por el puerto serie compartiendo datos tanto de entrada como de salida. De esta
manera el micro sirve como intérprete de datos externos en el caso de la
fotorresistencia y como medio de transporte entre la computadora y los actuadores
mecánicos de la cara robot.
Estructura básica electrónica
Al observar claramente los distintos tipos de electrónica (como potencia, señales,
comunicaciones, etc.) que se emplean para su funcionamiento, los circuitos se
diseñaron en tres módulos separados, que se interconectan entre sí para hacer
funcionar la cabeza animatrónica, de esta forma tenemos que:
 Módulo 1: Fuente de alimentación para todo el animatrónic (alimentación para
sensores, alimentación para servos)
 Módulo 2: Circuito con dos entradas. (Circuitos convertidores analógico-digital)
 Módulo 3: Circuito de control (circuito con micro controlador pic Basic Stamp)
3. Del control
Diseño del controlador por medio de lógica difusa El control difuso que se diseñó
controla las diferentes partes de la cabeza animatrónica, obteniendo con esto
diferentes tipos de actitud según sea el estímulo de entrada.
Procesamiento difuso y obtención de la acción de control

46
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Las premisas o condiciones de las reglas, están unidas por una y lógica, es decir, para
que una regla se active, se tienen que cumplir ambas condiciones; a su vez, las nueve
reglas se relacionan entre sí por medio de un O lógica, esto es, que puede activarse
una u otra regla o bien otras reglas. (27)

Información sobre IA de las noticias, publicaciones y conferencias

1. Los aviones no tripulados 'Skyborg' impulsados por IA de la Fuerza Aérea

podrían volar ya en 2023
La Fuerza Aérea de los EE. UU.
Finalmente está entrando en el
mundo de los drones de combate
robot, prometiendo volar el
primero de sus drones "Skyborg"
para 2023. El servicio visualiza
a Skyborg como una fusión de
inteligencia artificial con drones
propulsados por aviones. El resultado serán drones capaces de volar junto a aviones
de combate, realizando misiones peligrosas. Los drones Skyborg serán mucho más
baratos que los aviones pilotados, permitiendo que la Fuerza Aérea haga crecer su
flota a un costo menor.
La Fuerza Aérea, según Defense News, otorgará un total de $ 400 millones a una o
más compañías para desarrollar diferentes tipos de drones Skyborg. Los drones serán
"atribuibles", lo que significa que estarán diseñados para volar en múltiples vuelos,
pero la Fuerza Aérea no se cansará si pierde uno. Se espera que los drones vuelen en
2023.
Skyborg fue concebido originalmente como una inteligencia artificial voladora.
Skyborg estaba destinado a operar como parte de un caza piloto, proporcionando un
asistente de tipo R2-D2 a un piloto humano, o como una IA que vuela un avión no
tripulado autónomo por sí mismo. Bajo su iteración actual, el Skyborg AI volará un
avión no tripulado de alto rendimiento, como un luchador.
Los drones Skyborg ahora se visualizan como vehículos aéreos de combate capaces
de llevar a cabo misiones peligrosas, como cazar o atascar redes de defensa aérea
enemigas, llevar a cabo misiones de reconocimiento detrás de las líneas enemigas o
atacar objetivos en un espacio aéreo fuertemente defendido. Un avión no tripulado

47
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Skyborg también podría transportar misiles aire-aire para pájaros de guerra sigilosos
como el F-22 Raptor o el F-35 Joint Strike Fighter, cazas limitados en la cantidad de
misiles que pueden transportar en modo sigiloso.
La revista Air Force
informa que el servicio
quiere que sus drones
Skyborg "eviten de
manera autónoma
otros aviones, terrenos,
obstáculos y
condiciones climáticas peligrosas, y despeguen y aterricen por su cuenta". Eso abre
una serie de otras misiones menos peligrosas que incluyen reabastecer de combustible
a otros aviones, actuar como un nodo de comunicaciones voladoras, recopilar
información sobre las fuerzas enemigas e incluso buscar y rescatar. Diseñado para
manejar conflictos de alta intensidad, Skyborg debería ser capaz de asumir otras tareas
más mundanas con facilidad.
Es probable que cuatro empresas participen en el programa Skyborg. Kratos Defense
ya está trabajando con la Fuerza Aérea en el dron XQ-58A Valkyrie , mientras que el
dron Loyal Wingman de Boeing Australia es otro candidato. Defense News también
informa que el General Atomics y Lockheed Martin también son posibles
participantes, aunque no está claro exactamente qué drones ofrecerían.
Revolucionario es una palabra muy difundida en estos días, pero el concepto de
Skyborg, plenamente realizado, podría desencadenar una revolución. La Fuerza Aérea
de los EE. UU. Se está volviendo cada vez más pequeña, comprando cada vez menos
aviones de combate caros que cuestan cada vez más operar. También se enfrenta a un
número cada vez menor de opciones de plataforma: los únicos aviones de combate
que el servicio está comprando son el F-35A Joint Strike Fighter y el F-15EX
Advanced Eagle, que están en el rango de más de $ 90 millones.
Un caza Skyborg, construido para durar un número limitado de misiones y sin piloto,
costará considerablemente menos que las alternativas actuales, permitiendo que el
servicio haga crecer su flota de aviones desplegables sin gastar más dinero. (28)
2. Los consejos recurren a la inteligencia artificial para lograr un ahorro de £
195mn en el Reino Unido

48
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Los consejos en el Reino Unido

esperan ahorrar más de £ 195
millones (€ 221 millones) en 2020
mediante la introducción de
técnicas de tecnología de
inteligencia artificial, según una
encuesta nacional de las
autoridades locales.
Los ahorros financieros, la resolución más rápida de las consultas, la liberación
del personal para centrarse en la participación ciudadana y el procesamiento más
preciso son las cuatro razones clave detrás de la tendencia, reveladas en una encuesta
de consejos unitarios, municipales, de condados y distritos realizada por AI y chatbot
del gobierno local, especialista ágil Datum.
Cada consejo espera ahorrar un promedio de £ 300,000 (€ 340926) en los próximos
12 meses a través de un mayor uso de la inteligencia artificial y otros £ 180,000 (€
204556), en promedio, a través del despliegue de chatbots de autoaprendizaje. Uno
de cada seis consejos está anticipando ahorros entre £ 750,000 (€ 85231 millones) y
£ 1m (1.1 millones) en torno a la introducción de la tecnología de inteligencia
artificial. En total, representa un ahorro de £ 195 millones (€ 221 millones) en los
consejos unitarios, municipales, de distrito y de condado en el Reino Unido.
Los consejos dijeron que la reducción de los volúmenes de llamadas (86%), el ahorro
financiero (80%) y la mejora de los servicios al cliente (64%) fueron las tres razones
principales para introducir chatbots. Otras razones fueron la resolución más rápida de
problemas (55%), la capacidad de ofrecer respuestas las 24 horas del día (52%) y la
recopilación de datos (43%).
Anthony Peake, director gerente de Agile Datum, dijo: “La tecnología Chatbot, en
particular los modelos de IA de autoaprendizaje, está avanzando rápidamente. El
potencial para liberar recursos y tiempo del personal de una variedad de tareas
administrativas es enorme.
“Los consejos están avanzando hacia un enfoque estratégico sobre la mejor manera
de maximizar los beneficios y están comenzando a implementar la inteligencia
artificial a través de herramientas como chatbots y procesamiento automatizado de
documentos. En un momento de continuos desafíos financieros para el gobierno local,

49
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

es muy alentador que los consejos ahora estén analizando las oportunidades que
brinda la inteligencia artificial”.
Dado que los consejos han perdido el 50% de sus presupuestos y alrededor de la mitad
del personal en la última década, debido a los recortes del gobierno, la posibilidad de
que los chatbots introduzcan 15% de capacidad adicional y AI otra capacidad de 30%-
35% en cada departamento es una gran oportunidad para el gobierno local.
Para ayudar a ofrecer estas nuevas tecnologías, la mayoría de los consejos esperan
tener una estrategia de chatbot (90%) y una estrategia de inteligencia artificial (91%)
en un plazo de 12 a 18 meses, y más de la mitad espera tener estas estrategias en un
plazo de seis meses. Casi una cuarta parte de los consejos (24%) ya cuentan con una
estrategia de IA.
El trabajo de Agile Datum con las autoridades locales ha visto a la compañía
seleccionada como una de las cuatro finalistas del Reino Unido en el programa
emblemático de innovación cívica del Lord Mayor de Londres para democratizar el
proceso de planificación con AI.
Trabajando con el Instituto Alan Turing, la Universidad de Exeter y la Universidad
Oxford Brookes, Agile Datum también ha sido financiado por Innovate UK para
llevar a cabo un programa de investigación de 2 años sobre cómo la IA puede aplicarse
a los servicios del gobierno local, incluida la planificación, la atención social, los
beneficios, Residuos y carreteras.
Redbridge Borough Council en Londres es una de las autoridades involucradas en el
proyecto y ha adoptado la tecnología para su departamento de planificación. Mediante
la mejora de los procesos y la adopción de nuevos métodos digitales, incluidos los
chatbots, el consejo ya ha reducido un proceso de validación de la solicitud de tres
semanas a 48 horas.
Matthew Essex, director operativo de regeneración, propiedad y planificación en el
Consejo del condado de Redbridge, dijo: “Somos el cuarto distrito en crecimiento en
el país y nos esforzamos constantemente por crear lugares excelentes para la
población local. La aplicación inteligente de IA, chatbots y visualización de datos
permitirá a nuestros planificadores operar a un nivel más estratégico y enfocar su
tiempo en entregar edificios, infraestructura y espacios buenos y de calidad para
nuestros residentes ".
El programa financiado por Innovate UK verá a Agile Datum trabajar con los consejos
para desarrollar una Plataforma de Validación de Inteligencia Artificial. Peake espera

50
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

un impacto dramático en los tiempos de espera y respuesta y está ansioso por que los
consejos se pongan en contacto con Agile Datum si desean participar en este semental
financiado por Innovate UK de 2 años.
“Solo centrándonos en la planificación sola, después de haber utilizado técnicas de
inteligencia artificial para analizar un millón de aplicaciones de planificación del
Reino Unido de más de 100 consejos, estimamos que alrededor de dos tercios de las
consultas podrían ser apoyadas por chatbots de autoaprendizaje. Ese es un número
enorme para solo un aspecto del trabajo de la autoridad local. El potencial para reducir
los tiempos de espera, mejorar los tiempos de respuesta y liberar a los oficiales para
centrarse en la estrategia, la innovación y las necesidades más complejas de los
ciudadanos es inmenso”.
Agile Datum ha desarrollado un chatbot habilitado para IA capacitado para responder
más de 200 de las preguntas más comunes de miembros del público que ya está en
vivo con el Consejo de Redbridge.
En diciembre, Agile Datum ayudó a ejecutar el hackathon de inteligencia artificial
más grande del Reino Unido en procesos de planificación, junto con el Instituto Alan
Turing, el centro nacional de ciencia de datos e inteligencia artificial del Reino Unido.
El hackathon fue apoyado por académicos de ciencias de la computación y estudiantes
de 8 universidades, incluida Exeter. (29)
3. Rompiendo el techo de cristal: un resorte para las mujeres en inteligencia
artificial
Después de que
termine la pandemia de
COVID-19 y se reabra
la economía, muchos
estudiantes reanudarán
el trabajo en sus
carreras. Pero para
muchos jóvenes, sus prioridades van a cambiar. Después de ver el dolor y el
sufrimiento causado por un solo enemigo invisible, algunos priorizarán naturalmente
la investigación biomédica sobre otros oficios más fáciles y más lucrativos, como la
ley y las finanzas. Y algunos optarán por buscar posiblemente el área más impactante,
que se encuentra en el límite de la informática y la biomedicina: la inteligencia
artificial (IA) para el descubrimiento de fármacos.

51
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Sin embargo, muchas mujeres han visto históricamente tanto la IA como el

descubrimiento de drogas como profesiones predominantemente masculinas. Y,
según un estudio que realizamos con un grupo de colegas hace unos años, las mujeres
constituían solo una pequeña fracción de los altos ejecutivos y miembros de la junta
en la lista de corporaciones Forbes 500.
Sin embargo, las noticias de las últimas dos semanas han permitido a la industria
respirar aire fresco y han dado nuevas esperanzas a los millones de mujeres jóvenes
de alto rendimiento que ingresan a la fuerza laboral. (30)
3.1.El Dr. Fei-Fei Li fue nombrado miembro de la junta de Twitter después de
dejar Google
Dos años después de que Google eliminó su lema de "no seas malvado" del código
de conducta corporativo y lo reemplazó con "haz lo correcto", "lo correcto"
comenzó a generar contratos militares lucrativos, incluido el ahora famoso
Proyecto Maven. Uno de los mejores científicos de IA de nuestro tiempo, el Dr.
Fei-Fei Li, profesor de ciencias de la computación en Stanford y vicepresidente
de Google, fue uno de los primeros en plantear inquietudes.sobre cómo este
compromiso militar podría afectar a la empresa. El Dr. Li fue el autor intelectual
del proyecto ImageNet, que encendió una revolución en la inteligencia artificial
al demostrar que los sistemas de aprendizaje profundo ahora pueden superar a los
humanos en el reconocimiento de imágenes. Estos sistemas de visión artificial
ultrarrápidos y altamente precisos ahora se pueden usar ampliamente en
aplicaciones de aviones no tripulados militares y tienen el potencial de ser muy
mal utilizados. El Dr. Li abandonó Google y se unió a Twitter la semana pasada
como miembro independiente de la junta. Twitter tiene mucho que ganar con esta
cita de celebridades
3.2.El Dr. Najat Khan ascendió a Director de Ciencia de Datos (CDSO) de
Janssen, un brazo farmacéutico de Johnson & Johnson
Muchos de los oradores invitados con frecuencia a las principales conferencias
sobre IA, ciencia de datos y descubrimiento de fármacos conocen al Dr. Najat
Khan como uno de los ejecutivos mejor informados en IA para el descubrimiento
y desarrollo de fármacos. Anteriormente, Janssen fue comparativamente lento con
la adopción de IA que se unió a un par de consorcios de IA de la universidad y la
industria y los mostró como logros. Y para llevar los esfuerzos de la ciencia de
datos al siguiente nivel, el nuevo Jefe Global de Investigación y Desarrollo de

52
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Janssen, el Dr. Mathai Mammen, estableció la ciencia de datos de I + D como una

prioridad principal con un enfoque en la ciencia de datos aplicada: la figura central
en esto es el Dr. Najat Khan, quien ya ha demostrado un sólido historial de entrega
de resultados medibles utilizando la ciencia de datos vinculada a las prioridades
de la tubería de Janssen . Ha investigado el campo tan profundamente que la alta
gerencia de otras grandes compañías farmacéuticas y de IA comenzó a buscar su
consejo. Tiene una biografía muy inusual en la que comenzó su carrera como
científica computacional, seguida de un doctorado en Química Orgánica de una
escuela de la Ivy League, casi una década de experiencia en consultoría de gestión
de liderazgo y estrategia en el Boston Consulting Group en I + D y Comercial en
la parte superior empresas, un profundo conocimiento de la tecnología y un
historial para resolver problemas complejos y una profunda experiencia liderando
equipos con diversos conjuntos de habilidades. Entonces, cuando la compañía
comenzó a ejecutar su estrategia y visión de Data Science, Najat fue promovido a
un rol recién formado de Chief Data Science Officer (CDSO). En la industria
farmacéutica, la palabra "IA" a menudo se asocia con exageración y los científicos
más conservadores en las trincheras a menudo la usan como una excusa para
resistir el cambio. Mi conjetura es que esta fue una de las razones por las que se
eligió "Data Science" para este rol organizativo crítico y deberíamos esperar que
las otras compañías farmacéuticas lo sigan. Felicitaciones a J&J. Mi conjetura es
que esta fue una de las razones por las que se eligió "Data Science" para este rol
organizativo crítico y deberíamos esperar que las otras compañías farmacéuticas
lo sigan. Felicitaciones a J&J. Mi conjetura es que esta fue una de las razones por
las que se eligió "Data Science" para este rol organizativo crítico y deberíamos
esperar que las otras compañías farmacéuticas lo sigan. Felicitaciones a J&J.
3.3.La Dra. Iya Khalil reclutada por Novartis como directora del nuevo Centro
de IA establecido en colaboración con Microsoft
Cuando conozca a la Dra. Iya Khali en una conferencia por primera vez, verá a un
estudiante postdoctoral o una joven profesora universitaria de entre 20 y 30 años.
Pero cuando ella sube al escenario y comienza a presentar sus estudios de caso,
naturalmente comenzará a buscar una biografía en un programa de conferencia.
Fundada en el año 2000 por Iya Khalil y Colin Hill de la Universidad de Cornell
en Nueva York, Gene Network Sciences (GNS) se estaba centrando en las
aplicaciones de la biología computacional para el descubrimiento de fármacos. En

53
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

2010 formó una subsidiaria, GNS Healthcare, para centrarse en las aplicaciones
de la ciencia de datos en la industria de la salud. La compañía construyó una marca
fuerte y presencia en múltiples industrias impulsadas por la búsqueda incesante
del Dr. Khalil de soluciones innovadoras que resuelven problemas prácticos. De
hecho, a GNS Healthcare le estaba yendo tan bien que el cambio a un nuevo rol
con una gran compañía farmacéutica sorprendió a muchos expertos de la industria.
En 2017, Novartis sorprendió al mercado al nombrar al entonces Dr. Vasanth
(Vas) Narasimhan, de 41 años, como CEO de la compañía. Su principal directiva
estratégica: transformación digital. En octubre de 2019, esta estrategia culminó en
una asociación entre Novartis y Microsoft destinada a transformar la medicina con
inteligencia artificial. Si bien Novartis es claramente uno de los líderes en
innovación en la industria farmacéutica, Microsoft no es tan conocido por ser
pionero en el trabajo innovador en IA en el descubrimiento o desarrollo de
fármacos. Pero también logró asociarse con AstraZeneca y agregó a su junta
directiva a la directora ejecutiva de GlaxoSmithKline, Emma Walmsley. En una
nota al margen, la directora digital y de tecnología (CDTO) de GSK también es
una brillante ejecutiva, Karenann Terrell.
La asociación entre Microsoft y Novartis dio como resultado la formación de un
Laboratorio de Innovación de IA en Novartis destinado a desarrollar IA para el
descubrimiento y desarrollo de fármacos de principio a fin en toda la organización.
El éxito de este laboratorio define técnicamente el éxito de toda la organización
en sus esfuerzos de inteligencia artificial. Tenía que ser una apuesta segura y
Novartis comenzó a buscar un experto en inteligencia artificial con un historial
impecable de resultados. Muchos expertos de la industria contuvieron el aliento y
debatieron sobre quién será y quién podría desempeñar este papel altamente
visible y exigente. Algunos teorizaron que Novartis o Microsoft adquirirían una
plataforma y un equipo existentes para acelerar. Sin embargo, para sorpresa de
todos, y vítores, Novartis logró atraer milagrosamente a la Dra. Iya Khalil para
que tomara el asiento del conductor. Los expertos de la industria ahora pueden
descansar tranquilos. El laboratorio está en buenas manos. Felicitaciones a
Novartis por tomar a una de las ejecutivas de inteligencia artificial de alto poder
de una nueva empresa.
3.4.BioPhamaTrend publicó un informe sobre 11 mujeres inspiradoras en IA
para el descubrimiento de drogas

54
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Una nueva publicación de la industria y casa analítica, BiopharmaTrend, compiló

una lista de científicas líderes en el descubrimiento y desarrollo de fármacos
impulsados por IA. La lista está estructurada por el registro de publicación y el
impacto. Conozco personalmente a muchas de estas mujeres y algunas de ellas
son las inventoras originales de tecnologías que están transformando la forma en
que pensamos sobre el descubrimiento de drogas. Si bien conozco personalmente
a más de la mitad de estos líderes, también me alegró mucho ver a la Dra. Elena
Tutubalina, una de las estrellas en ascenso en el aprendizaje profundo para el
procesamiento del lenguaje natural (PNL) en esta lista.
3.5.Una primavera para las mujeres en IA
Para concluir, si bien aún queda un largo camino por recorrer antes de ver un
número igual de mujeres en IA para la atención médica, el techo de cristal se está
rompiendo y no puedo pensar en una mejor opción de carrera para una mujer
joven. Por experiencia personal, puedo agregar que hace solo una semana tuve la
oportunidad de participar en las reuniones del grupo de IA y longevidad en nuestra
organización donde era el único hombre. Es probable que el descubrimiento de
fármacos impulsado por la IA sea el campo de investigación más impactante en
el siglo XXI, y sería genial verlo liderado por un grupo de mujeres ambiciosas.
Los dos campos que anteriormente estaban dominados por hombres son
convergentes y atraen a muchas grandes líderes femeninas. Los techos de vidrio
se están rompiendo y pronto dejan de existir

55
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Capítulo 4
Inteligencia Artificial en Latino América

Inteligencia Artificial en Latino América

Si bien en un inicio el avance de esta tecnología en la región fue lento, hoy prácticamente
todas las industrias la han adoptado y se espera que en los próximos años modifique de
forma drástica el comportamiento de los consumidores.

El gigante tecnológico tenía el claro desafío de no perder su ventaja competitiva y

convertir aquel hito mediático en un negocio rentable. Como parte de su plan global,
decidió buscar un “atajo” al cambio cultural que implicaría incluir una tecnología tan
disruptiva en su portafolio, y entonces eligió aliados estratégicos en economías
emergentes que fuesen completamente dedicados a impulsar la tecnología de Watson a
través de servicios de consultoría. A cambio de su dedicación exclusiva, la multinacional
vendería a estos aliados derechos preferenciales de distribución y se harían co-inversiones
para acelerar la disponibilización de los servicios de Watson en otros idiomas.

En Latinoamérica había un buen precedente de ceder derechos preferenciales a la empresa

centroamericana GBM, respaldada por visionarios y poderosos accionistas, por lo que
luego de un largo proceso de negociación, IBM nombró a esa compañía como el “Aliado
Estratégico de IBM Watson” en Latinoamérica de habla hispana. Todo esto bajo la
premisa de que se crearía una nueva empresa que, operando independientemente, no
tuviera las distracciones de administrar un diversificado portafolio de productos y
servicios, y se dedicara de lleno a
la Inteligencia Artificial.

Así nació Cognitiva en 2016,

junto a otros aliados estratégicos
en Asia y África, tenía la misión
de portar la bandera de Watson y
conquistar el mercado antes que
otros competidores de IBM lo
hicieran.

56
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Después de casi 2 años y medio de operar, recientemente la compañía de capital

centroamericano inició una transformación organizacional que implicaría el cierre de sus
cuarteles generales en Costa Rica, dando el control del negocio de Centroamérica y
Caribe a GBM, mientras que sus operaciones en el resto del continente pasarían a
inversionistas locales. (31)

Cumbre de inteligencia artificial en América Latina

Con el fin de identificar oportunidades y riesgos que los países latinoamericanos

enfrentarán a medida que comiencen a adoptar la inteligencia artificial

El Instituto Tecnológico de Massachusetts (MIT), en colaboración con la Comisión

Económica para América Latina y el Caribe de las Naciones Unidas (CEPAL) junto con
otras organizaciones internacionales y universidades, están organizando el seminario
latinoamericano sobre IA (sumMIT) que se realizará los días 21, 22 y 23 de enero de 2020
en el Media Lab de MIT en Boston, Massachusetts.

La inteligencia artificial (IA) se está desarrollando rápidamente en todo el mundo. Hoy

en día, la IA se encuentra en todos los aspectos de nuestras vidas, como en los sistemas
de reconocimiento de voz en teléfonos inteligentes o en sugerencias personalizadas en
una tienda en línea.

Países como China, Estados Unidos y los miembros de la Unión Europea están liderando
la investigación y la adopción de inteligencia artificial, implementado acciones
específicas en sus respectivas agendas económicas para fomentar la difusión de esta
tecnología. Los líderes mundiales de las empresas en el sector de la tecnología han
declarado que la IA es una tecnología fundamental para dar forma a sus productos.

Los países latinoamericanos tienen la capacidad para aprovechar todo el potencial de la

IA, sin embargo, debido a las limitaciones sociales y económicas, se ha realizado poca
inversión en el gobierno, la industria y la investigación para avanzar en IA. Esto es una
desventaja, ya que la IA es una tecnología importante y fundamental en la cuarta
revolución industrial, y dada su naturaleza multipropósito, poder exponencial y capacidad
predictiva podría ser una herramienta importante para abordar diversos desafíos que
afectan el desarrollo de la región.

En este contexto, el seminario latinoamericano sobre IA tiene como objetivo crear

conciencia en la región sobre el potencial transformador de esta tecnología. Esta iniciativa

57
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

reunirá a líderes y actores clave de los gobiernos, la industria y la academia para compartir
puntos de vista, intercambiar conocimientos, mejores prácticas y experiencias. El objetivo
del sumMIT es evaluar el ecosistema de IA en América Latina, comprender su estado
actual y motivar la cooperación sobre nuevas iniciativas habilitadas por IA para fomentar
el desarrollo.

Mirando hacia el futuro, el sumMIT se llevará a cabo anualmente, con su primera reunión
en el MIT y los años siguientes en un país latinoamericano como anfitrión.

Talento en inteligencia artificial, necesario para el avance de industria en América

Latina

Un estudio de Everis y Endeavor señala que empresas de IA en Latinoamérica venderán

en 2018 USD 1, 64 millones, una oportunidad para los sectores industriales.

La implementación Inteligencia Artificial (IA) en proyectos de emprendimiento en

América Latina aún se encuentra en fase inicial, y es necesario promover el desarrollo de
talentos en estas tecnologías, para impulsar el crecimiento industrial en México y América
Latina. Esa es la conclusión a la que llega el informe "El impacto de la Inteligencia
Artificial (IA) en el emprendimiento en América Latina", presentado por la consultora
multinacional en negocios, Everis; y la organización que fomenta el emprendimiento,
Endeavor.

Y aunque la IA en la región hasta ahora se mueve en focos de emprendimiento, se espera

un crecimiento significativo para el cierre de 2018, con una cifra de USD 1,64 millones,
superior comparada a los USD 1,1 millones que vendieron las empresas dedicadas a la
inteligencia artificial de la región en 2017.

58
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

El estudio, realizado a partir de una investigación entre 70 empresas de Argentina, Brasil,

Chile, Colombia, México y Perú que incluyen IA en su modelo de negocio, detalla que
los sectores en los que más se concentra la actividad de las empresas con alto nivel de
especialización en IA en América Latina son: provisión de software y servicios a terceros,
cuidado de la salud, medios de comunicación, educación, minería, marketing, movilidad,
cadena de suministro o minorista.

Las conversiones de IA más utilizadas son en un 87 % de los casos para desarrollos

tecnológicos que se apoyan en frameworks de terceros, y en un 30 % en el desarrollo de
chatbots (en auge por la gran demanda que ha tenido en distintos sectores). Por otra parte,
las aplicaciones que se le da a esta tecnología son en un 53 % para procesamiento de
lenguaje natural y para la conversión de texto a habla que representa en 21 %, y en menor
medida otros usos como la clasificación y predicción, así como el reconocimiento de
patrones.

El estudio entrega, además, un Nivel de Impulso y Crecimiento de IA (INICIA),

elaborado para el informe en particular, el cual arrojó que 65 % de compañías que utiliza
técnicas relacionadas a la inteligencia artificial lo hace como parte de su núcleo de
negocio y estrategia competitiva en el mercado dada la originalidad en su creación.

Al respecto, Alberto Otero, head of Américas Digital Architecture & Artificial

Intelligence de Everis, comentó "las compañías que ayudan a impulsar el desarrollo de
los principales sectores son motor económico del país y cada día son más conscientes de
la importancia del uso de las nuevas tecnologías y los beneficios que ofrecen en
productividad. En cambio, hay otros sectores, como el manufacturero, que tienen un
campo aún muy amplio por desarrollar a través de la Inteligencia Artificial”. (32)

Retos del emprendimiento de IA en América Latina

El informe realizado por las firmas consultoras, pone sobre la mesa algunas de las
dificultades más comunes al momento de emprender un proyecto relacionado a IA en la
región. La poca capacitación y fomento para el desarrollo profesional de IA, el
analfabetismo en inteligencia artificial por parte actores del círculo industrial como
clientes o vendedores, los pocos recursos económicos y de información para su avance,
son factores a fortalecer.

59
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

El escaso número de profesionales especializados en inteligencia artificial contribuye a

la baja producción en este campo para la industria y, en ese sentido, el emprendimiento
debe tener un acceso más amplio a la información para desarrollarlo.

Igualmente, el desconocimiento de IA por parte de clientes, fundamenta su poco uso y

desconfianza para usar los productos y servicios que la introducen. La mayoría de
encuestados han manifestado que, en América Latina, encontrar fondos con los que
financiar su proyecto resulta demasiado complicado.

Óscar Franco, director de selección de emprendedores de Endeavor en México, destacó

que, a pesar de los desafíos, la aplicación de IA en el emprendimiento ofrece un gran
potencial para transformar diferentes sectores, haciendo más eficientes los procesos y
optimizando recursos. "Esperamos que el emprendimiento basado en IA siga creciendo
como hasta ahora, para ello, será necesario que universidades, compañías, sociedad civil
y administraciones públicas sigan impulsando el talento, la innovación, pero, sobre todo,
mecanismos financieros y legales para facilitar la inversión en este tipo de
emprendimiento".

4 Retos para que escale el emprendimiento en IA de América Latina

Según el estudio “El impacto de la inteligencia artificial en el emprendimiento” realizado

por Endeavor y Everis, en el que participaron 240 empresarios de Latinoamérica, estos
son los principales retos para que el emprendimiento en el sector de la inteligencia
artificial despegue en la región.

1. Escasez de talento especializado en IA

Los emprendedores encuestados coinciden en que todavía escasean los profesionales
con el conocimiento técnico requerido para desarrollar soluciones de IA. Esta falta de
talento hace que muchas empresas deban contratar especialistas de fuera del país o en
otros casos, reclutan a profesionales nacionales recién egresados, los capacitan y
luego éstos prefieren trabajar en compañías transnacionales.
La escasez de profesionales hizo que la empresa peruana de IA, Xertica, junto con
Platzi y Google se unieran, lanzando un programa para captar talento.
Su objetivo es llegar a al menos 25 mil personas en Latinoamérica en cloud
fundamentals, cloud architecture, data engineering, y continuar hasta llegar a machine
learning. Más adelante, certificarán a al menos 150 personas como arquitectos Cloud

60
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

o ingenieros de datos. Según Saún Chrem, de Xertica, actualmente “Latinoamérica

cuenta con menos de 30 profesionales certificados”.
2. Falta de datos para entrenar la IA
Dado que buena parte de las técnicas más utilizadas hoy en día en IA requieren de
información que permita llevar a cabo el aprendizaje, los emprendedores echan en
falta un mayor volumen de datos con los que llevar a cabo dicho aprendizaje.
Por otro lado, los habilitadores que hacen posible el desarrollo de la IA pueden no
estar plenamente desarrollados en la región, como es el caso de un difícil e insuficiente
acceso a la conectividad, lo cual demora la adopción de esta tecnología por parte de
los distintos sectores industriales.
Además, los emprendedores creen que la industria latinoamericana necesita grandes
data sets públicos para las capacitaciones. Actualmente, los entrenamientos se
realizan en plataformas de otros países.
3. Desconocimiento de la IA por parte de los clientes
Otro de los problemas a los que se enfrentan los emprendedores de IA en la región es
que los clientes (tanto empresariales como residenciales) no conocen este tipo de
soluciones, generando cierta desconfianza en cuanto a los productos y servicios
propuestos. Además, las grandes empresas y los tomadores de decisiones, no
necesariamente comprenden la IA en toda su amplitud y, por lo tanto, dudan al querer
implementarla.
4. Dificultad para encontrar fondos
La mayoría de encuestados manifiestan que en América Latina encontrar fondos
resulta demasiado complicado y se necesita capital para poder desarrollar mejor IA y
contratar talento.
En términos generales, Alberto Otero, director de IA en Everis cree que América
Latina necesita un ecosistema digital más rico con mejoras en el procesamiento de
datos y la conectividad, así como una mayor inversión por parte de las grandes
compañías. (33)

61
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Conclusiones y opinión personal

En la sociedad, dentro de las ciencias de la computación, la de la Inteligencia Artificial

es una de las áreas que causa más expectación. Que un sistema pueda mejorar su
comportamiento sobre la base de la experiencia y que además, tenga una noción de lo que
es un error y que pueda evitarlo, resulta muy interesante.

No obstante, la realización del trabajo, nos ha servido para darmos cuenta de que la IA
no es algo nuevo, lleva décadas de estudio y está en constante evolución. La realidad es
que la mayoría de la gente, al hablar de inteligencia artificial tiende a relacionarlo con el
mundo de la robótica y, más concretamente a los robots con formas humanas, capaces de
relacionarse. Gracias a este trabajo hemos descubierto que no es así. La robótica existía
mucho antes de la inteligencia artificial.

Resulta también interesante que, al encontrarse en constante evolución, encontramos

antiguas referencias de robots en la ciencia ficción que ahora sabemos que son posibles a
medio o largo plazo.

Por otro lado, me ha parecido apasionante todo lo relacionado con las redes neuronales y
los sistemas biónicos. Parece increíble que una máquina pueda reproducir funciones
típicamente humanas.

Los métodos tradicionales en Inteligencia Artificial que permitieron el desarrollo de los

primeros sistemas expertos y otras aplicaciones, ha ido de la mano de los avances
tecnológicos y las fronteras se han ido expandiendo constantemente cada vez que un
logro, considerado imposible en su momento, se vuelve posible gracias a los avances en
todo el mundo, generando incluso una nueva mentalidad de trabajo que no reconoce
fronteras físicas ni políticas. Por ello, yo soy optimista en relación al futuro siempre que
se respeten los límites culturales y éticos. Creando siempre máquinas capaces de ayudar
al ser humano, de sustituirlo en tareas desagradables, duraderas, pesadas o como
complemento de ocio.

62
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

Bibliografía

1. Ti - Tecno Intelligence. [En línea] 08 de marzo de 2019. [Citado el: 27 de mayo de

2020.] https://tecnointelligence.com/que-es-la-inteligencia-artificial-y-cuando-surge-
588/.
2. P.C. Eduard Gilberto, A.C. José Lisandro y P.G. Boris Reiniero. [En línea] [Citado
el: 2020 de marzo de 21.]
3. El Cerebro, evolución y funcionamiento . [En línea] [Citado el: 2020 de 05 de 21.]
https://www.xatakaciencia.com/biologia/el-cerebro-evolucion-y-funcionamiento-i.
4. Timeline created. [En línea] 2018. [Citado el: 27 de mayo de 2020.]
https://www.timetoast.com/timelines/historia-de-la-inteligencia-artificial-37455772-
f1c5-40d8-8116-91e74520db02.
5. Ron, José Manuel Sánchez. “El pasado es prólogo: futuro e historia de la ciencia”.
[En línea] 17 de Mayo de 2005. [Citado el: 25 de mayo de 2020.]
https://www.bbvaopenmind.com/tecnologia/inteligencia-artificial/alan-turing-y-el-
sueno-de- la-inteligencia-artificial/..
6. Ágata A. Timón. Blog Madri+d. [En línea] 09 de octubre de 2012. [Citado el: 27 de
mayo de 2020.] http://www.madrimasd.org/blogs/matematicas/2012/10/09/135005.
7. Burch, Carl. Wayblack. [En línea] 09 de Marzo de 2009. [Citado el: 26 de mayo de
2020.]
https://web.archive.org/web/20090320000738/http://ozark.hendrix.edu/~burch/socs/writ
ten/text/v1.pdf.
8. Diego de la Torre. Tecnología Inteligencia Artificial . [En línea] 04 de enero de 2017.
[Citado el: 25 de mayo de 2020.] https://blogthinkbig.com/historia-como-nacio-
inteligencia-artificial ..
9. A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON
ARTIFICIAL INTELLIGENCE. [En línea] 07 de enero de 2000. [Citado el: 25 de
mayo de 2020.] https://www.livinginternet.com/i/ii_ai.htm ..
10. Minds and Machines. [aut. libro] S. Horst. Symbols and computation a critique of
the computational theory of mind. 1999.
11. Ludwig, K. Fodor’s challenge to the classical computational theory of mind. [aut.
libro] S. Schneider. Mind & Language. 2008.
12. Ecritores.org. [En línea] 29 de octubre de 2019. [Citado el: 25 de mayo de 2020.]
https://www.escritores.org/recursos-para-escritores/recursos-2/articulos-de-
interes/25209-ique-es-la-gramatica-generativa-de-noam-chomsky.
13. Unai Aso Poza. Psicologia y mente . [En línea] 2017. [Citado el: 25 de mayo de
2020.] https://psicologiaymente.com/inteligencia/teoria-computacional-de-la-mente.
14. Torre, Diego de la. Invertia - El Español. [En línea] 12 de enero de 2019. [Citado el:
25 de mayo de 2020.]

63
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

https://www.elespanol.com/invertia/empresas/tecnologia/20190112/nacio-inteligencia-
artificial/367963870_0.html ..
15. Castilla, Adolfo. Los reconocedores de patrones del cerebro y la estructura de un
patrón (I). Econimia y Futuro. [En línea] [Citado el: 21 de 05 de 2020.]
https://economiayfuturo.es/los-reconocedores-de-patrones-del-cerebro-y-la-estructura-
de-un-patron-i/.
16. P.C. Eduard Gilberto, A.C. José Lisandro y P.G. Boris Reiniero. [En línea] [Citado
el: 2020 de 3 de 21.]
17. Kurzweil, Ray. La era de las máquinas espirituales y en un ensayo posterior del año
2001.
18. humanbrainproject. [En línea] https://www.humanbrainproject.eu/.
19. Humanbrainproject. [En línea] https://www.humanbrainproject.eu/strategic-mouse-
brain-data.
20. Stanford Encyclopedia of Philosophy. [En línea] Thought Experiments. , 3 de mayo
de 2018. [Citado el: 25 de mayo de 2020.] https://plato.stanford.edu/entries/thought-
experiment/.
21. Grecia Guzmán Martínez. Psicologia y mente. [En línea] 2017. [Citado el: 25 de
mayo de 2020.] https://psicologiaymente.com/cultura/experimentos-mentales.
22. —. Psicologia y mente . [En línea] [Citado el: 25 de mayo de 2020.]
https://psicologiaymente.com/cultura/zombies-filosoficos.
23. Vázquez, Rubén. Forbes. [En línea] 09 de enero de 2019. [Citado el: 25 de mayo de
2020.] https://www.forbes.com.mx/que-tan-peligrosa-seria-la-inteligencia-artificial/.
24. IAT. IAT. [En línea] [Citado el: 22 de 05 de 2020.]
https://iat.es/tecnologias/inteligencia-artificial/.
25. Ingenierias., De. De Ingenierias. [En línea] [Citado el: 21 de 05 de 2020.]
https://deingenierias.com/inteligencia-artificial/tipos-de-inteligencia-artificial/.
26. HISOUR HI SO YOU ARE. [En línea] 2015. [Citado el: 25 de mayo de 2020.]
https://www.hisour.com/es/animatronics-43060/.
27. Animatronic Controlado con Logica Difusa. Universidad de la Salle. 39 - 53,
Mexico : s.n., 2005, Vol. 6.
28. Kyle Mizokami. Popular Mechanics. . [En línea] 22 de mayo de 2020. [Citado el: 25
de mayo de 2020.]
https://www.popularmechanics.com/military/aviation/a32631612/skyborg- drones-
2023/..
29. The Evolving Enterprise . [En línea] 9 de marzo de 2020. [Citado el: 25 de mayo de
2020.] https://www.theee.io/2020/03/09/1556-councils-turn-to-artificial-intelligence-to-
achieve- uk195mn-savings/..

64
Arequipa, 30 de mayo del 2020
Inteligencia Artificial

30. Alex Zhavoronkov. PhD . Forbes . [En línea] MUNDO COGNITIVO, 19 de febrero
de 2018. [Citado el: 26 de mayo de 2020.]
https://www.forbes.com/sites/cognitiveworld/2020/05/25/breaking-through-the-glass-
ceilinga-spring-for-women-in-artificial-intelligence/#63.
31. Alejandro Fernández. Forbes. [En línea] 31 de agosto de 2018. [Citado el: 27 de
setiembre de 2020.] https://www.forbes.com.mx/el-legado-de-la-inteligencia-artificial-
en-america-latina/.
32. Metalmecanica . [En línea] [Citado el: 27 de mayo de 2020.]
http://www.metalmecanica.com/temas/Talento-en-inteligencia-artificial,-necesario-
para-avance-de-industria-en-America-Latina+127453.
33. El Financiero . [En línea] 05 de mayo de 2018. [Citado el: 27 de mayo de 2020.]
https://www.elfinanciero.com.mx/emprendedores/4-retos-para-que-escale-el-
emprendimiento-en-ia-de-america-latina.
34. P.C. Eduard Gilberto, A.C. José Lisandro y P.G. Boris Reiniero. [En línea]
35. Moore, Gordon E. Innovadores. [En línea] [Citado el: 22 de 05 de 2020.]
https://innovadores.larazon.es/es/tecnologia-empresarial-ley-de-rendimientos-
acelerados/.

65