A continuación, adjunto un compendio de las notas que he tomado de forma literal del libro «Inteligencia Artificial» que personalmente me han parecido más interesantes, además del propio recorrido del libro y del aprendizaje obtenido.
A lo largo del libro veremos el transcurso de la IA desde sus inicios, así como un recorrido durante toda su historia y evolución, que nos ofrece un background para entender las inteligencias artificiales que actualmente se están popularizando.
El libro de base es ilustrativo, pero, a mi parecer, faltante de actualidad.
La autora nos narra el libro desde un punto de vista ciertamente conservador, y nos explica por qué las IA no serán capaces de llegar a ciertos puntos, pero que con GPT-4 se han superado, aun no siendo incluido en el libro. Es por ello que muchas de las conclusiones y críticas que la propia autora realiza están superadas a día de hoy y, por tanto, en este aspecto, el libro está desligado de la realidad.
Mi nota para este libro es de 2/5.
Perceptrón: es un modelo matemático que consta de una entrada asociada a un peso (o influencia), un sesgo que ajusta la salida del perceptrón y, por último, una función de activación que suma los productos de entrada y su peso correspondiente.
Árbol de Monte Carlo: algoritmo de toma de decisiones.
ConvNet: red neuronal para procesamiento de datos con una estructura de cuadrícula. Está formada por una secuencia de capas de neuronas simuladas que llamaré de nuevo unidades. Las unidades de cada capa proporcionan el estímulo a las unidades de la capa siguiente. Cuando una ConvNet procesa una imagen, cada unidad adquiere un valor de activación determinado, un número real que se calcula a partir de las entradas de la unidad con sus respectivos pesos.
ImageNet: base de datos de imágenes diseñada para el uso de investigación en visión por ordenador.
Lo que aterraba a Hofstadter era que la inteligencia, la creatividad, las emociones o incluso la propia consciencia fueran demasiado fáciles de crear, que los aspectos de la humanidad que más valiosos le parecían acabaran siendo una mera “serie de trucos”, que un conjunto superficial de algoritmos de fuerza bruta pudiera explicar el espíritu humano. Es decir, que el humano sea más simple de lo que imaginamos.
La inteligencia puede ser binaria (algo es o no es inteligente), estar en un continuo (una cosa es más inteligente que otra) o ser multidimensional (alguien puede tener mucha inteligencia verbal pero escasa inteligencia emocional).
Dos facetas de la IA
La científica y la práctica. Desde el punto de vista científico, los investigadores de IA estudian los mecanismos de la inteligencia “natural” para tratar de integrarla en los ordenadores. Desde el punto de vista práctico, los propulsores de la IA solo quieren crear programas informáticos capaces de realizar tareas asignadas tan bien como los humanos o mejor, sin preocuparse de si esos programas “piensan” verdaderamente como piensan los humanos.
Los defensores del enfoque simbólico de la IA sostienen que, para que los ordenadores sean inteligentes, no es necesario construir programas que imiten al cerebro, sino que es posible capturar totalmente la inteligencia general con un programa apropiado de procesamiento de símbolos.
Los enfoques subsimbólicos se inspiraban en la neurociencia e intentaban captar los procesos de pensamiento, a veces inconscientes, que sirven de base a lo que algunos denominan percepción rápida, como el reconocimiento facial o la identificación de palabras habladas.
En las redes neuronales, los elementos son neuronas simuladas.
La retropropagación consiste en fijarse en un error observado en las unidades de salida y “propagar” la culpa de ese error hacia atrás para asignar la responsabilidad correspondiente a cada uno de los pesos de la red.
Redes conexionistas es un término que expresa la idea de que en estas redes el conocimiento reside en las conexiones ponderadas entre unidades.
Ia Débil: es un sistema que solo puede llevar a cabo una tarea estrictamente definida.
Ia Fuerte: de nivel humano, general o completa a veces denominada IA general.
La unidad de una ConvNet, como las neuronas de la corteza visual, actúa como detector de elementos visuales importantes. Cada unidad busca su elemento correspondiente en una parte concreta del campo visual. La ConvNet, al igual que el cerebro, representa la escena visual como una colección de mapas que reflejan los intereses específicos de un conjunto de detectores.