Chronology of Artificial Intelligence

Artificial Intelligence
THE GOTHIC RENAISSANCE
(1990 – 2010)
In 1996, IBM, Creates the autonomous computer Deep Blue, it beats the world chess champion Gary Kasparov in 1997.
DEEP BLUE
IBM, in its eagerness to demonstrate the capability of its systems, creates in 1996 a “supercomputer” called DEEP BLUE (deep blue) capable of challenging one of the greatest minds in the world of chess, Mr.. Gary Kasparov, it “supercomputer” had processors specially designed to evaluate chess moves. It had data related to more than four.000 moves and the games of 700.000 chess grandmasters. Its processors were capable of calculating 200 million positions per second.
The first match took place on February 10, 1996, with an unfavorable result for IBM, on “supercomputer” it was defeated by 4-2. El encuentro finalizó el 17 de febrero del mismo año.
Después de la derrota en IBM se incrementaron los deseos de sobrepasar la capacidad humana y crearon la segunda versión del “supercomputer” al cual lo llamaron DEEPER BLUE (azul más profundo), ésta incluía una versión mejorada del software program, los ajustes los realizó otro gran maestro del ajedrez, el Sr. Joel Benjamin.
El nuevo torneo se desarrolló entre el three y eleven de mayo de 1997, las primeras partidas fueron terminadas en tablas, siendo en la sexta partida derrotado Kasparov por Deeper Blue.
Como anécdota importante es mencionar que Kasparov realizó fuertes críticas contra IBM, especialmente enfocadas con las actualizaciones que realizó IBM posteriores a los encuentros iniciales, y sobretodo porque después de la segunda partida, Kasparov planteó un sacrificio de peón suponiendo que sería aceptado por la “supercomputadora”, como muchos programas de la época, pero no fue aceptado el sacrificio, lo que hace suponer a Kasparov que la jugada fue indicada por un operador humano. Después Kasparov solicitó los registros escritos de los procesos de Deeper Blue, IBM aceptó entregarlos posterior al encuentro, situación que nunca aconteció. At last, Kasparov desafió a IBM a presentar a Deeper Blue en un torneo oficial, citando textualmente: “Yo personalmente les garantizo a todos los aquí presentes que si Deep Blue participa en ajedrez de competición, personally, repito, garantizo que le haré pedazos.
ASIMO
ASIMO Advanced Step Innovative Mobility (Advanced Step in Innovative Mobility), It is a humanoid robot (Android) created in 1980 by the company Honda, one of the symbols of the company's commitment to research and development in Artificial Intelligence. (Android is the term given to a robot or synthetic anthropomorphic organism that, in addition to imitating human appearance, imitates some aspects of human behavior autonomously).
In 1980 Honda created the E0, a very rudimentary bipedal prototype that needed 5 seconds to complete a step and that lacked the human appearance that ASIMO boasts, but that was the foundation on which later developments were built.
The next generation of robots was made up of the models E1, E2 and E3, desarrollados entre 1987 y 1991. El E1 period capaz de caminar a zero,25 Km/h, lo que provocó que se atisbara una cierta distinción de movimiento entre ambas piernas. Por su parte, con el E2 el fabricante japonés fue un pasito más allá al crear el primer modelo que simulaba de manera más menos realista el caminar humano, si bien es cierto que sólo podía alcanzar 1,2 Km/h. Eso se consiguió con el E3, que además de mejoras estéticas que lo hacían más agradable a la vista, podía caminar a three Km/h, la misma velocidad que desarrollamos cuando andamos.
Entre 1991 y 1993, y una vez que ya se había logrado que los robots fueran capaces de simular la forma de andar humana y caminaban a una velocidad similar, Honda desarrolló la tecnología necesaria para que además pudieran controlar el balanceo de su cuerpo y tuvieran la habilidad de avanzar sobre pisos en los que hubiera obstáculos generación de robots estuvo formada por los modelos E4, E5 y E6.
El E4 fue un prototipo experimental más ligero que sus predecesores que period capaz de desplazarse a four,7 Km/h, la velocidad que alcanzamos los humanos cuando caminamos a paso ligero. El E5 no introdujo mejoras sustanciales en la forma de desplazarse pero se convirtió en todo un hito al ser el primer modelo autónomo de la compañía japonesa. Hubo que esperar hasta el E6 para que Honda consiguiera por primera vez que un robotic fuera capaz de controlar los balanceos de su cuerpo, cualidad que le permitía subir y bajar escaleras y caminar sobre obstáculos.
En 1993, los prototipos de la firma japonesa ya eran capaces de caminar de manera autónoma y de sortear obstáculos simples, por lo que el siguiente objetivo de Honda fue crear robots con aspecto humanoide. Fue entre 1993 y 1997, en una nueva generación que estuvo formada por los modelos P1, P2 y P3.
Con una altura de 1,915 m y un peso de one hundred seventy five Kg, el P1 se convirtió en el primer desarrollo que además de piernas tenía tronco, brazos y una cabeza. Eso supuso un salto cualitativo muy importante, ya que este robotic no sólo caminaba, sino que además podía encender y apagar interruptores, agarrar los pomos de las puertas e incluso llevar objetos gracias a sus extremidades superiores. El P2 mejoró mucho desde el punto de vista estético, al mostrar un aspecto humanoide mucho más verosímil que su predecesor, pero sobre todo destacó por ser el primero en no necesitar cables para caminar, subir y bajar escaleras empujar objetos. Gracias al uso de la tecnología wireless, este robot de 1,82 m de altura y 210 Kg de peso incorporaba en su espalda una mochila con un ordenador, un motor, una batería y una radio que se encargaban de hacer funcionar al conjunto. Con un aspecto más liviano, desenfadado y atractivo, el P3 fue el robot que introdujo la estética ASIMO. Con 1,60 m de altura y a hundred thirty Kg, se convirtió en el primer modelo completamente independiente de la serie y permitió a Honda presentar al gran público un prototipo visualmente muy atractivo con el que atrajo la atención de millones de personas.
Y así llegamos al año 2000, fecha en la que Honda presentó la primera versión del popular ASIMO, un robot que medía sólo 1,2 m de altura y había rebajado su peso hasta los 52 Kg. Period capaz de caminar a 1,6 Km/h, podía permanecer en funcionamiento durante 30 minutos seguidos y sus baterías necesitaban de 4 horas para recargarse por completo.
2000 – 2010
año 2000, fecha en la que Honda presentó la primera versión del fashionable ASIMO, un robotic que medía sólo 1,2 m de altura y había rebajado su peso hasta los fifty two Kg. Period capaz de caminar a 1,6 Km/h, podía permanecer en funcionamiento durante 30 minutos seguidos y sus baterías necesitaban de four horas para recargarse por completo.
En 2004 llegó la siguiente generación del robot ASIMO, que para la ocasión había crecido hasta 1,30 metros de altura y había visto incrementado su peso ligeramente hasta los 54 Kg. Pero si por algo destacaba era porque podía caminar a 2,5 Km/h y correr a 3 Km/h, mantenerse en funcionamiento ininterrumpido durante 1 horas y forty minutos y necesitaba three horas para recargarse.
año 2005. Tiene el mismo tamaño que el prototipo del 2004, pero es capaz de caminar a 2,7 Km/h (1,6 Km/h en caso de llevar un objeto de 1 Kg) y correr a 6 Km/h en línea recta y 5 Km/h en círculos.
Para el 2010 ASIMO cambio su aspecto convirtiéndose ahora de la línea P, que sería ASIMO en su versión P4 se presentaba ahora mucho más elegante con algo menos de peso aunque la misma altura que el P3.
En 2006 se celebró el aniversario con el Congreso en español 50 años de Inteligencia Artificial – Campus Multidisciplinar en Percepción e Inteligencia 2006.
fue la única celebración internacional en español del 50 aniversario de la Inteligencia Artificial, de la Conferencia de Dartmouth.
formado por especialistas de diversas áreas, cómo la Inteligencia Artificial, la Neurobiología, la Psicología, la Filosofía, la Lingüística, la Lógica, la Computación…, in order to exchange basic knowledge of the different areas and to put researchers from different fields in contact with each other. Facilitating the creation of collaborations and multidisciplinary research is a priority objective of the proposal.
In the year 2009, There are already intelligent therapeutic systems under development that allow detecting emotions in order to interact with autistic children.
A.L.I.C.E : (Artificial Linguistic Web Laptop Entity) is an Internet project, that is part of the Pandora Project. This project consists of the creation of all kinds of bots, especially chat bots. From the ALICE page, the user can engage in a conversation with an intelligent conversational program, that simulates a current chat, in such a way that the user can hardly notice that they are talking to a robotic,. Richard Wallace
Won the Loebner Prize in the years: 2000, 2001, 2004
Other Loebner Prize Winners are: Jabberwock, Ultra Hal Assistant, George, Joan.
Suzette: Loebner Prize-winning Chatbot (2010)
Advances in artificial intelligence continue daily, aiming at that challenge that many programmers dream of achieving: The overcoming of the famous Turing Test.
The fact that an artificial system can demonstrate a level of intelligence capable of deceiving a human not only speaks wonders about that system, but also about the minds that created it. This year the Loebner Artificial Intelligence Prize went to the chatbot called Suzette, llegando en primer lugar tras lograr engañar a uno de los jueces.
¿Que es un Chatbot?
Un bot de charla, es un programa que simula mantener una conversación con una persona, the conversation is conducted through a keyboard, aunque también hay modelos que disponen de una interfaz de usuario multimedia. Más recientemente, some have started using text-to-speech converter programs , providing greater realism to user interaction.
‘Watson’, la computadora que le Ganó a dos campeones de Jeopardy!(2011)
Fue un juego de tres días y tres concursantes: Ken Jennings, quien ganó 74 juegos al hilo con una ganancia total de más de 2 millones de dólares; Brad Rutter, ganador de más de 3 millones de dólares, y ‘Watson’, una computadora diseñada por IBM especialmente para participar en Jeopardy!
El resultado remaining: ‘Watson’ ganó, con un complete de un millón de dólares en three días; le siguió Jennings con 300,000 dólares y al remaining quedó Rutter con 200,000.
Watson es un sistema informático de inteligencia artificial que es capaz de responder a preguntas formuladas en lenguaje natural, desarrollado por la corporación estadounidense IBM. Forma parte del proyecto del equipo de investigación DeepQA, liderado por el investigador principal David Ferrucci. Lleva su nombre en honor del fundador y primer presidente de IBM, Thomas J. Watson.
Curiosity (2011)
Fue finalmente lanzado el 26 de noviembre de 2011 a las 10:02 am EST, y aterrizó en Marte exitosamente en el cráter Gale el 6 de agosto de 2012, aproximadamente a las 05:31 UTC enviando sus primeras imágenes a la Tierra.
Objectives: artificial intelligence blog
Determinar si existió vida alguna vez en Marte, caracterizar el clima de Marte, determine its geology and prepare for human exploration of Mars.
“If these 30-40 years in artificial intelligence and robotics hadn't been researched, it would be impossible to make a robot like 'Curiosity'”, explains Ramón López de Mántaras, director of the Institute of Artificial Intelligence Research (IIIA)
in
(1980-1990)
When investigating the meaning of Artificial Intelligence (AI), there are various definitions with different points of view, but the truth is that AI aims at the capacity that a system must have to 'learn' from the facts and/or stimuli it faces in a given situation.
Aprendizaje Automático
Already in the 80s, se desarrollaron lenguajes especiales para utilizar con la Inteligencia Artificial, such as Lisp, Prolog. It is in this era when more refined expert programs are developed, for example, EURISKO. This program automatically improves its own body of heuristic rules by induction.
The deepening of expert systems, combined with technological advancement and detailed knowledge of human functioning led to conducting studies on learning capacity, reviving Neural Networks with strength.
The return of neural networks (1986 to present )
Physicists used techniques from statistical mechanics to analyze the storage and optimization properties of networks. Psychologists studied memory models based on neural networks.
Four groups reinvented the backpropagation learning algorithm. The algorithm is applied to problems related to learning in computing and psychology
There was pessimism in the application of expert systems technology. To build a satisfactory expert system, something more than a reasoning system full of rules was needed.
Machine Learning Automatic Logic
Machine learning, or learning by machines, is a branch of artificial intelligence whose goal is to develop techniques that allow computers to learn. More specifically, it is about creating programs capable of generalizing behaviors from unstructured information provided in the form of examples. It is, therefore, a process of knowledge induction. On many occasions, the field of action of machine learning overlaps with that of statistics, since both disciplines are based on data analysis. However, machine learning focuses more on the study of the computational complexity of problems. Many problems are of the NP-hard class, so a large part of the research carried out in machine learning is focused on the design of feasible solutions to these problems. Machine learning can be seen as an attempt to automate some parts of the scientific method through mathematical methods.
Machine learning has a wide range of applications, including search engines, Medical Diagnostics, fraud detection in the use of credit cards, stock market analysis, DNA sequence classification, speech and written language recognition, games and robotics.
Different Machine Learning algorithms are grouped into a taxonomy based on their output.
Some types of algorithms are:
Supervised Learning
The algorithm produces a function that establishes a correspondence between the inputs and the desired outputs of the system. An example of this type of algorithm is the classification problem, where the learning system tries to label (classify) a series of vectors using one among several categories (classes). The system's knowledge base is formed by examples of previous labeling. This type of learning can become very useful in biological research problems, computational biology and bioinformatics.
Unsupervised learning
The entire modeling process is carried out on a set of examples consisting only of inputs to the system. There is no information about the categories of these examples. Therefore, in this case, The system has to be able to recognize patterns in order to label new inputs.
Semi-supervised learning
This type of algorithm combines the two previous algorithms in order to classify appropriately. Both labeled and unlabeled data are taken into account.
Reinforcement learning
The algorithm learns by observing the world around it. Your input information is feedback that you obtain from the outside world as a response to your actions. Therefore, the system learns based on trial and error.
Transduction
Comparable to supervised learning, but it does not explicitly construct a function. It tries to predict the categories of future examples based on the input examples, their respective categories and the new examples to the system.
Hybrid networks
It is a mixed approach in which an improvement function is used to facilitate convergence. An example of this last type are radial basis networks.
Multi-task learning
Learning methods that use previously learned knowledge by the system in order to face problems similar to those already seen.
in