Cronología De La Inteligencia Artificial

Intelligenza Artificiale
EL RENACIMIENTO GÓTICO
(1990 – 2010)
En 1996, IBM, Crea la computadora autónoma Deep Blue, esta le gana al campeón mundial de ajedrez Gary Kasparov el año 1997.
DEEP BLUE
IBM en su afán de demostrar la capacidad de sus sistemas en 1996 crea un “supercomputer” denominado DEEP BLUE (azul profundo) capaz de desafiar a una de las grandes mentes del mondo del ajedrez el Sr. Gary Kasparov, este “supercomputer” tenía procesadores diseñados especialmente para evaluar jugadas de ajedrez. Contaba con datos relativos a más de four.000 movimientos y las partidas de 700.000 grandes maestros de ajedrez. Sus procesadores eran capaces de calcular 200 millones de posiciones por second.
El primer encuentro se realizó el 10 de febrero de 1996, con un risultato no favorevole para IBM, el “supercomputer” è stato sconfitto per quattro-2. L'incontro si è concluso il 17 febbraio dello stesso anno.
Dopo la sconfitta con IBM si sono incrementati i desideri di superare la capacità umana e hanno creato la seconda versione del “supercomputer” al quale lo chiamarono DEEPER BLUE (blu più profondo), questa includeva una versione migliorata del software program, le modifiche le ha effettuate un altro grande maestro di scacchi, il Sig.. Joel Benjamin.
Il nuovo torneo si è svolto tra il tre e l'undici maggio del 1997, le prime partite si sono concluse in pareggio, essendo nella sesta partita Kasparov sconfitto da Deeper Blue.
Come aneddoto importante è da menzionare che Kasparov ha fatto forti critiche contro IBM, specialmente focalizzate sugli aggiornamenti che IBM ha effettuato dopo gli incontri iniziali, 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. Finalmente, 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, personalmente, repito, garantizo que le haré pedazos.
ASIMO
ASIMO Advanced Step Innovative Mobility (Paso Avanzado en Movilidad Innovadora), Es un robotic humanoide (Androide) created en el year 1980 por la empresa Honda uno de los símbolos de la apuesta de la compañía por la investigación y el desarrollo de la Inteligencia Artificial. (Androide es la denominación que se le da a un robotic u organismo sintético antropomorfo que, además de imitar la apariencia humana, imita algunos aspectos de su conducta de manera autónoma).
En 1980 Honda creó el E0, un prototipo bípedo muy rudimentario que necesitaba de 5 segundos para completar un paso y que carecía del aspecto humano del que hace gala ASIMO, pero que fue la base sobre la que se cimentaron desarrollos posteriores.
La siguiente generación de robots estuvo formada por los modelos E1, E2 y 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 velocità 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, qualità che gli permetteva di salire e scendere le scale e camminare su ostacoli.
Nel 1993, i prototipi della casa giapponese erano già in grado di camminare autonomamente e di superare ostacoli semplici, perciò l'obiettivo successivo di Honda fu creare robot dall'aspetto umanoide. Fu tra il 1993 e il 1997, in una nuova generazione che comprendeva i modelli P1, P2 e P3.
Con un'altezza di 1,915 m e un peso di 175 kg, il P1 divenne il primo sviluppo che, oltre alle gambe, aveva tronco, braccia e una testa. Questo rappresentò un salto qualitativo molto importante, poiché questo robot non solo camminava, ma poteva anche accendere e spegnere gli interruttori, 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 camminare, subir y bajar escaleras empujar obiecti. 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 altezza y centotrenta Kg, se convertito en el primer modelo completamente independiente de la serie y permitió a Honda presentare 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 robotico che medía solo 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 versione P4 se presentaba ahora mucho más elegante con algo menos de peso aunque la stessa 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 areass, cómo la Inteligencia Artificial, la Neurobiología, la Psicología, la Filosofía, la Lingüística, la Lógica, la Computación..., al fine di scambiare le conoscenze di base delle diverse aree e di mettere in contatto ricercatori dei diversi campi. Facilitare la creazione di collaborazioni e ricerche multidisciplinari è un obiettivo prioritario della proposta.
Nell'anno 2009, Esistono già sistemi intelligenti terapeutici in sviluppo che permettono di rilevare le emozioni per poter interagire con bambini autistici.
A.L.I.C.E : (Artificial Linguistic Web Laptop Entity) è un progetto Internet, che fa parte del Progetto Pandora. Questo progetto consiste nella creazione di bot di ogni tipo, in particolare quelli di chat. Dalla pagina di ALICE, l'utente può intraprendere una conversazione con un programma intelligente di conversazione, che simula una chiacchierata attuale, in modo tale che l'utente possa a malapena accorgersi di stare parlando con un robot. Richard Wallace
Ha vinto il Premio Loebner negli anni: 2000, 2001, 2004
Altri vincitori del Premio Loebner sono: Jabberwock, Ultra Hal Assistant, George, Joan.
Suzette: Chatbot vincitore del Premio Loebner (2010)
I progressi nell'intelligenza artificiale continuano ogni giorno, puntando a quella sfida che molti programmatori sognano di realizzare: Il superamento del famoso Test di Turing.
Il fatto che un sistema artificiale possa dimostrare un livello di intelligenza capace di ingannare un umano non parla solo meraviglie di quel sistema, ma anche delle menti che lo hanno creato. Quest'anno il Premio Loebner di Intelligenza Artificiale è stato assegnato al chatbot chiamato Suzette, arrivando en primer lugar tras lograr engañar a uno de los jueces.
¿Que es un Chatbot?
Un bot de charla, es un programma que simula mantener una conversación con una persona, la conversación se establece a través de un teclado, aunque también hay modelli che disponen de una interfaz de usuario multimedia. Más recientemente, algunos comienzan a utilizar programmi conversores de texto a sonido , dotando de mayor realismo a la interacción con el usuario.
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, winner de más de 3 millones de dólares, y 'Watson', un computer progettato da IBM appositamente per partecipare a Jeopardy!
Il risultato restante: ‘Watson’ ha vinto, con un totale di un milione di dollari in tre giorni; è seguito da Jennings con 300,000 dollari e il restante è rimasto a Rutter con 200,000.
Watson è un sistema informatico di intelligenza artificiale in grado di rispondere a domande formulate in linguaggio naturale, sviluppato dalla corporazione americana IBM. Fa parte del progetto del team di ricerca DeepQA, guidato dal ricercatore principale David Ferrucci. Prende il nome in onore del fondatore e primo presidente di IBM, Thomas J. Watson.
Curiosità (2011)
È stato infine lanciato il 26 novembre 2011 alle 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.
Objetivos: blog di intelligenza artificiale
Determinar si existió vida alguna vez en Marte, caracterizar el clima de Marte, determinar su geología y prepararse para la exploración humana de Marte.
“Si no se hubiera investigado estos 30 40 años en inteligencia artificial y robótica, sería imposible hacer un robotic como ‘Curiosity'”, explica Ramón López de Mántaras, director del Instituto de Investigación en Inteligencia Artificial (IIIA)
en
(1980-1990)
Al investigar el significado de la Inteligencia Artificial (IA), existen diversas definiciones con diferentes puntos de vistas, pero lo cierto es que la IA apunta a la capacidad que debe tener un sistema de aprender” de los hechos y/ estímulos a los cuales se ve enfrentado en una determinada situación.
Aprendizaje Automático
Ya en los 80, se desarrollaron lenguajes especiales para utilizar con la Inteligencia Artificial, tales como el lisp el prolog. Es en esta época es cuando se desarrollan programas expertos más refinados, como por ejemplo el EURISKO. Este programa perfecciona su propio cuerpo de reglas heurísticas automáticamente por inducción.
La profundización de los sistemas expertos, sumado al avance tecnológico y al conocimiento detallado del funcionamiento humano llevó a conducir los estudios sobre la capacidad de aprender resurgiendo con fuerzas las Redes Neuronales.
Il ritorno delle reti neurali (1986 ad oggi )
I fisici hanno utilizzato tecniche della meccanica statistica per analizzare le proprietà di memoria e ottimizzazione delle reti. Gli psicologi hanno studiato i modelli di memoria basati sulle reti neurali.
Quattro gruppi hanno reinventato l'algoritmo di apprendimento del backpropagation. L'algoritmo si applica a problemi legati all'apprendimento in informatica e in psicologia
C'era pessimismo nell'applicazione della tecnologia dei sistemi esperti. Per costruire un sistema esperto soddisfacente, era necessario qualcosa di più di un sistema di ragionamento pieno di regole.
Apprendimento Automatico Logica Automatica
El aprendizaje automático aprendizaje de máquinas es una rama de la inteligencia artificial cuyo objetivo es desarrollar techniques que permitan a las computadoras aprender. De forma más concreta, se trata de crear programmi capaces de generalizar comportamientos a partir de una información no estructurada suministrada en forma de ejemplos. Es, pertanto, un proceso de inducción del conocimiento. En muchas occasiones el campo de actuación del aprendizaje automático se solapa con el de la statistica, ya que las dos disciplines se basan en el análisis de datos. Sin embargo, el aprendizaje automático se centra más en el estudio de la complejidad computacional de los problemas. Muchos problemas son de clase NP-hard, perciò gran parte della ricerca effettuata nel campo dell'apprendimento automatico è focalizzata sulla progettazione di soluzioni fattibili a questi problemi. L'apprendimento automatico può essere visto come un tentativo di automatizzare alcune parti del metodo scientifico mediante metodi matematici.
L'apprendimento automatico ha un'ampia gamma di applicazioni, inclusi motori di ricerca, diagnostici medici, rilevamento delle frodi nell'uso delle carte di credito, analisi del mercato azionario, classificazione delle sequenze di DNA, riconoscimento del parlato e del linguaggio scritto, giochi e robotica.
I diversi algoritmi di Apprendimento Automatico sono raggruppati in una tassonomia in base alla loro uscita.
Alcuni tipi di algoritmi sono:
Apprendimento supervisionato
L'algoritmo produce una funzione che stabilisce una corrispondenza tra gli input e gli output desiderati del sistema. Un esempio di questo tipo di algoritmo è il problema di classificazione, dove il sistema di apprendimento cerca di etichettare (classificare) una serie di vettori utilizzando una tra diverse categorie (classi). La base di conoscenza del sistema è composta da esempi di etichettature precedenti. Questo tipo di apprendimento può diventare molto utile in problemi di ricerca biologica, biologia computazionale e bioinformatica.
Apprendimento non supervisionato
Tutto il processo di modellazione viene effettuato su un insieme di esempi formato solo dagli input al sistema. Non si ha informazioni sulle categorie di questi esempi. Pertanto, in questo caso, il sistema deve essere in grado di riconoscere schemi per poter etichettare le nuove voci.
Apprendimento semi-supervisionato
Questo tipo di algoritmi combina i due algoritmi precedenti per poter classificare in modo appropriato. Si tengono in considerazione i dati etichettati e quelli non etichettati.
Apprendimento per rinforzo
L'algoritmo impara osservando il mondo che lo circonda. Le sue informazioni di input sono un feedback che ottiene dal mondo esterno come risposta alle sue azioni. Pertanto, il sistema impara attraverso il metodo del tentativo-errore.
Transduzione
Paragonabile all'apprendimento supervisionato, ma non costruisce esplicitamente una funzione. Cerca di prevedere le categorie dei futuri esempi basandosi sugli esempi di input, le loro rispettive categorie e i nuovi esempi per il sistema.
Redes híbridas
Es un enfoque mixto en el que se utiliza una función de mejora para facilitar la convergencia. Un ejemplo de este último tipo son las redes de base radial.
Aprendizaje multi-tarea
Métodos de aprendizaje que usan conocimiento previamente aprendido por el sistema de cara a enfrentarse a problemi parecidos a los ya vistos.
en