¿Quién creó la primera IA?

Los primeros idealizadores del principio de que hoy se ha convertido en inteligencia artificial son Allen Newell y Herbert Simon .

Crearon un problema informático, llamado “Solucionador de problemas generales”, que, como su nombre indica, tenía la intención de resolver todos los problemas universales que se introdujeron en la máquina.

Fue capaz de resolver algunos problemas simples, como la Torre de Hanoi, pero cuando se trataba de desafíos más reales y, por lo tanto, más complejos, no pudo resolverlos debido a la “Explosión combinatoria”. Este es un término famoso en los estudios de inteligencia artificial. Se puede describir como la enorme cantidad de posibilidades, datos e información que puede tener para tomar una decisión, lo que hace que el problema sea intratable.

Este grupo de personas idealizó el solucionador de problemas generales con el enfoque de sistemas simbólicos . ¿Que quiero decir? No es que el GPS (no el sistema de posicionamiento global, jaja) pueda considerarse una verdadera inteligencia artificial, como imaginamos en nuestras mentes con máquinas que aprenden nuevos conceptos, que tienen experiencias, intuiciones y emociones. Los sistemas simbólicos se basan en los patrones coincidentes de los símbolos. Ejemplo en un contexto médico:

Si un paciente tose, verifique la temperatura. Si la temperatura es superior a X grados Fahrenheit, este paciente tiene bronquitis.

Creían que los símbolos y la coincidencia de patrones eran la clave de la inteligencia general. Tal vez lo es. Quizás no lo sea. ¿Quien sabe? ¿Qué piensas?

Espero haber respondido tu pregunta por completo. ¿Alguna pregunta más? ¡Pregúnteme!

Maui

A2A. Si bien se han creado sistemas de aprendizaje automático (ML) muy potentes, y numerosos sistemas basados ​​en reglas / listas del pasado imitan la inteligencia, nadie ha creado aún nada que yo definiría como IA.

Todos los sistemas creados hasta ahora tienen un alcance muy limitado, resolviendo un espacio de problemas muy estrecho, como jugar un juego. Todas las integraciones de estos sistemas de ML estrechos, incluido el aprendizaje profundo (DL), son frágiles y utilizan técnicas diseñadas para limitar el alcance de las interacciones. Además, si bien estos sistemas pueden parecer inteligentes, todos siguen siendo soluciones superficiales; resuelven problemas con astucia, pero no los resuelven de la misma manera que los humanos.

Las técnicas de DL están comenzando a moverse en el ámbito de la IA. Ha habido ejemplos de sistemas DL diseñados para una tarea que resuelve otras tareas que el sistema no fue diseñado para resolver. Transfiera los movimientos de aprendizaje en la dirección de usar el entrenamiento en alguna tarea y luego con un entrenamiento adicional limitado, pudiendo resolver una tarea adyacente, como aprender sobre cómo identificar perros con un conjunto de entrenamiento grande y luego usar un conjunto mucho más pequeño para enseñar El sistema sobre gatos.

También están surgiendo nuevas técnicas, como la teoría de la cápsula de Hinton. Es solo cuestión de tiempo antes de que los avances nos permitan crear un sistema verdaderamente robusto que se puede llamar AI.

Nadie ya que la IA no existe en la forma general. Diferentes personas a lo largo de los años han creado diferentes algoritmos de aprendizaje y tendrá que ser específico sobre qué tipo de algoritmo para obtener una respuesta.