Ankylosaurus

10 : Thelma Ritter (estadounidense , 1905-1969) Obtuvo 6 nominaciones al Oscar , todas como Actriz de Reparto por All About Eve (1950) , The Mating Season (1951) , With a Song in My Heart (1952) , Pickup on South Street (1953) , Pillow Talk (1959) y Birdman of Alcatraz (1962) 9 : Glenn Close (estadounidense , 1947) Obtuvo 6 nominaciones al Oscar , 3 como Actriz de Reparto por The World According to Garp (1982) , The Big Chill (1983) y The Natural (1984) , y 3 como Actriz Protagonica por Fatal Attraction (1987) , Dangerous Liaisons (1988) y Albert Nobbs (2011) 8 : Viola Davis (estadounidense , 1965) Obtuvo 2 nominaciones al Oscar , 1 como Actriz de Reparto por Doubt (2008) y 1 como Actriz Protagonica por The Help (2011) 7 : Liv Ullmann (japonesa , 1938) Obtuvo 2 nominaciones al Oscar , todas como Actriz Protagonica por The Emigrants (1971) y Face to Face (1976) 6 : Barbara Stanwyck (estadounidense , 1907-1990) Obtuvo 4 nominaciones al Oscar , todas como Actriz Protagonica por Stella Dallas (1938) , Ball of Fire (1942) , Double Indemnity (1945) y Sorry, Wrong Number (1949) 5 : Rosalind Russell (estadounidense , 1907-1976) Obtuvo 4 nominaciones al Oscar , todas como Actriz Protagonica por My Sister Eileen (1942) , Sister Kenny (1946) , Mourning Becomes Electra (1947) y Auntie Mame (1958) 4 : Julianne Moore (estadounidense , 1960) Obtuvo 4 nominaciones al Oscar , 2 como Actriz de Reparto por Boogie Nights (1998) y The Hours (2003) , y 2 como Actriz Protagonica por The End of the Affair (2000) y Far from Heaven (2003) 3 : Irene Dunne (estadounidense , 1898-1990) Obtuvo 5 nominaciones al Oscar , todas como Actriz Protagonica por Cimarron (1931), Theodora Goes Wild (1936), The Awful Truth (1937), Love Affair (1939) y I Remember Mama (1948) 2 : Deborah Kerr (escocesa , 1921-2007) Obtuvo 6 nominaciones al Oscar , todas como Actriz Protagonica por Edward , My Son (1949) , From Here to Eternity (1953) , The King and I (1956) , Heaven Knows, Mr. Allison (1957) , Separate Tables (1958) y The Sundowners (1960) 1 : Greta Garbo (sueca , 1905-1990) Obtuvo 3 nominaciones al Oscar , todas como Actriz Protagonica por Anna Christie (1930) y Romance (1930) [Ambas nominaciones cuentan como una , ya que era una regla de ese entonces] , Camille (1937) y Ninotchka (1939)

A partir de la crisis en la IA han surgido nuevas áreas de investigación de la IA tales como: Redes Neuronales Algoritmos Genéticos Inteligencia Artificial Distribuida Todas tienen en común un nuevo enfoque: la inteligencia es producto de la asociación, combinación o conexión de entidades independientes más simples (agentes, genes o neuronas), las cuales pueden tener alguna inteligencia o ninguna y producto de su interacción, el sistema presentaría un comportamiento inteligente. Lo cual nos lleva a un nuevo paradigma basado en la copia de los sistemas emergentes y evolutivos de la naturaleza, que de cierta manera es un retorno a la Cibernética, primera ciencia de carácter técnico inspirada en la naturaleza. Las investigaciones en las RNA han estado inmersas en la creación de autómatas que aprendan a descubrir relaciones ocultas en los datos a la vez que puedan codificar y almacenar información en forma similar a como lo realiza el cerebro. La neurocomputación utiliza como base la metáfora cerebral, pero no persigue como objetivo la construcción de máquinas absolutamente plausibles biológicamente, sino el desarrollo de máquinas útiles. La capacidad intelectual depende de la acción colectiva de las neuronas, que realizan procesos en serie y en paralelo utilizando la retroalimentación y una organización molecular y laminar con alta capacidad de auto-organización y cooperatividad basado en una estructura jerárquica que permite el procesamiento local y centralizado en fases. Vida artificial es el nombre dado a una nueva disciplina, nacida en los años 80, que estudia la vida natural mediante la recreación de fenómenos biológicos en la computadora y otros medios artificiales, con el fin no solamente de la comprensión teórica de los fenómenos bajo estudio, sino también de descubrir y realizar aplicaciones prácticas y útiles de los principios biológicos en la tecnología de la computación y en la ingeniería, como por ejemplo, en robots móviles, naves espaciales, medicina, nanotecnología, fabricación industrial y ensamblaje así como también en otros proyectos de ingeniería. En la Naturaleza, la evolución, en particular la de los seres vivos, presenta algunas características que motivaron a John Holland a comenzar una línea de investigación en un área que eventualmente se transformó en lo que hoy se denomina Algoritmos Genéticos (AG). La habilidad de una población de cromosomas para explorar el espacio de búsqueda “en paralelo” y combinar lo mejor que ha sido encontrado en él por medio del mecanismo de sobrecruzamiento (crossover), es algo intrínseco a la evolución natural y trata de ser explotada por los AGs. Desde el punto de vista biológico, el problema se centra en la imitación del mecanismo evolutivo de los seres vivos. De una población, tienen más posibilidades de sobrevivir y de tener descendencia aquellos organismos mejor adaptados al medio. De combinarse dos que tengan características deseables para aspectos distintos pueden surgir nuevos que hereden ambas peculiaridades. La premisa de los AGs, tras la publicación del libro de Holland “Adaptation in Natural and Artificial Systems” y de los numerosos investigadores que los utilizan como metaheurística para optimización, es que se pueden encontrar soluciones aproximadas a problemas de gran complejidad computacional mediante un proceso de “evolución simulada”, en particular como un algoritmo matemático implementado en un ordenador. En la Inteligencia Artificial Distribuida (IAD) se estudia la solución cooperativa de problemas por un grupo de agentes distribuidos. Tal cooperación se basa en que ninguno posee la información (experticidad, recursos, etc.) para resolver completamente el problema y donde un agente tiene como característica la de ser una entidad mas o menos autónoma, con conocimientos propios y de su entorno así como con la posibilidad de interactuar con dicho entorno y otros agentes. A diferencia de los sistemas expertos, llamados por muchos “sistemas autistas” estas nuevas investigaciones se ocupan de que los mismos sean capaces de interactuar con el entorno o lo que es lo mismo que sean abiertos y flexibles. Por otra parte, los agentes inteligentes se perfilan como una de las aplicaciones de la IA mas prometedoras debido a su estrecha relación con Internet (la tercera revolución de la informática). Sin crear falsas expectativas, debemos recordar los sistemas expertos y los agentes inteligentes dadas las ventajas que representan para el acceso a las redes. Ellos están llamados a cambiar nuestra forma de trabajo al permitir a los usuarios moverse en ambientes más cómodos y amistosos. CONCLUSIONES Hasta hoy, es posible desarrollar sistemas que se comportan ‘eficazmente’ en una materia específica, pero no que ‘emulan’ a la inteligencia humana. La lógica es sólo una arista de la misma: el sentido común, razonamiento no monótono, reconocimiento y otros procesos ‘inteligentes’ aún no están totalmente resueltos. Los programas de ajedrez son una demostración palpable de lo que podría llamarse una inteligencia basada en la fuerza bruta, dado que su método consiste en la velocidad de cálculo, lo cual le permite buscar en grandes espacios y procesar una cantidad enorme de información, velocidad de procesamiento que supera ampliamente la del cerebro humano. Muchos creen que la rapidez creciente en el cálculo de las computadoras, que no parece tener limites, debe conducir al surgimiento de las llamadas máquinas inteligentes, afirmación sustentada en que las computadoras al poder valorar más variantes de un problema, ya sea el juego de ajedrez, un cálculo de ingeniería, un diseño industrial o un diagnóstico mecánico, será capaz de alcanzar soluciones más rápidas y eficientes, relegando la de los humanos a un segundo plano. Este argumento se fundamenta en el auge acelerado que se evidencia en el hardware de las computadoras, mientras subestima el desarrollo del software e ignora las posibilidades del cerebro. Actualmente, la ciencia deja de encerrarse en si misma y se fija en lo que le rodea, comprende que la mejor manera de entender cómo funciona algo en un ser humano es entenderlo primero en los animales más simples. Es así que la ciencia descubre las propiedades emergentes de la inteligencia, como resultado de la interacción compleja de sencillos elementos y emula con los procesos genéticos evolutivos en la búsqueda de mejores soluciones a problemas realmente complejos. La Inteligencia Artificial ‘convencional’ con sus intentos de modelar matemáticamente los procesos de razonamiento, no ha podido alcanzar el sueño de sus creadores, mucho menos los seguidores de la denominada IA ‘fuerte’, quienes han pretendido convencernos de que seremos sustituidos por máquinas pensantes. Comienza una nueva era dentro de la Inteligencia Artificial. El hecho de mirar hacia la naturaleza posibilitará al hombre un avance en el camino de lograr simular verdaderamente, la inteligencia humana.

Después del paradigma cibernético con su intento de construir una mente mecánica (de esto hablaremos en otro artículo), le siguió el paradigma cognitivo y la idea de reproducir la mente por medio de algoritmos ya que la mente no era otra cosa que estados mentales que se procesaban en el cerebro al igual que los programas en una computadora. Lo cual llevó a muchos investigadores en el campo teórico a pensar que una vez que se descifrara los procesos de la mente era seguro desarrollar los algoritmos que representaban esos procesos, es obvio, ya que la mente lo que hace es manipular símbolos por medios algorítmicos. De ahí surgieron los métodos heurísticos, las reglas de producción, los mecanismos de resolución de problemas, etc. Como siempre sucede, los investigadores en inteligencia artificial,(IA) no se ponían de acuerdo en si, esa representación simbólica, se basaba en la lógica (la sintaxis, cálculo de predicados) o en la semántica (estructuras semánticas, guiones). Discusión que llevó a que se formaran dos grupos: los defensores de la lógica (a los que llamaban los pulcros, ya que siempre vestían de forma impecable) y los semánticos (llamados zarrpastrosos, estos andaban peludos y vestían de forma no convencional). Como era de esperar a nivel académico se impusieron las ideas de los pulcros, en cambio muchas de las aplicaciones más importantes en IA han provenido de las investigaciones de los zarrapastrosos. Pero, métodos a parte, ambos compartían un sueño: descubrir los programas que hacen funcionar la mente. De todo lo anterior se desprende que era totalmente posible reproducir la mente en una computadora, bastaba con encontrar la descripción algorítmica de los estados mentales. Y por muy compleja que pareciera el funcionamiento de la mente, en el fondo no era otra cosa que complejos algoritmos, y la tarea de los investigadores de la IA consistía en descifrar esos procesos y su conversión en algoritmos para luego introducirlos en una computadora e ir conformando una nueva inteligencia no humana. Ahora, una vez que la maquina tenga todos los algoritmos que conforman la mente, y este es uno de los problemas de la IA convencional, ya que, hay que ir descubriendo los mecanismos de la mente, traducirlos en algoritmos para incluirlos en la computadora, así sucesivamente hasta que se halla reproducido totalmente la mente humana, y pueda funcionar en una computadora. Muchos investigadores, en esa época de los 50, dieron esto por hecho y afirmaron que en los anos 80s ya existirían máquinas con inteligencia humana, en ese entonces no se hablaba de superar la inteligencia humana, ni de singularidad tecnológica, etc. Y aquí es cuando surgió una interrogante, que ha perdurado hasta nuestros días: ¿si se reproducía la mente humana en una máquina, esta no sería consciente? Esto llevó a las siguientes definiciones. 1. La consciencia no se puede atribuir a procesos puramente físicos y, por lo tanto, es inaccesible incluso a un abordaje científico arbitrariamente avanzado (metafísico) 2. La consciencia surge de procesos puramente físicos del cerebro pero sostiene que estos son tan complejos o tan alejados de la comprensión científica, que prácticamente no hay esperanza de que podamos duplicarlos (físico/irreproducible). 3. Es posible que podamos comprender y duplicar los procesos que dan lugar a la consciencia, aunque esto quizás resulte una labor extremadamente difícil (físico/reproducible). 4. La consciencia no es algo tan especial y que una máquina a la que se haya provisto de suficiente inteligencia, con el tiempo adquirirá consciencia de manera más o menos automática (trivial). Los que defienden la IA fuerte sostienen los puntos de vista 3 y 4 Los partidarios de la IA débil se inclinan por 1 y 2. Los defensores de la IA fuerte están convencidos de que se podrán reproducir todas las capacidades humanas, incluyendo la consciencia en una máquina. Y aunque esta idea ha ido variando con el tiempo, no ha cambiado en su esencia.

Los primeros intentos de la inteligencia artificial (IA) se fundamentaron en las búsquedas heurísticas. Se creía que el hombre resolvía todos los problemas a través de métodos heurísticos y se pensaba que la mente estaba conformada por potentes mecanismos heurísticos capaces de partir de lo general a lo particular tal como sucedía con los algoritmos de computación. De ahí los esfuerzos por hallar un algoritmo general basado en los principios heurísticos que fuera capaz de resolver cualquier tipo de problema. Ejemplo de ello fue el GPS (solucionador general de problemas) con el cual se podía demostrar cualquier tipo de teorema matemático, pero era incapaz de resolver problemas de carácter elemental que requieran un mínimo de sentido común. Este fracaso llevó a los investigadores a la conclusión que la heurística no lo era todo y que si el hombre resolvía los problemas era porque poseía los conocimientos necesarios para darle solución. Lo que dió lugar a la explosión de los sistemas basados en conocimientos más conocidos como sistemas expertos los cuales debido a la estrechez de su dominio de solución de los problemas, no cumplió con las expectativas de los usuarios. Ello trajo como consecuencia la crisis del paradigma simbolista dentro la IA lo que originó nuevos paradigmas siendo los más importantes los basados en el conexionismo y los basados en la cooperación. Siendo interés nuestro los últimos ya que son los que están relacionados con la cooperación entre agentes inteligentes ajustándose este modelo a la estructura de una organización inteligente. Otro de los intentos de la inteligencia artificial fue tratar de comprender los estados mentales a través de “mundos de juguetes”, producto del desconocimiento existente sobre la naturaleza de la inteligencia y, por otro lado, existía la creencia de que lo aprendido en esos dominios de juguete se podría extender sin dificultades a problemas más complicados pero debido a la complejidad de los problemas del mundo real estos no pueden capturarse en modelos reducidos y por tanto deben plantearse directamente. Crisis de la IA: La Inteligencia Artificial se ha visto siempre como una ciencia teórica, desligada de la realidad, mientras para otros son métodos que permiten investigar el cerebro. Pero, en realidad, ¿cuales han sido sus logros? ¿Cómo ha influído en la comprensión de la mente humana? La IA parece irreconciliable si la analizamos a través de sus tres vertientes: Estudio de la mente humana. Sistemas informáticos inteligentes. Sistemas comerciales basados en las técnicas de la IA Estudio de la mente: Descubrir los enigmas de la mente humana, donde la máquina es utilizada como laboratorio para verificar las teorías. Sistemas informáticos: analizar las técnicas informáticas de simulación del comportamiento inteligente Sistemas comerciales: la máquina es una herramienta que a través de programas inteligentes servirá al hombre en sus tareas diarias. Cada uno de estos métodos niega los progresos del otro, y en algunos casos considera que no tiene nada que ver con la Inteligencia Artificial. De acuerdo a estos enfoque surgen tres áreas de investigación y desarrollo de la Inteligencia Artificial. Estudio de la mente: Ciencia cognoscitiva. Sistemas informáticos: Máquinas inteligentes. Sistemas comerciales: Ingeniería del conocimiento Estudio de la mente: Se considera una ciencia natural que investiga sobre la mente que trata de comprender los mecanismos de la creatividad del ser humano apoyándose en las computadoras como soporte del pensamiento de este grupo se desprenden dos grandes ideas que han llenado de promesas las investigaciones de la IA: la IA fuerte y la IA débil. La Inteligencia Artificial fuerte: La idea de una IA fuerte ha sido el sueño de casi todos los investigadores de ese campo. Sostiene que todas las operaciones mentales son manifestaciones sofisticadas de complicados procesos computacionales, y que es irrelevante si tales procesos son llevados a cabo por un sujeto humano, un objeto físico o un dispositivo electrónico. Por lo que acepta que la mente humana puede ser reproducida o copiada para otro medio, el cerebro se considera un soporte más. n cambio para la IA débil (menos radical que la anterior, y también más extendida desde el fracaso del enfoque idealista de los primeros años) computación no supone consciencia, y la simulación artificial de actividades mentales en ningún caso da origen a fenómenos mentales como dolor, reconocimiento, entendimiento o intencionalidad. No obstante se acepta la posibilidad de una simulación de la mente que suponga identidad funcional, aunque nunca identidad estructural. Se acepta la creación de un algoritmo suficientemente complejo que podría ser codificado a través de un programa computacional y controlar un robot de la misma forma que lo haría un ser humano. Sistemas informáticos: A este grupo no les preocupa tanto las cuestiones filosóficas, aunque su afiliación esta dentro de una IA débil. Para ellos la meta es construir máquinas más perfectas, aprendiendo a representar y manipular el conocimiento sobre el mundo real mediante una computadora y no les preocupa en lo más mínimo si la forma de pensar de las máquinas está de algún modo relacionada con la forma humana de pensar. Para estos investigadores la máquina es el tema de su investigación, la cual es vista como un todo (soft y hard) y se pretende que esta como tal alcance niveles de inteligencia, posiblemente no alcanzados por el hombre, cada vez más avanzados. Y se especula sobre la posibilidad de que la máquina sustituya al hombre, dada las posibilidades ilimitadas de la misma. Las mayores aportaciones al campo de la IA se debe a este grupo en temas tan importantes como: la robótica, las tecnologías del conocimiento, la IA distribuída, máquinas para lisp, etc. Sistemas comerciales: Se elaboran aplicaciones para resolver problemas que antes eran competencia sólo de los humanos. Son los especialistas de computación que se dedican a abordar a través de algoritmos tareas poco estructuradas con fines prácticos, casi siempre utilizando estructuras de datos complejas. Se puede ver como rama de la ingeniería dedicada a crear productos comerciales. sobre todo sistemas especializados. Por ejemplo los sistemas expertos. Cada enfoque crea una filosofía de trabajo que hace incompatible la comunicación entre cada grupo de investigadores, desde sus “creencias” entre MENTE, MAQUINA Y USUARIO. Incluso hasta la forma de ver la máquina cambió para cada uno. Ya pasó la época en que la IA se veía como una ciencia mística cargada de amenazas, algunos pensaban que los sistemas expertos sustituirían a los especialistas, y hoy con un enfoque más maduro sin falsas expectativas, recuerden el proyecto japonés de la 5ta. Generación, las técnicas de IA se irán abriendo paso de forma imperceptible, es más, todo indica que la inteligencia se irá ampliando y que de la cooperación entre humanos y sistemas informáticos inteligentes surgirán las bases de las sociedades basadas en el conocimiento. De ahí que la IA abandone los sistemas autistas (encerrados en si mismo) para dar lugar a sistemas abiertos que comparten información de forma inteligente, a su vez que permite la combinación de diferentes paradigmas de representación del conocimiento como los basados en reglas, los marcos (frames), los guiones. Y surjan nuevos temas de investigación tales como: - La formalización del sentido común. El aprendizaje. La integración de diferentes paradigmas de inteligencia. El desarrollo de arquitecturas cognoscitivas completas. Mientras la Inteligencia Artificial se desangra en pugnas internas y en definir que es y que no es Inteligencia Artificial, en la computación convencional el hardware marcha a paso acelerado en la construcción de máquinas cada vez más rápidas, con más memoria y más posibilidades de cálculos simbólicos, que se pronostica alcanzará la creación de máquinas inteligentes a corto plazo sin necesidad de la Inteligencia Artificial.

Este 2013 en la Universidad de Pekin (China cuya presencia cada vez es más fuerte en el mundo y la Inteligencia Artificial no es una excepción) se está celebrando la Sexta Conferencia sobre Inteligencia Artificial General (AGI 2013) y a continuación, en el mismo escenario, de 3 al 9 de agosto, se celebrará la XXIII Conferencia Internacional Conjunta sobre Inteligencia Artificial. La Inteligencia Artificial General (AGI, en inglés) es un intento de retomar la idea de una inteligencia artificial fuerte (ver, en este blog, el artículo anterior) dado los nuevos conceptos que ha ido surgiendo en la actualidad, sobre todo las idea del surgimiento de una superinteligencia artificial y de una posible singularidad tecnológica, siendo Ray Kurzweil el punto de referencia de este movimiento. Haciendo historia, la Inteligencia Artificial (IA) luego de la euforia de sus primeros años, y ante los fracasos de sus pronósticos, siendo el proyecto de quinta generación japonés, uno de los más connotados, se sumergió en una profunda crisis, al extremo que muchos científicos abandonaron su línea de investigación y otros como Minsky, uno de los padres de la IA junto a Mc Carthy, se mostraba molestó ante la falta de apoyo cada vez mayor que estaba sufriendo las investigaciones en la IA. En su momento los Sistemas Expertos (SE) se convirtieron en la gran esperanza, aunque no fue muy acogida por los teóricos de la IA (algunos le llamaron los hijos bastardos de la IA) si conto con el apoyo financiero y logístico para su despegue y fueron muchos los que pasaron a engrosar las filas de investigadores de este nueva aplicación. De nuevo las expectativas se fueron por encima de la realidad y nuevamente el sentimiento de fracaso invadió a los científicos. Parecía cuestión de tiempo, que la IA fuera a pasar a un segundo plano y perdiera su influencia como una de las líneas más promisorias dentro de las tecnologías de la información. Para beneplácito de muchos la IA, al igual que la Cibernética (de está hablaremos en otro artículo) está cogiendo un segundo aire. Serían las ideas de Hans Moravec, Vernor Vinge y sobre todo las de Kurzweil, las que le darían un nuevo impulso a la IA y se retomaría nuevamente la casi olvidada idea de una Inteligencia Artificial Fuerte. Es bueno aclarar que para comprender a la IA hay que verla desde tres enfoques: IA fuerte, IA débil y la IA comercial. La IA fuerte, como ya dijimos en el artículo anterior, está convencida de que la mente humana se puede reproducir en una computadora, la IA débil, se dedica a desarrollar programas que sean capaces de resolver actividades consideradas inteligentes, y no les preocupa que la máquina, como tal, pueda considerarse inteligente; a la IA comercial solo le interesa aplicar las técnicas de la IA en elaborar sistemas que puedan ser comercializados y no le importa si estos simulan o no la inteligencia. Podemos decir que muchas técnicas, salidas de los laboratorios de la IA, se están aplicando, hoy, en muchos sistemas que ni siquiera se menciona su relación con la inteligencia artificial. Volviendo al evento AGI 2013, los organizadores se plantean la necesidad de volver a los objetivos originales de la IA, mediante el tratamiento de la inteligencia en su conjunto y hacen un llamado a una transición a hacer frente uno de los problemas más difíciles, la comprensión de la mente humana, y resaltan como diferencia con respecto a la IA convencional, que la inteligencia artificial general hace hincapié en la versatilidad y la integridad de la inteligencia (en franca oposición a los sistemas expertos), y por llevar a cabo la práctica de una ingeniera que siga el esquema de la mente humana. Es bueno destacar que la inteligencia artificial general toma elementos de la IA fuerte y la IA débil, evitando el excesivo optimismo de algunos defensores de la inteligencia artificial fuerte.

Agentes de compra comparativa. Los agentes de compras son capaces de hacer comparaciones y encontrar el mejor precio para un artículo. Los vendedores al por menor pueden protegerse a ellos mismos de este tipo de competición dando a sus productos nombres únicos o bloqueando el acceso a los agentes de búsqueda (como está sucediendo a la gente Bargain Finder). Actualmente, el agente comprobador mejor conocido en Internet es el agente Bargain Finder de Andersen Consuling. Este agente hace comparaciones de los precios de venta para discos compactos (CDs). El Bargain Finder exhibe algunas características de un agente inteligente en el que un número de diferentes partes están envueltas, la operación es remota y la información es difícil de encontrar. Los factores principales que pesan contra la clasificación de la Bargain Finder como un verdadero agente inteligente es que solamente su manejo es un problema de una sola dimensión, a saber, comparando precios para un único producto. No tiene que negociar o deshacerse de nada, así que la “inteligencia” requerida es mínima. La parte inteligente está siendo capaz de hablarles a diferentes vendedores de CD. Bargain Finder, se ha representado en el ciberespacio como una esfera amarilla con casco de minero y se dedica a buscar discos compactos baratos en Internet. Su misión se ve obstaculizada cuando el vendedor de un disco descubre que está negociando con un agente virtual, en lugar de un ser humano. ShopBot realiza la misma función, pero aprende de sus errores, para que los vendedores no descubran que es una criatura artificial. Good Shuff Cheap. Con el cual pretenden ofrecer un agente inteligente sin embargo, está restringido a su propia tienda (operación local), y es un poco mas que un motor de búsqueda el cual puede enviar autónomamente correo electrónico. Agentes notificadores. Jango es un agente notificador de productos en Internet, que utiliza los servicios del buscador Excite y esta basado en la recuperación de información en paralelo de la web. Cuando un usuario ingresa el nombre del producto que quiere comprar, Jango automáticamente determina que tiendas y sitios son relevantes. Entonces consulta estos sitios y rápidamente prepara informes para el comprador, incluyendo datos tales como: información detallada del producto, análisis comparativo, precio y especificación del producto. En caso que el usuario vaya a comprar, Jango cumplimenta el formulario del pedido.

Un agente de recomendación es capaz de encajar su rendimiento a una preferencia individual aprendiendo de la conducta pasada del usuario. Un número de aplicaciones Internet ayudan al tener habilidad de aprender. Probablemente el mas conocido es el sistema de recomendación de música Firefly. Originalmente fue llamado servicio de recomendación de música HOMR y fue desarrollada por Agentes Inc.. Es un agente de software capaz de comunicarse con otros usuarios y recomendar música que sabe que disfrutará. Firefly aprende de sus opiniones e influencia y utiliza esa información para servir mejor sus necesidades. Usa los gustos, opiniones, preferencias e idiosincrasia aún más similares a Ud. en orden a sugerirle nueva música que le podría gustar también. Es el mas usado y exacto y mucha gente lo usa, llegando a ser uno de los más listos. El efecto ‘aprender’ es ayudado a ser incrementado por la exactitud de las predicciones. Sin embargo este es conseguido por el usuario ingresando mas información sobre él mismo/ella misma. La predicción está basada sobre correlaciones con lo que otra gente dice, lo que ellos disfrutan escuchando, y aquí entra la inteligencia artificial. Cuando un nuevo artista es añadido al sistema, este no será incluido en las recomendaciones hasta que otra gente haya provisto ratings al artista. Yahoo usa la tecnología FireFly para personalizar su generador de listas “top” de música y películas. Otros agentes tales como el Similarities Engine y el WebHunter funcionan de una manera similar. Otra clase de agentes, los cuales ayudan a tener la capacidad de aprender incluye aplicaciones de computadora las cuales automatizan tareas repetitivas. Como el volumen de mensajes electrónicos incrementa, hay un gran potencial de mercado para agentes inteligentes los cuales ayudan a los usuarios a manejar esa información. NewsWeeder usa técnicas de aprendizaje para encontrar interesantes paginas de web y artículos Usenet. Similarmente, esta aplicación depende de lo que los usuarios digan que encuentren interesante. Muchos pueden encontrar esto molesto. Tal vez un método más útil de encontrar si un articulo es interesante puede ser más efectivo. The Similarities Engine. Este sistema le recomienda música para que usted pruebe, después de que usted ingresa los nombres de sus discos favoritos. Simplemente ingresa el nombre de los cinco CDs que actualmente son sus favoritos. Dentro de un pequeño período de tiempo usted recibirá sus resultados como un mensaje en el correo electrónico. El mensaje será una lista de temas que el sistema predice que usted también los disfrutará. Este servicio es muy similar al Firefly. WebHunter es un sistema WWW personalizado que filtra documentos, lo que pretende aliviar el problema que enfrenta el usuario con la sobrecarga de información. El WebHunter le provee con su muy personalizado agente WWW basándose en los documentos WWW que usted ha expresado de su gusto en el pasado. Eyes. Es un agente autónomo de búsqueda el cual examina continuamente libros recién publicados. A cualquier hora que un libro nuevo coincida con sus especificaciones, la notifica a usted vía correo electrónico. Open Sesame es un agente que aprende de lo que observa de sus actividades y aprende de aquellas tareas que usted repite una y otra vez. Open Sesame aún mantiene tareas cruciales autónomas que usted puede fácilmente olvidar, como reconstruir su escritorio. Sea si usted es un usuario novato o uno poderoso, Open Sesame hace que su trabajo sea más simple y eficiente.

Veamos algunas de las definiciones de agente inteligente: Agente inteligente: entidad capaz de percibir el entorno y de actuar sobre él. Es una entidad de software persistente con un propósito específico. Un agente autónomo es un sistema que habita en un entorno dinámico y complejo, en el que percibe y actúa de manera autónoma, alcanzando el conjunto de objetivos para el que fue diseñado. Un programa autocontenido que es capaz de controlar sus acciones y decisiones para alcanzar unos objetivos, basándose en su percepción del entorno. Es un sistema que está situado y que forma parte de un determinado entorno, que percibe este entorno y que actúa en él continuamente y con su propia planificación, persiguiendo el objetivo de cambiar su propia percepción. Características de los agentes inteligentes: Los agentes tienen un punto de vista incompleto, pero esto no limita que se halle una solución (aproximada). Lo que se pretende en que la solución sea completa y consistente. Los agentes se mueven dentro de un entorno “virtual” operando a través de un sistema. Los agentes inteligentes dentro del entorno de software tendrán una función análoga a la que realizan los robots en el mundo real, de ahí el nombre de softbots (software robot). Hoy en día se ha puesto de moda el nombre agente software. Al que se le aplican las definiciones dadas anteriormente, resaltando la condición de autonomía: Debe actuar autónomamente sin la intervención de seres humanos u otros sistemas y debe tener control sobre su estado interno y sobre su propio comportamiento. Control del entorno • En la mayor parte de los dominios el agente sólo tendrá control parcial del entorno. • Una misma acción realizada por el agente en diferentes ocasiones puede tener efectos distintos. • Un agente debe estar preparado para fallar. • Un agente dispone de un repertorio de acciones con sus correspondientes precondiciones. • Un agente debe estar preparado para decidir que acción realizar para alcanzar sus objetivos de diseño. Las arquitecturas de agentes son sistemas de toma de decisiones empotradas en un entorno. Tipos de entorno: • Accesible / inaccesible. • Determinista / indeterminista. • Episódico / no episódico. • Estático / dinámico. • Discreto / continuo De acuerdo con su accionar sobre el entorno una agente inteligente se puede definir como: un sistema que está situado en un cierto entorno y que tiene capacidad de actuar autónomamente de forma flexible en ese entorno para satisfacer sus objetivos de diseño. Flexibilidad: • Reactividad: capacidad de responder oportunamente a los cambios percibidos en el entorno. • Pro-actividad: comportamiento dirigido por el objetivo. • Habilidad social: capacidad de interacción con otros agentes para satisfacer sus propios objetivos (negociación y cooperación con agentes que persiguen otros objetivos). Otras características de los agentes es la capacidad de razonamiento, la capacidad de aprendizaje, la movilidad, la honestidad, etc. Diferencias entre agentes y sistemas expertos (SE). • Los SE no suelen interactuar directamente con el entorno (de ahí que algunos le llamaran sistema autistas. • Los SE suele diseñarse para tareas más complejas donde ellos tienen todo el control de las decisiones para ese dominio. • Los SE no suelen cooperar entre si. Ventajas de los agentes inteligentes: Facilitarle el trabajo a los usuarios Actuar como consultantes Servir de operadores en medios complejos Dificultades: - Cómo conocer la información relevante o irrelevante - Cómo agilizar la búsqueda - Cómo evitar repetir una tarea realizada. - Cómo habérselas con diferentes protocolos, formatos y sistemas de acceso a la información.

A la hora de desarrollar un SMA se pueden considerar dos filosofías de trabajo, una basada en la utilización de un lenguaje de especificación de agentes y la otra a través del desarrollo de un sistema de software a partir de una plataforma que sirve de base a la construcción del SMA, dicha plataforma proporciona servicios básico de comunicación, gestión de agentes y una arquitectura de agente. En cualquiera de los dos casos, y sobre todo cuando el sistema a desarrollar es grande, se necesita metodologías que estructuren el desarrollo de acuerdo con las prácticas de ingeniería de software. Tenemos que un SMA se puede abordar de dos formas: 1. Utilizando un lenguaje de especificación de agentes. 2. Utilizando una plataforma (sistema de software). Lenguajes de especificación de agentes. Existen diferentes lenguajes específicos para agentes. Aunque vale decir que también se pueden desarrollar los SMA a tr5aves de lenguajes de propósito general tales como C++, Java, Pascal, etc. Pero seria mas engorrosa su implementación ya que se parte de cero y hay que construirlo todo, mientras los lenguajes de agentes ya ofrecen ciertas herramientas que facilitan la elaboración de los SMA. El lenguaje de agente mas conocido es Agent0, donde se utilizo, por primera vez, la definición de programación orientada a gentes. Y propuso un nuevo paradigma de programación en el que la entidad principal es el agente. En Agent0, un agente es una entidad cuyo estado se ve como un conjunto de componentes mentales tales como creencias, habilidades, elecciones y compromisos, con estas entidades y un conjunto de primitivas, como son: enviar mensajes, comprometerse o solicitar la ejecución de una tarea, es posible elaborar un lenguaje de descripción de agentes. Existen otros lenguajes que siguen el modelo de Shohan como CASA o PLACA, estos lenguajes añaden la capacidad de planificar acciones a los agentes en el SMA. Han surgido otros enfoques orientados a teorías de agentes, donde se enuncian definiciones formales para la construcción de los SMA. que permite la confirmación de las propiedades del mismo, lo cual permite manipular la intencionalidad de los agentes. Dentro de estos nuevos enfoques se encuentra ConGOLOG el cual se centra en modelar la ejecución de tareas asignadas a varios agentes y su efecto en el entorno y se tiene en cuenta la modificación de los conocimientos que sufren la entidades en la ejecución de las tareas (fluents) y defines axiomas: de ejecución de tareas, de precondición de tareas de marco (especifica a que fluents afecta la ejecución de la tarea). La ejecución del SMA consiste en descubrir que acciones se pueden ejecutar en el SMA que no creen inconsistencias en el conjunto de axiomas acumulados, que son el conjunto de precondiciones asociadas a las acciones posibles de los agentes. Lenguajes de agentes: 1. Agent0 2. CASA 3. ConGOLOG. Plataformas para el diseño de Sistemas Multi-Agentes. La tendencia actual en el desarrollo de SMA es la utilización de plataformas de desarrollo. Esto se debe en gran parte al nivel de conocimientos necesarios que generalmente implica programar con un lenguaje de agentes. Para suplir dicha complejidad han surgido dos tendencias por un lado armazones de software de SMA adaptables a diferentes dominios de aplicación (herramientas) y por otro lado plataformas de desarrollo de ámbito genérico que son implementaciones de estándares de agentes. Aunque el desarrollo con los armazones es más sencillo hoy en día predominan los segundos. Tipos de plataformas: 1. Herramientas o armazones. 2. Plataformas genéricas. La mayoría de las plataformas implementan las arquitecturas abstractas FIPA. http://www.taringa.net/comunidades/pacificrim/

Hoy en día están de moda los términos Ciberpunk, Ciberespacio, Ciberarte…, términos que encierran en sí todo un movimiento integracionista en los que se confunde la fantasía del arte con los descubrimientos más novedosos de la ciencia. Pero, ¿cuál es su origen? En 1948, el matemático norteamericano Norbert Wiener, quien se encontraba en ese momento en una situación monetaria precaria, decide escribir un librito al que tituló: “Cybernetics, or control and communication in the animal and the machine”. El que, para asombro del propio autor, se convirtió pronto en un best seller e inició uno de los movimientos más espectaculares del mundo científico. La Cibernética no debe verse ni como una ciencia, ni como una disciplina; sino como un movimiento de ideas que trató de romper con la estrechez de los conocimientos propios de cada disciplina. El movimiento cibernético demostró que las barreras que existían entre la matemática, la biología y la electrónica, por solo citar tres de las más beneficiadas, eran superables y encontró sorprendentes analogías entre ellas. Wiener , quien eligió este término en homenaje al físico inglés Clarence Maxwell por haber definido en 1868 los mecanismos de retroacción, no podía imaginarse que mucho antes el filósofo griego Platón, se dio gusto utilizando el término Kybernetike para referirse al arte de la navegación como timonel, ni que muchos años después en 1834, otro brillante físico, el francés Andrés Ampere, utilizó el término Cibernética como el arte de gobernar en política. Nada de esto resta mérito a la labor de Wiener como padre indiscutible de la Cibernética, aunque él mismo reconoce a Leibniz como su precursor por sus ideas, entre ellas la de descubrir un lenguaje del pensamiento basado en el arte de la combinatoria que permite a través del lenguaje de los números expresar cualquier idea o concepto fórmula de la verdad. Sin embargo, Wiener ignoró al español Ramón Llull, quien nació en Mallorca en 1235 y falleció en 1315. Entre sus muchos inventos, propuso una máquina lógica que permitiera obtener demostraciones de modo mecánico. Este proyecto despertó el interés de muchos científicos, pero también las más violentas críticas; entre ellas la del sabio inglés Francis Bacon, así como de otro inglés Jonatan Swift, quien en su libro “Los viajes de Gulliver” ridiculiza tanto a las ideas de Llul como a todos los que la consideran técnicamente realizable. ¿En qué consistía la máquina de Ramón Llul? Veamos la explicación dada por Kondratov en su libro “El intelecto electrónico”. “La máquina lógica era un sistema de círculos concéntricos giratorios que permitían obtener demostraciones de un modo mecánico. Al saber que de los axiomas se deducen teoremas, lemas y fórmulas, Llul comenzó por tomar como axiomas de conocimiento seis categorías, con nueve elementos cada una. Por ejemplo, él formuló los principios absolutos: bondad, grandeza, eternidad, sabiduría, etc., designando cada uno de éstos con una letra especial, y los principios relativos: diferencia, acuerdo, contrariedad, comienzo, medio, fin, etc. El axioma virtudes englobaba elementos como justicia, templanza, fe, caridad y esperanza, mientras que el axioma vicios, incluía avaricia, gula, lujuria, soberbia, pereza, envidia, ira, falsedad, traición… Los círculos se unían entre sí y, una vez puestos en giro, permitían obtener combinaciones de símbolos y colores, originales fórmula de la verdad”. Para muchos Leibniz tuvo conocimiento de las ideas de don Ramón y las asimiló y les dio su propia interpretación matemática. Si nos seguimos remontando más atrás, vemos que la Cibernética persigue la integración entre las ciencias (el sueño del diletante) y su objetivo era desarrollar máquinas que simularan el comportamiento animal, al menos éste fue su aporte más espectacular; recuerden las tortugas de Grey Walter, el ratón de Shannon, los zorros de Ducrop y otros muchos ciberanimalitos más. Entonces, qué mejor padre que Leonardo Da Vincy, quien en su época trató de hallar la analogía entre todas las ciencias. El movimiento cibernético tuvo su época de oro en los años 50, cuando se hablaba que las máquinas, algún día, dominarían al hombre; se especulaba sobre los robots y se soñaba con construir un modelo del cerebro humano. Sin embargo, en el último congreso cibernético se cuestiona la utilidad de la Cibernética como disciplina científica, ya que carece de bases sólidas que la sustenten por sí misma: la Cibernética toma ideas de la biología, de la electrónica, de la matemática y se dedica a construir juguetes para probar ciertas conductas. Incluso para sugerir el comportamiento de un mecanismo o un animal desconocido partiendo de sus funciones de forma general. Para los nuevos cibernéticos esto es demasiado difuso y proponen una nueva ciencia: la inteligencia artificial que se dedicaría al desarrollo de programas que tuvieran aptitudes inteligentes, y a partir de entonces los congresos de Cibernética se convierten en congresos de Inteligencia Artificial. Esto unido a la consolidación de la robótica también como ciencia independiente, dejaría a la Cibernética sin soporte científico. ¿Murió el movimiento Cibernético? En los umbrales del siglo XX surgen nuevos movimientos integracionistas (esta vez de la ciencia con el arte) tales como Ciberpunk, Ciberarte…, sobre todo el Ciberarte, que mezcla el arte con tecnologías de avanzada tales como multimedia, realidad virtual, etc. La pregunta es si estamos en presencia de un nuevo movimiento de cibernéticos que vuelvan a revivir a aquel antológico movimiento de los años 50, que aglutinó a destacados matemáticos, neurólogos, siquiatras, comunicadores… Esperermos que sí.