Supercomputadoras, Inteligencia artificial y Redes Neuronales

Supercomputadoras, Inteligencia artificial y redes neuronales.

Una supercomputadora es el tipo de COMPUTADORAS más potente y más rápida que existe en este momento. Aunque en la actualidad este término esté quedando rezagado por el de ordenadores de alto desempeño o computadoras de alto desempeño, siempre es bueno conocer los conceptos básicos del campo de la computación. Como estas máquinas están diseñadas para procesar enormes cantidades de información en poco tiempo y se dedican a una tarea específica, su aplicación o uso se escapa del particular, más bien se dedican a:

1. Búsqueda de yacimientos petrolíferos con grandes bases de datos sísmicos.

2. El estudio y predicción de tornados.

3. El estudio y predicción del clima de cualquier parte del mundo.

4. La elaboración de maquetas y proyectos de la creación de aviones, simuladores de vuelo.

También hay que agregar que las supercomputadoras son una tecnología relativamente nueva, por lo tanto su uso no se ha masificado y está sensible a los cambios. Es por esta razón que su precio es muy elevado superando los 30 millones de dólares y el número que se fabrica al año es reducido.

Las supercomputadoras son el tipo de computadoras más potentes y más rápidas que existen en un momento dado. Son de gran tamaño, las más grandes entre sus pares. Pueden procesar enormes cantidades de información en poco tiempo pudiendo ejecutar millones de instrucciones por segundo, están destinadas a una tarea específica y poseen una capacidad de almacenamiento muy grande. Además son los más caros teniendo un costo que puede superar los 30 millones de dólares. Por su alto costo se fabrican muy pocas durante un año, incluso existen algunas que se fabrican solo por pedido.

Cuentan con un control de temperatura especial para poder disipar el calor que algunos de sus componentes pueden llegar a alcanzar. Actúa como árbitro de todas las solicitudes y controla el acceso a todos los archivos, lo mismo hace con las operaciones de entrada y salida. El usuario se dirige a la computadora central de la organización cuando requiere apoyo de procesamiento.

Están diseñados para sistemas de multiprocesamiento, la CPU es el centro del procesamiento y pueden soportar a miles de usuarios en línea. La cantidad de procesadores que puede llegar a tener un supercomputador depende principalmente del modelo, pueden tener desde alrededor de 16 procesadores hasta 512 (como el modelo SX-4 de NEC de 1997) y más. Como pertenecientes a la clase de los supercomputadores se pueden nombrar: La CRAY 1, Cyber, Fujitsu, etc.

La inteligencia artificial (IA), también llamada inteligencia computacional, es la inteligencia exhibida por máquinas. En ciencias de la computación, una máquina «inteligente» ideal es un agente racional flexible que percibe su entorno y lleva a cabo acciones que maximicen sus posibilidades de éxito en algún objetivo o tarea. Coloquialmente, el término inteligencia artificial se aplica cuando una máquina imita las funciones «cognitivas» que los humanos asocian con otras mentes humanas, como por ejemplo: "aprender" y "resolver problemas". En 1956, John McCarthy acuñó la expresión «inteligencia artificial», y la definió como: "...la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cómputo inteligentes".

Para Nils John Nilsson son cuatro los pilares básicos en los que se apoya la inteligencia artificial:

·         Búsqueda del estado requerido en el conjunto de los estados producidos por las acciones posibles.

·         Algoritmos genéticos (análogo al proceso de evolución de las cadenas de ADN).

·         Redes neuronales artificiales (análogo al funcionamiento físico del cerebro de animales y humanos).

·         Razonamiento mediante una lógica formal análogo al pensamiento abstracto humano.

También existen distintos tipos de percepciones y acciones, que pueden ser obtenidas y producidas, respectivamente, por sensores físicos y sensores mecánicos en máquinas, pulsos eléctricos u ópticos en computadoras, tanto como por entradas y salidas de bits de un software y su entorno software.

Varios ejemplos se encuentran en:

El área de control de sistemas, planificación automática, la habilidad de responder a diagnósticos y a consultas de los consumidores, reconocimiento de escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IA actualmente son parte de la rutina en campos como economía, medicina, ingeniería y la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia, como ajedrez de computador, y otros videojuegos.

Stuart Russell y Peter Norvig diferencian los tipos de la inteligencia artificial de la siguiente manera:

·         Sistemas que piensan como humanos.- Estos sistemas tratan de emular el pensamiento humano; por ejemplo las redes neuronales artificiales. La automatización de actividades que vinculamos con procesos de pensamiento humano, actividades como la toma de decisiones, resolución de problemas y aprendizaje.

·         Sistemas que actúan como humanos.- Estos sistemas tratan de actuar como humanos; es decir, imitan el comportamiento humano; por ejemplo la robótica. El estudio de cómo lograr que los computadores realicen tareas que, por el momento, los humanos hacen mejor.

·         Sistemas que piensan racionalmente.- Es decir, con lógica (idealmente), tratan de imitar o emular el pensamiento lógico racional del ser humano; por ejemplo los sistemas expertos. El estudio de los cálculos que hacen posible percibir, razonar y actuar.

·         Sistemas que actúan racionalmente (idealmente).– Tratan de emular de forma racional el comportamiento humano; por ejemplo los agentes inteligentes. Está relacionado con conductas inteligentes en artefactos.

La IA se divide en dos escuelas de pensamiento:

·         La inteligencia artificial convencional.

·         La inteligencia computacional.

Inteligencia artificial convencional

Se conoce también como IA simbólico-deductiva. Está basada en el análisis formal y estadístico del comportamiento humano ante diferentes problemas:

·         Razonamiento basado en casos: Ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos y, aparte de que son muy importantes, requieren de un buen funcionamiento.

·         Sistemas expertos: Infieren una solución a través del conocimiento previo del contexto en que se aplica y ocupa de ciertas reglas o relaciones.

·         Redes bayesianas: Propone soluciones mediante inferencia probabilística.

·         Inteligencia artificial basada en comportamientos: Esta inteligencia contiene autonomía y puede auto-regularse y controlarse para mejorar.

·         Smart process management: Facilita la toma de decisiones complejas, proponiendo una solución a un determinado problema al igual que lo haría un especialista en la dicha actividad.

Inteligencia artificial computacional

Artículo principal: Inteligencia computacional

La Inteligencia Computacional (también conocida como IA subsimbólica-inductiva) implica desarrollo o aprendizaje interactivo (por ejemplo, modificaciones interactivas de los parámetros en sistemas de conexiones). El aprendizaje se realiza basándose en datos empíricos.

Aplicaciones de la inteligencia artificial

Las técnicas desarrolladas en el campo de la inteligencia artificial son numerosas. Comúnmente cuando un problema es resuelto mediante inteligencia artificial la solución es incorporada en ámbitos de la industria y de la vida diaria de los usuarios de programas de computadora, pero la percepción popular se olvida de los orígenes de estas tecnologías que dejan de ser percibidas como inteligencia artificial. A este fenómeno se le conoce como el efecto IA.

Redes Neuronales

Las Redes Neuronales son un campo muy importante dentro de la Inteligencia Artificial. Inspirándose en el comportamiento conocido del cerebro humano (principalmente el referido a las neuronas y sus conexiones), trata de crear modelos artificiales que solucionen problemas difíciles de resolver mediante técnicas algorítmicas convencionales.

UN POCO DE HISTORIA

Desde la década de los 40, en la que nació y comenzó a desarrollarse la informática, el modelo neuronal la ha acompañado. De hecho, la aparición de los computadores digitales y el desarrollo de las teorías modernas acerca del aprendizaje y del procesamiento neuronal se produjeron aproximadamente al mismo tiempo, a finales de los años cuarenta.

Desde entonces hasta nuestros días, la investigación neurofisiológica y el estudio de sistemas neuronales artificiales (ANS, Artificial Neural Systems) han ido de la mano. Sin embargo, los modelos de ANS no se centran en la investigación neurológica, si no que toma conceptos e ideas del campo de las ciencias naturales para aplicarlos a la resolución de problemas pertenecientes a otras ramas de las ciencias y la ingeniería.

Podemos decir que la tecnología ANS incluye modelos inspirados por nuestra comprensión del cerebro, pero que no tienen por qué ajustarse exactamente a los modelos derivados de dicho entendimiento.

Los primeros ejemplos de estos sistemas aparecen al final de la década de los cincuenta. La referencia histórica más corriente es la que alude al trabajo realizado por Frank Rosenblatt en un dispositivo denominado perceptrón.

Durante todos estos años, la tecnología ANS no siempre ha tenido la misma consideración en las ramas de la ingeniería y las ciencias de la computación, más ansiosas de resultados que las ciencias neuronales.

A principios de los 80, reactivaron la investigación en el campo de las redes neuronales. Hubo grandes avances que propiciaron el uso comercial en campos tan variados como el diagnóstico de enfermedades, la aproximación de funciones o el reconocimiento de imágenes.