Introduction
The origins of Artificial Intelligence (AI) can be traced to and are underpinned by various disciplines, such as Philosophy, Mathematics, Computation, Cognitive Science and Neuroscience. Additionally, there is invariably a lot of overlap between these disciplines, such as in the case of Philosophy and Logic and/or Mathematics and Computation.
In turn, we can better understand the context and origins of AI by looking at the historical underpinnings of these individual disciplines and how these have played a role in shaping what we today consider as AI.
Source: https://www.youtube.com/watch?v=-qnMLjxJZm0
Filosofía
Sócrates , en el año 400 a. C., buscó un algoritmo para distinguir entre la piedad (lo que agrada a los ojos de los dioses) y la no piedad.
En el año 350 aC, Aristóteles formuló diferentes estilos de razonamiento deductivo, que mecánicamente podían generar conclusiones a partir de premisas iniciales, porque creía que el estudio del pensamiento mismo era el fundamento de todo conocimiento. Aunque se necesitaron otros dos mil años para que la axiomatización formal del razonamiento floreciera por completo en las obras de Gottlob Frege, Bertrand Russell, Kurt Gödel, Alan Turing, Alfred Tarski y otros, sus raíces se remontan a Aristóteles.
René Descartes (1596-1650) está estrechamente asociado con el concepto de dualismo mente-cuerpo, que sugiere que los eventos mentales no son físicos y que la mente y el cuerpo son independientes y separables.
Wilhelm Leibnitz (1646-1716) fue uno de los primeros en adoptar la posición materialista, ya que argumentó que la mente está controlada por procesos físicos ordinarios, lo que implica que las máquinas pueden realizar procesos mentales.
Lógica y Matemáticas
- En 1777, el demostrador lógico de Earl Stanhope era un dispositivo que podía resolver silogismos, que son problemas numéricos con formato lógico y preguntas básicas de probabilidad.
- George Boole (1815 – 1864) publicó su lenguaje formal para hacer inferencias lógicas, llamado Álgebra de Boole.
- Gottlob Frege (1848 - 1925) desarrolló una lógica que es esencialmente la lógica de primer orden que todavía se usa para representar el conocimiento en la actualidad.
- En 1931, Kurt Gödel demostró que la lógica tiene limitaciones. Su teorema de la incompletitud demostró que hay enunciados verdaderos en los que la verdad no puede establecerse mediante ningún algoritmo en ninguna lógica formal, lo suficientemente potente como para describir las propiedades de los números naturales.
Cálculo
En 1869, The Logic Machine construida por William Stanley Jevons podía manejar tanto el álgebra booleana como los diagramas de Venn y resolver problemas lógicos más rápido que los humanos.
John Von Neumann (1903 - 1957) y Alan Turing (1912 - 1954) fueron pioneros en el campo de la IA. Su trabajo definió la arquitectura informática actual y estableció que es una herramienta de uso múltiple para llevar a cabo las instrucciones que se le dan. La arquitectura de von Neumann, propuesta por John von Neumann, permite una descripción de la computación que es independiente de la implementación específica de la computadora. Turing destacó por primera vez el problema de la inteligencia potencial de una máquina cuando propuso un "juego de imitación" (notoriamente llamado "Test de Turing"), en el que una persona debería ser capaz de determinar si está hablando (a través de un mensaje de texto) con un humano o una maquina. Si la persona no puede distinguir entre la máquina y el ser humano, se considerará que la máquina ha pasado la prueba.
Ciencia cognitiva
La Ciencia Cognitiva es el estudio de la cognición, el aprendizaje y las estructuras mentales que integra elementos de Psicología, Lingüística, Filosofía y Computación. La capacidad de aprender es un aspecto esencial de la inteligencia humana. La IA simbólica es un método para enseñar IA de la misma manera que aprende el cerebro humano. Allen Newell y Herbert A. Simon presentaron el enfoque simbólico clásico de la IA en 1976, definiéndolo como el proceso de desarrollo de modelos a través de la manipulación simbólica. Desarrolla representaciones simbólicas internas de su 'realidad', a medida que aprende a comprenderla. La IA simbólica imita este enfoque al intentar expresar el conocimiento humano y las reglas de comportamiento en códigos informáticos.
neurociencia
Nuestros cerebros consisten en decenas de miles de millones de neuronas conectadas a cientos o miles de otras. Cada neurona es un dispositivo simple para procesar información. Por otro lado, las grandes redes de neuronas son dispositivos computacionales extremadamente poderosos que pueden aprender a operar de la mejor manera. El conexionismo, también conocido como redes neuronales, es un campo que tiene como objetivo crear sistemas artificiales basados en redes simplificadas de neuronas artificiales simplificadas. El objetivo es crear potentes sistemas de IA, así como modelos de capacidad humana. Gran parte del razonamiento humano consciente parece operar a un nivel simbólico, mientras que las redes neuronales operan a un nivel subsimbólico. Las redes neuronales artificiales son, por lo tanto, buenos modelos de muchas habilidades humanas y funcionan bien en muchas tareas simples. Sin embargo, hay una serie de tareas en las que se quedan cortas, y otros enfoques parecen ser más prometedores en esas áreas.