You are on page 1of 47

TOMA DE DECISIONES Y RESOLUCION DE PROBLEMAS EN LA MENTE HUMANA Y ARTIFICIAL La mente humana realiza diariamente infinitos y complejos procesos cognitivos,

desde los ms bsicos: la atencin, la percepcin, la memria hasta los ms complejos: toma de decisiones y resolucin de problemas entre otros.

Mi cometido es analizar el funcionamiento de stos ltimos en una mente humana y en una artificial. Qu los asemeja? de dnde, de qu y por qu parte la idea de crear mentes artificiales? Qu tienen en comn un cerebro humano y un cerebro artificial? Todas estas cuestiones y ms intentar responder siempre desde el punto de vista y aportaciones de la psicologa cognitiva, la filosofa y la Inteligncia Artificial. Para ello me baso en las palabras de Minsky y de Turing respecto a Inteligencia Artificial y en Fodor y Putnam para la psicologia cognitiva computacional.

Empezar hablando sobre los antecedentes histricos de las ciencias cognitivas, de la psicologa cognitiva del surgir de la Inteligencia artificial como un modelo explicativo de sta: nace la metfora del ordenador. Es una aproximacin histrica de sus comienzos basados en artculos sobre la histria de la psicologa como el de Pascual Martnez-Freire y Agustn Palomar Torralbo entre otros.

1. Ciencia cognitiva, Psicologia congnitiva, teoria computacional e Inteligencia artificial: Un camino histrico paralelo.
A partir de 1948 y institucionalmente desde 1977 se constituyen las ciencias cognitivas. Por tales se entiende un campo de investigacin interdisciplinar cuyo tema central es el estudio de los procesos cognitivos tanto en seres humanos como en animales y en mquinas, ya que stos fenmenos de conocimiento son entendidos como procesamiento de informacin y como algo comn a humanos, animales y (algunas mquinas). En 1948 las ciencias cognitivas se abren camino con el simposio sobre los Mecanismos Cerebrales en la Conducta, celebrando en Pasadena (California) y patrocinado por la Fundacin Hixon. En este simpsio el matemtico y lgico John von Neumann habl de la analoga entre el ordenador y el cerebro. Adems, el neurocientfico Warren McCulloch disert sobre el modo en que el cerebro procesa informacin. Finalmente, entre otros hechos, el psiclogo Karl Lashey atac sin piedad al conductismo dominante estableciendo que la organizacin de la conducta no es impuesta desde el exterior, sino que emana del interior del organismo La consolidacin definitiva de las ciencias cognitivas llega con la creacin de la revista Cognitive Science en 1977 y de la Cognitive Science Society reunida por primera vez en la Jolla (California) en 1979

***
Otro hito en la revolucin cognitiva, tambin sealado por Gardner, fu el Simposio sobre Teoria de la informacin que tuvo lugar en el clebre Instituto de Tecnologa de Massachusetts en 1956. En ste, Allen Newell y Herbert Simon, dos importantes informticos, presentaron la primera demostracin completa de un teorema realizado por un computador, dentro de una nueva disciplina, integrada en las ciencias cognitivas, la inteligencia artificial Las disciplinas cientficas implicadas en el campo interdisciplinar de la investigacin cognitiva sn bsicamente la psicologa cognitiva y la inteligencia artificial, aunque tambin lo son la neurociencia, la lingstica y la lgica. En cualquier caso me centrar en las dos primeras: Psicologia Cognitiva1 puede consisderarse constituida en 1960, cuando los psiclogos George Miller y Jerome Bruner fundan el Harvard Center for Cognitive Studies en la Universidad de Harvard. Para una adecuada psicologa cognitiva, los procesos mentales (en humanos y en animales) son procesos cognitivos en el sentido de manipuladores de informacin ( modelos de procesamiento de informacin, PI ). La psicologa cognitiva supone la recuperacin del mentalismo ( o vida mental interna ) enriquecida con una pluralidad de mtodos:

Observacin y experimentacin de la conducta.1 Mtodos computacionales Investigacin neurobiolgica Introspeccin Testimonio personal

1 1 Se descarta el conductismo pero no el anlisis de la conducta

La Inteligencia Artificial2 puede caracterizarse de modo amplio como la rama de la informtica que estdia el diseo y construccin de mquinas inteligentes, esto es, de mecanismos capaces de imitar la actividad inteligente humana. Los computadores dotados de programas para jugar al ajedrez o para demostrar teoremas matemticos son, por ejemplo, mquinas inteligentes. La inteligencia artificial puede considerarse constituida cuando en 1957 el matemtico John McCarthy fund el laboratorio de inteligencia artificial del Instituto Tecnolgico de Massachusetts. Psicologia computacional vs. Inteligencia Artificial (Basado en el artculo: modelos mentales:de la lgica formal a la experiencia de Carmen Cvico)

Durante muchos aos la psicologa se ha postulado como formalista. La versin ms radical de esta idea es lo que dentro de la psicologa cognitiva se denomin cmo la metfora del ordenador3. Desde esta perspectiva, se identific cognicin con computacin, segn PYLISHYN, uno de los autores ms representativos de estas ideas: ...lo que hace posible que los seres humanos...acten sobre la base de representaciones es el hecho de que incorporen fsicamente dichas representaciones como cdigos cognitivos y, por ello, su conducta es consecuencia causal de las operaciones ejecutadas a partir de esos cdigos. Puesto que esto es precisamente lo que hacen os ordenadores mi propuesta es que el conocimiento es un tipo de computacin (1994, pag. 12 de tr.esp.). El primer filsofo que propuso que el ordenador es el modelo apropiado para la mente fu Hilary Putnam con una tesis llamada Funcionalismo o Teoria Computacional de la Mente. A partir de ella lo importante a tener en cuenta en los procesos mentales es su funcin y no su soporte fsico. La psicologa computacional, dentro del gran paradigma de la psicologia cognitiva, ha ocupado un puesto predominante en la caracterizacin y explicacin de los procesos mentales como agentes causales de la conducta humana. Para ello adquiri el modelo ofrecido por la Inteligncia Artificial: siendo la mente una mquina computacional, se puede analizar, definir y operativizar cientficamente la actividad mental. He aqu el nexo entre ambas. Asi pues, la idea de las ciencias cognitivas, incluyendo tanto la psicologa de orientacin cognitiva como la inteligencia artificial, se fue imponiendo poco a poco como consecuencia de dos lineas de pensamiento fundamentales. Por un lado, la tesis de que la mente humana y animal debe entenderse como un sistema interno de procesamiento de informacin. Por otro lado, la tesis de que los computadores tambin constituyen sistemas de procesamiento de informacin. Una vez aceptado esto, resulta evidente que las tcnicas e instrumentos de la inteligencia artificial son recursos tiles para la psicologa, al igual que las tcnicas e ideas de la psicologia son recursos que pueden emplearse en inteligencia artificial. Demostrar sto es la finalidad de mi trabajo.

2 Mas informacin en siguientes apartados 3 Mas informacin en el apartado 5

2. El problema de las representaciones mentales y computacionales


La psicologia computacional forma parte de la psicologia cognitiva en tanto que los sistemas computacionales exigen a su vez sistemas representacionales que son el medio donde se realizan las computaciones. Por lo tanto, es necesario hablar del carcter representacional de la mente y de la computadora y de cmo stas estan o no relacionadas. En 1975 la obra de Jerry Fodor, citado en el artculo Agustin T.con The language of thought ofreci dicho modelo, asentando las bases tericas de la psicologa computacional: La psicologia computacional asume en el ncleo terico del funcionalismo: la explicacin de la naturaleza de los estados y procesos mentales, y el hecho de tener que presuponer estados internos de representacin Esta representacion de la que hablan Fodor y otros autores, es definida como la unidad ms pequea de informacin con significado, o como unidad de significado abstracta codificada por los mecanismos cerebrales. Son las llamadas representaciones proposicionales. De stas y otras representaciones hablaremos mas adelante. Los autmatas ms cercanos y que mas se aproximan a los procesos reales de la mente humana y la psicologia son la mquina de Turing: autmata con capacidad para representar cualquier proceso de computacin. ... para el funcionalismo los procesos mentales son entendidos como procesos causales descritos funcionalmente: la descripcin de una serie de inputs a travs de un proceso. El modelo de este proceso viene dado por la teora de los autmatas o teoria algebraica de mquinas de la que se toma el propio concepto de computacin. Un autmata es una mquina que manipula una serie de inputs dando lugar a otra serie de outputs por efecto de su propia estructura, cuya descripcin corresponde a una funcin, a partir de un conjunto finito de smbolos. En estos textos extraidos del funcionalismo de Hilary Putnam y de Fodor citadados en el artculo de Agustin T se observa la postura del funcionalismo que toma la psicologia computacional que por contra del materialismo viene a decir que lo que importan sn los procesos que se generan en la mente no las estructuras fsicas (el funcionamiento de las estructuras cerebrales ms que las propias estructuras sn las que hacen actuar a las personas). Pero, que es el conocimiento?de que manera se representa ? cuales son las representaciones mentales con las que opera el ser humano y las mquinas o autmatas? Ya que existe un paralelismo en sus teorias respecto a su funcionamiento ( inputs que generan una srie de outputs ) es de suma importancia averiguar con qu informacin trabaja la mente humana y con qu cdigos operan las mquinas (representaciones o lenguaje interno).

La definicin de conocimiento es un tema que ha suscitado discusin en tericos y cientficos. Una de ellas podria ser: el conjunto de hechos y principios acumulados por la humanidad, o el acto, hecho o estado de adquirir significados. Empezando por el lenguaje, conceptos, procedimientos, reglas, ideas, abstracciones, lugares, costumbres y asociaciones, unida a la habilidad de utilizar estas nociones en forma efectiva para modelar diferentes aspectos del universo que nos rodea. sto ltimo estaria fuertemente ligado con lo que es la inteligencia6.

Tipos:

Conocimiento procedimental: aquel que se refiere a la forma de realizar una cierta tarea (el saber como hacerlo). Por ejemplo, los pasos necesarios para resolver una ecuacin algebraica. Conocimiento declarativo: es conocimiento pasivo, expresado como sentencias acerca de los hechos del mundo que nos rodea (el saber que hacer). La informacin personal en una base de datos es un tpico ejemplo. Conocimiento heurstico4: es un tipo especial de conocimiento usado por los humanos para resolver problemas complejos. Es un criterio, estrategia, mtodo o truco utilizado para simplificar la solucin de problemas que se adquiere usualmente a travs de mucha experiencia. Las representaciones mentales (manipulacion mental del conocimiento humano) es otro objeto de debate. Se han propuesto varias teorias: Chomsky, citado en el articulo: Agustin T.explica un posible concepto de representacin mental, la gramatical: ... aislar la estructura de cada preferencia gramatical del lenguaje en cada uno de los niveles lingusticos Chomsky habla de la gramtica universal y se proponen dos teorias, una que apuesta por la semntica interpretativa y otra que apuesta por la semntica generativa. Como ambos conceptos se alejan de mi cometido y no dejan claro cual es la mas acertada para un sistema computacional hablar de la propuesta de Fodor. Qu condiciones debe exigersele a un sistema representacional (desde la psicologa) para que sea til en una computadora2? 1. Carcter linguistico, es lo que permite hablar de representaciones como el lenguaje del pensamiento donde se llevan a cabo las computaciones. 2. Carcter formal y no conceptual, el lenguaje puede ser descrito como un conjunto de frmulas que son las representaciones que han posible la computacin. 3. Capacidad representacional, para las acciones y conductas que se dan y tambien para las posibles, lo cual implica que el lenguaje del pensamiento no es finito sino que su productividad es infinita. 4. Carcter innato, no puede estar influenciado por agentes del entorno.
6 4 Significa medio para descubrir

2Para el funcionalismo y la teoria de la computacin son importantes 1 y 2. 3 y 4 son consecuencias de asumir el concepto de representacin para la computacin de los lenguajes naturales.

Fodor asume que la representacin del conocimiento es proposicional. En qu consiste? Las proposiones son, como ya dije anteriormente, unidades de significado simples, desvinculadas del lenguaje y del medio concreto de expresin porque son abstractas. As pues, la representacin proposicional supone que los contenidos de los esquemas cognitivos (pensamiento) no est basado en palabras, imgenes, sonidos ni ningn elemento con contenido sensorial y concreto sino simplemente en significados abstractos codificados por los mecanismos cerebrales. A parte de esta visin, utilizada por los funcionalistas, existen otras ms sobre la relacin que se establece entre los objetos fsicos y las representaciones de stos en la mente humana. Hablo de La teoria Dual de Paivio(1986). Esta sienta sus bases sobre la superioridad de las imgenes respecto las respresentaciones proposicionales. Paivio sostiene que hay dos tipos de codificacin en la representacin del conocimiento: una codificacin verbal y otra basada en imgenes (imaginacin).
VERBAL

IMAGENES

Procesamiento secuencial Contiene informacin concreta y abstracta Modelo descriptivo y semntico

Procesamiento en paralelo Contiene informacin concreta Modelo analgico (apariencia de las cosas)

Ambos sistemas estan interconectados de manera que un concepto puede estar representado verbalmente y visualmente o slo verbal. Si el concepto se elabora por las dos conexiones ser mas accesible, ms fcil de recordar, de aprender y de operar con l. Esta teoria tuvo algunas crticas, entre otras que toda imagen mental ha de estar interpretada proposicionalmente, por lo tanto no queda suficientemente demostrada. De igual modo, la he comentado para incitar una reflexin y llegar a una conclusin: si el conocimiento con el que operamos est basado en lo que vemos, oimos y acumulamos en nuestro maleta (memria) una mquina o autmata cmo lo hace si no tiene emociones ni sentido comn ni conciencia de si misma? He aqu una de las limitaciones de la inteligencia artificial4. Leer Minsky. Ahora bien, si decimos que: ... en el cerebro tenemos un espacio mental que es anlogo a una pantalla (medio analgico), constituido por una matriz de puntos que pueden activarse o desactivarse cada uno por separado con la vision (...) donde las imgenes se activan por bloques de propiedades que son resultado de su anlisis cognitivo (no de la copia literal y anloga recibida por los sentidos) ... Son palabras extraidas de los trabajos de Kosslyn (1971 y 1981), citado en el libro Mayers sobre la Teora del medio Analgico. Donde presenta junto con Schwartz que para activar una imagen en la imaginacin es preciso recuperar la informacin almacenada sobre la base del cdigo proposicional junto con el literal (integrado en otros esquemas cognitivos).
4 Ver apartado 5 de limitaciones.

TEORA DEL MEDIO ANALGICO Cuatro operaciones


Generar imgenes Inspeccionar imgenes Comparar imgenes Transformar imgenes

Por si no se ha tenido en cuenta, esta visin del medio analgico supone que el conocimiento puede ser recuperado tanto en forma proposicional como visual, por lo tanto, como dice Pylyshyn (1981) citado en Mayers las imgenes son el resultado de los procesos cognitivos pero no inciden en ellos, as, todo lo que nos podemos representar analgicamente, tambin se puede representar proposicionalmente y la informacin proposicional se puede usar para simular los procesos analgicos de la imaginacin. Esta es una postura extremista de la metfora del ordenador. sto es realmente cierto?que representaciones utiliza una mquina? Lo veremos a continuacin. Dado que el conocimiento es importante y primordial para el comportamiento inteligente, su representacin constituye una de las mximas prioridades de la investigacin en IA. Hemos visto hasta ahora algunas teorias sobre el tipo de representacin mental humana pero que utilizan las mquinas? El conocimiento es representado en una computadora en forma de palabras escritas o habladas en algn lenguaje, en forma grfica, imgenes, cadenas de caracteres y por colecciones de seales elctricas o magnticas. Una representacin del conocimiento puede ser un esquema o dispositivo para capturar los elementos esenciales del dominio de un problema. Una representacin manipulable es aquella que facilita la computacin. En representaciones manipulables, la informacin es accesible a otras entidades que usan la representacin como parte de una computacin. En trminos generales, se debe tratar que el conocimiento est representado de tal forma que:
OBJETIVOS DE LA REPRESENTACIN DEL CONOCIMIENTO EN MQUINAS

Capture generalizaciones Pueda ser comprendido por todas las personas que vayan a proporcionarlo y procesarlo Pueda ser fcilmente modificado Pueda ser utilizado en diversas situaciones an cuando no sea totalmente exacto o completo Pueda ser utilizado para reducir el rango de posibilidades que usualmente debera considerarse para buscar soluciones

El conocimiento procedimental o modelo procedimental (para computadoras) estan caracterizados por gramticas formles, usualmente implantadas por sistemas o lenguajes procedimentales y sistemas basados en reglas (sistemas de produccin5).

El conocimiento declarativo puede ser representado con modelos relacionales y esquemas basados en lgica. Los modelos relacionales pueden representar el conocimiento en forma de rboles, grafos o redes semnticas. Los esquemas de representacin lgica incluyen el uso de lgica proposicional y lgica de predicados. Nota: Las representaciones declarativas son frecuentemente ms expansivas y costosas, en el sentido que la enumeracin puede ser redundante e ineficiente, sin embargo, la modificacin de las representaciones declarativas es usualmente muy fcil; simplemente se agrega o se elimina conocimiento. Las representaciones procedimentales, en cambio, pueden ser ms compactas , sacrificando flexibilidad. Las representaciones prcticas pueden incluir elementos tanto declarativos (listados de hechos conocidos), como procedimentales (un conjunto de reglas para manipular los hechos). Como se utilizan las mquinas este conocimiento para resolver problemas y tomar decisiones? Representacin del conocimiento utilizado en mquinas
Modelo procedimental

Gramticas formales introducidas por lenguajes procedimentales Sistemas de produccin Modelo declarativo Modelos relacionales

rboles Grfos Redes semnticas Lgica proposicional (Clculo proposicional)


Esquemas basados en lgica

Proposicin=afirmacin categrica p,q,r. Conectivas=^v-> Mecanismo de inferencia: Modus ponens Modeliza conjuntos: para todo, existe Me.inferencia: Modus ponens Instanciacin (sustitucion variables por constantes) Unificacin: mtodo para elegir cul instanciar FNS: Forma Normal de Skolen Prolog

Lgica de predicados (Clculo de predicados)


Redes semanticas Frames:marcos, S.Produccin, heurstica, Mecanismos de inferencia

2. Resolucin de Problemas y toma de decisiones en la mente humana. 2.1Resolucin de Problemas. Un Recorrido por los diferentes Paradigmas psicolgicos
Como ya hemos dicho anteriormente en los aos 50 especialmente en los 60 las fronteras del paradigma conductista fueron traspasadas por quienes se dedicaron al estudio de fenmenos psicolgicos concernientes al interior de la caja negra y que, inicialmente, no fueron del todo bien vistos. sto conllev un importante cambio de orientacin en el propio proceso de investigacin, dado que el nfasis se trasladaba del minucioso exmen entre variables de entrada y salida ( qu sucede ) al examen de las transformaciones que operan entre esa entrada y esa salida ( por qu sucede ). Los modelos pertenecientes a esta ultima orientacin del por qu sucede se han conocido comnmente como modelos de procesamiento de informacin (P.I) y desde este enfoque empezar a tratar los procesos de resolucin de problemas y toma de decisiones pero no sin antes dar un repaso por los distintos paradigmas y explicar un poco cmo estos tratan el tema.

Qu es? Dnde se estdia?

La resolucion de problemas se ha definido de diferente maneras. Segn Duncker (1945), psiclogo de la Gestalt, un problema emerge cuando un organismo vivo tiene un objetivo y no sabe como conseguirlo, para Simon (1978) una persona se enfrenta a un problema cuando acepta una tarea pero previamente no sabe como realizarla. Otro autor como Grenno(1978) postula que un requisito esencial para el planteamiento de un problema es que en la representacin mental del sujeto haya lagunas o inconsistncias, ya que en caso contrario querria decir que no hay ningn problema. El estdio psicolgico de la resolucin de problemas se puede aplicar casi a cualquier campo, veamos algunos ejemplos:
CAMPOS DE ESTUDIO Y EJEMPLOS DE RESOLUCIN DE PROBLEMAS

Matemticas Social Cientfico Contexto cotidiano Clnico

Solucionar una ecuacin Encontrar trabajo Solucionar tareas de razonamiento lgico Elegir que via es la mas corta para conseguit algo Dar un diagnstico correcto

Como rea de conocimiento est definida implcitamente por una tradicin investigadora, y por lo tanto es dificil separar la investigacin de la resolucin de problemas de otros aspectos del pensamiento y razonamiento. A continuacin dar breves datos sobre las diferentes corrientes psicolgicas que han tratado el tema y acabar centrandome en el enfoque del Procesamiento de la Informacin

Quen lo estudia?
1. Conductismo 2. Psicologia de la Gestalt 3. Teroria del Significado 4. Procesamiento de la Informacin

Que mtodo que utiliza?


Ensayo y error Configuracin perceptiva + insight Asimilacin del problema + experiencia pasada Estratgias y reglas + procesos cognitivos

1. El estudio de la resolucion de problemas en el conductismo parte de describir el pensamiento en terminos de asociaciones entre estmulo y respuesta. Se dedicaron al estudio de los procesos de ensayo y error, caracterizados por los intentos de probar respuestas diferentes hasta que una funcione. Uno de los autores famosos en esta perspectiva por investigar los procesos de ensayo y error era Thorndike con el experimento de los gatos que tenian que escapar de sus jaulas sin anticipacin, ni guia ni estratgia. En determinadas situaciones la estratgia de ensayo y error es la unica que puede servir cuando no tenemos informacin suficiente para hacer una respuesta ms sistematica. Por ejemplo, si tenemos un manojo de llaves para abrir una puerta, puede que comencemos a probarlas de forma indiscriminada hasta acertar la que realmente encaja. No es tan probable que nos pongamos a analizar el tamao de la cerradura con el de la llave. De todas formas, Aportaciones: Ninguna, Crticas: sta estrategia no se considera muy eficiente, ni ofrece garantias de que la solucin que se encuentra sea til. Como veremos mas adelante, las estrategias mas utilizadas en resolucion de problemas son los algoritmos y los heursticos. 2. La corriente Europea de la Psicologia de la Gestalt parte de la siguiente consideracin: pensar es muy similar a percibir. Se define el problema como una situacin en la que se trata de llegar a una meta y en la que se han de encontrar los medios para conseguirlo(Chi i Glaser, 1995). Llegar a la solucin de un problema equivale a contemplarlo desde una perspectiva diferente, reordenando sus elementos y generando una configuracin perceptiva, no mimtica6, y a travs de insight7. Ejemplos de problemas estudiados desde esta perspectiva son: el de los caballos, el de los 9 puntos y el de los cuatro triangulos equilateros. Uno de los inconvenientes que se encontraron los Gestalistas a la hora de resolver estos problemas era la fijacin funcional. ste concepto definido por Duncker (1945) y Luchins (1942) hace referencia a la idea de cmo las experiencias anteriores pueden tener efectos negativos en algunas situaciones nuevas de resolucion productiva8 de problemas. En la siguiente corriente este mismo efecto es defendido como determinante para la solucin de problemas (Maier;1945)
6 7 Cambio repentino que conduce a las personas a experimentar un sentimiento de comprensin del problema. Tambin es llamado concienciacin de la solucin y se experimenta amenudo en puzzles o rompecabezas. 8 Los gestalistas introdujeron la idea de que el pensamiento est dividido en pensamiento productivo y pensamiento reproductivo y que ste se produce por etapas.

Aportaciones: Definicin de unos estadios o fases generales para la resolucion de problemas basados en la introspeccin (Wallas, 1926; The art of Thought) en el que el pensamiento se divide en estadios menores:

Estadio de preparacin: reconocimiento de la existencia de un problema, recoleccin de informacin y intentos preliminares de solucin. Fase de incubacin: si fallamos las tentativas preliminares es posible que se deje de un lado el problema y se hagan otras tareas no relacionadas con ste. Conscientemente no se trabaja pero inconscientemente la tarea sigue en marcha. Fase de iluminacin: (insight) momento en que aparece la clave para la solucin o comprensin repentina. Se pone fin al trabajo inconsciente para hacer salir la respuesta a la superfcie de la consciencia. Etapa de verificacin: se comprueba la solucin para estar seguros de que funciona. Estas etapas estan relacionadas con la experiencia subjetiva de algunos matemticos a la hora de resolver sus problemas. La idea que aporta al campo matemtico junto con la importancia de las representaciones de los problemas son las dos grandes aportaciones que nos dejado la Gestalt.

Crticas: Se cuestiona la existencia de un pensamiento inconsciente que opera mientras se ha dejado el problema a un lado. Tambin se duda respecto la resolucin como proceso discontnuo, ya que las teoria que surgieron posteriormente y actuales defienden que es una tarea contnua y acumulativa. A nivel global, las limitaciones que se les otorgan a la Teoria de la Gestalt es que hace una investigacin basada solamente en la descripcin, con definiciones y con un proceso psquico de inshigt poco claro.

3. La Teoria del Significado (Ausbel, 1968) hace aportaciones especficas en lo referente a las representaciones de los problemas. Segn la teoria, para resolver un problema se requiere la asimilacin del mismo con la experiencia pasada del sujeto, adquirir los conceptos y integrarlos con lo que ya existe en la memria. Desde este enfoque se considera el pensamiento como un proceso de descubrir un esquema o conjunto de experiencias pasadas con el que ha de relacionarse el nuevo problema y despues reinterpretar y reestructurar la situacin nueva de acuerdo con el esquema particular que se haya seleccionado. La Teoria del Significado ha explicado aquellas situaciones en que es ms fcil resolver problemas. As, cuando el problema se representa de una forma concreta puede obtenerse un mtodo de solucin diferente que cuando un problema se expresa en palabras abastractas. Es decir, es mas facil un problema en terminos concretos que en abstractos.
QU SITUACIONES FAVORECEN LA RESOLUCIN DE PROBLEMAS A LOS SUJETOS?

Que el problema se represente de forma concreta y no abstracta Que el sujeto o estudiante descubra por si mismo cmo resolver la tarea (papel activo) Que el sujeto se forme imgenes o representaciones visuales del problema Que el sujeto tenga una mente abierta sobre el problema (deje fluir las ideas y la creatividad)

Crticas y aportaciones: La teoria del Significado se apoya en que lo importante a la hora de resolver problemas es descubrir las relaciones externas entre los elementos presentes para la solucin y otros conceptos de la memria y de experiencias pasadas del sujeto. Conceptualmente se parece a la teoria de la Gestalt y se le otorgan las mismas limitaciones de falta de claridad y de comprobacin experimental. La diferncia esque sta aporta el estudio de la comprensin semntica de los problemas.

2.2R.P y T.D en la Psicologia Cognitiva9

Resolucin de problemas

4. El enfoque del Procesamiento de la Informacin desarrollado a partir de los aos 60-70 (s. XX) hace incapi en las estratgias y reglas que utilizan los sujetos en la resolucion de problemas, as como en las propiedades generales sistema de pensamiento (mecanismos de memria, atencin, ...) Destacaremos tres enfoques de la Psicologia Cognitiva contempornea para explicar la resolucin de problemas:

ENFOQUES DE LA PSICOLOGICA COGNITIVA QUE EXPLICAN LA R.P 4.1. La clasificacin y identificacin de tipologias de problemas que parecen compartir una habilidad cognitiva concreta (Grenno, 1978) 4.2. La observacin de los sujetos que resuelven problemas para centrar la atencin en la mente de stos y descubrir las estrategias cognitivas generales aplicables a muchos problemas. (Newell y Simon 1961-1972) 4.3. El enfoque actual en el estudio de resolucion de problemas de la vida real, centrado en el estudio de la mente del experto y de los novatos en dominios de conocimiento especficos. (Estdios de Reif 197

Los dos primeros enfoques se centran en problemas sin contenido especfico y de alguna manera artificiales. El tercero se basa en problemas de dominio de conocimiento y en el que a partir de aqu se elabora un paralelismo entre la mente de un humano y una mquina.* A continuacin profundizo un poco ms en cada uno. 4.1 Enfoque de las Tipologias de Problemas Este enfoque trata de clasificar los problemas sin contenido especfico. stos son aquellos que tienen una respuesta claramente concreta pero que no requieren de un entrenamiento explcitamente especializado para resolverlos. Se centran en los propios problemas intentando averiguar las destrezas cognitivas que se necesitan para la solucin.

9 Extraido del libro Pensamiento (Mnica Pintanel)

Categorizacin de problemas 1: Problemas bien definidos y mal definidos.

Los problemas bien definidos parten de un punto de partida claro y poseen metas perfectamente establecidas. Ejemplo: el ajedrez, tiene un inicio, un final (jaque mate) y una serie de movimientos intermedios para operar. Los problemas mal definidos, el inicio o la meta ( o los dos ) estan parcialmente especificados y las operaciones necesrias para transformar el punto de partida son confusas. La mayor parte de los problemas vitales a los que nos enfrentamos estan mal definidos (p.e: tener xito en la vida), una posible causa del porqu nos cuesta resolverlos.

Categorizacin de problemas 2: (a) Problemas de estructura inductora, (b) problemas de transformacin y ( c ) problemas de reorganizacin (Grenoo, 1978)

(a) Los problemas de estructura inductora consisten en determinar la relacin entre varios elementos del problema, un ejemplo de este tipo son los problemas de analogias: A:B::C:D. La principal capacidad cognitiva que se requiere para estos problemas es la comprensin y las habilidades cognitivas que se ponen en marcha son la codificacin de atributos, la comparacin de atributos codificados y la evaluacin.

Ejemplo de problema: - Perro:Lobo::Gato:D?- Cmo lo resolvemos?

1. Paso: Intentamos codificar los elementos Perro y Lobo interprestando la relacin entre ambos, en este caso el ser cnidos pero que el primero es domstico y el segundo salvaje. 2. Paso: Se activa en nuestra mente la unidad semntica Gato dandonos cuenta de que ste es un felino y domstico y por lo tanto podriamos comparar Gato con algun otro felino pero salvaje (para seguir con la misma relacin que hizimos entre Perro y Lobo). De esta forma D seria un tigre o pantera. 3. Paso: Evaluacin del mejor candidato para ser D y cumplir con la analoga propuesta. (b) Los problemas de transformacin implcan la bsqueda de una secuencia de operaciones que transforman la situacin inicial en una meta. Newel y Simon (1972) descubrieron que la principal aptitud cognitiva de estos problemas es el anlisis de medios-finalidad donde el sujeto se hacia una representacin del estado-accin, intentando encontrar una srie de acciones que conducen del estado incial al estado final. Para estudiar la resolucion, Newell y Simon recogan verbalmente todo lo que les pasaba por la mente a los sujetos mientras solucionaban los problemas y despues transcribian las producciones en voz alta.

Ejemplo de problema: - Misioneros y Canbales - Cmo lo resolvemos?

1. Paso:Nos hacemos una representacion de la situacin inicial del problema (leemos cuales son la secuencias que se describen) a nivel global 2. Paso:Buscmos un relacin entre el estado inicial y el estado final desglosando el problemas en partes. 3. Paso:Elaboramos las secuencias que den paso del estado inicial al final de ese problema., una vez descartadas las anteriores partes nos quedamos con el resultado final.

Nota: Para la resolucin de este tipo de problemas lo que normalmente hacemos es una reduccin de la tarea, la subdividimos en subtareas mas pequeas, as, cuantos menos elementos que interfieran mas facilmente llegamos a la solucin. Otro problema famoso de transformacin es el de La Torre de Hanoi, veremos como lo soluciona una persona y una mquina. ( c ) Los problemas de reorganizacin son aquellos en los que se ofrece algn elemento que ha de ser reorganizado en base a unos criterios. Un ejemplo de este tipo son los anagramas, donde la principal habilidad cognitiva necesria es la bsqueda constructiva, o lo que es lo mismo, la realizacin de un exmen sistemtico de letras para llegar a la solucin.

Ejemplo de problema: - Anagrama AIFMA - Cmo lo resolvemos?

1. Paso: Buscamos una palabra con sentido que contenga las mismas letras pero reorganizadas en otro orden. Descomponemos AIFMA y reconstruimos la palabra MAFIA que tiene mayor significado para nosotros. Crticas y aportaciones: Todo y que la tarea de Greeno de identificar clases de problemas que requieren diferentes tipos de habilidades cognitivas result interesante se ha visto que a veces hay aptitudes que intervienen en diferentes problemas. Por ejemplo, la bsqueda constructiva interviene en problemas de reorganizacin y tambin en problemas de transformacin, por lo que los psiclogos cognitivos han dado un nuevo enfoque intentando estudiar no los problemas directamentes sino las estrategias generales que se aplican para resolverlos. Con esto introduzco el segundo enfoque planteado. 4.2 Enfoque de las estratgias para resolver problemas Los psiclogos congnitivos han descrito dos grandes clases de estratgias: los heursticos y los algoritmos. Recordemos bien estos trminos porque son los que apareceran en Inteligencia Artificial como base o punto de partida para la resolucin de problemas y toma de decisiones en computadoras y autmatas. Un algoritmo es un procedimiento que ofrece la garantia de dar una respuesta a un problema, no simpre eficaz pero que funciona. Una limitacin que presentan es que no se pueden aplicar en problemas mal definidos10 y si hacemos memria dijimos que: la mayor parte de los problemas vitales a los que nos enfrentamos estan mal definidos, as pues en ellos no podremos utilizar algoritmos. Que utilizamos entonces? Podemos utilizar Heursticos. stos se componen de reglas empricas que se han ido desarrollando a partir de la experiencia en resolver problemas. El heurstico no garantiza llegar a una solucin, pero es una estrategia que nos aporta facilidad y rapidez en ello. Ahora veremos cmo se resueve un problema utilizando estos conceptos.

Me encontraba una tarde paseando por las ramblas de Barcelona y me acord de una tienda de discos situada en carrer Tallers. No sabia muy bien como llegar, as que compr una gua de Barcelona en un kiosco. Tenia dos opciones, la primera: podia ir al ndice y por orden alfabtico llegar a la letra T, fijarme en la pgina y nmero de cuadrante para situarme en el plano de la calle (algoritmo), la segunda: voy directamente a los planos de las calles que yo por mi experiencia intuyo que son cercanas y mirando hoja delante, hoja detrs me situo finalmente en calle Tallers (heurstico).

10Recordemos la definicion de problema mal definido de Grenno: el inicio o la meta ( o ambas cosas ) estan parcialmente especificados y las operaciones necesrias para transformar el punto de partida son confusas.

Con el mtodo algoritmo seguimos siempre los mismo pasos mientras que con el heurstico podemos hacer distintos. Una teoria de Proc. Informacin que se ha impuesto para explicar la resolucin de problemas s la de Newell y Simon (1961, 1972) citado en Mayers que parte del concepto de representacin del problema. Describieron dos tipos de representaciones : la representacin del entorno operativo (composicion de la situacin) y la representacion interna del espacio del problema (codificar las caractersticas mas relevantes). El espacio del problema se compone de una serie de nodos que corresponden a un estado de conocimiento concreto y se conectan entre ellos a travs de unos operadores. La resolucion del problema para Newell y Simon consistiria en desplazarse a traves de los nodos en el espacio del problema. La persona percibe tanto el contexto actual, o situacin en la que se encuadra el problema y va cogiendo unos operadores u otros segn hayan funcionado o no en otras ocasiones. Si cambian las condiciones del espacio se seleccionan operadores diferentes. Ya lo veremos en el cuadro de componentes de los problemas en PI. Las vias de resolucin ( y como veremos mas adelante en la toma de decisiones ) son llamadas heursticos y el descubrimiento que hicieron era que stos son limitados y que se aplican a muchos tipos de problemas pero estructurados y bien definidos. En este sentido lo que dicen estos psiclogos y lo que nos interesa para este trabajo es que el ser humano dispone de limitadas estrategias y que, por tanto, el sistema de elaboracin de la informacin no es muy compleja. Crticas: Como hemos visto el modo en que se observa la forma de proceder a la solucin de los problemas propuesta por Newell y Simon consiste en operativizar las descripciones verbales que hacen los sujetos a partir de su introspeccin, un echo que resulta difcil de demostrar. Tampoco cal demasiado su postura sobre heursticos generales aplicados a toda resolucion de problemas, una generalizacin que es tambin difcil de aceptar por la comunidad de cientficos de la epoca. El ltimo de los aspectos que se les ha cuestionado y que est relacionada con algo que veremos en puntos posteriores de este trabajo es el establecer problemas en situaciones artificiales y alejados de la resolucion de problemas de la vida real y cotidiana de los seres humanos, y es que, estos autores recordemos que empezaron sus estudios del procesamiento de la informacin con programas informaticos y computadoras11.

Aportaciones de Newell y Simon, psicologa, ciencia de los ordenadores y I.A.

Llegados a este punto del trabajo es necesario por mi parte el hacer la primera aproximacin entre Psicologia Cognitiva y Inteligncia Artificial. Ya hemos hablado de Newell y Simon como psiclogos cognitivos de la teoria del procesamiento de la informacin y de sus aportaciones al campo de la resolucin de problemas en el punto anterior, pero cuando, cmo y donde empezaron sus aportaciones? Fu en 1956, en la conferencia que tuvo lugar en el Darmouth College donde asistieron personalidades como McCarthy, Samuels, Minsky y Newel y Simon donde estos ltimos tuvieron un gran protagonismo, su inters se centraba en la elaboracin de un programa de ordenador (el Logic Theorist) que permitiera a la mquina ejecutar operaciones similares a
11Allen Newell y Herbert Simon, dos importantes informticos y cognitivistas, presentaron la primera demostracin completa de un teorema realizado por un computador, dentro de una nueva disciplina, integrada en las ciencias cognitivas, la inteligencia artificial.

las que realiza el hombre en sus procesos de pensamiento( he aqu la relacin entre la psicologia del pensamiento y la I.A ). Expusieron un planteamiento segn el cual para dotar de inteligencia a una mquina no es necesario esperar a comprender totalmente el modo de funcionamiento del cerebro, sino que basta analizar qu hace, estudiar su comportamiento y el proceso de adquisicin de conocimientos; Es en 1958, cuando Newel y Simon publican un artculo en el que presentan un programa general de solucin de problemas ( el conocido Solucionador General de Problemas GPS ) aplicable a una gran variedad de situaciones pero no a problemas del mundo real ni mdicos ni de toma de decisiones. La conferencia de Darmouth constituy, pues, un hito decisivo en la Historia de la Inteligencia Artificial, y abri una nueva lnea de investigacin en lo referente a la creacin de mquinas inteligentes. Mientras que las primeras mquinas de este tipo operaban con datos de naturaleza numrica o alfanumrica, en Inteligencia Artificial se trabaja con ideas y conocimientos que se ajustan ms a los procesos de tipo simblico que tienen lugar en el cerebro humano. (Artculo de ....lingutica) La concepcin del hombre como un sistema de procesamiento de la informacin ( o cmo manipulador de smbolos ) de capacidad limitada, y la preocupacin por los procesos acaecidos entre la recepcin de informacin y la emisin de una determinada conducta son los temas que han aportado y tratan entre otros los autores citados anteriormente. 4.3 El enfoque actual en el estudio de resolucion de problemas de la vida real, centrado en el estudio de la mente del experto y de los novatos en dominios de conocimiento especficos. Ante la crtica por crear y plantear problemas fictcios, algunos psiclogos cognitivos contemporneos ampliaron el campo de estudio a situaciones de la vida cotidiana.Qu ocurre cuando resolvemos problemas en dominios ricos de conocimiento? En primer lugar en nuestra mente se activa un esquema concreto( unidad mnima de conocimiento ) relacionado con el tipo de conocimiento que se precisa., una vez activado ayuda a delimitar las caractersticas, delimitar y especificar el problema. Como vemos, la diferencia entre esta teoria de los esquemas de conocimiento especficos difiere de la de los heursticos en su carcter mas concreto y poco generalizador de las tareas de resolucin. ste modelo de esquemas slo solo se activa ante determinados contextos deproblemas (areas de conocimiento concretas). A partir de este suceso la linea de investigacin se fij en determinados campos de conocimiento y en cmo las personas expertas en ellos solucionaban los problemas. Se observaron diferencias a nivel de la estructuracin del conocimiento entre mentes de expertos y de novatos en la matria: El experto se organiza el conocimiento en forma de rboles estado-accin y teje numerosas relaciones entre lo que sabe y puede aplicar a travs de una organizacin jerrquica, llegando en poco tiempo a la extraccin del significado y a la estructura profunda del problemas. El inexperto en el tema, en cambio, se centra en la estructura superficial del problema y en los aspectos mas perceptivos y generales. Fue el equipo de investigadores de Edward Feigenbaum quien debido a las crticas al proyecto de Newell y Simon sobre el GPS y sus resolucin de problemas poco aplicados a la vida real , cre un proyecto para resolver problemas de la vida cotidiana basado en este tipo de conocimiento sobre expertos S.E o los S.B.C. Mas adelante veremos las diferencias entre estos ltimos.

Componentes principales de un problema segn la teoria del procesamiento de la informacin

El estado inicial es el estado en el que el mundo plantea un problema para solucionar, el final es otro estado del mismo mundo en el que el problema planteado ya es solucionado y los procesos o operadores son cosas que se pueden hacer en el mundo para intentar cambiar el problema del estado inicial al final.

Estado inicial

JUEGO DE AJEDREZ El tablero en el inicio del juego Cualquier posicin en la que se hace jaque mate al oponente o cuando el oponente se rinde

Estado final

Un conjunto de Los movimientos permitidos por procesos o operaciones las reglas del juego que pueden transformar un estado en otro.

Otro punto de vista de resolucin de problemas y en el que me basar para exponer un ejemplo hipottico de cmo los humanos resolvemos y tomamos decisiones ante los obstculos que se nos presentan y como a la vez lo hace una mquina. Este esquema lo propone un autor llamado De Bono (1997) y es el que desde la asignatura de psicolgia del pensamiento estudi. Es un modelo que se compone de 5 etapas de pensamiento para pasar desde un propsito inicial o problema hasta su puesta en accin o resolucin, sirve para resolver problemas sociales, familiares y cotidianos, en los que la lgica apenas interviene.

1. TO Definicin clara del propsito del problema 2. LO Bsqueda de la informacin necesria para ir comprendiendo el problema 3. PO Etapa creativa, productiva y generadora de ideas posibles para la resolucin 4. SO Reducir las multiples posibilidades de la etapa anterior a una nica 5.GO Llevar a la accin la solucin elegida para resolver el problema

En puntos posteriores veremos un ejemplo de problema y su consecuente resolucin bajo este modelo, el cual basado en estas 5 etapas de pensamiento comentar mediante una forma mas creativa y imaginativa12

12 Ver pgina 21

Toma de decisiones

La toma de decisiones es un proceso cognitivo ms y como tal es objeto de estudio entre otros campos como el matemtico y el econmico de gran inters para la psicologia cognitiva. Se define, segn un diccionario cualquiera, como el proceso de elegir entre varias opciones o acciones. Una mente humana toma almenos al dia unas 6 - 7 decisiones:

Que voy a desayunar?

Caf, T o zumo de naranja...?

Cuantas pginas dedicar hoy al trabajo de 2-3-4 etc...? filosofia de la cincia? Qu tren debo coger para llegar a la 14:06-14:12-14:24- etc...? Universidad entre las 15h y las 16h? En clase: que slucion a este ejercicio es la El nio habla a los 12 , a los 18 o a los 24 correcta? meses? Que me compro en dispensadora a las 18h? la mquina Palitos integrales, galletas saladas o con azucar? Voy al gimnasio, llego a casa para adelantar trabajo de la uni o quedo con el novio?

Que hago despus de las clases?

Estas decisiones son nmias y slo sirven de ejemplo para plantear cmo el tema en cuestin puede variar de importancia en funcin de la implicacin que tenga para la persona el resultado de la eleccin. Evidentemente no es lo mismo decidir entre tomar te o caf que aceptar un trabajo o no , buscar una casa y dnde o pensar en una buena escuela para mi hermano. Igual que en el proceso de solucin de problemas, de echo, yo considero que ambos son secuenciales: tengo un problema o pensamiento que me crea dudas a la hora de actuar y no se que debo hacer para solucionarlo, que haces? Pues buscas de entre las mejores soluciones o decisiones la mas acertada para quedar satisfecho. sto que he resumido de mala manera no es ms que una simplificacin del proceso que he descrito de De Bono. Ahora bien, hay problemas que dadas sus caractersticas se pueden solucionar por la via lgica, aqu incluiriamos los famosos silogismos y las mismas famosas tablas de lgica, pero, a estas formas, muchas veces hay que sumarles algunos errores, pues el sentido comn y las experiencias previas por las que muchas veces nos basamos a la hora de actuar nos llevan por caminos contrrios a los resuelto por lgica. Podria ser un tema muy extenso que no creo sea conveniente alargar en este trabajo, pues aunque cuando hable del funcionamiento de las computadoras tenga que utilizar algn trmino lgico matemtico no depender de l la comprensin de mi explicacin. As pues, a continuacin slo explicar algunos detalles.

La influencia del modelo lgico-matemtico en la toma de decisiones TOMA DE DECISIONES RACIONAL


Lgica USE Crticas al modelo

La toma de decisiones se puede realizar de forma racional y lgica, considerando en primer lugar la utilidad o valor que tienen para uno los resultados posibles de cada opcin, en segundo lugar, la probabilidad de que esos resultados realmente sucedan y finalmente, considerando ambos factores, tomariamos la decisin basandonos en la utilidad esperada, que no es otra cosa que el producto del valor y de la probabilidad de cada posible resultado. Esta forma de decidir tiene su fundamento en los modelos matemticos de la toma de decisiones que intentan ofrecer un marco normativo para elegir entre dos o mas alternativas en funcin de diversos paramtros de utilidad. Estos modelos parten del supuesto de que quien ha de decidir lo hace de manera formalmente lgica y que dispone de toda la informacin necesria. El modelo normativo mas conocido es el basado en la utilidad subjetiva esperada (USE) que afirma que una decisin racional es aquella que maximiza la USE de la persona que decide. Crticas: Desde la perspectiva psicologica se plantean dudas respecto este modelo porque las personas no siempre seguimos las normas de la lgica formal, ni siempre somos coherentes, el modelo de la USE no distingue por lo tanto no distingue entre indecisin y indiferencia y asume que las creencias y deseos estan separados, lo cual no es cierto. As pues, casi nunca razonamos de esta manera sistemtica en base a la utilidad esperada, mas bien, utilizamos deseos, creencias, intuiciones, heursticos, opiniones de otros o presentimientos, haciendo que el proceso de decidir sea menos racional o efectivo. Ahora veamos lo que dice la psicologia cognitiva sobre en que se basa una mente a la hora de tomar una decision.

La influencia de la psicologia en la toma de decisiones TOMA DE DECISIONES NO RACIONAL


El papel de las emociones El papel de las creencias El papel de la creatividad El papel de los heursticos

Este es el punto mas importante del tema de toma de decisiones pues me servir en apartados posteriores para explicar las limitaciones con las que se encuentra la I.A a la hora de crear un autmata lo mas humano posible. Psicolgicamente, el papel de la emocin y de las creencias en el momento de tomar decisiones es muy importante.

La forma en que sentimos, nuestros estados de animo o emocionales y las creencias pueden afectar en nuestras decisiones y hacernos actuar de una forma menos racional o lgica. Que son las emociones? Segn una definicin de Morgado (2002, p.137) son estados internos que regulan de forma sensible las interacciones del individuo con su entorno y con sus relaciones sociales. Las emociones pasan por encima de los pensamientos en situaciones de emergencia y hacen a las personas actuar prioritariamente para satisfacer o calmar esa sensacin, de alguna forma es otra via por la que los humanos (y ya de orgen mamfero) decidimos qu hacer ante dilemas. Bell (1982) en su teoria del arrepentimiento, constat que hay cuatro emociones anticipadas que se identifican en la toma de decisiones: el arrepentimiento, la alegria, la decepcin y el jbilo. Aportacin: las emociones tienen un peso especfico en las elecciones realizadas. En cuanto a las creencias prvias sobre un tema especfico, stas pueden modificar la eleccin de una decisin por dos motivos: los llamados errores de omisin y errores de confirmacin. Pero sto no me interesa demasiado as que pasar a explicar una estratgia ya comentada en el punto de estratgias para resolver problemas ( pgina 14 ) pero que ahora hablar un poco mas de ellos en relacin con la toma de decisiones, los heursticos. stos son reglas empricas rpidas, que reducen la cantidad de esfuerzo cognitivo requerido, para ayudar a llevar a cabo toma de decisiones ms rapidas, pero no por ello augmentan la calidad de las mismas (Kahneman i Tversky 1982) La toma de decisiones es la asociacin de un curso de accin o plan con una situacin determinada y como dije antes, el proceso de resolucion de problemas y de eleccion entre las mejores posibilidades son secuenciales por eso en este modelo se presenta como un contnuo. El papel de la creatividad cobra tambien una gran importancia a la hora de tomar decisiones. A continuacin presento los dos modelos de resolucion de problemas y toma de decisiones que desde el punto de vista de la psicologia cognitiva contempornea son las alternativas ms utilizadas y eficaces para los seres humanos. 1. El modelo de DZurilla y Goldfried (1971) 2. El modelo de De Bono (1997) (extraido del libro DeBono, E. (1997). Aprende a pensar por ti mismo El de DZurilla y Goldfried es un modelo clsico de cmo se toman las decisiones y se resuelven los problemas desde una perspectiva cognitivo-conductual, no podia dejar de banda esta opcin puesto que es la que ms concozco y una de las ms aplicadas en terapia. De Bono, basndose en las 5 etapas anteriormente propuestas, crea un sistema de resolucin de problemas a partir de la idea de unos sombreros que reflejan los pasos a seguir para llegar al estado final de la tarea. Este proceso de De Bono y el de Golfriend at al. mezclan unos aspectos interesantes en la vida de los humanos: las emociones y la creatividad. Puntos que sern comentados despus con la ayuda de alguna obra de autores como Marvin Minsky.

1. El modelo de DZurilla y Goldfried (1971)13 Este modelo considera 2 dimensiones:

Una orientacin al problema que incluye las creencias sobre el control que ejerce el individuo sobre la resolucin de sus problemas. A su vez tiene dos factores basados en la teoria de la autoeficacia de Bandura (1997):

La creencia en la autoeficacia de la resolucion de los problemas, basada en la expectativa de eficacia ( de hacerlo bien con el mnimo de esfuerzo y de recursos ). La creecia que los problemas de la vida se pueden resolver, basada en la expectativa de resultado.

Una serie de pasos que configuran un procesoo modelo ideal de resolucion de problemas y toma de decisiones.

En primer lugar comentar que una orientacin positiva al problema ayuda en 4 aspectos a las personas: 1. Ver los problemas como retos 2. Ser optimista en el sentido de que los problemas tienen solucin 3. Percibir que se tiene una fuerte caacidad para enfrentar los problemas 4. Estar dispuesto a invertir tiempo y esfuerzo en su solucin Por contra, para ver como influye esta parte en la resolucin final, una orientacin negativa implica ver los problemas como amenazas y provoca: 1. Creer que son irresolubles 2. Dudas sobre la propia habilidad para solventarlos 3. Frustacin, estrs e indefensin aprendida ante los problemas Mientras que una orientacin positiva te prepara para solucionarlo la negativa lo hace para evitarlo, lo cual hace que permanezca durante ms tiempo en la mente de las personas de forma minimizada pero latente y te provoque un estrs a largo plazo conversible en crnico. El segundo paso se centra en la configuracin del modelo exclusivamente en la resolucion y toma de decisiones. La toma de decisiones no deja de ser un proceso en el que de una serie de alternativas o variables cada cual elige la que cree mas conveniente para salir de la situacin-problema. Este modelo propone una planificacin que consiste en seguir una serie de pasos14
13 Buscar referencia bibliogrfica en libro de tcnicas de intervencin. Captulo de resolucion de problemas. 14 Como veremos en el apartado de IA sobre los problemas, la forma de abordarlos es similar pues se basa en la humana.

1. Realizar un modelo de la situacin actual o una definicin del problema. Problema se define como una situacin real o anticipada en la vida que requiere respuestas por parte del sujeto para un funcionamiento adaptativo; pero que no estn disponibles o no son identificables por l, debido a la existencia de barreras u obstculos (Nezu, 2004). Las demandas de la situacin pueden venir de exterior; pero tambin de los objetivos y valores del individuo. Las barreras ms comunes para alcanzar los objetivos son: ambigedad, incertidumbre, demandas en conflicto, falta de recursos, o novedad. En esta fase se incluye la definicin de los objetivos que el individuo quiere alcanzar (Nezu, 2004). Cuando se va a resolver un problema es necesario analizarlo y dilucidar cuales son los procesos y aspectos relevantes que estn influyendo en la aparicin y mantenimiento del problema o qu hace amenazante la situacin. En este paso el proceso de alcanzar una conducta adecuada tambin puede tomar caractersticas patolgicas. El anlisis de las situaciones es un anlisis causal, intentando determinar las influencias de unos factores en otros, en el momento actual y en la posible evolucin 2. Generar conductas alternativas posibles dentro del modelo de la realidad que se ha creado. Es una fase que depende de la creatividad del individuo. Se trata de imaginar las alternativas posibles. La crtica y autocrtica juegan un papel que compromete de forma importante la efectividad de este paso. Es preciso suprimir ambas en una primera fase para poder considerar las soluciones sin una censura previa. Se hace siguiendo las reglas del brainstorming, en el que no se realizan crticas ni evaluaciones de las ideas propuestas; cualquier propuesta es aprovechada, completada o variada para generar nuevas soluciones. Las personas con ansiedad social son muy vulnerables a las crticas e inhiben su creatividad por el miedo a equivocarse y ser rechazados socialmente. Este aspecto puede dejar a la persona anclada y sin salida en este paso. Hay que recordar que entre las instrucciones que se dan en los ejercicios creativos como el brainstorming destaca la de actuar con una ausencia total de crtica para generar alternativas que sern evaluadas en otra fase. Dando este paso es importante tener la mente abierta y la conciencia plena para poder salir de los comportamientos establecidos y automticos (Langer, 2000, Garca Higuera, 2004) y comportarnos de acuerdo con nuestros valores. 3. Extrapolar los resultados asociados a cada conducta generada. con objeto de prever los resultados de ponerlas en prctica con los cambios que se producirn en la situacin. Es una parte de la resolucin de problemas que est muy sujeta a la incertidumbre, porque el resultado de nuestras acciones no depende solo lo que hagamos, sino que son fundamentales las reacciones de los dems que estn involucrados en la situacin. Saber predecir los resultados de un plan que se ha elaborado es difcil y la incertidumbre juega de nuevo un papel fundamental. Esta fase puede ser una fuente inagotable de sucesos preocupantes, sobre todo si se quiere evitar la incertidumbre que supone la ignorancia de cmo va a reaccionar el otro a nuestro a nuestra actuacin. Si queremos asegurarnos de que la conducta del otro no va a ser la que tememos, nos podemos encontrar cogidos en la trampa de la preocupacin previendo numerosos sucesos Y si...?. 4. Extraer las consecuencias de cada resultado, es decir, valorar la situacin generada de acuerdo con los objetivos que se pretenden alcanzar. Para ello se valoran la probabilidad de que un resultado, es decir, su incertidumbre; junto con los beneficios o perjuicios que pueden conllevar que ocurra, es decir, las consecuencias de cada resultado. Esta evaluacin se realiza a veces de forma consciente y pensada poniendo en una balanza cada aspecto del resultado; en esos casos se emplean conceptos como Utilidad =

probabilidad x valor (Hastie, 2001). Pero muy frecuentemente se evala de forma general tomando solamente el sentimiento o la sensacin que incluye la impresin global que nos evoca la situacin prevista. Esta evaluacin puede hacerse de forma automtica, es decir, sin un pensamiento consciente, guindonos solamente por las sensaciones que nos ha producido. En este paso se incluye valorar la incertidumbre de los sucesos. 5. Elegir la accin que se va a llevar a cabo entre las que pueden producir el resultado que se busca. Una consecuencia inmediata de la evaluacin de los resultados es la eleccin de la conducta ms adecuada para resolver el problema. Pero a veces se llega sin duda a cual debe ser la actuacin, como fruto de la valoracin de las consecuencias; pero, una vez identificada, puede haber problemas para llevarla a la prctica. Eso es lo que tendra que hacer; pero... 6. Controlar el proceso cuando se lleva a cabo la accin. Cuando realizamos una accin entramos en el proceso de control de lo que hacemos, (Carver y Scheier, 1981) en el que vamos monitorizando si el resultado actual va en el camino que esperamos o no. Si no marcha en direccin al objetivo, generamos nuevos caminos o cambiamos los planes en un proceso de toma de decisiones parecido. La preocupacin es una accin que va dirigida a tomar una decisin, por eso el proceso se puede monitorizar y controlar como la de cualquier accin que persiga un objetivo. 7. Evaluar los resultados obtenidos. Es el momento de repasar lo que se ha realizado con objeto de aprender para el futuro. Una revisin rpida del proceso que se ha llevado y de las conductas de los dems nos ayuda para mejorar nuestra toma de decisiones. La evaluacin se ha de hacer basndose en los hechos acaecidos y en los resultados reales y medibles obtenidos. Si se quieren evaluar las reacciones implcitas y los sentimientos de los otros se puede caer en la preocupacin intil y destructiva. As, se pueden realizar revisiones sin fin cuando se consideran las posibles reacciones negativas no explcitas que han podido tomar los otros. Qu habrn pensado?, habr quedado bien realmente? Revisando la propia actuacin se pueden tomar en consideracin nuevas acciones alternativas que no se haban pensado previamente: si hubiera dicho esto en lugar de lo que dije?. Es ms fcil sabiendo cmo han reaccionado los otros, ajustar la actuacin para obtener el resultado buscado, pero eso solamente se puede hacer en el momento en que ocurre y se tiene que tener la mente abierta y preparada para reaccionar o aceptar nuestras limitaciones y crear una nueva oportunidad para obtener los resultados apetecidos. La revisin de los resultados es un proceso que pretende conseguir mejorar la actuacin siguiente, pero, si no se mantiene dentro de unos lmites, lo nico que se logra es continuar la preocupacin despus de acabada la accin. Las propuestas teraputicas en este caso son: aceptar la evaluacin del otro es la forma teraputica de poner coto a los pensamientos, aceptar las propias limitaciones intentando, si fuera preciso, crear una segunda oportunidad, acabar con la revisin si los resultados obtenidos han sido aceptables o si no se prev una nueva oportunidad de enfrentarse a la misma situacin. Aportaciones: Amplia puntos de mira sobre cmo afrontar un problema y tomar decisiones siempre desde la vertiente ms cognitiva preparandote para la actuacin conductual. Crticas: En este modelo se tiene muy en cuenta el componente cognitivo de las creencias, las expectativas, el autocontrol, est pensado como terapia para mejorar el proceso de toma de decisiones y de soluciones en aquellas personas que se ven muy afectadas por tener que hacerlo. Es un mtodo que yo no extrapolara quizs a cualquier mbito (empresarial, econmico..) porque est centrado en los pensamientos ms que en el propio plan de accin.

2. El modelo de De Bono (1997) El esquema que present sobre las cinco estapas de pensamiento (llamadas TO, LO, PO, SO, GO) tienen un paralelismo con otras etapas que el autor propone como el mtodo de los seis sombreros que vamos cogiendo, poniendo y quitandonos a la hora de solucionar problemas y indecisiones teniendo todos en cuenta. Esta propuesta es una herramienta que es utilizada en todo el mundo para facilitar la resolucin de problemas o situaciones familiares, personales y laborales. Veremos que cada uno de los sombreros son independiente y opuestos entre si, pero de igual modo teniendolos todos en cuenta se llega a la solucion. Edward de Bono plantea as el pensamiento paralelo, con el pensamiento paralelo, todos los puntos de vista, no importa cuan contradictorios puedan ser, se ponen en paralelo para ver hacia el mismo lado. Se plantean 6 colores de sombreros que representan las 6 direcciones del pensamiento que debemos tomar en cuenta para resolver algo: 1. Sombrero blanco 2. Sombrero rojo 3. Sombrero negro 4. Sombrero amarillo 5. Sombrero verde 6. Sombrero azul Cada uno de estos sombreros implica predisponer a la persona a realizar una accin determinada que va encaminada hacia la solucin del problema: Blanco: Piense en papel. Imagnese un ordenador que no cesa de arrojar los numeros y los datos que le piden. Es neutral y objetiva; no interpreta; ni opina. Cuando usamos el sombrero blanco imitamos una computadora. Nos planteamos preguntas como: Qu informacin tenemos? Que informacin necesitamos? Cmo la vamos a obtener? Para trazar un mapa real, conviene sacar el sombrero blanco al inicio de una sesin. Este sombrero excluye informacin del tipo: me dice el corazn que..., yo creo, opino que..., tengo la impresin de.... Slo se necesitan datos objetivos del problema. Rojo: Piense en el fuego, en el calor... Al usar el sombrero rojo, expresamos sentimientos, intuiciones y emociones, sin necesidad de justificarlos. La intuicin se basa en la experiencia, y es muy til. Aqu podemos decir: sobre este asunto, siento que..., me encanta, no s por qu, pero algo me dice que.... Las emociones no tienen por qu ser lgicas o consistentes y la habilidad de interpretarlas es lo que hace exitosas a muchas personas. Negro: ste es el mas popular de los sombreros y quiz el ms importante. Es el que plantea, cuestiona y analiza todos los obstculos, los peros, las crticas y los riesgos. Nos planteamos preguntas del tipo: Cmo reaccionara la gente?Qu puede salir mal?Tenemos los recursos?. Siempre es ms fcil criticar que construir, sin embargo, para que aporte, la crtica se debe basar en la lgica y no en el ego.

Amarillo: Piense en el sol, en el optimismo. El sombrero amarillo ve las oportunidades, los beneficios y lo positivo de las cosas, el valor del que tal si s funciona. Debe basarse en el razonamiento, no en la esperanza. Tiene que ver con generar alternativas, propuestas, con hacer que las cosas sucedan. Al final, sin entusiasmo, no hay idea que se logre. Verde: ste es energa, nueva vegetacin, crecimiento. El sombrero verde es el de la creatividad, el de la imaginacion. Aqu exponemos nuevas ideas, recurrimos al humor, provocamos mejoras y modificaciones. Aqu se intenta solucionar las objeciones expuestas bajo el sombrero negro. Ver las cosas desde un ngulo diferente. Que tal si embasamos el agua en cartones tetra brik en vez de en botellas de plstico?. Azul: Piense en el cielo que observa todo. Con este sombrero ya no pensamos en el tema, sino en observar framente las opciones y llegar a una conclusin. Aportaciones: Es un mtodo que tiene xito comprobado, siempre que se tenga que tomar una decisin, ya sea a solas o en grupo, piense en este arco-iris y la conclusin llega sola, sin apenas esfuerzos cognitivos y en poco tiempo. Habla sobre conceptos como la emocin, sentimientos, creatividad, lgica y la objetividad aplicables a muchas situaciones de la vida real que pertenencen a una etapa de la psicologia cognitiva ms contempornea. Hablar ahora de la implicacin de las emociones y de la creatividad en la resolucin de problemas y toma de decisiones.

3. Resolucin de Problemas y toma de decisiones en una mente artificial 3.1 Qu es y quen se encarga de estudiar la mente artificial? Un recorrido por la histria de la inteligencia artificial y sus autores mas representativos.
1834 : Primer antecedente El matemtico Charles Babagge (1792-1871) define el concepto de mquina calculadora universal, primer antecedente del computador moderno y propone los primeros planos 1936 : Mquinas de Turing El matemtico ingls, Alan M.Turing (1912-1954) define una mquina abstracta, llamada como l la mquina de Turing, que sirve de base a la nocin de algoritmo y a la definicin de la clase de problemas de decisin. Turing dedic lo principal de sus trabajos a la formalizacin de la teoria de los autmatas y a la nocin de calculabilidad. 1943 : Primer computador El catalizador que condujo al verdadero nacimiento de la IA fue la aparicin del primer computador , el ENIAC: una mquina electrnica de programa grabado. 1950 : Test de Turing Turing propone en un artculo clasico: Puede una mquina pensar?, la definicin de una experiencia que permitira calificar a una mquina de inteligente. La experiencia consiste en que un computador y un voluntrio humano se oculten a la vista de algn interrogador. ste ltimo tiene que tratar de decidir cual de los dos es el computador y cual el ser humano mediante el simple procedimiento de plantear preguntas a cada uno de ellos. Si en el curso de una serie de tests semejantes el interrogador es incapaz de identificar la naturaleza de su interlocutor, se considera que el computador ha superado la prueba. 1956 : Nacimiento de la inteligencia artificial y Nocin de listas El trmino Inteligencia Artificial aparece por primera vez en Agosto de 1956 en el colegio Darmouth (EE.UU), de la mano de A. Newell y H. Simon en una conferencia sobre la inteligencia de las computadores y donde se reunieron adems otros cientficos como J. McCarthy, M. Minsky y C. Shannon. A su vez, ese mismo ao J.M.McCarthy se da la tarea de construir un lenguaje de programacin adaptable a las necesidades de manipulacin de conocimientos y de la reproduccin de razonamientos basados en la nocin de listas. 1959 : General Problem Solver Despus de las investigaciones de A.Newell y H.Simon sobre los mecanismos de razonamiento, surge el GPS: General Problem Solver, basado en el principio del anlisis de los fines y de los medios. El inters de GPS es el de haber sido el primero a formalizar el razonamiento humano. Su meta era investigar sobre la actividad intelectual y sobre los mecanismos puestos en juego durante la resolucin de problemas, ms que en la eficacia. Aos 60 : Heurstica Los aos sesenta marcan la verdadera puesta en marcha de la IA, con algunos resultados significativos significativos: Enumeracin inteligente de soluciones a travs de reglas optativas o heursticas.

(Revista Polis)

1966 : Dificultades Los investigadores se dan cuenta de la dificultad de reconocimiento de la palabra y las lenguas por de las mquinas. Comienza el anlisis de los trabajos de Chomsky. El boom de los aos 70 Los aos setenta corresponden a una explosin de trabajos que permitieron establecer las bases de la IA, en cuanto a la representacin de los conocimientos, del razonamiento, de los sistemasexpertos, de la comprensin del lenguaje natural y de la robtica avanzada. 1970 : Primer sistema experto Aparicin de Dendral, el primero de los sistemos expertos, en la Universidad de Stanford. Dendral efectua trabajo de un qumico que reconstituye la frmula desarrollada de un componente orgnico a partir de su frmula bruta y de los resultados de su espectografia de masa. 1975 : Programacin en lgica de primer orden Aparece PROLOG de la universidad de Aix.Marseille (Francia) y marca los comienzos de una verdadera programacin basada en la lgica de primer orden. Este lenguaje conoci tanto xito que fu adoptado como el lenguaje de base para el proyecto japons de los computadores de quinta generacin. 1976 : Medicina MYCIN Los aos 80 : IA y Economia Los aos 80 dan la entrada a la I.A en la vida economica de las empresas 1981 : Computadores de quinta generacin El lanzamiento en Japn del proyecto de computador de quinta generacin. El objetivo anunciado parael proyecto es el desarrollo de tecnologas de la IA en la realizacin de un nuevo tipo de computadores que resolverian problemas en lugar de ejecutar los algoritmos, que efectuarian razonamientos en vez de solo clculos y ofrecerian a sus usuarios interfaces naturales: Lenguaje, grfia y palabra. Aos 90 : Comunicacin Hombre-Mquina Los aos 90 marcan la entrada de la IA en las aplicaciones vinculadas a la comunicacin hombremquina con interfaces inteligentes, sistemas multi-agentes y la IA distribuida. Futuro? Computacin molecular?-bio-computacin?-Computacin ADN?

Este cuadro ha sido extraido de la revista Polis y pertenece a un artculo publicado por Thomas Hardy. En l podemos ver la trayectoria evolutiva de la Inteligencia artificial desde su nacimiento hasta hoy dia. Podemos apreciar cmo la aportacin de Newell y Simon fu el input necesario para el nacimiento y para el desarrollo del primer programa de investigacion del razonamiento humano en una computadora que resuelve problemas, principal via de unin con la psicologia cognitiva, posteriormente, ante las crticas que decian que no servia para resolver problemas de la vida real porque slo se basa en la resolucin de problemas estructurados surgieron los S.B.C y los S.E que se encargan de los semi y los no- estructurados (los ms dificiles de solucionar).

Antes de ir al grano sobre el tema que me ocupa (R.P y T.D) creo conveniente explicar, una vez echo el repaso histrico, las ramificaciones de la IA porque as se comprender mejor en qu posicin se encuentra la psicologia cognitiva.
ENFOQUES DE INTELIGENCIA ARTIFICIAL SEGUN SU DEFINICIN Concepcin de IA como el intento de desarrollar una tecnologia capaz de suministrar a la computadora capacidades de razonamiento o discernimiento similares a las de la inteligencia humana. *** Concepcin de IA como investigacin relativa a los mecanismos de inteligencia humana (por extensin, investigacin relativa a la vida y al universo) que emplea el ordenador como herramienta de simulacin para la validacin de teoras.

*** Este enfoque es el ms prctico y se centra en los resultados obtenidos, en la utilidad, y no Este enfoque est orientado a la creacin de un tanto en el mtodo. (S.E) sistema artificial que sea capaz de realizar los procesos cognitivos humanos. Desde este punto Aspectos fundamentales: Representacin y de vista no es tan importante la utilidad del gestin del conocimiento. sistema creado (qu hace), como lo es el Autores representativos: mtodo empleado (cmo lo hace). - McCarthy - Minsky. - Edward Feigembaum

Aspectos fundamentales: El aprendizaje y la adaptabilidad. Autores: Newell y Simon y el GPS

ENFOQUES DE INTELIGENCIA ARTIFICIAL SEGN LOS MEDIOS UTILIZADOS Enfoque Top-Down o enfoque Simblico

Caracterizado por: Simular directamente las caractersticas inteligentes del Ser Humano. Como modelo de mecanismo inteligente a imitar, lo mejor que tenemos y ms a mano es el hombre, desde este punto de vista, poco interesa simular los razonamientos que puedan efectuar los animales.

Enfoque Bottom-up o Subsimblico o conexionista

enfoque

Caracterizado por: Simular los elementos de mas bajo nivel que componen o intervienen en los procesos inteligentes con la esperanza en que de su combinacin emerja de forma espontnea el comportamiento inteligente.

CLASIFICACIN DE PARADIGMAS EN INTELIGENCIA ARTIFICIAL Enfoque Simblico (Top-Down) de la IA o IA Clsica o dbil: Para la vertiente simblica la mente es una mquina de procesamiento de informacin: a travs de un exhaustivo y pormenorizado conjunto de reglas preprogramadas se espera que el sistema sea capaz de desenvolverse en el mundo real, dando importancia a los aspectos cognitivos como la lgica, la capacidad de procesamiento de la informacin entre otros. Enfoque Subsimblico (Bottom-up) de la IA fuerte: Este enfoque intenta imitar el sustrato emergente de la inteligencia: dejan que el sistema se desarrolle a traves de su propia experiencia, haciendo hincapi en los aspectos ms perceptivos del ser humano como el aprendizaje o las habilidades sensoriales.

Las grandes ventajas de los sistemas Subsimblicos son la autonomia, el aprendizaje Los ejemplos mas significativos son los y la adaptacin. Sistemas Expertos ( programas de juego de Los ejemplos: Las Redes Neuronales ajedrez ). Artificiales.

ALGUNAS TCNICAS

ALGUNAS TCNICAS

Sistemas Expertos-Expert Systems (SE-ES)


Lgica Proposicional (Clculo Proposicional) Lgica de Predicados Redes semnticas Frames (marcos) Lgica difusa o borrosa-Fuzzy Lgic (LD-FL)

Computacin Evolutiva-Evolutionary Computation (CE-EC)


Solidificacin Simulada-Simulated Annealing (SS-SA) Algoritmos Genticos- Genetic Algorithms (AG-GA) Programas de Evolucin Estratgias Evolutivas-Evolutionary Strategies (EE-ES) Programacin Gentica-Genetic Programming (PE-EP) Clasificadores Genticos-Gentic Clasifiers (CG-GC) Algoritmos Mimticos

S.B.C Proyecto CYC

Redes Neuronales Artificiales-Artificial Neural Networks (RNA-ANN) Vida Artificial-Artificial Life (VA-LA)

Autmatas Celulares-Cellular Automata (AC-CA) Agentes Autnomos-Autonomous Agents (AA-AA)

Proyecto COG

Aparte de los autores citados existen otros dos que son tambien muy representativos de estos enfoques: El matemtico Douglas Lenat, de la empresa Cyc, y el profesor Rodney Brooks, del Instituto Tecnologico de Massachussets (MIT) son dos autores del campo de la I.A que llevan muchos aos investigando en la creacin de mquinas inteligentes. Conceptualmente sus propuestas representan dos caminos diferentes pero conociendo bien ambas aportaciones nos damos cuenta que mas bien son complementrias: Cyc es un acercamiento descendente (Top-down) y Cog ascendente (Bottom-up). Veamos algunas caracteristicas de sus modelos.

El proyecto CYC de Douglas Lenat (top-down)


La idea: Los sistemas expertos funcionan en una plataforma elevada de conocimientos y de competencia hasta que... se precipitan extrepitosamente en niveles ltimos de incompetencia. Las personas tienen el mismo problema, pero su plataforma es ms amplia y la cada ms suave... Si se carece... de simples conceptos de sentido comn, los sistemas expertos cometen errores que frecuentemente aparecen como ridculos a los ojos de los hombre. Por ejemplo, cuando un programa que autoriza concesiones de crditos para la compra de coches, concede un crdito a un adolescente que afirma que lleva trabajando 20 aos en la misma oficina;... o cuando un sistema mdico prescribe una absurda dosis a una paciente embarazada, cuyo peso (105) y (35) habian sido accidentalmente intercambiados durante la introduccin de datos en el ordenador. En la medida en que construimos programas ms complejos, y les dotamos de mayor poder, la gracia desaparece Lenat, D.B.,Feigenbaum, E.A On the Thresholds of Knowledge Artificial Intelligence, 47, p.223

La tesis de Lenat es que no importa cuantos errores se arreglen de esta manera, siempre habr otros que no se han podido considerar. De esta forma dice que la nica solucin general es dotar a los sistema expertos de conocimientos de sentido comn.

Objetivo: construir una gran base de datos (mas que una gran enciclopedia electrnica) con conocimientos de sentido comn sobre la cultura occidental. As, la mquina equipada con Cyc adquirir nuevas habilidades como aprender a travs del descubrimiento, definir los nuevos conocimientos a partir de las ya obtenidos, llegar a conclusiones a partir de la lgica ante situaciones nuevas y interaccionar con los seres humanos: hablar de forma inteligente y interprestar y obedecer sus rdenes. Mtodo: Cyc se construye intruduciendo en su base de datos sentencias de artculos de peridico, de revistas, definiciones de enciclopedias, anuncios y todo aquel conocimiento que cualquier persona o mquina debe tener antes de entender una enciclopedia, como por ejemplo: si tomas el sol la piel se pone mas oscura o el mar es y es azul por reflejo del cielo. Algunos inconvenientes: Uno de los problemas con los que se han topado a la hora de introducir todo este conocimiento de sentido comn es el referido a la ontologa, es decir, cmo se introduce y se define lo que hay en el mundo? Con lo que nos cuesta a los humanos averiguarlo y consensuarlo... , lo que ha hecho Cyc es adoptar que en el mundo hay objetos que se pueden tocar, otros mixtos ( como los humanos que tenemos una parte tangible y otra intangible), sucesos y objetos matemticos. Otro de los problemas se refieren a la epistemoslogia de los datos, a la lgica y la relevancia que siguen.

El proyecto COG de Rodney Brooks (bottom-up)


La idea: Dar a la mquina unos conceptos bsicos, situarla en un entorno en el que pueda percibir y en el que pueda actuar para averiguar qu logra aprender por si misma. Una vez que conozca los objetos del mundo que le rodea, podr aprender mediante interacciones con los seres humanos. Objetivo: Es un experimento inspirado en estructuras biolgicas ( no lgicas ) que consiste en dejar que un robot humanoide descubra el complejo entorno en el que est inmerso por s mismo en lugar de poblar su memria con una detallada descripcin del mundo desde la particular perspectiva humana. Mtodo: Cog utiliza sus sentidos artificiales de visin, audicin y tacto a partir de la introduccin de cmaras fotogrficas, micrfonos y una membrana sinttica sensible al contacto. De esta manera absorbe la informacin que alimenta su sentido comn. La meta de Brooks es alcanzar una inteligencia humana ms que una simple inteligencia. Para eso la mquina debe tener experiencias humanas y la capacidad de relacionarse con su entorno como lo hace un ser humano, es decir, percibiendo el mundo a travs de los sentidos y desenvolviendo su conducta en un contexto social, en interaccin con otras personas. Por qu tiene forma humanoide? Para que las personas se relacionen e interacten con l de forma natural, cmoda y amigable, de tal manera que les resulte ms fcil entregarle la informacin que l requiere. Cog no funciona bajo un programa, sino que se reprograma segn su experincia.

Proyecto CYC de Lenat

vs.

Proyecto COG de Brooks

La primera fotografia muestra la estructua que tiene la gran base de datos de Cyc, esta forma de pirmide refleja el orden jerarquico de los conocimientos: de arriba a abajo ( mayor abstraccin a mayor concrecin de conceptos). La segunda fotografia muestra al humanoide COG cuando se le implant su primera mano.

3.2 R.P y T.D en Inteligencia Artificial


Resolucin de Problemas y toma de decisiones


Que se necesita para construir un sistema de IA que sea capaz de resolver problemas?

Este cuadro presenta el contenido, las caractersticas y los conceptos que una mquina necesita para resolver una tarea determinada. Es evidente que, y he aqu otra muestra de lo ligado que est el ser humano (sobretodo la forma de proceder mentalmente) con las computadoras, para introducir el proceso que deben seguir hasta llegar a la solucion se ha de observar primero que pasos siguen las personas, que informacin utilizan, cmo la gestionan, ... etcs y luego inventar uno cdigos y unas estructuras ya para la base de datos del autmata. Lo que pretendo es hacer ver que no sn procesos que surgen de la nada, sino fruto de un anlisis anterior al funcionamiento procedimental de los humanos.

Conceptos clave:

Estados del sistema: Son representaciones que contienen el conjunto de toda la informacin que describe la situacin actual del sistema. Espacio de estado del problema: Es el dominio que contiene todos los posibles estados del sistema.

Introduccin: El primer paso hacia el diseo de un programa en IA debe ser la creacin de una forma descriptiva formal y manipulable del problema, a partir de la descripcin informal del mismo. A este proceso se le llama operacionalizacin. Los pasos son los siguietes:

Definicin precisa del problema

1. Definir el espacio de estado que contien todas las configuraciones posibles de los objetos relevantes. Esto es posible, sin necesariamente enumerar en forma explcita todos los estados que contiene. 2. Especificar uno o ms estados dentro de ese espacio que correspondan a posibles situaciones desde donde el proceso de resolucin pueda arrancar (estados iniciales). 3. Especificar uno o mas estados que podrian ser aceptables como soluciones al problema (estados objetivo). 4. Especificar un conjunto de operadores que describan las acciones posibles. Para esto se debe considerar los siguientes aspectos: 1. Que suposiciones implcitas estn presentes en la descripcin informal del problema? 2. Que generalidad deben tener los operadores? 3. Que cantidad del trabajo requerido para resolver el problema deberia estar incluido y representado en los operadores?

Introduccin: Para poder escoger el o los mtodos ms apropiados para resolver un problema, es necesario analizar algunos aspectos clave, a saber:

1. Si el problema puede ser descompuesto en un conjunto de subproblemas pequeos y , a veces, independientes 2. Se pueden ignorar pasos de la solucin o ser corregidos si son intiles 2 Analizar el problema 3. Si es posible predecir el o los resultados del problema 4. Si una solucin es suficicientemente obvia sin necesidad de compararse con otras posibles soluciones 5. Si la solucin deseada es un estado o ruta desde un estado inicial hasta un estado final o objetivo 6. Si es necesaria toda una cantidad de conocimiento para resolver el problema, o es importante slo para restringir la bsqueda 7. Si puede un computador, al que se le ha dado el problema, resolver por si solo la solucin, o si ser necesaria una interaccin entre ste y una computadora

Introduccin: Este es un tema del que ya he dado informacin al comienzo del trabajo, pero ahora, con un poco ms de concrecin en la R.P. Hemos visto lo importante que es para resolver un problema la definicin y el anlisis de las variables que lo componen, ahora veamos lo mismo con las representaciones. Hallar una representacin apropiada es una parte fundamental en la resolucin de un problema, de echo podria decirse que una vez que un problema es descrito mediante una buena representacin, el problema est casi resuelto. Dos tipos de descripciones: Explcitas y implcitas Cuatro ingredientes fundamentales de las representaciones:

El lxico: determina los smbolos que estn permitidos en el vocabulario de la representacion. La estructura: describe las restricciones sobre la forma en que los smbolos pueden ordenarse. La operatividad: especifica los procedimientos de acceso que permiten crear descripciones; as como la forma de modificarlas y utilizarlas. La semantica: establece una forma de asociar el significado con las descripciones.

Identificar y representar el concocimiento

Una descripciones explcita se caracteriza por hacer explcitos los objetos y las relaciones, los y las agrupa, pone de manifiesto las restriciones y suprime detalles insignificantes. Ejemplo: Redes semanticas y se expresan mediante cuadros, flechas, nodos, rboles de bsqueda, sistema de plantillas, red de restriccin arimtica o red de intervalos entre otras. Una descripcion implcita es una descripcin de red semntica que est compuesta por un estado inicial y un mecanismo para generar los estados sucesores. Siempre que hablamos de este tipo de descripciones, sn por contraposicin a las anteriores, son referentes a partes o secciones necesarias del problema. expresaria en forma de funciones tales como: designacion de variables P que tomen unos valores (1,2,3...) o representacin de estados: Px:Py que llevan a posibles soluciones (llamados sucesores posibles ). Encontrar rutas que lleven de un estado incial a un estado final o objetivo, generando repetidas estados finales posibles es lo que utiliza un procesador de bsqueda.

Introduccin: Las tcnicas de solucin de problemas en IA, en general, incorporan un proceso de bsqueda para dar con los estados finales mas acertados de los problemas (soluciones ). Proceso de Busqueda: puede ser visiualizado como el recorrido por un arbol en el que cada nodo representa un estado y cada rama representa las relaciones entre los estados cuyos nodos conecta. Diferencias que aparecen en las diversas tecnicas de bsqueda:

La direccin de la bsqueda ( hacia delante o hacia detrs ) Las estratgias de control: el objetivo es que causen desplazamiento del espacio de estado y que sea sistemtico. La forma de representacin del conocimiento. Algoritmo Generacin y Prueba (GENERATE-AND-TEST) 1. Generar una posible solucion. (estado o camino) 2. Comprobar para ver si es una solucin, mediante comparacin con los elementos del conjunto de objetivos aceptables. 3. Si la solucin ha sido encontrada salir, de otra manera, retornar al paso 1.

Ejemplos de algoritmos utilizados en la resolucin de problemas:

Algoritmo Primero a lo Ancho (BREATH-FIRST) 1. Crear una variable NODE_LIST y ponerla al estado inicial. 2. Hasta que se encuentre el objetivo o hasta que NODE_LIST est vacia haga lo siguiente:

Escoger la mejor tcnica y aplicarla

Remover el primer elemento de NODE_LIST, y llamarlo E. Si NODE_LIST estuvo vacia, salir. Para cada forma en que cada regla puede ajustarse al estado descrito en E, haga lo siguiente:

Aplicar la regla para generar un nuevo estado Si el nuevo estado es un estado objetivo, salir y retornar este estado. Sino, aada el nuevo estado al final de NODE_LIST.

Algoritmo Primero en Profundidad (DEPTH-FIRST) 1. Si el estado inicial es el objetivo, salir y retornar xito 2. Sino, haga lo siguiente hasta que se obtenga seal de xito o fracaso:

Genere un sucesor E del estado inicial. Si no hay mas sucesores , retorne con seal de fracaso. Llame recirsivamente al algoritmo, esta vez con E como estado inicial Si la seal es un xito, retorne, de otra manera, contine en este lazo.

Otro tipo de tcnicas utilizadas para resolver problemas en IA es la bsqueda heurstica: Para resolver problemas difciles ( de multiples combinaciones ) es necesario construir una estructura de control que no necesariamente garantiza el encontrar la mejor respuesta, sino que casi siempre encuentra una buena respuesta. Una tcnica heurstica mejora la eficiencia del proceso de bsqueda sacrificando, usualmente, exhustividad. Otras tecnicas son los Sistemas de Produccin, los S.B.C y los S.E.

Tecnicas concretas en la solucion de problemas y toma de decisiones en IA

En el apartado anterior hemos visto algunas tecnicas implicadas en la resolucin de problemas: el proceso de bsqueda de soluciones (este apartado lo incluira ms bien como un proceso de toma de decisiones), algoritmos y la bsqueda heurstica. He citado los S. de Produccin, los S.B.C, los S.E sin explicarlas para poder dedicarles ms tiempo y espacio, pues creo que sn las mas significativas tanto por su importancia en la historia de la IA como por su utilidad en nuestros das. Las 3 primeras pertenecen a la rama de la IA dbil o clsica y el ltimo a la ms fuerte.

1. Sistemas de Produccin15
Estos sistemas proporcionan una estructura al problema que facilita la descripcin y la ejecucin del proceso de bsqueda de soluciones en base unas reglas. Para saber un poco mas, tambien ver S.B.C y S.E, pues estan muy relacionados por no decir complementados. DEFINICIN

Un conjunto de facilidades para la definicin de reglas Mecanismos para acceder a una o ms bases de conocimientos y datos Una estrategia de control que especifica el orden en el que las reglas son procesadas y la forma de resolver los conflictos que pueden aparecer cuando varias reglas coinciden simultneamente. Un mecanismo que se encarga de ir aplicando las reglas CARACTERSTICAS Monotnico: Si la aplicacin de una regla no impide que posteriormente se pueda utilzar otra en su lugar, justo en el mismo momento y para la misma aplicacin que la primera regla. No Monotnico: lo contrario a monotnico Parcialmente Conmutativo: Si tiene un conjunto de reglas que aplicadas a una secuencia consiguen llegar a la solucin o estado objetivo, stas se pueden recombinar y siguen llegando a la misma solucin. Parcialmente Conmutativo: lo contrario a Parcialmente Conmutativo LENGUAJE Lenguajes de Inteligencia Artificial como Common LISP, CLIPS y PROLOG. Sistemas hbridos y sistmas vacios (shells) para la produccin de sistemas basados en conocimientos como: VP-Expert, Expert Teach, Personal Consultant, Intelligence Compiler y EXSYS. Arquitecturas generales para la resolucin de problemas (mquinas LISP y PROLOG)

Tareas realizadas por mquinas programadas bajo este tipo de sistemas son la demostracin de teoremas, la navegacin robtica, la sintesis de substancias qumicas y los juegos de ajedrez.
15 Ligado al proceso de bsqueda. Ver pgina anterior.

2. Sistemas basados en Conocimiento y Sistemas Expertos


Este tipo de sistema y el siguiente (S.E) de resolucin de problemas surge por la ineficiencia de los creados al comienzo de la IA, concretamente por contra al GPS de Newell y Simon que mas adelante comentar. El nacimiento de estos sistemas surge de un subcampo de la IA concerniente a la adquisicin, representacin y aplicacin de conocimiento, disciplina por la cual el conocimiento se integra dentro de un sistema de computacin para resolver problemas complejos que normalmente requieren un alto nivel de experiencia humana y postula que los problemas dificiles slo podrian ser resueltos con la ayuda de conocimiento especfico (S.B.C) sobre el dominio del problema, en esta linea quin mejor que los expertos (S.E) en estos dominios para resolverlos. Algunas caractersticas de ambos son:
S.B.C

Definicin:Programas que resuelven problemas usando un determinado dominio de conocimiento que no tiene porque ser experto. Para ello la nueva linea de los S.Expertos de Feigenbaum. S.Expertos Definicion: Programas que usa conocimientos y procedimientos de razonamiento para resolver problemas lo suficicientemente difciles como para necesitar de un experto para su solucin (Feigenbaum, 1982) Diferenciacin: Se utilizan cuando el problema...

S.B.C: Conocimiento no necesariamente experto. S.E: Conocimiento experto + interaccin S.E S.B.C

no requiere sentido comn requiere de razonamiento simblico no se resuelve con mtodos tradicionales necesita de un conocimiento experto el coste compensa su uso

Estructura bsica* Motor de inferencia

Base de hechos

Base de conocimiento

Unidades de entrada / salida Mdulos de Usuario Programas Externos *Explicacin de este cuadro en la pgina 34 Experto comunicacin

Ventajas

Problemas

Algunas ventajas vs la actuacin experta de los humanos: Mayor disponibilidad

Algunos problemas en la construccin de estos SBC ( y por lo tanto tambien de S.E) La adquisicin y representacin del conocimiento humano a otra representacin abstracta efectiva para la computadora. La representacin del conocimiento en trminos de una estructura de datos que una mquina pueda procesar. La generacin de inferencias o cmo hacer uso de esas estructuras abstractas para generar informacin til en el contexto de un caso especfico. Evaluar y conocer las variables realmente importantes en los problemas antes de invertir esfuerzo inncesarios en las que no lo son. Extraer el conocimiento de donde lo haya Dedicar el suficiente tiempo para analizar antes de actuar. Disear, construir y verificar las bases de conocimiento necesarias seleccionando las representaciones adecuadas. Usar reglas heursticas para reducir el espacio de bsqueda. Elegir la tarea adecuada para realizar correctamente los pasos anteriores.

La experiencia est disponible para cualquier hardware

Coste reducido Permanencia:

La experiencia es permanente, a diferenciacin de los expertos humanos El conocimiento de varios especialistas puede estar disponible para trabajar simultne y continuamente en un problema. El nivel de experiencia combinada de muchos sistemas expertos puede exceder el de un solo especialista humano. El S.E ofrece respuestas slidas, completas y sin emociones. Es S.E puede explicar clara y detalladamente el razonamiento que conduce a una conclusin. Algunas situaciones de emergencia pueden exigir respuestas ms rpidas que las de un humano.

Experiencia mltiple:

Respuestas no subjetivas

Explicacin del razonamiento

Respuesta rpida

Tutoria inteligente Base de datos inteligente Aplicaciones de S.E basados en Sistemas de produccin y Campos de intervencin Configuracin Diagnstico Enseanza Interpretacin Planificacin Prediccin Control

Medicina: MYCIN, ITERNIST, CADUCEUS y CASNET Geologia: PROSPECTOR Informtica: XCON Matemticas: MACSYMA Educacin: GUIDON y DEBUGGY

Representacin del conocimiento

Las representaciones de este tipo de programas deben tener:


potencia expresiva facilidad de interpretacin eficiencia deductiva posibilidad de explicacin y justificacin lgica:

Principales formas de representacion t tipos de inferencia y razonamiento que utilizan:

Inferencia:

Deduccin natural Clculo de secuentes Reglas de resolucin Reescritura

Razonamiento automtico Razonamiento hacia adelante (de abajo a arriba) Razonamiento hacia detrs (de arriba a abajo) Herencia

reglas de produccin:

redes semnticas:

marcos

Algunas cosas mas acerca de este tipo de programas:

Los sistemas basados en conocimiento resuelven problemas donde las soluciones algortmicas no existen o son muy costosas para ser implementadas mientras que los programas convencionales utilizan algoritmos. Partes de la estructura:

Motor de inferencia

ste selecciona, decide, interpreta y aplica el conocimiento de la base de conocimientos sobre la base de hechos con el fin de obtener la solucin buscada. Un mecanismo de inferencia debe ser independiente del conocimiento y de los hechos. - Est caracterizado por:

El lenguaje en que ha sido escrito La velocidad de trabajo: Inferencias/segundo Las estrategias de bsqueda de soluciones

No ordenada: aleatoria, heurstica


Encadenamiento hacia delante (guiado por los datos: deductivo) Encadenamiento hacia atrs (guiado por los objetos: inductivo)

La forma en que elige el conocimiento La posibilidad de incorporar metaconocimiento El tipo de lgica que emplea en el razonamiento

Base de conocimientos

Contiene el conocimiento del dominio en el cual el programa es competente. El conocimiento tiene que estar bien representado. La capacidad de almacenamiento (memria de reglas) es muy importante, oscilan entre:

50 reglas (demostracin interesante) 250 reglas (prototipo funcional) 500-1000 reglas (SE operacional medio) 4000 reglas (SE operacional especial)

Base de hechos

Es el conjunto de informacin de una a otra resolucin. Los hechos se diferencian de los datos en el sentido que los hechos forman parte del SBC, mientras que los datos, al poder variar de una solucin a otra, conviene agruparlos en archivos externos al SBC. Algunos autores no diferencia entre base de conocimientos y de hechos

Mdulos de comunicacin

Un SE necesita medios y canales adecuados para comunicarse:


Con el usuario: para permitir el dilogo de forma sencilla Con el experto: para la configuracin del sistema; para adquisicin, mantenimiento, depuracin y validacin del conocimiento. Con archivos externos: bases de datos, hojas electrnicas de clculo, archivos de texto y programas.

Hasta aqu las tecnicas, vayamos a la aplicacin de alguna de stas en el campo concreto de la resolucin de problemas y toma de decisiones de los humanos.

Resumen de lo visto hasta este momento

En este punto numero 2 e igual que el 1 he empezado dando un recorrido por la historia de la psicologia cognitiva hasta la Inteligencia artificial para introducir la relacin que existe entre ambas, explicando los problemas de representacin que tanto a preocupado a cientificos cognitivos y de la computacin, como las diversas teoria que estos han formulado. En el prximo apartado har una pequea sntesis sobre esto. De introduccin he pasado a explicar la estructura de los problemas desde los diferentes enfoques de la psicologia y de la inteligencia artificial para ponerme mas facil llegar a conclusiones. Poca o poco he focalizado el objetivo de mi estudio en la forma de proceder de una mquina o autmata y el ser humano, hablando sobre aspectos esencialmente cognitivos pero sin dejar a un lado el papel que juegan las emociones en el tema de la resolucion de problemas y la toma de decisiones en las personas. En un principio no queria mezclar aspectos emocionales pero me d cuenta que es una de las caractersticas que nos diferencian de las mquinas y por la que an les queda un largo proceder a los cientifcos para conseguir estar a nuestra altura emocional. Me ha sido importante leer artculos de Minsky, Lenat y Brooks e incluso de Alan Turing ( a pesar de haber sido poco mencionado, finalmente decid asignarle un pequeo espacio en la histria de la IA a pesar de que por sus aportaciones se mereciera uno mas grande - ha sido una cuestin de prioridades-. Las reflexiones que har en uno de los puntos finales tendr su fundamento en los trabajos de stos ltimos autores. Debo como mnimo mencionar que gran ha sido la contribucin de otros artculos extraidos de revistas como la de Histria de la Psicologa o otras de difusin via web como la Polis o ciencia y hoy a las cuales he tenido acceso via internet. Llegado este momento en el que todas la informacin est sobre la mesa, slo hace falta empezar a unir ideas y proceder en ellas para construir un problema y su consecuente solucin en ambas posiciones de la cincia. He credo importante este pequeo resumen para situar y ayudar al lector (y en el fondo a mi misma) en el procesamiento de toda esta informacin que hay explicada hasta el momento. Como ya he dicho, ahora me quedan unas pginas (puntos 3) de comparacin de modelos a partir de un mismo problema y un apartado (punto 4) de semejanzas, diferencias y limitaciones de ambas ciencias respecto la resolucion de problemas y la toma de decisiones, pues, ningn modelo ( humano o no ) es perfecto.

4. Resolucin de un problema concreto

desde la psicologia cognitiva mas contempornea. Los problemas sociales.

Que mejor manera de mostrar cual es el proceso que sigue la psicologia cognitiva para resolver un problema que elaborando uno y solucionarlo. A lo largo de la histria son numerosos los problemas que se ha planteado el ser humano, llamados acertijos, puzzles todos comparten la misma caracterstica: un estado inicial que debe transformarse en uno final distinto. Los planteamientos y los conceptos respecto a su estructura pueden variar en funcion del autor que lo describa y la corriente que se siga, en el aprtado de psicologia y RP he citado unos cuantos enfoques y sus resectivas diferencias. Dejar a un lado la vertiente ms clsica para resolver un problema desde la IA y me centrar en este apartado en la ms contempornea. Me ha parecido un buen ejemplo a seguir el modelo de De Bono. Problema: Aulas convertidas en vertederos Estas semanas en las que poco a poco se va acercando el periodo de examenes se va notando en el ambiente de clase un nerviosismo que se transforma en la cantidad de porquera que se acumula en las mesas, sobretodo en los cajones. Mi hiptesis es mas nervios mas porqueria. La cuestin no es esta, sino que podriamos hacer para solucionar estos actos tan incvicos y molestosos. Desde el modelo de De Bono seguira el siguiente procedimiento:

Sombrero blanco: Que informacin tengo del problema?Cual voy a necesitar?Cmo la obtengo? En este caso la informacin la tengo de primera mano porque yo soy entre otras muchas las personas que vemos como la gente ensucia y tira los papeles en los cajones en lugar de en la papelera, con lo cual, la basura se va acumulando a lo largo del da y la clase y los cajones son intilizables. Tendr que observar y saber en qu momento estn mas sucios, si por la maana o por la tarde, que tipo de gente es la que lo hace, si mas mujeres o hombres y por qu lo hacen en el cajn y no en la papelera Entonces, propongo crear un tipo de plan para evitar que sucedan estas acciones bien avisar y concienciar para que caiga en desuso. Hablar con las personas, hacer carteles informativos, repartir folletos. Sombrero rojo: Que siento respecto esta situacin? Las sensaciones son una mezcla de incomprensin y de rabia porque la mayoria de veces no sn solo papeles sino cafs esparramados, chicles usados y sin envoltrio, trozos de bocadillos sueltos y claro, vas tu con tu chaqueta limpia o tu carpeta y te pringas hasta la tlima hoja de todo ese mejunge. Es asqueroso y de mal gusto. Creo que deberian tener en cuenta ms al resto de personas que se van a sentar ah. Puedo poner multas, pegar gomets en la frente y hacer acumulacin de ellos para una multa mayor... pintarle un circulo en algun lugar del cuerpo para que vea la misma mancha que puede producir en el medio ambiente... Sombrero negro: qu puede causar la generacin de este plan? los contras de su xito? Ser dificil cambiar la conducta de estas personas porque son muchas y no podr estar en todas las clases a la vez para avisar de que no lo hagan, tampoco ser muy existoso sobretodo en este periodo en el que se acercan los exmenes y la gente est mas pendiente de estudiar y de otras cosas. Puede que haya gente que no est avisada o informada ya que

hay muchos horarios. As pues, ante la multitud de personas crearia un pequeo comit de personas ( as no estaria yo sola avisando y informando con los folletos y los carteles ), en cuanto al periodo de exmenes, podria relacionar este echo con el de ensuciar con +. Puede que la gente se enfade y igualmente no haga caso y no pague. Sombrero amarillo: que tiene todo esto de positivo?ventajas y beneficios? El resultado exitoso del plan llevar a unas clases mas limpias, despejadas de objetos inncesarios para una zona escolar, no se extrapolar esta conducta a otros ambientes (quien lo hace en una clase lo har igualmente en la playa o la montaa y tendr repercusiones en el medio ambiente) y evitar desagradables accidentes de manchas y sobretodo concienciacin. Sombrero verde: como solucionar las objeciones del sombrero negro? Para que todo el mundo est enterado poner 2 o 3 espias en cada clase, contratar cobradores del Frack que persigan a los multados que no paguen. Poner videos en los 5 minutos antes de cada clase para rallar las mentes ( una especie de condicionamiento aversivo ), hablar con seoras de la limpieza para hacer huelga y as ver como somos de guarros en 2 dias, hablar con los de gestin para que contraten mas seoras de la limpieza en caso ltimo. Sombrero azul: Conclusiones y decisiones finales? Crear un comit de personas a partir de unas hojas expuestas en los pasillos (el que quiera que se apunte) Repartirnos un trabajo que consiste en: hacer pancartas, carteles, hablar con los profesores para pedir permisos, hacer los videos de propaganda, comprar trajes para los espias y para los cobradores de multas, hacer plantillas de multas y tipos y hacer posits para pegarlos. Llevar a cabo esto durante 2 semanas dejar una de reposo y continuar una ms. Esperar a que salga bien.

desde la psicologia cognitiva (P.I) mas clsica y la IA

Desde la teoria del Procesamiento de la informacin, segn los autores Newell y Simon que se basan a observar y en registrar los razonamientos y el procedimiento que siguen las personas para resolver los problemas bien estructurados, se tienen en cuenta los siguientes componentes bsicos:

el sistema que procesa la informacin ( osea la persona ) el entorno o ambiente de la tarea la representacion del problema o espacio del problema

Estos conceptos ya han sido explicados con anterioridad, los vuelvo a refrescar para que se tenga en cuenta en el problema que voy a resolver un poco mas adelante. El conjunto de los anteriores procesos forma el sistema de PI y expone que cuando alguien resuelve un problema hace lo siguiente: (Ernst y Newell (1969))

Input con la descripcin del problema que es activado por un traductor que convierte el problema en una representacion mental (espacial, verbal, simblica..) y en esta representacin interna tiene que estar: el estado inicial, la meta, los medios para acercar a ambos estados. A partir de estas representaciones se crean las estrategias de solucin llamadas operadoras y siguiendo el proceso ya descrito en la pagina 41 y 43.

Despues de este mini resumen, expondr las vias de solucin de un problema desde la psicologia mas clasica del PI (me pondr yo misma como sujeto que lo soluciona) y despus como lo hace un programa de IA

El problema de los misioneros y los canbales y el P.I

El juego parte de una situacin en la que existen tres misioneros y tres canbales que desean pasar un rio, para lo cual disponen de una barca. En la barca pueden ir un mximo de dos personas, pero existe un grave problema: en ningn momento puede haber en un lugar ms canbales que misioneros pues, en dicho caso los canbales se comen a los misioneros. El objetivo del juego es encontrar la secuencia de traslados que han de realizarse con la barca para hacer pasar a los seis de la ribera izquierda a la derecha del rio sin que los misioneros sufran ningn percance. Me represento el ambiente y la situacin a nivel mental y grfica (estado inicial), pienso en el objetivo o meta que tengo que alcanzar que es el cruzar a todos los misioneros y canibales sin que muera ninguno y manteniendo las restricciones como por ejemplo que slo pueden cruzar de dos en dos en la unica piragua que hay , con slo un remador y un remo (estado final). Los estado intermedios y las operaciones son todas las cavilas que hago para unir cada canibal con su misionero hasta llegar todos a la otra orilla del rio (meta) . Son: 1.Primero 1 misionero y un canibal (no el que puede remar) cruzan. 2.El misionero regresa. 3.Entonces el canibal que rema y el otro canibal cruzan. 4.El canibal que rema regresa. 5.Dos misioneros cruzan al otro lado. 6.Un misionero y un canibal regresan. 7.El canibal que rema y un misionero cruzan otra vez. 8.El misionero regresa con otro canibal, dejando al canibal que rema en el otro lado. 9.Los dos misioneros que todava estn en el lado original cruzan, y as los tres misioneros estn todos al otro lado del ro. 10.El canibal que rema tiene que hacer dos viajes para ir a traer a los otros dos canibales, uno por uno, que todava estn al otro lado del ro La forma en que lo he solucionado ha podido ser por algun tipo de estos 4 procedimientos:

Algoritmos Heursticos Aleatorios Sistemtico

En mi caso concreto he utilizado el aleatrio: ensayo y error y el sistematico: ejecutando todas las acciones posibles, es un mtodo eficaz pero poco econmico en tiempo.

Los mecanismos de resolucion de problemas en las diferentes IA -deduccin e induccin- y el problema de los misioneros y los canbales.

La mayoria de los mecanismos que utiliza la IA para hacer frente a las tareas de resolucin de problemas y toma de decisiones de carcter estructurado o semi se basan en la representaciones del mismo problema con un lenguaje introducible en una computadora para que sta lo ejecute a partir del cumplimiento de esas funciones introducidas. ste sistema es el que corresponde a la versin dbil o ms clasica de la IA - tabla de la pgina 28- y en la que se basan autores como Lenat y su proyecto Cyc o Feigenbaum y su SE. Decir que en el caso de Lenat se sigue con la introduccin de datos, pero stos se concretan en un lenguaje mas humano ( si partimos de que el lenguaje es un cdigo, el que ste utiliza es el ms proximo al que utilizan los humanos: oraciones, frases y exclamaciones cargadas de sentido comn en forma de heursticos y no en los clsicos algoritmos) que luego al ser expuesto al mundo todo lo que interprete y ejecute ser a partir de este. Por contra en la IA fuerte, el mecanismo utilizado por Brooks ( su supuesto oponente, pero que tiene en comn que tambien se basa en la bsqueda heurstica ) pasaria de la deduccin de datos -caso de Cyc- a la induccin. Con un ejemplo se ver mas claro, el robot de Cyc cuando vea una silueta pensar: tiene hojas, un gran tronco robusto, flores y frutos por lo tanto es un arbol. El caso de Cog ver el arbol y pensar: tiene hojas, un gran tronco robusto, flores y frutos. sta es la diferencia asumida por mi en trminos de deduccin y induccin entre otras como la nocin de aprendizaje mediante la interaccin social basada en el artculo Alternative essence of intelligence de Brooks. Estos dos sistemas son los mas contemporaneos de la IA, aunque pertenezcan a concepciones o paradigmas diferentes. El problema de los misioneros y los canbales utiliza las tcnicas algoritmicas y basada en los procesos de bsqueda. Los pasos que expondr a continuacin son un resumen de una prctica realizada en el laboratorio del departamento de Informtica e Ingenieria de Sistemas( recordar que es un subcampo de la IA ) del Centro Politcnico Superior de la Universidad de Zaragoza .

Qe se utiliza? Un programa basado en el lenguaje Common Lisp, en algoritmos de bsqueda y en la representacin del espacio de estados. -conceptos definidos con anterioridad-.

El programa Common Lisp usa una estratgia de bsqueda en anchura Algoritmo Primero a lo Ancho (BREATH-FIRST) y en profundidad Algoritmo Primero en Profundidad (DEPTH-FIRST)- ambos explicados en la pgina 34ste algoritmo lleva implementado del problema: la representacin del estado, representacin de los nodos, examen de la condicin de llegada al objetivo, cmo comprobar la aplicabilidad de los operadores, cmo comprobar si un estado ha sido ya alcanzado, as como la estrategia misma de bsqueda en anchura.

Pasos: 1. Introduccin de las siguientes funciones: (dfs estado maxProfundidad maxNodos) (bfs estado maxProfundidad maxNodos)

que comiencen con un estado dado, y utilizando las funciones: (expandir-estado estado) y (estado-objetivop estado), que permiten resolver un problema utilizando respectivamente las estrategias de bsqueda primero en profundidad (dfs: Depth-First-Search), y bsqueda primero en anchura (bfs: Breath-First-Search). Las funciones bfs y dfs debern escribir la siguiente informacin: (a) Un camino de estados, desde el estado inicial al estado objetivo, o bien avisar de que no se encontr ningn camino. (b) La profundidad mxima alcanzada. (c) El nmero total de nodos buscados. (d) El factor medio de ramificacin del problema. 2. Se Crean las estructuras de datos y funciones necesarias (*estado-inicial*, estadoobjetivop, *operadores*, etc.), para resolver el problema de los misioneros y los canbales. Se guardan en un fichero las trazas y las estadsticas obtenidas de aplicar las funcione dfs y bfs al problema. Se utilizan ambas funciones para resolver el problema utilizando primero un lmite de profundidad mximo de 5 y despus de 15.

No creo que valga la pena exponer todo el contenido as que veamos slo el inicio:

;;;

El juego se ejecuta llamando a la funcion: mc

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; ;;; Representacion del estado como una lista con 9 componentes: ;;; (defconstant estado-inicial '(ribera-izq (m m m) (c c c) bote --rio-- nil nil nil ribera-der)) ;;;Primitivas de acceso a la estructura de datos del estado ;;; (defun misioneros-izq (estado) (nth 1 estado)) (defun misioneros-der (estado) (nth 7 estado)) (defun canibales-izq (estado) (nth 2 estado)) (defun canibales-der (estado) (nth 6 estado)) (defun bote-izq (estado) (nth 3 estado)) (defun bote-der (estado) (nth 5 estado)) ;;; Variables utilizadas ;;; (defvar el-nodo-inicial nil "Nodo que plantea la situacion inicial") (defvar nodos-a-expandir nil "Lista de estados a considerar") (defvar nodos-expandidos nil "Lista de estados que ya han sido visitados una vez") ;;; Representacion de un nodo como un simbolo con dos propiedades: ;;; el estado y el nodo padre.

As es como piensa la mente de una mquina a la hora de resolver este tipo de problema.

5. La metfora del ordenador. Limitaciones de la IA : el papel de la creatividad y de las emociones.


La metfora del ordenador tiene 2 modalidades que coinciden con las dos de la IA: la versin dbil y la versin fuerte. Veamos un esquema extraido del artculo de Manuel de Vega. VERSIN DBIL Psicologia Cognitiva VERSIN FUERTE Ciencia Cognitiva

El ordenador y la mente son casos El ordenador es un simple apoyo conceptual y particulares de sistemas de procesamiento formal para las teorias psicolgicas. de propsito general El conocimiento se ajusta a un formato El conocimiento se ajusta a un formato proposicional, pero tambin incluye imgenes proposicional, formal y abstracto. mentales. Verdad como correspondencia con los hechos Verdad como coherencia lgica (funcin (funcin semntica de la teoria) sintactica de la teoria) El modelo computacional es la simulacin (S) El modelo computacional es la inteligencia artificial (IA)

La simulacin busca elaborar un programa La IA busca un programa eficiente (una que sea una buena teora psicologica (que inteligencia perfecta, no humana) refleja la inteligencia humana como es) Aqu otro esquema extraido de la revista polis nos muestra las diferencias entre el cerebro y el ordenador: Cerebro humano

Computador

Lento Razonamiento inductivo Impreciso Perceptivo Olvida Creativo Emocin Aprende Conexiones electro-qumicas

Rpido Razonamiento deductivo Preciso No perceptivo Memria a largo plazo No creativo Sin emocin Programado Conexiones electricas

La relacion entre psicologia y ciencia cognitiva en sus dos vertientes correlacion con la subdivision de IA dbil y fuerte respectivamente. Vemos que las principales diferencias y limitaciones con las que se encuentra el ordenador o las mquina y automtas frente el ser humano para compartir las mismas caracteristicas inteligentes son la creatividad, las emociones, aprender por si mismos, los elementos perceptivos y el tipo de razonamiento y las conexiones electricas versus las qumicas. A ver que piensan algunos autores sobre esto:

Minsky por ejemplo piensa que las emociones son un tipo de pensamiento, cuando se presenta un tipo de emocin determinada toda la atencin se dirige a encontra la solucin para reprimir esa necesidad son mtodos particulares de pensamiento, lograr que una mquina ejecute este proceso es cuestin de tiempo y el problema no radica en los sistemas informticos sino en el poco conocimiento que tenemos de la mente humana. A medida que encontremos ms caminos para que las mquinas se comporten de manera mas sensible, aprenderemos ms sobre nuestros procesos mentales Minsky tambien habla sobre el papel de la creatividad en las mquinas y dice que las investigaciones elaboradas hasta ahora siguen un rumbo incorrecto, no hay fijarse en las proezas que realizaron Einsteins y Beethoven sino en la gente sencilla y corriente. El problema radica en que la gente piensa que las mquinas no pueden crear ideas brillantes porque piensaque son dones que las mquinas -evidentemente- no adquieren porque si. Tal y como la evolucin cambi nuestra forma de ver la vida, la IA cambiar la visin sobre la mente. (...) es absurdo hablar de diferencia bsica entre la mente del ser humano y la de una hipottica mquina futura En cuanto a si las mquinas pueden aprender o no y sobre el concepto de percepcin, creo que el proyecto de Brooks es el mas indicado para hablar sobre este tema: El robot -Cog- tiene (...) una gran variedad de sistemas sensoriales, incluidos la visin, la audicin, el sistema vestibular, el cintico y el sentido del tacto. Con este proyecto Brooks rechaza la concepcin de inteligencia y la metodologia propuesta por la IA clasica y basandose en las neurociencias y la ciencia cognitiva adopta la presuncin de un modelo de humnoide que aprende de la interaccin social a partir del contacto con la gente y de la informacin que le ofrecen sus sentidos. En este caso la percepcin del propio humanoide va intimamente ligada a que puede aprender por si slo y el tipo de razonamiento tambien pues como he explicado antes, en mi opinin Cog trabaja con el inductivo (esa es la diferencia de las computadoras clasicas a estas contemporaneas) y es una gran aproximacin al humano igual que el hecho de que se imiten redes de neuronas artificiales-Artificial Neural Networks (RNA-ANN). El sentido comn es otro aspecto, en esta caso trabajado por Lenat y por el que est luchando para que su proyecto Cyc alcance a partir de cientos de miles de frases que formen una gran red de conocimientos que hagan que su robot hable con la gente de forma coherente como le hablan a l, utilizando las misma expresiones y reaccionando de igual manera. Puede que estos proyectos de IA -mas modernos- sean capaces de resolver problemas sociales como los humanos algun dia, de momento, nos conformaremos con lo que nos aporta para los estructurados y los no- estructurados. Mientrastanto la psicologia nos ayuda con sus teorias y modelos a conocernos y predisponernos mejor a elegir y solucionar los problemas para que nos hagan a los de carne y hueso la vida mas fcil.

You might also like