Cap a la intel·ligència artificial: Progressos, reptes i riscos

Autors/ores

  • Ramon López de Mántaras Institut d’Investigació en Intel·ligència Artificial del CSIC (Bellaterra, Espanya). https://orcid.org/0000-0002-7392-0014

DOI:

https://doi.org/10.7203/metode.9.11145

Paraules clau:

intel·ligència artificial forta, intel·ligència artificial feble, coneixements de sentit comú, aprenentatge profund

Resum

Aquest article conté algunes reflexions al voltant de la intel·ligència artificial (IA). En primer lloc es fa la distinció entre IA forta i feble i els conceptes relacionats d’IA general i específica. A continuació, es descriuen breument els principals models existents. També es discuteix la necessitat de poder dotar de coneixements de sentit comú a les màquines per avançar cap a l’objectiu de construir IA general. Després parlem de les tendències en IA basada en l’anàlisi de grans quantitats de dades que han permès assolir progressos espectaculars molt recentment. Per finalitzar, parlem d’altres temes que són i continuaran essent clau en IA i tanquem amb una breu reflexió sobre els riscos de la IA.

Descàrregues

Les dades de descàrrega encara no estan disponibles.

Biografia de l'autor/a

Ramon López de Mántaras, Institut d’Investigació en Intel·ligència Artificial del CSIC (Bellaterra, Espanya).

Professor d’investigació i director de l’Institut d’Investigació en Intel·ligència Artificial del CSIC (Bellaterra, Espanya). Doctor en Física per la Universitat Paul Sabatier de Tolosa, master of Science en Informàtica per la Universitat de Califòrnia-Berkeley i doctor en Informàtica per la Universitat Politècnica de Catalunya. És membre numerari de l’Institut d’Estudis Catalans. Actualment investiga en raonament per analogia, en tècniques d’aprenentatge automàtic en robots humanoides i en intel·ligència artificial aplicada a la música, àrees en les quals ha publicat prop de 300 articles científics. Va publicar en 2017 el llibre de divulgació Inteligencia artificial dins de la col·lecció de llibres «Qué sabemos de» (Los Libros de la Catarata).

Referències

Bengio., Y. (2009). Learning deep architectures for AI. Foundations and Trends in Machine Learning, 2(1), 1–127. doi: 10.1561/2200000006

Colton, S., Halskov, J., Ventura, D., Gouldstone, I., Cook, M., & Pérez-Ferrer, B. (2015). The Painting Fool sees! New projects with the automated painter. In International Conference on Computational Creativity (ICCC 2015) (pp. 189–196). Utah, UT: Brighma Young University. 

Colton, S., López de Mántaras, R., & Stock, O. (2009). Computational creativity: Coming of age. AI Magazine, 30(3), 11–14. doi: 10.1609/aimag.v30i3.2257

Dreyfus, H. L. (1965). Alchemy and artificial intelligence. Santa Monica, CA: RAND Corporation.

Dreyfus, H. L. (1992). What computers still can’t do: A critique of artificial reason. Cambridge, MA: MIT Press.

Ferrucci, D. A., Levas, A., Bagchi, S., Gondek, D., & Mueller, E. T. (2013). Watson: Beyond Jeopardy! Artificial Intelligence, 199, 93–105. doi: 10.1016/j.artint.2012.06.009

López de Mántaras, R. (2016). Artificial intelligence and the arts: Toward computational creativity. In The next step: Exponential life (pp. 100–125).Madrid: BBVA.

McCulloch, W. S., & Pitts, W. (1943). A logical calculus of ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5, 115–133. doi: 10.1007/BF02478259

Newell, A., & Simon, H. (1976). Computer science as empirical inquiry: Symbols and search. Communications of the ACM, 19(3), 113–126. doi: 10.1145/360018.360022

Searle, J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3(3), 417–424. doi: 10.1017/S0140525X00005756

Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., Van den Driessche, ... Hassabis, D. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529(7587), 484–489. doi: 10.1038/nature16961

Weizenbaum, J. (1976). Computer power and human reasoning: From judgment to calculation. San Francisco, CA: W. H. Freeman and Co.

Descàrregues

Arxius addicionals

Publicades

2019-03-06

Com citar

López de Mántaras, R. (2019). Cap a la intel·ligència artificial: Progressos, reptes i riscos. Metode Science Studies Jornal, (9), 119–125. https://doi.org/10.7203/metode.9.11145
Metrics
Views/Downloads
  • Resum
    9561
  • (Español)
    10
  • PDF
    1294

Número

The grounds of science (2019)

Secció

Interconnectats. Màquines i humans davant del segle 10101

Llicència

Drets d'autor (c) 2023 CC BY SA

Creative Commons License

Aquesta obra està sota una llicència internacional Creative Commons Reconeixement-CompartirIgual 4.0.

Tots els documents inclosos en OJS són d'accés lliure i propietat dels seus autors.

Els autors que publiquen en aquesta revista estan d'acord amb els següents termes:

    1. Els autors conserven els drets d'autor i garanteixen a la revista el dret a la primera publicació del treball, llicenciat baix una llicència de Reconeixement-NoComercial-SenseObraDerivada 4.0 Internacional de Creative Commons, que permet a altres compartir el treball amb un reconeixement de l'autoria del treball i citant la publicació inicial en aquesta revista.
    2. Es permet i s'anima els autors a difondre la versió definitiva dels seus treballs electrònicament a través de pàgines personals i institucionals (repositoris institucionals, pàgines web personals o perfils a xarxes professionals o acadèmiques) una vegada publicat el treball.

Metrics

Articles més llegits del mateix autor/a