Integración de sistemas de inteligencia artificial

La idea central de la integración de sistemas de inteligencia artificial es lograr que los componentes de software individuales , como los sintetizadores de voz , sean interoperables con otros componentes, como las bases de conocimiento de sentido común , para crear sistemas de IA más grandes, más amplios y más capaces. Los principales métodos propuestos para la integración son el enrutamiento de mensajes o los protocolos de comunicación que los componentes de software utilizan para comunicarse entre sí, a menudo a través de un sistema de pizarra de middleware .

La mayoría de los sistemas de inteligencia artificial implican algún tipo de tecnologías integradas, por ejemplo, la integración de tecnologías de síntesis de voz con las de reconocimiento de voz . Sin embargo, en los últimos años, se ha intensificado el debate sobre la importancia de la integración de sistemas como un campo independiente. Entre los defensores de este enfoque se encuentran investigadores como Marvin Minsky , Aaron Sloman , Deb Roy , Kristinn R. Thórisson y Michael A. Arbib . Una de las razones de la reciente atención que está recibiendo la integración de la IA es que ya se han creado varios sistemas de IA (relativamente) sencillos para dominios problemáticos específicos (como visión artificial , síntesis de voz , etc.), y que integrar lo que ya está disponible es un enfoque más lógico para una IA más amplia que construir sistemas monolíticos desde cero.

El énfasis en la integración de sistemas, especialmente en lo que respecta a los enfoques modulares, se deriva del hecho de que la mayoría de las inteligencias de gran escala se componen de múltiples procesos y/o utilizan entrada y salida multimodales . Por ejemplo, una inteligencia de tipo humanoide debería ser capaz de hablar mediante síntesis de voz, oír mediante reconocimiento de voz, comprender mediante un mecanismo lógico (o algún otro mecanismo aún no definido), etc. Para producir software de inteligencia artificial con una mayor capacidad, es necesaria la integración de estas modalidades.

La colaboración es una parte integral del desarrollo de software, como lo demuestra el tamaño de las empresas de software y de sus departamentos. Entre las herramientas para facilitar la colaboración en el desarrollo de software se encuentran diversos procedimientos y estándares que los desarrolladores pueden seguir para garantizar la calidad, la fiabilidad y la compatibilidad de su software con el de otros (como los estándares W3C para el desarrollo de páginas web). Sin embargo, la colaboración en el campo de la IA ha sido escasa, y en general no se observa fuera de las escuelas, departamentos o institutos de investigación de prestigio (y a veces ni siquiera dentro de ellos). Esto representa un problema importante para los profesionales de la integración de sistemas de IA y, a menudo, obliga a los investigadores de IA a reinventar la rueda cada vez que desean que una funcionalidad específica funcione con su software. Aún más perjudicial es el síndrome del "no fue inventado aquí", que se manifiesta en una fuerte reticencia de los investigadores de IA a basarse en el trabajo de otros.

El resultado de esto en IA es un gran conjunto de "islas de soluciones": la investigación en IA ha producido numerosos componentes y mecanismos de software aislados que abordan diversas partes de la inteligencia por separado. Por ejemplo:

• Síntesis de voz
  • FreeTTS de CMU
• Reconocimiento de voz
  • Esfinge de la CMU
• Razonamiento lógico
  • Ciclo abierto de Cycorp
  • Red de Sentido Común de Mente Abierta del MIT

Con la creciente popularidad del movimiento del software libre , gran parte del software que se crea, incluidos los sistemas de IA, está disponible para su explotación pública. El siguiente paso lógico es fusionar estos componentes de software individuales en sistemas coherentes e inteligentes de naturaleza más amplia. Dado que la comunidad ya ha creado multitud de componentes (que a menudo cumplen la misma función), la forma más accesible de integración es proporcionar a cada uno de estos componentes una manera sencilla de comunicarse entre sí. Al hacerlo, cada componente se convierte en un módulo, que luego puede probarse en diversos entornos y configuraciones de arquitecturas más grandes. Algunos desafíos y limitaciones del uso del software de IA son los errores fatales incontrolados. Por ejemplo, se han descubierto errores graves y fatales en campos muy precisos como la oncología humana, como en un artículo publicado en la revista Oral Oncology Reports titulado "Cuando la IA falla: errores fatales en la asistencia para la revisión de la investigación oncológica". ^{[ 1 ]} El artículo señaló un grave error en la inteligencia artificial basada en GBT en el campo de la biofísica.

Existen numerosas comunidades en línea para desarrolladores de IA donde tutoriales, ejemplos y foros buscan ayudar tanto a principiantes como a expertos a construir sistemas inteligentes. Sin embargo, pocas comunidades han logrado popularizar un estándar o un código de conducta que permita integrar fácilmente la gran cantidad de sistemas diversos.

• ASIMO , el robot humanoide de Honda, y QRIO , la versión de Sony de un robot humanoide.
• Cog , un proyecto de robot humanoide del MIT dirigido por Rodney Brooks .
• AIBO , el perro robot de Sony, integra visión, audición y habilidades motoras.
• TOPIO , el robot humanoide de TOSY, puede jugar al ping-pong con humanos.

• Sistema inteligente híbrido , sistemas que combinan los métodos de la IA simbólica tradicional y los de la inteligencia computacional .
• IA neurosimbólica
• Los robots humanoides utilizan la integración de sistemas de forma intensiva.
• Metodología de diseño constructivista
• Arquitecturas cognitivas

• Metodología de diseño constructivista, publicada en la revista AI.
• MissionEngine: Integración multisistema mediante Python en el Proyecto de Lenguaje Táctico

• COG, un robot humanoide del MIT
• La biblioteca de la Iniciativa de Conocimiento Abierto