Modelando la inteligencia

La inteligencia natural es abundante en todos los ámbitos de la naturaleza. Las redes neurales extraen sus principios de las ciencias del cerebro para modelar reconocimiento, aprendizaje, y procesos de planeación. La lógica difusa refleja muy cercanamente la manera en que razonamos los humanos con reglas aproximadas.

Los algoritmos genéticos aprovechan directamente los conocimientos obtenidos a través de la investigación en genética, modelando los principios de Darwin de selección natural. Los Fractales asemejan vagamente la manera en que los sistemas vivientes repiten patrones mientras crecen. La teoría del caos usa mecanismos derivados de simulaciones matemáticas de procesos que nunca son exactamente los mismos dos veces. Los autómatas celulares modelan un universo de dos dimensiones de células vivientes y un conjunto simple de modos de interacción. Y la lista sigue.

La familia de métodos emergentes de solución de problemas que imitan la inteligencia forma parte de la computación cognoscitiva. La computación cognoscitiva substituye con técnicas de procesamiento mas inteligentes, las técnicas de programación tradicionales, largas y complejas. Estos modelos inteligentes se pueden aplicar a una gama mas amplia de situaciones ya que no tienen limitaciones, por ejemplo, a ser lineales.

Una desventaja de las técnicas de computación cognoscitiva es que, frecuentemente, no se puede probar su estabilidad de otra manera que con pruebas de campo extensivas. Las pruebas analíticas tradicionales son imposibles de obtener para un enfoque donde no se usa metodología analítica o no se sigue un modelo matemático.

Las tres tecnologías principales de la computación cognoscitiva son:

1.- Tecnologías Difusas (fuzzy).
2.- Tecnologías Neurales.
3.- Tecnologías Genéticas.

Las tres derivan su generalidad de la interpolación de soluciones a problemas desconocidos a partir de las soluciones a problemas que les son familiares.