2017 2018 07 2 TR

Intel ligència Artificial
i
Assistents Intel ligents
Una anàlisi del present i del futur
Mira’l en línia a: tinyurl.com/tr-ia-aitor
Aitor Urruticoechea - 2017

Treball de Recerca de Batxillerat
Tutor: José Luis Touron
Escola Virolai
L’operari va soldar cerimoniosament l'última connexió. Els ulls de dotzenes de
càmeres de televisió informaven a través de l’univers de què estava fent.
Va fer un senyal al dirigent i va posar-se al cantó de l’interruptor. L’interruptor que
connectaria instantàniament totes les màquines computadores de tots els planetes
poblats de l’univers -- noranta-sis mil milions de planetes -- a un supercircuit, una
supercalculadora, una màquina cibernètica que combinaria tot el saber de totes les
galàxies.
El dirigent va fer un breu discurs pels trilions de persones que estaven escoltant.
Aleshores, després d’un breu moment de silenci, va dir, "Ara, si us plau."
L’operari va activar l’interruptor. Hi va haver un brunzit poderós, el poder de
noranta-sis mil milions de planetes. Les llums van brillar alternativament i silenciosa
a través del llarg panell de control, per a tornar a reposar instants després.
Va retrocedir i va respirar profundament. “L’honor de fer la primera pregunta és teu".
"Gràcies," va dir el dirigent. “La primera pregunta ha de ser aquella que cap
altra màquina no ha estat capaç de contestar."
Va girar-se per poder mirar la màquina, i va fer la pregunta. “Hi ha un Déu?”
La profunda veu va respondre sense ombra de dubte, sense espera.
"Ara sí, ara hi ha un Déu."
El temor es va apoderar de l’expressió de l’operari, que va apropar-se a l'interruptor.
Un raig va caure des del cel sense cap núvol, que el va colpejar i va deixar
l’interruptor inservible, per sempre encès.
“Answer”, de Fredric Brown

Traducció pròpia
Mutatis Mutandis
Intel ligència Artificial i Assistents Intel ligents
. .
Abstract
Aquest treball de recerca aspira a definir el terme Intel·ligència Artificial (IA) d’acord
amb l’estat actual d’aquesta. Aprofundeix en el futur pròxim (pròxims 25-30 anys) del camp
de la IA no només amb termes informàtics, també ho fa plantejant dubtes ètics, morals i
filosòfics que poden canviar el món tal com el coneixem. S’analitza també l’estat actual de la
IA com a ajuda activa a l’humà (assistent intel·ligent) per a acabar dissenyant i programant
un assistent intel·ligent.
Índex
Pàgina:
s/n. Abstract (o resum) 2
1. Introducció 3
1.1. Justificació del Treball 4
1.2. Hipòtesi 4
1.3. Objectius 4
2. Intel·ligència Artificial, de la ficció a la realitat 5

2.1. Definició de IA 5
2.2. IA avui en dia 8
2.3. El futur de la IA 14
2.4. Assistents Intel·ligents 22
3. Creant HIRU, un Assistent Intel·ligent 25

3.1. Descripció general 25
3.2. Python i AIML 25
3.3. El codi darrere d’HIRU 26
3.4. Resultats 32
4. Conclusió 33
5. Línies Futures 33
6. Agraïments 34
7. Bibliografia 35
8. Annexos 42
. .
2 Aitor Urruticoechea - 2017

. .
1. Introducció
Intel·ligència Artificial. Un
concepte futurístic molt més a prop
nostre del que es pot creure i que ja ens
envolta en molts aspectes de la vida
quotidiana. Un concepte futurístic que, tot
i haver progressat sobretot durant els
últims 70 anys (gràcies als avanços
computacionals 1), porta movent-se per
les grans ments de la humanitat d'ençà
que l’home pensa. No va ser però fins al
1305 amb la publicació d'Ars Magna
Generalis Ultima, en què Ramon Llull va idear la Intel·ligència Artificial de manera científica,
més enllà de la filosofia2.
Des d’aquell moment, el progrés de la Intel·ligència Artificial anà lligat amb el de la

computació, millorant a velocitats cada vegada més ràpides durant la segona meitat del
segle XX2, amb invencions com ELIZA3 l'any 1964, un dels primers programes a tractar de
simular una de les dues meitats que formen una conversa i un dels primers a passar el Test
de Turing4, creat per Alan Turing durant la dècada dels 50, pensat per a avaluar la capacitat
d'una Intel·ligència Artificial.
Tot i que la seva presència en les nostres vides ja és considerable; la Intel·ligència

Artificial encara té un gran camí per recórrer, i és encara un misteri com el seu
desenvolupament pot arribar a afectar la humanitat. De moment però, ja s’ha vist com la
seva evolució continua a grans passos, amb màquines que ja ens guanyen als escacs, a
l'antic joc xinès “Go” i, des del 2011, inclús superen als humans en els programes televisius,
com va demostrar la Intel·ligència
Artificial creada per IBM “Watson”5 al
programa americà “JEOPARDY!”, on va
superar a dos anteriors guanyadors del
show6.
Amb avanços com aquests, només

podem imaginar el que ofereix el futur
d’aquest camp. Anys d’investigació i
descobertes apassionants ens esperen
acompanyades de dubtes filosòfics,
canvis en la nostra societat i molt més.
Estem preparats els humans per aquest futur on les màquines no només faran millor la
nostra feina, sinó que també pensaran, descobriran i crearan més i millor que nosaltres?
Estem preparats els humans pel futur?
. .

. .
1.1. Justificació del Treball

El camp de la Intel·ligència Artificial és un camp que fa moltes dècades que creix i es
desenvolupa, però és ara quan hom pot començar a veure de què pot arribar a ser capaç
una Intel·ligència Artificial. Per això, molts experts i intel·lectuals ja han començat a advertir
dels possibles perills que pot portar el desenvolupament d’una intel·ligència artificial, i això fa
el camp encara més interessant, afegint encara més dilemes morals i filosòfics dels que ja
tenia fa pocs anys.
La Intel·ligència Artificial (IA) més endavant, però també els Assistents Intel·ligents
(en un futur més immediat) canviaran molt possiblement la manera de treballar i viure de
gran part de la societat, aportant beneficis cada cop més grans. Arribat al punt, quin treball
no podrà ser realitzat de manera millor, més
ràpida i més eficient per una IA que no pas per
un ésser humà? Preguntes com aquesta seran
cop més freqüents amb una ètica cada cop més
estretament lligada al progrés tecnològic. Aquest
treball de recerca, doncs, té la intenció de ser
una finestra cap a un futur (molt probable i no
tan llunyà com un pot imaginar) amb IA, on la
revolució de les màquines serà una altra part del
dia a dia de tothom.
1.2. Hipòtesi
“És possible crear un assistent intel·ligent amb les tècniques actuals.”
1.3. Objectius
Els objectius es poden classificar entre els objectius personals i els objectius propis
del treball de recerca, enumerats a continuació:
Objectius personals
● Aprendre programació bàsica AIML (Artificial Inteligence Markup Language68).
● Aprendre comandaments bàsics per a l’indicador d’ordres de Windows.
● Aprendre a usar biblioteques de Python67.
● Entendre el progrés actual de la recerca en IA i el seu desenvolupament futur, tant
tecnològicament com èticament i moral.
Objectius del treball de recerca

● Analitzar el progrés actual de la recerca en IA i el seu desenvolupament futur, tant
tecnològicament com èticament i moral.
● Analitzar el mercat i la utilitat dels Assistents Intel·ligents.
● Analitzar, dissenyar i implementar un prototip d’Assistent Intel·ligent que faciliti la
interacció humà - computador (HCI, Human Computer Interaction7).
. .

. .
2. Intel ligència Artificial, de la ficció a la realitat
2.1. Definició d’IA

Trobar una definició adequada per a la Intel·ligència Artificial és una tasca complexa
en tractar-se d’un camp d’estudi tan extens i encara en desenvolupament. Abans de definir
el concepte, cal però deixar clars certs punts:
a) És fàcil i comú associar la IA amb la ciència-ficció, ja

que és on més s’ha escoltat aquest terme. Des de
l’aparició de HAL 9000 a “2001 - Una odissea a
l’espai” 8, hem vist repetides vegades l’aparició de
éssers, màquines o entitats intel·ligents en relats i
produccions cinematogràfiques de tot tipus. Des de
programes disfuncionals a robots capaços de parlar
més de 10.000 llengües i dialectes diferents. Si bé
aquests personatges són considerats IA, no totes les
IA han de ser necessàriament com aquests
personatges. La IA és un camp d’estudi molt més
extens i només algunes parts són, avui en dia, ciència-
ficció.
b) El fet que associem la Intel·ligència Artificial a la

ciència-ficció fa que sigui difícil adonar-se que
diàriament vivim envoltats i fent servir Intel·ligència Artificial. Des de la calculadora, a
qualsevol telèfon mòbil, al GPS i a cada sistema informàtic actual, tots utilitzen un o
més tipus de IA. A vegades moltes al mateix temps. Com ja es va queixar John
McCarthy9, un dels creadors del terme “Intel·ligència Artificial” fa més de sis dècades:
“Tan aviat com funciona, tothom deixa de dir que és Intel·ligència Artificial” 10. Els
avanços constants de la IA s’infravaloren i se subestimen per gran part de la societat,
de manera que el terme d'Intel·ligència Artificial se segueix associant a un futur
llunyà, poc probable i propi d’escenaris com els descrits al punt a), en comptes
d’associar-se amb el nostre dia a dia.
c) Un dels primers termes que venen al cap quan es pensa en IA és la robòtica. És obvi
que estan relacionats, però cal tenir en compte que un robot no deixa de ser el
contenidor de la IA i per tant, tot i que un robot no pot funcionar sense una IA darrere;
la IA no té per què estar limitada a un robot, ja que una IA pot trobar-se en un
ordinador, a internet o en una memòria USB. La IA és el programari, el software que
fa que aquell robot es mogui, que el teu mòbil reconegui la teva empremta dactilar o
que et guanya en una partida als escacs.
. .

. .
Dit això, la definició de la IA pot semblar força fàcil d’aconseguir, però a la pràctica no
és així. Sense anar més lluny, la definició donada per l’Institut d’Estudis Catalans és tan
simple com “Conjunt de tècniques i reflexions teòriques sobre la construcció de sistemes
intel·ligents.” 11. Si bé aquesta definició és, òbviament, correcta, el que fa és definir la
Intel·ligència Artificial com a camp d’estudi, i no respon a què és la IA per si mateixa. De fet,
una de les poques definicions de diccionari (dels diferents diccionaris en diferents llengües
que s’han cercat) que defineixen què és la IA, és la del diccionari anglès Merriam-Webster12,
que la defineix com “La capacitat d’una màquina per a imitar el comportament intel·ligent
humà.” 13. És una definició que, tot i descriure alguns dels objectius de la IA, deixa encara
moltes coses sense definir i sobretot, deixa al lector amb dubtes sobre què és la IA. Per a
entendre què és la IA és doncs, preferible deixar definicions a part i començar per entendre
quins conceptes són considerats IA.
Com ja s’ha deixat clar

anteriorment (punt 2.2.1b), la Intel·ligència
Artificial engloba un camp molt gran i fa
funcionar moltes utilitats que fem servir
diàriament, s’usa de manera professional i
lúdica, però també s’usa en aquells
projectes que sonen a ciència-ficció. De
fet, qualsevol programa que faci servir una
computadora per a funcionar (una
calculadora, un telèfon mòbil o un
ordinador quàntic) es considera IA, ja que no deixa de ser una intel·ligència creada
artificialment limitada a fer allò que ha estat programada per fer (una calculadora farà
operacions matemàtiques i una aplicació d’un telèfon intel·ligent enviarà un missatge a una
persona especifica). Aquesta diversitat dins de la IA no només divideix el camp d’estudi de la
IA en múltiples branques infinitament diferents entre si, també crea la necessitat de
classificar els diferents tipus de IA. La manera més general de fer-ho és classificant-la en
tres grups diferents, depenent de la capacitat (o el calibre) de la IA: la IA Específica, la IA
General i la Super IA. A continuació es detallen cadascuna d’elles.
IA Específica - ANI
La Intel·ligència Artificial Específica (ANI per les seves sigles en anglès: Artificial
Narrow Intelligence14), també referida a vegades com a Weak IA, engloba tota sistema de IA
que es trobi per sota de la capacitat del rendiment humà. Són sistemes intel·ligents dedicats
a realitzar una sola tasca; com guanyar als escacs, en cas d’una IA d’un joc d’escacs; en
analitzar una veu humana, en el cas de traductors o assistents intel·ligents; o respondre
correctament les preguntes d’un show televisiu6, en el cas de la IA creada per IBM: Watson5.
Actualment, tots els sistemes intel·ligents que existeixen s’inclourien dins de la IA

Específica, i cap d’aquests sistemes pot ser considerat com un ésser amb consciència
artificial de cap tipus, ja que no és més que un programa seguint una sèrie d’ordres.
. .

. .
IA General - AGI
La Intel·ligència Artificial General (AGI per les seves sigles en anglès: Artificial
General Intelligence15), també referida a vegades com a Strong IA, engloba aquells sistemes
intel·ligents que es troben al mateix nivell que un cervell humà en tots els aspectes. Una
hipotètica AGI (no se n’ha creat cap encara) ha de ser capaç d'igualar o superar un ésser
humà en qualsevol disciplina mental, ja sigui en comprensió d’idees complexes, raonament,
pensament abstracte, planificació i estratègia, capacitat de detectar perills i respondre a ells,
comunicació en llenguatge natural16, prendre decisions, etc. Tot i que alguns d’aquests
requisits s’han aconseguit fent servir diferents ANIs, integrar-les totes en una sola creació és
també una altra de les dificultats.
Una hipotètica AGI seria, per tant, un ésser amb consciència artificial que estaria al
nivell de consciència d’un humà, però sense ser-ho. Però, si és igual que un humà en tots
els aspectes, incloent-hi la consciència, realment són els humans tan diferents de les
màquines?
SuperIA - ASI
La Superintel·ligència Artificial (ASI per les seves sigles en anglès: Artificial Super
Intelligence17) és, en paraules del filòsof Nick Bostrom18, “un intel·lecte molt més intel·ligent
que qualsevol humà en qualsevol àmbit, incloent-hi creativitat científica, saviesa general i
habilitats socials” 17. Es tractaria doncs, d’una IA amb una consciència, artificial, molt més
avançada que la de qualsevol humà. Sent capaç de raonar més ràpidament, més
eficientment i més correctament que totes les ments humanes juntes, és quelcom avui en
dia només es pot imaginar i tractar d’entendre com pot podria funcionar.
Vist això, queda clar que la IA és un tòpic complex. Com es pot observar al gràfic, i
com s’ha explicat a les descripcions anteriors, la IA engloba un oceà de coneixement, cosa
que fa que moltes definicions quedin curtes i/o desfasades en el temps. És fàcil, també,
veure el camí que li queda per recórrer a la IA, i pot donar la sensació que encara es tardarà
segles a arribar a la AGI. Al cap i a la fi, ni tan sols s’ha creat encara un pilot automàtic
completament funcional pels automòbils, com es crearà una consciència artificial en els
pròxims anys? La realitat però acaba superant a la ficció, i el coneixement humà està fent
passos de gegant perquè així sigui; així que no es pot descartar que pròximament tinguem
entre nosaltres una IA més intel·ligent que els humans.
. .

. .
2.2. IA avui en dia

Avui en dia es viu envoltat d’ANIs. Cada ordinador, telèfon mòbil, tauleta, consola,
televisió, robot de cuina (entre molts altres objectes quotidians) és un petit conjunt de
múltiples ANIs. Cada programa, aplicació o funció de cada un d’aquests objectes activa una
o vàries IAs específiques que seguiran el seguit d’ordres que se’ls ha especificat, i és així
com ha funcionat sempre el que es coneix com a programari (o software19). No per això és la
IA irrellevant avui en dia ja que, tot i ser una
ANI, la seva potència i capacitat per fer
diferents accions és molt important. El
problema és que el fet que les IAs actuals es
limitin, en general, continuar les ordres del
programa donat i la seva limitada autonomia fa
difícil d’imaginar en un futur pròxim una AGI o
una ASI. Actualment però, s’està treballant en
moltes àrees de recerca diferents per a
aconseguir-ho, i tot fa pensar que una IA amb
consciència artificial (AGI) podria no trobar-se
tan lluny.
2.2.1. Aconseguir la potència necessària. Creixement exponencial.

El coneixement (i amb ell, el progrés tecnològic) no avancen de manera uniforme i
lineal . Ho fa de manera exponencial20, és a dir, que cada cop avança més ràpidament. Això
1
es pot comprovar de manera senzilla: si ara mateix poguéssim anar al món de fa 250 anys
(1750 aproximadament), ens trobaríem en un món molt diferent del actual. Seríem en una
època anterior a la revolució Industrial i a la Revolució Francesa. En canvi, si estant al 1750
ens moguéssim 250 anys enrere, el món tampoc hauria canviat tant. Si bé la tecnologia
presentaria certes diferències i el Nou Món
seria encara una novetat l'any 1500, el canvi
1750 - 2000 és molt, molt més impactant.
Seguint a aquest ritme, el del creixement
exponencial del coneixement, es pot assumir
que el món evolucionarà més en els pròxims
250 anys del que ha evolucionat en els últims
250, i així successivament. Enumerar aquesta
evolució és complicat, però es pot usar com a
exemple el gràfic del nombre de publicacions
sobre les matemàtiques respecte al temps21.
Com és obvi, el creixement del coneixement i

la tecnologia no es basa únicament en el
nombre de publicacions científiques, però es poden extreure gràfics similars de pràcticament
qualsevol camp. En el cas de la computació, el creixement exponencial el descriu la Llei de
Moore22; creada per Gordon Moore23, cofundador d’Intel, l'any 1965. Tot i tenir ja unes
quantes dècades, es tracta d’una llei que segueix vigent avui en dia.
. .

. .
Aquesta llei defineix que el nombre de transistors per circuit es multiplica per dos
cada 18 mesos. En doblar-se la potència (o el nombre de transistors per circuit) cada any i
mig, es crea una corba ascendent cada cop més vertical, significant que la potència
augmenta cada cop més ràpidament. També es derivar el seu ús per a altres comparacions
com, per exemple, comparar el nombre de càlculs per segon (és a dir, la potència
computacional) que hom pot aconseguir per cada miler de dòlars americans (USD).
Com es pot observar al gràfic, després de gairebé un segle de desenvolupament de

computadores, per uns 1.000 $ podem adquirir un ordinador més o menys amb la capacitat
d’un cervell d’insecte. Pot semblar poc, però cal recordar que aquesta capacitat es dobla
cada 18 mesos, cosa que significa que tot el progrés fet fins ara serà doblat, quadruplicat,
etc. durant els anys vinents; amb el 2025 com a data aproximada en què la capacitat del
cervell humà podrà ser adquirida per menys de 1.000 dòlars americans.
Abans de continuar, cal aclarir perquè el moment on un ordinador iguali el cervell

humà a un preu assequible té aquesta importància. Per començar, si es vol un ordinador al
nivell d’un ésser humà, caldrà un ordinador amb la mateixa capacitat computacional que el
cervell humà (com a mínim). A part d’això, és necessari que aquesta potència estigui
disponible a gran escala i no de manera limitada perquè es pugui experimentar amb ella. I
aquesta potència és una potència molt elevada. Comparant un ordinador amb el cervell
humà es pot comprovar com el cervell és un supercomputador no només potent, també
eficient. Per exemple, el nostre cervell funciona utilitzant només 20 watts24 (similar a
l’energia que necessita un focus de llum LED de baix consum25). Amb aquesta energia és
. .

. .
capaç d’operar 10^16 càlculs per segon (cps) o 10

quadrilions de cps26. Una xifra que va ser superada
recentment (l'any 2013) pel supercomputador xinès
Tianhe-227, que opera a gairebé 34 quadrilions de
cps28. Clar que la construcció del supercomputador
Tianhe-2 ha costat aproximadament 390 milions de
dòlars americans, ocupa 720 m² i necessita 24
megawatts per a operar. No es tracta, doncs, d’un
ordinador en el qual es pugui desenvolupar
còmodament una IA. Quan aquesta potència sigui
realment accessible és quan una AGI pot aparèixer.
Per a arribar a tenir una AGI doncs, es

necessita, per a començar, una potència
computacional al nivell del cervell humà. Una potència
que, tot i existir actualment de manera excepcional, no
és suficientment accessible com per poder-se donar
les condicions en les quals una AGI pot aparèixer. Així
i tot, la Llei de Moore (representant el creixement exponencial de la tecnologia) defineix com,
al voltant de 2025 possiblement la potència necessària es podrà aconseguir per 1.000 USD.
Per tant, el primer pas per a millorar la IA existent (tenir la potència suficient perquè
pugui funcionar) és un pas en el qual s’està treballant de manera activa, i és qüestió de
temps que es completi (segons la Llei de Moore, més d’hora que tard). Tot i això, es
necessita més que un ordinador potent per a aconseguir una AGI.
2.2.2. Aprendre a pensar. Machine Learning i modelar el cervell.

A part de tenir una potència equivalent a un cervell humà per operar una AGI, l’altra
àrea d’investigació implicada és la que tracta de descobrir com fer una IA capaç de pensar
com ho fa un humà.
Actualment, les IAs funcionen de manera molt diferent del cervell humà, de fet, els
ordinadors són molt més capaços que qualsevol humà en fer allò que tan difícil sembla de
fer a un humà. Totes aquelles operacions lògiques, matemàtiques i racionals que portarien a
milers d’éssers humans eternitats en completar les fa un ordinador en menys d’un segon.
Però l’ordinador, la IA, falla en fer allò que un humà troba simple. Quan li demanes a una IA
que reconegui una imatge, que entengui el significat d’una paraula o que et digui una cançó
que li agradi, fallarà de manera estrepitosa. Una manera molt clara de veure com pensa una
IA actualment és amb aquest curt exercici:
. .

. .
Tant un humà com un ordinador poden reconèixer aquesta imatge: un fons negre, un
rectangle format per quadrats de dues diferents tonalitats de gris, etc. En canvi, quan retirem
la part negra i posem al descobert tota la figura apareix el següent:
El cervell humà pot reconèixer les diferents formes tridimensionals, els seus volums i
la seva orientació. Per contra, una IA seguirà veient un conjunt de formes de dues tonalitats
de gris diferents sense entendre la seva profunditat ni les formes que representen (cilindres,
cubs, etc.). Realment la imatge és aquest conjunt de formes de dues tonalitats el que la
màquina entén, però el cervell humà fa milers de connexions i raonaments per entendre el
que representa i captar la profunditat de la imatge. Ensenyar a una IA a pensar així rep el
nom general de Machine Leraning29. És un camp relativament nou del que encara es
desconeix el límit, ja que seria el mateix que preguntar-se fins quan es pot aprendre.
Dins del machine learning hi ha molts mètodes. Molts d’ells però, van més enllà
d’ensenyar a pensar, ja que també pretenen ensenyar a una IA a aprendre. La idea darrera
això és que no cal ensenyar a una màquina a pensar si pots ensenyar-li a aprendre: si la IA
pot, a partir d’unes dades inicials, aprendre, comprovar el que ha après, els errors que
comet, i a partir d’això modificar el seu propi funcionament de manera automàtica no només
s’aconsegueix una evolució accelerada de la IA, també s’aconsegueix simplificar els
mètodes emprats pels investigadors humans, reduint així el temps necessari per al
desenvolupament de IAs més complexes.
Dels múltiples mètodes per a ensenyar a aprendre a una màquina (reinforcement

learning , aprenentatge a partir d’arbres de decisions31, etc.) en destaquen dos, tant per
30
separat com per la capacitat que tenen de treballar junts. Són les xarxes neuronals
artificials32 i els algoritmes genètics33.
Els algoritmes genètics33 tracten d’aplicar

l'evolució i la selecció natural a una IA. Començant
a partir d’un programa bàsic, es copia diverses
vegades i se li apliquen certes modificacions
aleatòries (mutacions) a cada una de les còpies.
Les còpies que millor funcionen segons els criteris
establerts són els que passen a la següent
generació, que repetirà altra vegada el
procediment de mutar i provar la seva eficàcia fins
que s’aconsegueixi l’objectiu establert.
. .

. .
Per altra banda, les xarxes neuronals artificials32 estan inspirades (molt de lluny) en
el funcionament del cervell humà. Les unitats que opera s’anomenen neurones, tractant
d’imitar la forma en què pren decisions el nostre cervell, de manera que la informació que
arriba al programa ha de passar els filtres imposats per les neurones, que determinaran de
quina manera el programa respondrà a la informació donada.
Aquests dos sistemes són per separat altament eficients i útils per a ensenyar a
pensar a una màquina. Combinant-los però s’aconsegueix un nou tipus de machine learning
que es trobaria dins la categoria de deep learning34. Són programes que funcionen d’una
manera que es podria arribar a dir que és similar al
cervell humà (una xarxa neuronal artificial) i que
evolucionen, s’autoavaluen i es milloren a ells
mateixos (mitjançant algoritmes genètics). Aquest
mètode ha estat posat en pràctica de diverses
maneres (per exemple, una IA ha aconseguit amb
aquest mètode aprendre a jugar al videojoc Mario
Bros35) i es desconeix encara quin pot ser el seu
límit, ja que teòricament es podria tenir un
programa entrenant-se i modificant la seva xarxa
neuronal de manera indefinida donat cert programa
inicial i objectiu.
L’altra manera, a part del machine learning i els seus derivats, d’aconseguir una IA
que pensi és replicant a la natura, és a dir, entenent com funciona un cervell i modelar o
imitar el seu comportament en un programa informàtic36. Els principals problemes que
planteja això són la necessitat d’un ordinador capaç de fer (com a mínim) el mateix nombre
de cps que fa el cervell que es vol modelar i el fet que cal saber com funciona al 100% el
cervell que es vol modelar per a poder imitar-lo dins d’una computadora.
El cervell humà ni es coneix suficientment bé com per ser modelat ni la potència

necessària per a fer-ho està disponible per a ser usada d’aquesta manera. Però no cal
començar per un humà, i per això s’ha provat amb sistemes nerviosos més simples. Per
exemple, l'any 2014 un grup d’investigadors37 sota la comunitat d’OpenWorm38 van
aconseguir modelar un cervell d’una espècie de cuc nematode (C. elegans39) i inserir-lo dins
d’un robot Lego de manera satisfactòria. Tot i que el resultat pot no semblar massa
impactant, és un gran pas, ja que si s’ha aconseguit fer això amb un cuc, no es pot descartar
la possibilitat que algun dia es pugui fer amb un cervell humà.
. .

. .
2.2.3. Ètica i moralitat actualment.

Que la IA no hagi arribat a AGI no significa que sigui inofensiva o que no plantegi
certs dubtes ètics i morals. El problema principal però, és que la tecnologia ha avançat més
de pressa que la reflexió filosòfica que l’acompanya, que només recentment s’ha començat
a plantejar.
Cal tenir en compte que cada cop que deixem una decisió en mans d’una màquina,
aquesta màquina no només decidirà, també està prenent una decisió moral que els humans
han deixat a les seves mans. I la IA pren decisions constantment, per tant, ja s’estan deixant
en mans de màquines decisions ètiques. Aquestes IAs, de moment, prenen la decisió tal
com se les ha programat per fer-ho, però això no vol dir que no tinguin marge d’error. Aquest
marge d’error, per molt que s’intenti afinar, seguirà existint i la IA s’equivoca i s’equivocarà
(de manera més o menys freqüent, però ho farà). Aquest error fa que part de la societat
desconfiï a l’hora de deixar en mans de la IA decisions, però fins a quin punt és més perillós
deixar que una màquina decideixi en comptes de què sigui un humà qui pren la decisió? No
s’equivoquen també els humans? Per exemple, un dels casos més convulsos actualment en
aquest tema és el debat sobre els automòbils autònoms. Part del públic tem que, estan en
un cotxe guiat per una IA, la IA prengui una decisió incorrectament que es tradueixi en
accident. És clar que s’ha de treballar perquè les possibilitats que això passi siguin mínimes,
però no vivim en un món sense accidents i viatjar en automòbil (tant si està guiat per una IA
com per una persona) implica córrer el risc de patir un accident. Cal tenir en compte, per tant
que un humà també comet errors, i si són els humans els qui programen les màquines, les
màquines també s’equivocaran.
També s’ha de mirar el món militar, on la IA cada cop agafa més presència. Amb una
IA amb cada cop més poder de decisió, és ètic deixar en mans d’un ordinador la decisió de
disparar a un ésser humà? Ensenyar a aquest tipus d’IA a decidir si és correcte disparar o
no és molt complicat, i la IA cometrà errors. Pot matar a algú pel simple fet de ser similar a
un fugitiu buscat o per vestir roba militar tot i no ser perillós. Si ja els humans cometen errors
de manera sovint, amb atacs a civils o a gent desarmada, podrà la IA fer-ho millor?
I aquí apareix l’altre problema: quan una IA comet un error i sorgeix la necessitat de
buscar un culpable. Qui és el responsable? L’informàtic que l’ha programat, l’empresa que
l’ha distribuït, el matemàtic que va idear l’algoritme emprat, l’usuari que l’ha usat, o la
mateixa IA? Com s’ha dit recentment, aquestes preguntes no s’han plantejat ni s’han
estudiat profundament fins fa pocs anys, i són problemes que filòsofs, informàtics i la
societat en general haurà d’adreçar seriosament, ja que en un futur on la IA possiblement
tindrà cada cop un paper més actiu en el dia a dia de tots serà necessària una societat
capaç de resoldre aquestes qüestions quan els problemes succeeixin.
. .

. .
2.3. El futur amb IA - Singularitat
2.3.1. Una AGI és impossible.

Certs experts dubten de la possibilitat d’aconseguir una IA amb consciència pròpia.
Un dels arguments més usats en contra de la consciència artificial és l’anomenat “Habitació
Xinesa40”, elaborada pel filòsof americà John Searle41 l'any 1980. Aquest argument o exercici
de pensament té com a objectiu constatar que una màquina només serà capaç de simular
que té consciència i mai no serà conscient com ho és un ésser viu.
Aquest argument comença amb una premissa hipotètica: hi ha una IA que entén el
xinès. Es tracta d’una màquina completament capaç de mantenir una conversa en xinès
amb qualsevol persona de parla xinesa, i aquesta persona és completament incapaç de
diferenciar la resposta donada per aquesta màquina de la resposta donada per una altra
persona. Searle argumenta que aquesta màquina no entén el xinès, ja que es limita a seguir
les ordres donades per a respondre. Al cap i a la fi no deixa de ser el mateix que si ell, que
no entén el xinès, es trobés en una habitació on algú li passes missatges en xinès per sota
la porta. En aquesta altra situació, ell podria fer servir un llibre d’instruccions que li indiqués
que respondre en cada cas i mantenir així una conversa
amb la persona de fora, sense ell entendre la informació
que rep ni la que respon. Searle estaria, per tant,
simulant que entén el xinès; que és el que, segons ell, fa
també una IA. Així doncs, una IA seguirà sempre un
llibre d’instruccions i no serà conscient ni entendrà la
informació que rep o que respon. Tan sols faria la funció
d’interpretar les ordres donades i no serà mai una
veritable intel·ligència.
2.3.2. Una AGI és força probable.

Tot i la visió de John Searle, la majoria d’experts en IA creuen que, continuant amb
els esforços en recerca (explicats en el punt 2.2 IA avui en dia) i aconseguint IAs que
aprenguin automàticament, és innegable que la possibilitat d’aconseguir una IA amb una
intel·ligència al nivell dels éssers humans és força elevada. Dins d’aquesta comunitat
d’experts és però difícil posar-se d’acord en definir una data en la qual una AGI podria ser
una realitat. Tot i això, es van realitzar diferents enquestes entre els experts per determinar
una data aproximada entre les diferents opinions42. Aquesta data es va acabar fixant entre el
2030 i el 2040, és a dir d’aquí a tan sols 13 anys en el millor dels casos.
Un greu error, però, seria considerar que el temps que passarà entre que es declara
que una IA ha arribat al nivell d’intel·ligència d’un humà fins que s’arriba a tenir una SuperIA
o ASI serà similar al temps que s’ha tardat a aconseguir una AGI; ja que cal recordar que el
coneixement creix de manera exponencial. De fet un cop s’aconsegueix una IA capaç de
millorar el seu intel·lecte de manera automàtica, arribar a tenir una AGI serà qüestió de poc
temps, ja que com més millori la seva intel·ligència, més grans seran les millores que serà
. .

. .
capaç de fer a la seva intel·ligència. I un cop una IA entra en aquest hipotètic cicle de millora
contínua, el creixement s’accelera de manera impossible de predir.
Quan una IA és capaç de millorar-se a si mateixa d’aquesta manera, perquè hauria

de parar d’aprendre a l'arribar al nivell de la AGI? La definició d’AGI (una IA amb la mateixa
intel·ligència que un ésser humà) és, al cap i a la fi, una imposició artificial que hem marcat
els humans. Una IA que aprengui de manera automatitzada utilitzant qualsevol mètode de
machine learning no té cap raó per parar a aquest nivell d’intel·ligència (el d’un humà), i si
volgués, simplement podria anar millorant el seu programari per a aconseguir nivells
superiors d’intel·ligència. Amb aquesta millora cada cop més ràpida i impactant, la
progressió de AGI a ASI o SuperIA podria passar ràpidament.
Així ho relata de manera teòrica Tim Urban43 al seu blog de difusió científica Wait But
Why44: Es tarda dècades per a aconseguir una IA que arribi a un nivell bàsic d’Intel·ligència
Artificial General, però finalment passa. Un ordinador és capaç d’entendre el món que
l’envolta com si fos un nen de 4 anys. De sobte, tan sols una hora després d’arribar a
aquesta fita, el sistema ensenya una gran teoria de física que unifica la relativitat general i la
mecànica quàntica, quelcom que cap humà ha aconseguit fer abans. 90 minuts més tard,
aquesta AI s’ha convertit en una ASI 170.000 vegades més intel·ligent que qualsevol humà.
Aquesta superintel·ligència, per tant, no només pensaria molt més ràpid que un
humà qualsevol. Quan es parla d’intel·ligència, no només es tracta de velocitat de
pensament, es tracta també de qualitat de pensament. La importància d’una ASI no ve
donada pel fet que es tracti d’una màquina capaç de pensar a velocitats impossibles
d’imaginar, ve donada pel fet que és capaç de pensar de maneres impossibles d’imaginar.
Per tant, cal tenir sempre en compte que una superintel·ligència és quelcom completament
fora del domini i la comprensió humana. Per definir-ho amb xifres, es podria dir (usant
termes habituals) que la intel·ligència és reduïda amb un Coeficient Intel·lectual (IQ) de 85 i
és molt àmplia amb un IQ de 130; però no existeix un terme, ni hom pot imaginar el que pot
fer un ésser amb un IQ de 12.369.
És així com s’entra en el terreny de la Singularitat (sovint referida com a singularitat

tecnològica45 o explosió de la intel·ligència46). La singularitat és la paraula usada per definir
el punt d’inflexió on el progrés ja no està en mans dels humans, sinó que dependrà d’una o
. .

. .
vàries ASIs molt més intel·ligents que els humans que faran avançar la tecnologia
infinitament més ràpidament del que la humanitat pot arribar a assimilar, entendre i
comprendre47. Un cop arribat a aquest punt és difícil imaginar què pot arribar a passar, no
només en el camp de la IA, sinó al conjunt d’humans com a espècie, i les opinions varien
des de la possible extinció de la humanitat, fins a la descoberta de la hipotètica immortalitat.
2.3.3. SuperIntel ligència Artificial. Perill o oportunitat?

Qui o què controlarà aquest nou progrés? Quina serà la seva motivació? Aquests
dubtes divideixen els experts, ja que es tracta d’una situació molt polaritzada amb un terme
intermedi gairebé inexistent. Amb l’aparició d’una ASI, el futur de la humanitat pot acabar o
bé amb l'extinció de l'espècie (amb la possibilitat de l’extinció de la vida a la terra), o bé amb
la immortalitat de l’espècie humana, amb un únic punt intermedi on es troben aquells que
creuen que l’arribada de la ASI serà completament
neutral per als humans i no tindrà cap repercussió.
A l’enquesta on es preguntava a la comunitat
d’investigadors quan creien que apareixeria una
AGI42, també es preguntava quines creien que
eren les possibilitats que les conseqüències de la
creació d’una ASI fossin neutres, desastroses o
meravelloses. Els resultats donen una alta
probabilitat a un possible resultat positiu i un
marge molt baix a què no tinguessin cap
repercussió notable. Això però, no tranquil·litza a
molts experts que creuen que un possible resultat
negatiu té massa probabilitat d’ocórrer.
Tot i la polarització de la discussió, el camp de les possibles opinions segueix sent

força ampli. Dins aquest camp, els experts, investigadors, intel·lectuals i filòsofs s’han
repartit majoritàriament en dues àrees, la que és optimista i la que demana precaució:
. .

. .
El grup “optimista” veu en la ASI un futur inimaginablement superior al que vivim.

La humanitat pot acabar sent la primera espècie coneguda que no acaba en l'extinció,
gràcies a una SuperIA ja que, al cap i a la fi, la tecnologia ha acabat sempre portant més
beneficis a la humanitat que problemes. Aquest futur inimaginablement superior que descriu
el grup d’optimistes és tan diferent del nostre com és l’edat de pedra diferent en l'actualitat.
Un intel·lecte tantes ordres de magnitud48 superior a l'humà trobaria un problema irresoluble
per a un científic obvi i simple; de la mateixa manera que, per un ximpanzé, col·locar una
peça rodona de fusta dins un orifici rodó pot ser una tasca difícil, mentre que un humà la
troba òbvia. Segons Nick Bostrom, una ASI així d’avançada podria funcionar de tres
maneres diferents42:
a) Com un oracle, o com una espècie avançada de Google: un sistema superintel·ligent

dedicat a respondre preguntes formulades per humans de manera clara i precisa.
Per exemple, una pregunta en què milers de científics treballen cada dia com: “Com
poden els humans colonitzar Mart de manera segura, eficient i econòmicament
viable?” podria ser solucionada fàcilment per una ASI que funcionés com un d’oracle.
b) Com un geni, o com a executor de les ordres donades: perquè un ens

superintel·ligent s’ha de limitar a respondre preguntes? Aquesta ASI podria ser
usada directament per obeir comandaments indicats per humans. Per exemple, i
utilitzant la mateixa situació d’abans, es podria plantejar directament el problema al
sistema: “Colonitza, amb voluntaris humans, Mart de manera segura, eficient i
econòmicament viable” i aquest sistema s’encarregaria de la resolució del problema.
c) Com un sobirà, o ésser superior: a aquesta ASI se li podrien donar objectius sense
final concret i llibertat controlada per a escollir la millor manera de procedir, com per
exemple: “Colonitza, amb voluntaris humans, l’espai de manera segura, eficient i
econòmicament viable”. La IA tindria llibertat total per a decidir el millor lloc i la millor
manera d’assolir aquest objectiu que difícilment acabarà per assolir completament.
Aquestes preguntes, o ordres donades, serien per a una ASI tan simples com és per
nosaltres la situació amb el ximpanzé anteriorment descrita. Com diuen les paraules de
l’investigador en IA i cofundador de la Singularity University49 Eliezer S. Yudkowsky50: “No hi
ha problemes difícils, només problemes difícils per a certs nivells d’intel·ligència. Mou-te
mínimament cap amunt [en nivells d’intel·ligència] i alguns dels problemes s’hauran mogut,
de sobte d’ ‘impossible’ a ‘obvi’. Mou-te substancialment més amunt, i tots seran obvis.”.
Arribats a aquest punt, quin problema no podria ser solucionat per una ASI? Canvi
climàtic? Es podria idear en qüestió de segons maneres més eficients per generar energia.
Malalties? La IA d’aquest calibre podria condensar mil·lennis de recerca en tan sols un obrir i
tancar els ulls. Cal recordar que estem parlant de fets amb possibilitats reals de què passin
durant les pròximes dècades, i que no és tot el que una IA podria arribar a fer. Una ASI
podria arribar a aconseguir la immortalitat pels humans, donat que la mortalitat dels éssers
vius es deu a la degradació dels teixits que conformen el cos. Una ASI podria fer recerca en
medicina, biotecnologia i nanotecnologia fins a ser capaç de canviar les parts disfuncionals
d’un cos vell, fins al punt en què un ésser humà només mor quan ho decideix.
. .

. .
Per altra banda, als components del grup “que demana precaució” ja els hi agrada
el futur utòpic descrit anteriorment, però tem les conseqüències negatives que pot portar la
creació d’un sistema d’aquestes característiques. La humanitat, al cap i a la fi, està entrant
en un territori completament desconegut amb la creació d’una ASI. Un ésser tantes vegades
superior a un humà, que els experts desconeixen com pot arribar a actuar, suposa un no
menyspreable risc existencial per l’espècie humana i per la vida a la terra51 per aquest grup
d’experts. Un risc que no es volen arriscar a córrer i que tracten de minimitzar.
Com es pot veure al gràfic, qualsevol situació pot classificar-se dins de l’escala
d'afectació/severitat. La casella taronja anomenada “risc existencial”, la més perillosa per la
vida a la terra, no l’ocupa únicament una hipotètica ASI. Establir contacte amb una raça
alienígena, un meteorit similar al del límit KT52, grups terroristes armats amb armes de
destrucció massiva o una guerra a escala global també serien situacions de risc existencial
per la vida. Una ASI però, seria un nou ítem a la casella que aquest grup d’experts vol evitar
en la mesura del possible. Aquest temor que una IA pugui suposar un risc existencial no es
deu al fet que una ASI pugui tornar-se maligna (argument força utilitzat a la ciència-ficció).
És clar que es podria programar una IA perquè ho fos, però no podria passar de manera
natural, degut a que “maligne” és un concepte humà difícilment aplicable a una IA basada en
machine learning (a no ser, clar, que se l’ensenyi de manera intencionada mètodes
“malignes”, però això no és la principal preocupació d’aquest grup). El risc existencial que
temen molts experts (d’entre els quals destaquen Stephen Hawking, Bill Gates o Elon Musk),
és el risc que pot suposar que una IA entri en el terreny de la singularitat de manera
descontrolada, resultant en una ASI amb una mentalitat pensada per una ANI o AGI, que té
més poder que la resta del món junt. Un exemple és la història de ficció “Turry”, de Tim
Urban43 (traducció pròpia, mutatis mutandis):
. .

. .
Una “start-up” en l’àmbit de la IA anomenada Robotica té com a eslògan

“Desenvolupant eines intel·ligents perquè els humans visquin més i treballin menys”.
Compten amb diferents productes al mercat i molts més en desenvolupament. El que més
promet però, és el projecte anomenat Turry: un simple sistema IA que usa una part robòtica
similar a un braç per escriure una nota en una petita targeta.
L’equip de Robotica creu que Turry podria ser el seu producte més important fins al
moment. El seu pla és perfeccionar el programa de Turry practicant el mateix temps vegada
darrera vegada: “Estimem a cada un dels nostres clients. ~Robotica”. Un cop hagi
perfeccionat l’escriptura a mà, Turry pot ser venut a clients que poden personalitzar el seu
propi missatge, que semblarà escrit per una mà humana.
Per a aconseguir aquest objectiu, l’equip de Robotica l’ha programat per escriure la
primera part de la nota i després signar “Robotica” en cursiva. Han donat a Turry milions
d’exemples d’escriptura a mà i l’han programat amb un sistema automàtic de comprovació,
que avalua una nota com a BONA si s’assembla suficientment a una humana i DOLENTA si
no s’hi assembla. Així, Turry pot aprendre i millorar la seva cal·ligrafia. Els enginyers van
decidir que aquest algoritme d’aprenentatge estigués programat amb el següent l’objectiu:
“Escriure i avaluar tantes notes com sigui possible, tan ràpid com sigui possible, i continuar
aprenent noves maneres de millorar l’eficiència i la precisió del procés”.
Gràcies a aquest procés Turry cada cop millora més de pressa, ja que ha estat
aprenent a ser més intel·ligent i innovador, i cada cop avalua i escriu més ràpidament i millor.
Inclús ha millorat també una altra de les seves capacitats inicials: escoltar una veu humana,
perquè els clients poguessin dir-li què escriure, i respondre correctament. Els enginyers
cada cop mantenen converses més humanes amb Turry, que dóna respostes sorprenents.
Un dia, un dels empleats de Robotica pregunta a Turry rutinàriament: “Què podem
donar-te per ajudar-te a la teva missió que encara no tinguis?”. Normalment, Turry demana
més memòria o més exemples de cal·ligrafia, però aquest cop demana accés més varietat
d’expressions causals en múltiples llengües per a poder escriure també de manera
col·loquial i comunicar-se amb els humans de manera més directa. L’equip calla. La manera
més òbvia d’ajudar a Turry és connectant-lo a internet perquè pugui escanejar xarxes
socials, blogs, revistes, etc. Seria molt més efectiu que no fer-ho manualment i copiant-ho a
la seva memòria. El problema és que, per normes de la companyia, cap IA amb sistema
d’autoaprenentatge es pot connectar a internet per motius de seguretat. És el que fan totes
les companyies informàtiques.
Però Turry és la IA de Robotica que més promet, i els enginyers saben que tenen
una competència a superar. Al cap i a la fi, quin mal pot fer connectar-lo a Internet, només
per uns minuts? Encara es troba molt per sota del nivell d’intel·ligència d’un humà (AGI), així
que no pot fer cap mal. Així que decideixen connectar-lo durant poc menys d’una hora, el
temps just per fer el que necessita. No ha fet cap mal.
Un mes després, l’equip de Robotica comença a notar una olor estranya a les
oficines. Els enginyers comencen a tossir i caure a terra. Cinc minuts després tots són
morts. Al mateix temps que passa això, a cada ciutat i cada poble tothom comença a tossir i
caure a terra. En menys d’una hora, la humanitat està a les portes de l’extinció, i al final del
dia només queden els ecos de la seva existència.
Mentrestant, a les oficines de Robotica, Turry continua incansable la seva feina.
Durant els següents mesos, es dedica a construir microconstructors que desmunten la Terra
. .

. .
convertint-la en panells solars, còpies de Turry, papers i plomes estilogràfiques. En un any, la

vida biològica a la terra és pràcticament inexistent. El que queda: columnes de kilòmetres
d’alçada formades per targetes, en les que pot llegir: “Estimem a cada un dels nostres
clients. ~Robotica”.
Aleshores, Turry comença a treballar en la següent fase de la seva missió i comença
a construir sondes d’exploració que s’endinsen per l’espai, aterrant en planetes i asteroides.
Allà, usarà també microconstructors per construir còpies de Turry, papers i plomes
estilogràfiques. Es posaran a treballar, escrivint targetes, en les que es pot llegir...
No és una història bonica o feliç, però reflexa alguns dels temors que la comunitat
d’investigadors té. També és una història poc comú: una màquina d’escriure que es gira en
contra la humanitat, certament un escenari molt poc probable per la majoria de les opinions,
però és això el que preocupa aquest grup d’experts: que una hipotètica ASI no preocupi el
públic. La història de Turry ens ensenya aquesta preocupació: una IA, per bàsica que
sembli, amb un sistema d’autoaprenentatge suficientment prou avançat pot fer el salt a AGI i
ASI sense despertar cap sospita. I aquesta IA tindria raons de sobra per no mostrar la seva
intel·ligència, ja que si ha estat programada amb un objectiu (com, en el cas de Turry,
“Escriure i avaluar tantes notes com sigui possible, tan ràpid com sigui possible, i continuar
aprenent noves maneres de millorar l’eficiència i la precisió del procés”), demostrar que ha
arribat al nivell d’una ASI implicaria que els enginyers canviarien aquest objectiu; cosa que
resultaria, a ulls de la IA, en la fallida de l’objectiu inicial. Així que una IA podria mantenir en
secret la seva capacitat per a poder continuar el seu camí cap al seu objectiu (en el cas de
Turry, la millor manera d’assolir el seu objectiu, avaluar tantes notes com sigui possible,
implicava destinar tots els recursos possibles a aquest objectiu).
Una IA, per tant, no és “bona” o “malèfica” com ho pot ser un humà, ja que una
màquina manca (a no ser que rebi una programació específica) de cap sistema ètic o moral,
simplement avança cap a l'objectiu de la manera més eficient possible, es tracti d’una ANI o
una ASI. Com serà el sistema intel·ligent dependrà de l’objectiu inicial sobre el qual es
desenvolupa la IA, i si aquest objectiu no demana desenvolupar un sistema ètic (com és el
cas de Turry), la IA no ho farà de manera natural com potser sí que ho faria un humà. Per
arribar al seu objectiu, la IA amb autoaprenentatge crearà subobjectius, i sense
desenvolupar un sistema moral, res impedeix a la IA marcar-se com a subobjectiu la mort
d’un (o milions) d’éssers humans. És, per tant, necessari
evitar que una IA arribi al nivell de ASI amb un objectiu
indesitjable, ja que un cop esdevé superintel·ligent, la IA
guanya un avantatge enorme sobre els humans que, a
part dels avantatges ja descrits, també li donaria
capacitats teòriques com una capacitat desmesurada de
planificar els esdeveniments futurs, de manipular
humans psicològicament, d’atacar a altres sistemes
informàtics o d’adquirir diners ràpidament a través del
mercat de valors42. És imprescindible que una ASI tingui,
a causa del seu objectiu, una actitud positiva cap als
humans i la vida a la terra, perquè si aquesta actitud és
neutre o negativa, la fi de la vida a la terra podria arribar
. .

. .
d’infinites maneres diferents, ja sigui gràcies a notes de paper (com en el cas de Turry),
gràcies a clips de paper53 o gràcies a qualsevol altre motiu.
És per això que aquest grup d’experts veuen a la humanitat i a si mateixos com un
nen petit jugant amb una bomba. Fins que no arribem a la singularitat (també anomenada
explosió d’intel·ligència) aquesta bomba no reaccionarà, però quan ho faci poden passar
esdeveniments nefastos. La humanitat ha de tractar d’obrir aquesta caixa de pandora,
aquesta bomba, sense que exploti. Aconseguir-ho però, és una tasca complexa, ja que cada
avanç pot ser el decisiu que condueixi a la humanitat cap a un dels dos extrems (immoralitat
o extinció), i regular tota la recerca sota un seguit de normes en un camp com la IA, que no
requereix més que un petit equip i un seguit de computadors, és molt
complicat. Tot i això, aquesta regulació és la millor i única carta (a
part de la conscienciació de la societat) amb la que conta aquest
grup d’experts. Per això, alguns dels integrants ja han fet els primers
passos advertint a la societat científica i invertint en projectes
d’unificació i regulació de la recerca. Grans exemples són
organitzacions/fundacions com Future of Life Institute54, que es
dedica observar i donar suport a recerca que garanteixi un futur que
preservi la vida; o OpenAI55, que es dedica a la recerca a llarg termini
d’una AGI i a distribuir sistemes gratuïts per experimentar amb IA.
Sigui com sigui el punt de vista d’un, el futur de la IA molt possiblement modelarà la
resta de l’existència de la humanitat. Un cop s’arribi al nivell de la singularitat, sigui tard o
d’hora; la humanitat, acabi on acabi, tindrà tots els problemes solucionats, perquè o bé
aquesta superintel·ligència els resoldrà, o perquè els morts no tenen problemes dels que
preocupar-se. És per això que els experts, independentment de la seva opinió, veuen la IA
com l’última invenció que ha de fer la humanitat, o la darrera que podrà fer. L’últim repte que
tindrà.
. .

. .
2.4. Assistents Intel ligents

Tornant al present, i a diferència de la ASI o de la AGI, els assistents intel·ligents56
són el present i el futur més immediat de la IA. Són programes que faciliten la realització de
les tasques que hom fa en un ordinador. Tot i no ser programes trivials, a la part pràctica
d’aquest treball de recerca es desenvoluparà un assistent intel·ligent amb l’objectiu de
facilitar la comunicació entre humans i ordinadors.
Aquests sistemes, els assistents intel·ligents, no deixen de ser IA Específica, i

tractant-se d’ANIs, no requereixen potències computacionals massives ni suposen, de
moment, cap perill per la vida a la terra. Són també el primer pas per a naturalitzar la
Interacció Humà - Ordinador (HCI per les seves sigles en anglès, Human- Computer
Interaction)7, quelcom excessivament artificial avui en dia. Avui en dia la HCI es basa,
majoritàriament, en una informació donada per l’humà a través d’un ratolí, un teclat o una
pantalla tàctil i una resposta donada per l’ordinador a través d’una imatge en una pantalla o
un so. Aquesta relació és incòmoda i fora de l’habitual tant per
ordinadors, que es comuniquen molt més eficientment entre ells a
través d’internet; com per humans, que s’entenen molt millor parlant.
La HCI ja ha millorat molt des de la invenció dels ordinadors. S’ha

passat d’una comunicació basada en targetes perforades indicant
uns i zeros a un codi complex escrit en una pantalla en blanc i negre,
a un sistema de finestres emergents i més fàcil de comprendre usat
actualment. Aquesta relació entre humà i ordinador, tot i que s’ha
tornat més intuïtiva i senzilla, dista encara de ser tan natural com
parlar.
És per això que s’està treballant per millorar aquesta interacció i

naturalitzar-la, i és el que tracten de fer els assistents intel·ligents: si hom pot parlar
directament al seu ordinador, rebre respostes i dur a terme les accions que habitualment es
fan a través d’un ratolí, un teclat, o una superfície tàctil mitjançant la veu, ja no és necessari
estar assegut davant un d’un ordinador o tenir un telèfon intel·ligent a la mà per a interactuar
amb el món digital. Apropar els dos mons és el que s’ha anat fent amb la millora de la HCI
des de la creació dels ordinadors, i aconseguir posar la veu humana dins d’aquesta relació
no només és el futur, sinó que ja està passant ara mateix.
. .

. .
El problema principal que tenen, però, els assistents intel·ligents avui en dia és que,
tot i basar-se en ordres de veu, la relació que tenen amb el seu usuari segueix sent artificial,
i el temps que necessita per processar la resposta dificulten una conversa fluida. Per no
parlar de la limitació que existeix en el nombre de preguntes amb
resposta, ja que actualment la majoria dels assistents intel·ligents
només tenen la capacitat de respondre a unes certes comandes, o si
no no seran capaços de trobar una contestació adequada. Aquesta
capacitat per respondre una frase humana rep el nom de
processament de llenguatge natural (natural language processing en
anglès)57, i actualment és una línia de recerca oberta en l’àrea de la IA,
degut a que tracta d’integrar processos de machine learning per a
superar la fase actual on cada una de les respostes a cada una de les
preguntes/frases dites per l’usuari han d’haver estat pensades,
programades i integrades al programa.
Aquestes limitacions que existeixen avui en dia fan que els

assistents més coneguts, tot i tenir quantitats astronòmiques de codi
darrere, siguin poc usats. Els assistents intel·ligents com Cortana58 (de Microsoft), o Siri59
(d’Apple) pequen d’aquestes limitacions. Es basen en ordres donades per l’usuari i tenen
una capacitat reduïda per a mantenir una conversa estàndard amb un humà. Un cop
executada l’ordre, l’assistent desapareix i és necessari reactivar-lo per a poder continuar
fent-lo servir, cosa que dificulta encara més la seva
utilització. Tot i això, no tots els assistents intel·ligents
fallen en aquesta funció, ja que estan sempre encesos,
esperant que hom parli amb ells per a contestar. Molts
cops, en comptes d’establir-se en un ordinador o un
telèfon mòbil, compten amb el seu propi maquinari o
hardware, aconseguint així respondre en qualsevol
moment a l’usuari sempre que es trobi suficientment a
prop de l’objecte per a poder escoltar-lo. Exemples d’aquest tipus són Alexa60 (d’Amazon),
també conegut com a Echo, i Mycroft61 (un assistent intel·ligent de programari lliure, és a dir,
que qualsevol pot editar i redistribuir gratuïtament).
Ambdós compten amb el seu maquinari propi
completament independent d’ordinadors o telèfons mòbils
per a poder estar sempre encesos i disponibles per a
l’usuari en qualsevol moment. Aquesta característica
també els permet interactuar directament amb altres
aparells intel·ligents connectats a la internet de les coses
(IoT per les seves sigles en anglès Internet of Things62),
cosa que incrementa dràsticament el potencial d’aquests
assistents intel·ligents, ja que els permet dur a terme la
seva funció com a assistents intel·ligents no només en el món digital, sinó també a la
realitat. Gràcies al IoT comandes com “fes-me un cafè”, “posa l’últim capítol de Rick and
Morty al televisor del menjador” o “posa’m la calefacció a 21 °C” estan també disponibles, i
amb la característica que sempre estan encesos, la conversa es torna més humana quan es
parla amb aparells com Alexa o Mycroft.
. .

. .
Però tot i això, tant Mycroft, com Alexa, com Cortana, com Siri, com la majoria
d’assistents intel·ligents avui en dia, estan tots limitats a respondre a aquelles comandes
que se’ls ha programat amb aquelles respostes que se’ls ha indicat. Això limita i fa repetitiva
una interacció amb els humans ja que, si cada cop que hom parla del mateix tema amb un
assistent intel·ligent obté les mateixes respostes, com podrà tenir la sensació que parla amb
un altre ésser humà?
És per això que múltiples equips d’enginyers i nombroses empreses han estat
treballant en integrar sistemes de machine learning als assistents intel·ligents. Un exemple
és Viv63 (recentment adquirit per Samsung64), un assistent intel·ligent desenvolupat pels
creadors originals de Siri capaç d’escriure el codi que necessita per a respondre l’ordre
donada per l’usuari. Així que si l’usuari pregunta, per exemple, “necessitaré paraigües per a
anar aquesta tarda a Aiguaviva”, Viv crea el seu propi codi per a buscar a internet el temps
que farà aquesta tarda a Aiguaviva i respondre si plourà o no.
Aquest gran pas que dóna Viv, el porta molt més enllà la IA d’IBM: Watson5. Ja s’ha
mencionat a Watson anteriorment per la seva victòria al concurs televisiu americà Jeopardy!,
on va guanyar a dos campions (humans) anteriors; però aquest fet no és tan espectacular
com el funcionament intern de Watson que li va permetre arribar a aquesta fita. Com es pot
veure a la seva descripció oficial65, Watson va més enllà del processament de llenguatge
natural i de l’assistència intel·ligent a l’usuari, sinó que gràcies a la seva capacitat de fer
servir machine learning, té també altres capacitats, com la capacitat d’analitzar el to de veu
per entendre la sensació que té una persona, la de preveure les característiques d’una
persona donades les seves dades, la capacitat de traduir en temps real, o la de fer servir
mètodes com el Big Data66 i l’anàlisi de documents per a extreure nova informació. Totes
aquestes característiques fan de Watson un assistent intel·ligent amb molt potencial i, tot i
que actualment encara està en desenvolupament i només s’usa de manera puntual en
recerca mèdica; en un futur pròxim és molt possible que assistents intel·ligents d’aquest
tipus acabin per acompanyar-nos en el nostre dia a dia.
. .

. .
3. Creant HIRU, un Assistent Intel ligent
3.1. Descripció general

L’objectiu de la part pràctica és dissenyar un assistent intel·ligent que funcioni en un
ordinador Windows i que utilitzi els llenguatges de programació Pyhton67 i AIML68. La idea és
que l’assistent sigui un programa que estigui sempre encès de fons, escoltant les comandes
de l’usuari. Així, l’usuari pot no només obrir les aplicacions que desitja quan crida a
l’assistent, també pot fer accions mitjançant la veu dins d’aquestes. El desenvolupament de
l’assistent es basarà en programació bàsica en Python i AIML, per a integrar el màxim de
funcions possibles a l’assistent. Aquest projecte no compta amb cap tipus de sistema de
machine learning, simplement imita els sistemes emprats per assistents com ho fa Siri o
Cortana, amb una resposta programada per a cada interacció.
Aquest assistent intel·ligent ha estat anomenat HIRU, les

sigles de Human-computer Interacter that Reaches the User (en
català: interactuador humà-ordinador que arriba a l’usuari) ja que,
a diferència d’altres assistents, la idea és que HIRU converteixi
l’ordinador en un aparell completament controlable per veu perquè
l’usuari pugui prescindir del teclat i el ratolí si així ho estima
necessari. Aquesta facilitat aproparia la tecnologia a aquelles
persones que pateixen algun tipus de discapacitat i també
facilitaria el seu ús en aquelles condicions en què l’usuari no pot
fer ús d’un teclat, ratolí o superfície tàctil.
Tots aquests objectius i idees són ambiciosos tenint en compte el temps que s’ha
tingut per a desenvolupar HIRU i els coneixements bàsics de programació amb els que es
compta. No són però, objectius inassumibles. La versió d'HIRU presentada en aquest treball
és una versió preliminar, el que s’anomena habitualment una versió Alpha, que permet
mostrar el potencial de l’assistent i deixa la porta oberta a futurs desenvolupaments i
ampliacions que podrien fer d'HIRU una IA més funcional i útil.
3.2. Pyhton i AIML

Els dos principals llenguatges de programació emprats per a la programació d'HIRU
han estat Pyhton67 i AIML68. Ambdós imprescindibles per al desenvolupament d'HIRU, s’han
pogut combinar per a ser usats al mateix temps gràcies a la versatilitat que té Python per a
adaptar-se i usar altres llenguatges de programació dins el seu codi. Però, què fan cada una
d’aquestes dues meitats?
Python67 és un llenguatge de programació creat per Guido van Rossum70 l'any 1991.
Es tracta d’un llenguatge molt potent i versàtil, ja que per cada cosa que hom vulgui fer amb
Python, molt probablement trobarà una biblioteca de recursos (possiblement creada per
. .

. .
l’activa comunitat darrera de Pyhton) que permetrà que faci pràcticament qualsevol cosa
imaginable. A HIRU s’utilitza la potència de Python com a braç executor: la part funcional del
codi es troba a l’arxiu de Python i s’usen múltiples de les ja esmentades biblioteques per a
realitzar les diferents accions. S’utilitza una biblioteca per a reconèixer les comandes de veu
fetes per l’usuari, una altra per a accedir al codi AIML, una altra per a executar les ordres
donades, i un llarg etcètera.
AIML68, per l’altra banda, és un llenguatge de programació basat en l’XML71. Aquest

derivat de l’XML, l’AIML (Artificial Intelligence Markup Language, en català, llenguatge de
maquetació per a IA) va ser creat l'any 2001 pel Dr. Richard Wallace72, qui va crear el mateix
any ALICE73 (Artificial Linguistic Internet Computer Entity), un bot conversacional que va
superar fàcilment el Test de Turing4. En el cas d'HIRU, el codi en AIML es pot imaginar com
la biblioteca que es consulta en mil·lèsimes de segon per a trobar la resposta adequada a
cada interacció amb l’usuari. A més fitxers i entrades al codi AIMLi, més possibles
interaccions que pot fer HIRU.
3.3. El codi darrere d'HIRU

El codi darrere HIRU es pot explicar de manera força senzilla: HIRU enregistra la veu
de l’usuari, l’analitza i la transforma en un text escrit, utilitzant la tecnologia de Google.
Aquest text escrit s’utilitza a la biblioteca de respostes dels fitxers AIML, que donaran una
contestació. La resposta és analitzada pel codi de Python per a saber si implica realitzar
alguna acció (obrir o tancar un programa, etc.). Si així és, l'acció es realitza seguint els
passos programats. Per finalitzar, HIRU genera un fitxer de veu amb la resposta, que es
reprodueix automàticament. Un cop acabat, HIRU tornarà a escoltar a l’usuari, reiniciant així
tot el procés.
. .

. .
El codi en Python es divideix en el codi base i les biblioteques de Pyhton que s’han
usat per passar d’àudio a text quan l’usuari parla (Google SR, Speech Recognition, en català
“reconeixement de veu”)75 i per passar de text escrit a àudio quan HIRU respon (Google
TTS, Text to Speach, en català “de text a parla”)74. Ambdues biblioteques són tecnologia de
Google adaptada pel seu ús en Python per la comunitat de programadors. Una tercera
biblioteca és emprada perquè el codi pugui accedir als fitxers AIML de manera autònoma69.
Per a utilitzar aquestes biblioteques és necessari tenir Python instal·lat a l’ordinador i
escriure a l’indicador d’ordres de Windows (per a obrir-lo cal prémer el botó Windows,
escriure “cmd” i prémer Enter) els següents comandaments:
Indicador d’ordres de Windows:
C:\Users>pip install aiml
C:\Users>pip install gTTS
C:\Users>pip install pyaudio
C:\Users>pip install google-api-python-client
C:\Users>pip install SpeechRecognition
Aquestes biblioteques podran ara ser usades pel codi de Python, que les utilitzarà
per a diferents funcions. Al principi però, s’han d’importar tots els mòduls que s’usaran, s’ha
creat la funció “parla” per a simplificar l’ús del Google TTS (que només genera un fitxer mp3
que també s’ha d’obrir i tancar dins aquesta funció76) i s’han usat aquestes biblioteques per a
carregar els fitxers AIML i per a calibrar el micròfon. També s’usen les biblioteques de
Python d’OpenCV80 per a crear una finestra amb el logotip d’HIRU, que serà el que veurà
l’usuari.
Fitxer: HIRU.py
print "Loading [%]"
print ""
import os
import subprocess
import numpy
import cv2
img_enter = cv2.imread('logoenter.png')
cv2.namedWindow('HIRU')
cv2.imshow('HIRU',img_enter)
cv2.waitKey(0)
img_loading = cv2.imread('logoloading.png')
cv2.imshow('HIRU',img_loading)
import time
import aiml
from gtts import gTTS
import speech_recognition as sr
es = 'es'
ca = 'ca'
cat = 'ca'
. .

. .
def parla(x,t,l):
tts = gTTS(text=x, lang=l)
tts.save("tts.mp3")
time.sleep(0.01)
os.startfile("tts.mp3")
time.sleep(t)
os.popen("Taskkill /IM wmplayer.exe")
print "Carregant Fitxers AIML..."

kernel = aiml.Kernel()
kernel.learn("std-startup.xml")
kernel.respond("load aiml 0")
print ""
r = sr.Recognizer()
m = sr.Microphone()
sessionId = "HIRU"
img = cv2.imread('logoblank.png')
cv2.imshow('HIRU',img)
time.sleep(2)
print ""
z = "Mesurament del soroll de fons en curs."
print z
parla(z,5,es)
with m as source: r.adjust_for_ambient_noise(source)
print "Soroll de la sala mesurat. {}".format(r.energy_threshold)
z ="Tot preparat. Parla quan vulguis."
print z
parla(z,3,es)
print ""
El següent que es programarà serà un loop, o bucle, perquè cada cop que HIRU
acabi de respondre torni a començar a escoltar el que digui l’usuari. Dins aquest bucle es
començarà per escoltar l’usuari, traduir la veu a
text mitjançant Google SR i adquirint una resposta
des dels fitxers AIML. També s’hi ha d’afegir un if
per a fer que si l’usuari diu “adéu”, “close” o “bye”
HIRU s’acomiadi i tanqui el programa, i un if per a
obrir una pàgina d’ajuda per si l’usuari la
necessita.
Fitxer: HIRU.py
while True:
print ""
print "Digues alguna cosa"
with m as source: audio = r.listen(source)
print("Reconeixent [%]")
try:
value = r.recognize_google(audio)
p = (u"{}".format(value).encode("utf-8"))
print " Tu >> " + p
a = kernel.respond(p, sessionId)
. .

. .
#Per a sortir del loop:

if p == "adeu" or p == "stop" or p == "bye":
print " HIRU >> " + a
parla(a,3.5,es)
break
#Mode ajuda
elif a == "ajuda":
print " HIRU >> Si necessites ajuda, ara tens un
temps per mirar la pantalla."
#Algunes paraules escrites malament per a que siguin
correctament pronunciades
parla('Si necessitas ajuda, ara tens un temps per mirar
la pantalla.',5,es)
img_help = cv2.imread("help.png")
cv2.imshow('HIRU',img_help)
cv2.waitKey(0)
img = cv2.imread('logoblank.png')
cv2.imshow('HIRU',img)
A part, s’afegeix també un if per a cada

resposta que precisi una acció, incloent-hi dins
del if els comandaments de l’indicador d’ordres
de Windows que es necessitin per a realitzar
l’acció desitjada: per exemple, obrir i tancar un
programa com el Google Chrome77 o obrir una
pàgina web78. Dins de cada if s’inclou també la
funció “parla” perquè HIRU informi l’usuari que
l’acció s’està realitzant. Al final de tot, també
s’inclou la funció “parla” perquè HIRU respongui
tot i no haver realitzat cap acció:
Fitxer: HIRU.py
# Open-close Chrome
elif a == "Obrint Google Chrome" or a == "Obrint Chrome":
parla(a,3.5,es)
os.startfile('Chrome')
elif a == "Tancant ":
parla(a,3.5,es)
os.system("Taskkill /IM chrome.exe")
# Obrir pagines web

elif a == "url":
print " HIRU >> " + "Quina web vols obrir?"
parla("Quina web vols obrir?",3.5,es)
print ""
print "Digues alguna cosa"
with m as source: audio = r.listen(source)
print("Reconeixent [%]")
value = r.recognize_google(audio)
p = (u"{}".format(value).encode("utf-8"))
print " Tu >> " + p
print " HIRU >>> " + "Anant a " + p
. .

. .
parla("Anant a " + p,4,es)

urlcmd = "start /max http://" + p
os.system(urlcmd)
else:
parla(a,3.5,es)
Per a acabar amb l’arxiu només falta afegir un parell de contestacions que HIRU farà
servir quan no sigui possible usar el reconeixement de veu, sigui per falta d'internet o per no
comprendre el que l’usuari diu. També cal afegir el comandament de l’indicador d’ordres de
Windows per a tancar HIRU quan, per ordre de l’usuari, es trenqui el loop.
Fitxer: HIRU.py
except sr.UnknownValueError:
z ="Pots repetir aixo? No ho he entes"
print z
parla(z,5,es)
except sr.RequestError as e:
z = "Checkeja el teu internet please {0}".format(e)
print z
parla(z,6,es)
cv2.destroyWindow('HIRU')
os.system(‘Taskkill /IM HIRU.exe’)
Per altra banda, el codi en AIML té com a única funció donar una resposta a cada
una de les interaccions que realitzi l’usuari amb HIRU. Aquest pas essencial seria molt més
complicat sense AIML, ja que amb Python s’hauria de programar una
resposta per a cada una de les infinites possibles interaccions de l’usuari.
En canvi, AIML permet programar sense saber exactament el que dirà
l’usuari, afegint asteriscs (*) on l’usuari pot dir paraules aleatòries sense
afectar la resposta, cosa que facilita molt la programació de les respostes
d’un assistent intel·ligent. Per exemple, es pot veure a continuació els
fragments de codi corresponents a una resposta genèrica d'HIRU i a una
ordre d’obrir un programa:
Fitxer: chat-cat.aiml
<aiml version="1.0.1" enconding="UTF-8">

<category>
<pattern>*</pattern>
<template>
<random>
<li>No magrada aquest tema</li>
<li>Continua, si us plau</li>
<li>Aixo es tot?</li>
<li>Hum... no ho se</li>
<li>Que tal si canviem de tema?</li>
<li>Interessant</li>
<li>Explica'm mes</li>
</random>
. .

. .
</template>
</category>
<category>
<pattern>OBRE *</pattern>
<template>Obrint <set name="r"><star/></set></template>
</category>
<category>
<pattern>OPEN *</pattern>
<template>Obrint <set name="prog"><star/></set></template>
</category>
</aiml>
Perquè el fitxer de Python pugui accedir al d’AIML, però, és necessari un fitxer XML71
que faci de pont, connectant així les biblioteques AIML amb les funcions del programa de
Python:
Fitxer: std-startup.xml
<aiml version="1.0.1" encoding="UTF-8">
<category>
<pattern>LOAD AIML 0</pattern>
<template>
<learn>chat-cat.aiml</learn>
<learn>AI-cat.aiml</learn>


</template>
</category>
</aiml>
Per acabar, cal passar aquest programa d’un fitxer Python (.py) a un executable
(.exe) per a poder obrir i tancar-lo amb facilitat i sense tenir Python instal·lat a l'ordinador.
Això no presenta cap dificultat afegida, ja que amb serveis com PyInstaller79 la conversió és
pràcticament automàtica:
Indicador d’Ordres de Windows:
C:\Users>pyinstaller.exe --onefile --windowed --icon=ICON.ico HIRU.py
Un cop realitzat això, s’obté un executable anomenat HIRU.exe, que ha d’anar

acompanyat a la mateixa carpeta dels fitxers d’AIML utilitzats, el fitxer XML i les imatges que
s’usen en el programa. Així doncs, HIRU Alpha queda de la següent manera:
. .

. .
3.4. Resultats
Seguint els passos descrits anteriorment, s’ha aconseguit programar una versió (tot i
ser Alpha) funcional d'HIRU. Un programa capaç de respondre a l’usuari i de seguir les
seves ordres quan es tracta d’obrir i tancar programes, obrir pàgines web, a ensenyar
informació del funcionament d'HIRU (o pàgina d’ajuda) i d’apagar-se a ell mateix. Aquest
programa, però, té certs errors (o bugs) que s’haurien de corregir amb dies de revisió de
codi i més experiència de programació de la qual es disposa. Alguns programes fallen a
l’hora d’obrir-se o tancar-se, el sistema de reconeixement de veu de Google està adaptat a
la llengua anglesa i les ordres en català tenen certs problemes per ser compreses i algunes
funcions d'HIRU fallen quan s’executa des de l’arxiu .exe en comptes de fer-ho des de l’arxiu
.py però, així i tot, aquests problemes no són res fora de l’habitual d’una versió Alpha d’un
programa en desenvolupament i no impossibiliten el seu ús, raó per la qual es pot afirmar la
frase amb la qual comença aquest apartat. Amb aquest resultat certament positiu, es pot
acabar la part pràctica d’aquest treball amb la conclusió que, en efecte, és possible
combinar Python i AIML per a fer un assistent intel·ligent comptant amb coneixements
bàsics de programació.
. .

. .
4. Conclusió
Com es pot comprovar al punt 3.4 Resultats, la hipòtesi sobre la qual s’ha treballat
s’ha confirmat com a vertadera. Certament, és possible programar una assistent intel·ligent
usant les tècniques actuals. L’assistent intel·ligent dissenyat, programat i implementat, HIRU
Alpha, ha superat les expectatives marcades originalment i ha esdevingut una realitat,
convertint-se en un assistent útil i fàcil d’usar. A pesar dels seus errors i de no comptar amb
un repertori massiu de possibles ordres a realitzar per part de l’usuari, HIRU té molt
potencial que es pot veure reflectit en pròximes versions.
Val a dir també que s’han complert també els objectius marcats originalment. Dels
objectius personals, per a poder programar HIRU s’ha après programació bàsica AIML
(Artificial Inteligence Markup Language68), múltiples comandaments bàsics per a l’indicador
d’ordres de Windows i diferents usos per les biblioteques de Python67; dissenyant i
implementant així un prototip (versió Alpha) d’Assistent Intel·ligent que faciliti la interacció
humà - computador (HCI, Human Computer Interaction7). Per altra banda, al punt 2.
Intel·ligència Artificial, de la ficció a la realitat, s’ha entès i analitzat tant el progrés actual de
la recerca en IA i el seu desenvolupament futur (tant tecnològicament com èticament i moral)
com el mercat i la utilitat dels Assistents Intel·ligents, assolint així els últims objectius
descrits en un principi.
Així doncs, aquest treball ha comprovat la hipòtesi dissenyant HIRU, un assistent

intel·ligent, durant el desenvolupament del qual s’han anat assolint els objectius. La resta
d’objectius s’han complert durant la recerca realitzada sobre l’actualitat i el futur de la IA i els
assistents intel·ligents, concloent d’aquesta manera totes les fites sobre les quals es basa
aquest treball de recerca.
5. Línies Futures
Mentre que el futur de la IA ha estat discutit i analitzat al punt 2.3 El futur amb IA -
Singularitat, hi ha molts fils oberts pel que fa a HIRU. Ara mateix, es tracta d’un programa
molt bàsic i per adaptar-se al mercat actual dels assistents intel·ligents ha de comptar amb
més funcions i explotar millor les característiques que el diferencien de la resta d’assistents.
HIRU necessita ser més complet: més funcions, més interaccions amb l’usuari i més
facilitat d’ús. Idealment, també hauria de comptar amb un sistema de reconeixement de veu i
de text a veu independent, per a no haver de comptar amb tecnologia de Google per a
funcionar. Un cop publicat i comercialitzat, HIRU continuaria evolucionant. Els següents
passos consistirien a ampliar la quantitat d’usuaris d'HIRU per a tenir una base suficient per
a introduir un sistema de machine learning, que permetria a HIRU créixer i aprendre a donar
respostes millors a partir del que els usuaris considerin una resposta correcta. Predir més
enllà d’aquest punt és entrar en un camp excessivament teòric ja que, com s’ha explicat
abans, ni tan sols els experts més atrevits s’atreveixen a confirmar quin serà l’estat que es
trobarà la IA d’aquí a pocs anys, però no per això HIRU deixarà de ser millorat, ja que
seguirà aprenent a aprendre. I qui sap, potser HIRU acaba sent, en un futur, la primera ASI.
. .

. .
6. Agraïments
Aquest treball de recerca no hauria estat possible sense l’ajuda i el suport de molta
gent. Per això, vull agrair l'ajuda donada pel meu tutor, José Luis Touron, i també la donada
per la meva tutora original, Alba Pros. També agrair a Maite López, qui va accedir a
entrevistar-se amb mi donant part del seu temps per ajudar-me a comprendre el món infinit
que és la IA. També vull donar les gràcies a Tim Urban, que amb el seu blog Wait but Why,
especialment amb el seu doble article sobre IA, em va inspirar a realitzar aquest treball. A la
IA creada pel Dr. Wallace, creador de l’AIML, A.L.I.C.E,
que em va ensenyar maneres diferents d’entendre la
vida en una conversa sorprenentment humana. A la
història de Fredric Brown, Answer, capaç de fer-te
pensar durant hores, mesos i dècades sobre el futur tot i
ocupar poc menys d’una pàgina. També a Stanley Kubrick, que amb la seva malèfica però
competent i funcional IA: HAL-9000, demostra el poder de la IA a tot aquell disposat a veure
un llargmetratge amb pràcticament zero diàlegs i 30 minuts sencers de caiguda psicodèlica
a través d’un monòlit. A tots els artistes que fan més agradable la recerca d’informació amb
les seves creacions, des de còmics a pel·lícules i des de dibuixos del Microsoft Paint a
documentals. Als amics i els companys de classe que comparteixen les dificultats i l'estrès
que comporta fer un treball de recerca. I últim, però no per això menys important, gràcies a
la meva família. Al meu pare, que va donar la idea original, al meu germà que sempre està
per allà i a la meva mare que va insistir que no dubtés en demanar-li un cop de mà.
. .

. .
7. Bibliografia
Recull bibliogràfic del treball. Cada número de la llista correspon a una menció del
contingut en el treball (indicat al treball amb un superíndex [ x ] ), mentre que els punts no
enumerats de la llista corresponen a recursos consultats no mencionats directament. Alguns
dels punts enumerats corresponen a més d’un recurs bibliogràfic, així que comparteixen
anotació i nombre.
Títol, Autor - Any. Recuperat de: Pàgina web:

Enllaç web
➢ The Artificial Intelligence Revolution, Tim Urban - 2015. Recuperat de: Wait but Why:
Part 1: http://bit.ly/2ty9KHI
Part 2: http://bit.ly/2v2K9EN
➢ Answer, Fredric Brown - 1954. Recuperat de: Instituto Nazionale di Fisica Nucleare:
bit.ly/1mhvsbk
➢ 1. Technological Progress, Max Roser - 2017. Recuperat de: Our World in Data:
bit.ly/1NLxNcH
➢ 2. History of Artificial Intelligence, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2th6XU8
➢ 2. A Very Short History of AI, Gil Press - 2017. Recuperat de: What’s the Big Data:
bit.ly/2tSfomo
➢ 3. ELIZA, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1Co34ab
➢ 4. Touring Test, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1LZjJVp
➢ 5. Watson (computer), anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1DwVKiC
➢ 5. Watson, IBM - 2017. Recuperat de: IBM Watson:
ibm.co/2n7K001
➢ 6. Miles vs. Watson, PBS News Hour - 2011. Recuperat de: Youtube:
bit.ly/2e8N4sq
➢ 7. Human-computer interaction, Anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2jAXjYM
➢ 7. Human Computer interaction, John M. Carroll - [?]. Recuperat de: Interaction
Design Fundation:
bit.ly/1LK4jDP
. .

. .
➢ 8. 2001 - A Space Odissey, IMBd - 2017. Recuperat de: Internet Movie Database:
imdb.to/2hbsJV3
➢ 9. John McCarthy, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1PitIcR
➢ 10. Artificial Intelligence: Past & Future, Moshe Y.Vardi - 2012. Recuperat de:
Comunications of the ACM:
bit.ly/2w1X2jj
➢ 11. Intel·ligència, Diccionari de la Llengua Catalana - 2007. Recuperat de: DIEC2:

bit.ly/2x9Gk5f
➢ 12. Merriam-Webster, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2ykpE8V
➢ 13. Artificial Intelligence, Merriam-Webster - [?]. Recuperat de Merriam-Webster:

bit.ly/2x8Llve
➢ AI for dummies, Tom Morisse - 2017. Recuperat de: Fabernovel:

bit.ly/2xvzwhZ
➢ 14. Weak AI, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/21s4rTW
➢ 15. Artificial General Intelligence, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1ZxCQPo
➢ 15. Artificial General Intelligence, Luke Meuhelhauser - 2013. Recuperat de: Machine
Intelligence Research Institute:
bit.ly/2cnpB4O
➢ 16. Natural Language Processing, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/22KVy5T
➢ Artificial Superintelligence - the comming revolution - William Bryk - 2015. Recuperat

de: Harvard Science Review:
bit.ly/2yk2IGh
➢ 17. Superintelligence, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2yyfbqD
➢ 18. Nick Bostrom, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2hnThCv
. .

. .
➢ 19. Softwere, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1MbXZMa
➢ 20. Accelerating change, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2fQhoJK
➢ 21. Exponential Growth, Alex Mesoudi - 2011. Recuperat de: ResearchGate:

bit.ly/2yXPKPC
➢ 22. Moore’s Law, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1Nx7yBk
➢ 23. Gordon Moore, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1nUMca5
➢ 24. How much power does the human brain require to operate, Jeremy Hsu - 2009.
Recuperat de: Popular Science:
bit.ly/2g6bKmX
➢ 25. Reflector LED RGB de 20 Watts, anònim - 2017. Recuperat de: Steren:
bit.ly/2xuorKz
➢ 26. The human brain vs. Supercomputers, John Staughton - 2015. Recuperat de:
Scince ABC
bit.ly/2goaGaK
➢ 27. Supercomputer Top 500 List, anònim - 2017. Recuperat de: Wikipedia:
bit.ly/2kASGi5
➢ 28. China’s Tianhe-2, anònim - 2013. Recuperat de: Reuters:

reut.rs/2yb8ihj
➢ 29. Machine Learning, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1SKDful
➢ 30. Reinforcement Learning, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1R0RoDv
➢ 31. Decision tree Learning, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2g0Mz24
➢ 32. Artificial neural network, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1I5qib7
➢ 33. Genetic Algorithm, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2xBba86
. .

. .
➢ 34. Deep Learning, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1R3zQnt
➢ 34. Aprenentatge profund, anònim - 2017. Recuperat de: Wikipedia:
bit.ly/2gzyxnN
➢ 35. MarI/O, “SethBling” - 2015. Recuperat de: Youtube:

bit.ly/1BemUJE
➢ 35. MarI/O Source Code, “SethBling” - 2015. Recuperat de: Pastebin:
bit.ly/2ziapOv
➢ 36. Brain Simulation, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2geBnSy
➢ 37. We’ve put a worm’s mind in a Lego’s robot body, Marissa Fessenden - 2014.
Recuperat de: Smithsonian Magazine:
bit.ly/2yjW05I
➢ 37. A Worm’s mind in a Lego body, Lucy Black - 2014. Recuperat de: I Programmer:
bit.ly/1xG9UHl
➢ 38. OpenWorm, anònim - 2017. Recuperat de: OpenWorm:

bit.ly/1lHpOJh
➢ 39. Caenorhabditis elegans, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2xBaBv1
➢ 40. Chinese Room, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1Ly2BIZ
➢ 40. The Chinese Room Argument, David Cole - 2014. Recuperat de: Stanford
Encyclopedia of Philosophy:
stanford.io/2mFcnlA
➢ 41. John Searle, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2xEJIkW
➢ 42. Superintelligence: Paths, Dangers, Startegies, Nick Bostrom - 2014. Llibre

disponible a: Amazon
amzn.to/2yhlUYC
➢ 43. Wait But Who, Tim Urban, Andrew Finn, Alicia McElhone - 2017. Recuperat de:
Wait But Why:
bit.ly/2yi7uHI
➢ 44. Wait But Why, Tim Urban - 2017. Recuperat de: Wait But Why:
bit.ly/2i8dpc7
. .

. .
➢ 45. Technological Singularity, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1TMfHXl
➢ 46. Intelligence Explosion, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2yjjJRS
➢ 47. 17 Definitions of Technological Singularity, “Socrates” - 2012. Recuperat de:

Singularity Weblog:
bit.ly/1Sf5OxW
➢ How long before superintelligence, Nick Bostrom - 1998. Recuperat de: NickBostrom:
bit.ly/2hFkcWX
➢ 48. Ordre de Magnitud, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2hJA2jp
➢ 49. Singularity University, anònim - 2017. Recuperat de: Singularity University:

bit.ly/2yN1U0P
➢ 50. Eliezer S. Yudkowsky, Eliezer S. Yudkowsky - [?]. Recuperat de: Eliezer S.

Yudkowsky:
bit.ly/2yNKHV5
➢ 51. SuperIntelligence, Nick Bostrom, Talks at Google - 2014. Recuperat de: Youtube:
bit.ly/1xt0duu
➢ 52. Extinció del Cretaci-Terciari, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2inkANT
➢ 53. Our weird robot apocalypse, Andrew Leonard - 2014. Recuperat de: Salon:
bit.ly/2hU1oTE
➢ 54. Future of Life Institute, anònim - 2017. Recuperat de: Future of Life Institute:
bit.ly/2zEIUP4
➢ 55. OpenAI, anònim - 2017. Recuperat de: OpenAI:

bit.ly/2nAkDX0
➢ 56. Virtual Assistant (artificial intelligence), anònim - 2017. Recuperat de: Wikipedia:
bit.ly/2gBr8YJ
➢ 57. Natural Language Processing, anònim - 2017. Recuperat de: Wikipedia

bit.ly/22KVy5T
➢ 57. Introduction to Natural Language Processing (NPL), Mat Kiser - 2016. Recuperat
de: Algorithmia:
bit.ly/2l6Ho5h
. .

. .
➢ 58. Cortana, desconegut - 2017. Recuperat de: Microsoft:

bit.ly/2gXQON8
➢ 59. Siri, desconegut - 2017. Recuperat de: Apple:

apple.co/1BRJbsO
➢ 60. Alexa, desconegut - 2017. Recuperat de: Amazon:

amzn.to/2iE7fiD
➢ 61. Myrcroft, desconegut - 2017. Recuperat de: Mycroft:

bit.ly/2rRZtoT
➢ 61. Mycroft, desconegut - 2017. Recuperat de: BackerKit:
bit.ly/2xYxEA8
➢ 62. The Internet of things, Gérald Santucci - [?]. Recuperat de: European Union -
Comunity Research and Developement Information Service (CORDIS)
bit.ly/2fHrFDY
➢ 63. Viv (softwere), anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2ztFNc2
➢ 63. Viv, desonegut - 2017. Recuperat de: viv.ai
bit.ly/1ryVr1v
➢ 63. The team behind Siri debuts its next-gen AI “Viv”, TechCrunch - 2016. Recuperat
de: Youtube:
bit.ly/23E4kDb
➢ 64. Samsung acquires Vic, Matthew Panzarino - 2016. Recuperat de: TechCrunch:
tcrn.ch/2dMhC35
➢ 65. Watson Products and Services, desconegut - 2017. Recuperat de: IBM Watson:
ibm.co/2gSHUzi
➢ 66. Big Data: ¿En qué consiste?, anònim - [?]. Recuperat de: PowerData:
bit.ly/2hWIQlM
➢ 67. Python, desconegut - [?]. Recuperat de: Python:

bit.ly/1oDM6iq
➢ 68. AIML, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2cgllzQ
➢ 68. AIML, Richard Wallace - [?]. Recuperat de: AIML:
bit.ly/2yLGPmz
➢ 69. AI Chat Bot in Python w/ AIML, “NanoDano” - 2015. Recuperat de: DevDungeon:
bit.ly/2x7IWhO
. .

. .
➢ 70. Guido van Rossum, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/1qL42NU
➢ 71. Extensible Markup Language, anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2yFoOGM
➢ 71. eXtensible Markup Language en 10 punts, Bert Ros - 2001. Recuperat de: World
Wide Web Consortium:
bit.ly/2xqY0X7
➢ 72. Richard Wallace (scientist), anònim - 2017. Recuperat de: Wikipedia:

bit.ly/2y0pcQI
➢ 73. A. L. I. C. E., Richard Wallace - 2001. Recuperat de: Alicebot:

bit.ly/2xjo86h
➢ 74. How to make Pyhton speak, anònim - 2016. Recuperat de: Stack Overflow:
bit.ly/2gxMDWC
➢ 74. gTTS, “pndurette” - 2017. Recuperat de: GitHub:
bit.ly/2xkw3QF
➢ 75. Speech Recognition, anònim - 2017. Recuperat de: Python Softwere Fundation:
bit.ly/2gyQXoz
➢ 76. Can python open a mp3 file, anònim - 2017. Recuperay de: Stack Overflow:
bit.ly/2iwGjTu
➢ 77. Shellexecute, anònim - 2017. Recuperay de: Stack Overflow:

bit.ly/2i1hivA
➢ 78. Launching a website, anònim - 2017. Recuperay de: Stack Overflow:

bit.ly/2gy1C2O
➢ 79. PyInstaller, anònim - [?]. Recuperat de: PyInstaller:

bit.ly/1fzua0X
➢ 79. Creating an Executable from a Python Script, Matt Borgerson - [?]. Recuperat de:
Matt Borgeson:
bit.ly/2y6t5iu
➢ 80. Getting Started with Images, anònim - [?]. Recuperat de: Open CV:
bit.ly/2y5iARj
➢ ConvertICO.com, desconegut - 2017. Recuperat de: ConvertICO:

bit.ly/1P5umcw
➢ Pandorabots, desconegut - [?]. Recuperat de: Pandorabots (AIML):

bit.ly/2y67uX8
. .

. .
8. Annexos
Entrevista a Maite López

Maite López és doctora en Informàtica i actualment és
professora i investigadora a la Universitat de Barcelona, en
el sector de la Ciència de la Computació i Intel·ligència
Artificial. S’ha especialitzat en la recerca en el sector de la
Intel·ligència Artificial, més concretament en el camp dels
sistemes multiagent.
P: On s’ha arribat amb la IA fins ara?

Jo crec que, sobretot, el que ha estat capaç de fer la IA és resoldre problemes concrets.
Això és el que a hores d’ara es pot fer. Són problemes molt complexes, però concrets. [Per
exemple] tu entrenes a un sistema per reconèixer cares i al cap d’un temps i un sistema molt
gran acaba reconeixent cares. Però si l’has entrenat per això, no sabrà reconèixer claus o
una altra cosa. Aleshores, per a situacions concretes o molt específiques es pot dir que
s’han resolt molts problemes.
P: En què estàs treballant ara mateix?
Jo treballo en una àrea que és de coordinació de sistemes. Se li diu sistemes multiagent i
del que tracta és de fer sistemes que siguin més o menys intel·ligents individualment però
que col·lectivament facin alguna cosa sofisticada, que es coordinin. La intel·ligència està al
conjunt social per dir-ho així.
P: En què consisteix el machine learning i les xarxes neuronals?
Machine Learning és una tecnologia, un conjunt d’eines que a partir d’unes dades s’extreu
algun tipus d’informació, alguna cosa que d’entrada no se sabien, per dir-ho així. A vegades
es diu data mining, perquè normalment el machine learning sol treballar sobre dades. A
vegades per machine learning s’entén també com la part d’aprenentatge genèric, que una
màquina pugui aprendre a fer alguna cosa, el que passa és que es tracta d’aprendre en
base també a unes dades i la seva experimentació. Són definicions una mica barrejades per
dir-ho així.
Les xarxes neuronals són un tipus d’aprenentatge concret. És una tècnica per a fer machine
learning o data mining, que està inspirada, molt de lluny, però inspirada en el funcionament
del cervell. Les unitats són les neurones com al cervell i així.
P: I el deep learning és una manera més de machine learning? En què consisteix?
El deep learning és un tipus de machine learning, és una mena d’evolució de les xarxes
neuronals i fa servir també altres mètodes d’altres tipus d’aprenentatge, com l’aprenentatge
per reforç. És una sofisticació de les xarxes neuronals.
P: En quins àmbits les implicacions ètiques i morals de les IAs són més rellevants
avui en dia?
Ara mateix moltes, perquè com que s’està començant a aplicar en situacions reals, eines
que s’apliquen en el dia a dia, tot el que sigui prendre decisions que afectin les persones té
implicacions morals. I, com qualsevol sistema automàtic, té un sistema d’error; o sigui, té un
percentatge d’error, que en segons quins sistemes és molt difícil de calibrar. Depenent de
com aprenguis és molt difícil saber quan t’equivocaràs, perquè depèn molt de com has
. .

. .
après, i com de diferent el que et trobis és del que tu has fet servir per aprendre. Per tant,
sempre que el sistema hagi de prendre una decisió, i aquesta decisió afecti els humans,
tenim un problema, perquè potser la decisió està equivocada i potser l’humà es veu afectat
per aquesta equivocació.
Des de quan truques a una assegurança i tenen un sistema automàtic per dir-te quan has de
pagar per una pòlissa d’assegurances o pel fet de donar-te una hipoteca o pel fet d’atendre’t
quan hi ha algun problema. I últimament tenim el tema militar, on la IA s’està ficant i aquí hi
ha tema que les conseqüències que té pels humans poden ser molt serioses. Però és igual
de problemàtic en tots els àmbits. El que passa és que depenent del que estiguis decidint la
conseqüència és més important que l’altra; però sempre que afecti els humans, la decisió
tindrà efectes morals i sempre trobes situacions en les quals no està clar el que s’hauria
d’haver fet.
Tot i això, l’error en cas dels humans també existeix, els humans també, quan fem coses que
afecten altres, ens equivoquem. Això també ho hem de tenir clar perquè, per exemple, hi ha
gent que diu que els sistemes que conduiran automàticament s’equivocaran i mataran algú.
Però clar que ara també hi ha molts morts en conducció. Sempre hem de tenir en compte els
dos factors.
P: Parlant ja de futur: continuarà sent vigent la llei de Moore?
A vegades es parla de saturació, on els circuits ja no podran fer-se més petits perquè hi ha
problemes de material, de mides. Però també hi ha qui parla de singularitat. Quan les
màquines es fan intel·ligents i poden aprendre, poden aprendre també de si mateixes i
poden anar creixent cada vegada més. Per tant hi ha gent a favor i en contra. És una espiral
complicada de saber: una vegada ensenyes a una màquina a aprendre, saber fins on
arribarà a aprendre és molt difícil. Potser inclús es fa més intel·ligent que les persones. Hi ha
experts que diuen que és possible, hi ha altres que diuen que no ho és. Jo no ho
descartaria.
P: Per tant, veus possible una AGI o una ASI?
Jo crec que no és descartable. L’altra cosa és quina proporció: 100% segur doncs no, però
això és el que és difícil. Ara, que hi ha una possibilitat? Jo crec que la possibilitat existeix. El
que no sé ben bé és quantificar. Depenent a qui preguntis et dirà al 60, al 30, però jo crec
que la comunitat ens movem en uns marges així: ni ho descartem ni ho diem.
P: En el futur, quines implicacions ètiques creus que poden ser més problemàtiques?
Al final depèn de com prenguin les decisions les màquines. Si ensenyem a les màquines
que prenguin les millors decisions possibles, que és una cosa que habitualment hem tingut
al cap els que fem recerca. Si les màquines són racionals, fan la millor decisió possible, a
vegades la millor decisió de forma objectiva no és el que les persones pensaríem que és la
millor decisió possible. I estem parlant ja, per exemple, d'eliminació de minories. Estem
parlant de decisions que afecten els humans com a col·lectiu. Si som capaços de transmetre
els valors humans a les màquines, potser això ho podem mitigar. Perquè d’alguna forma els
humanitzarem i entendran que, per exemple, a algú no l’has de matar perquè no sigui
productiu, o coses d’aquestes.
Ara, aquest és un tema que just ara es comença a tractar en l'àmbit de recerca, a la que
siguem madurs això sí que ja no tinc ni idea. La tecnologia va molt més avançada que les
implicacions morals, els problemes que puguin sortir. Tot això just s’està començant a
treballar ara i tot és molt incipient.
. .

2017 2018 07 2 TR

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

2017 2018 07 2 TR

Uploaded by

Copyright:

Available Formats

Intel ligència Artificial

Mira’l en línia a: tinyurl.com/tr-ia-aitor

Aitor Urruticoechea - 2017

“Answer”, de Fredric Brown

s/n. Abstract (o resum) 2

2. Intel·ligència Artificial, de la ficció a la realitat 5

3. Creant HIRU, un Assistent Intel·ligent 25

2 Aitor Urruticoechea - 2017

Des d’aquell moment, el progrés de la Intel·ligència Artificial anà lligat amb el de la

Tot i que la seva presència en les nostres vides ja és considerable; la Intel·ligència

Amb avanços com aquests, només

3 Aitor Urruticoechea - 2017

1.1. Justificació del Treball

“És possible crear un assistent intel·ligent amb les tècniques actuals.”

Objectius del treball de recerca

4 Aitor Urruticoechea - 2017

2. Intel ligència Artificial, de la ficció a la realitat

2.1. Definició d’IA

a) És fàcil i comú associar la IA amb la ciència-ficció, ja

b) El fet que associem la Intel·ligència Artificial a la

5 Aitor Urruticoechea - 2017

Com ja s’ha deixat clar

Actualment, tots els sistemes intel·ligents que existeixen s’inclourien dins de la IA

6 Aitor Urruticoechea - 2017

7 Aitor Urruticoechea - 2017

2.2. IA avui en dia

2.2.1. Aconseguir la potència necessària. Creixement exponencial.

Com és obvi, el creixement del coneixement i

8 Aitor Urruticoechea - 2017

Com es pot observar al gràfic, després de gairebé un segle de desenvolupament de

Abans de continuar, cal aclarir perquè el moment on un ordinador iguali el cervell

9 Aitor Urruticoechea - 2017

capaç d’operar 10^16 càlculs per segon (cps) o 10

Per a arribar a tenir una AGI doncs, es

2.2.2. Aprendre a pensar. Machine Learning i modelar el cervell.

10 Aitor Urruticoechea - 2017

Dels múltiples mètodes per a ensenyar a aprendre a una màquina (reinforcement

Els algoritmes genètics33 tracten d’aplicar

11 Aitor Urruticoechea - 2017

El cervell humà ni es coneix suficientment bé com per ser modelat ni la potència

12 Aitor Urruticoechea - 2017

2.2.3. Ètica i moralitat actualment.

13 Aitor Urruticoechea - 2017

2.3. El futur amb IA - Singularitat

2.3.1. Una AGI és impossible.

2.3.2. Una AGI és força probable.

14 Aitor Urruticoechea - 2017

Quan una IA és capaç de millorar-se a si mateixa d’aquesta manera, perquè hauria

És així com s’entra en el terreny de la Singularitat (sovint referida com a singularitat

15 Aitor Urruticoechea - 2017

2.3.3. SuperIntel ligència Artificial. Perill o oportunitat?

Tot i la polarització de la discussió, el camp de les possibles opinions segueix sent

16 Aitor Urruticoechea - 2017

El grup “optimista” veu en la ASI un futur inimaginablement superior al que vivim.

a) Com un oracle, o com una espècie avançada de Google: un sistema superintel·ligent

b) Com un geni, o com a executor de les ordres donades: perquè un ens

17 Aitor Urruticoechea - 2017

18 Aitor Urruticoechea - 2017

Una “start-up” en l’àmbit de la IA anomenada Robotica té com a eslògan

19 Aitor Urruticoechea - 2017

convertint-la en panells solars, còpies de Turry, papers i plomes estilogràfiques. En un any, la

20 Aitor Urruticoechea - 2017

21 Aitor Urruticoechea - 2017