Ejercicio 1: Enfoques de la Inteligencia Artificial

¿Qué es la IA?
La siguiente figura presenta definiciones de inteligencia artificial extraídas de ocho libros de texto
organizadas en cuatro categorías. Las que aparecen en la parte superior se refieren a procesos mentales y
al razonamiento, mientras que las de la parte inferior aluden a la conducta. Las definiciones de la
izquierda miden el éxito en términos de la fidelidad en la forma de actuar de los humanos, mientras que
las de la derecha toman como referencia un concepto ideal de inteligencia, que llamaremos
racionalidad1. Un sistema es racional si hace «lo correcto», en función de su conocimiento.

A lo largo de la historia se han seguido los cuatro enfoques mencionados. Como es de esperar, existe un
enfrentamiento entre los enfoques centrados en los humanos y los centrados en torno a la racionalidad1. El
enfoque centrado en el comportamiento humano debe ser una ciencia empírica, que incluya hipótesis y
confirmaciones mediante experimentos. El enfoque racional implica una combinación de matemáticas e
ingeniería. Cada grupo al mismo tiempo ha ignorado y ha ayudado al otro. A continuación, revisaremos
cada uno de los cuatro enfoques con más detalle.

Comportamiento humano: el enfoque

de la Prueba de Turing
La Prueba de Turing, propuesta por Alan Turing (1950), se diseñó para proporcionar una definición
operacional y satisfactoria de inteligencia. En vez de proporcionar una lista larga y quizá controvertida de

1
Conviene aclarar, que al distinguir entre comportamiento humano y racional no se está sugiriendo que los humanos son
necesariamente «irracionales» en el sentido de «inestabilidad emocional» o «desequilibrio mental». Basta con darnos cuenta de
que no somos perfectos: no todos somos maestros de ajedrez, incluso aquellos que conocemos todas las reglas del ajedrez; y
desafortunadamente, no todos obtenemos un sobresaliente en un examen. Kahneman et al. (1982) ha elaborado un catálogo con
algunos de los errores que sistemáticamente cometen los humanos cuando razonan.

pg. 1
 Ejercicio 1: Enfoques de la Inteligencia Artificial

cualidades necesarias para obtener inteligencia artificialmente, él sugirió una prueba basada en la
incapacidad de diferenciar entre entidades inteligentes indiscutibles y seres humanos. El computador
supera la prueba si un evaluador humano no es capaz de distinguir si las respuestas, a una serie de
preguntas planteadas, son de una persona o no. En el Apéndice 1 se comentan detalles de esta prueba y se
discute si un computador que supera la prueba es realmente inteligente. Hoy por hoy, podemos decir que
programar un computador para que supere la prueba requiere un trabajo considerable. El computador
debería poseer las siguientes capacidades:

• Procesamiento de lenguaje natural que le permita comunicarse satisfactoriamente en inglés.

• Representación del conocimiento para almacenar lo que se conoce o siente.
• Razonamiento automático para utilizar la información almacenada para responder a preguntas y
extraer nuevas conclusiones.
• Aprendizaje automático para adaptarse a nuevas circunstancias y para detectar y extrapolar
patrones.

La Prueba de Turing evitó deliberadamente la interacción física directa entre el evaluador y el

computador, dado que para medir la inteligencia es innecesario simular físicamente a una persona. Sin
embargo, la llamada Prueba Global de Turing incluye una señal de vídeo que permite al evaluador valorar
la capacidad de percepción del evaluado, y también le da la oportunidad al evaluador de pasar objetos
físicos «a través de una ventanita». Para superar la Prueba Global de Turing el computador debe estar
dotado de:

• Visión computacional para percibir objetos.

• Robótica para manipular y mover objetos.

Estas seis disciplinas abarcan la mayor parte de la IA, y Turing merece ser reconocido por diseñar una
prueba que se conserva vigente después de 50 años. Los investigadores del campo de la IA han dedicado
poco esfuerzo a la evaluación de sus sistemas con la Prueba de Turing, por creer que es más importante el
estudio de los principios en los que se basa la inteligencia que duplicar un ejemplar. La búsqueda de un
ingenio que «volara artificialmente» tuvo éxito cuando los hermanos Wright, entre otros, dejaron de
imitar a los pájaros y comprendieron los principios de la aerodinámica. Los textos de ingeniería
aerodinámica no definen el objetivo de su campo como la construcción de «máquinas que vuelen como
palomas de forma que puedan incluso confundir a otras palomas».

Pensar como un humano: el enfoque

del modelo cognitivo
Para poder decir que un programa dado piensa como un humano, es necesario contar con un mecanismo
para determinar cómo piensan los humanos. Es necesario penetrar en el funcionamiento de las mentes
humanas. Hay dos formas de hacerlo: mediante introspección (intentando atrapar nuestros propios
pensamientos conforme éstos van apareciendo) y mediante experimentos psicológicos. Una vez se cuente
con una teoría lo suficientemente precisa sobre cómo trabaja la mente, se podrá expresar esa teoría en la
forma de un programa de computador. Si los datos de entrada/salida del programa y los tiempos de
reacción son similares a los de un humano, existe la evidencia de que algunos de los mecanismos del
programa se pueden comparar con los que utilizan los seres humanos. Por ejemplo, a Allen Newell y
Herbert Simon, que desarrollaron el «Sistema de Resolución General de Problemas» (SRGP) (Newell y
Simon, 1961), no les bastó con que su programa resolviera correctamente los problemas propuestos. Lo
que les interesaba era seguir la pista de las etapas del proceso de razonamiento y compararlas con las
seguidas por humanos a los que se les enfrentó a los mismos problemas. En el campo interdisciplinario de

pg. 2
 Ejercicio 1: Enfoques de la Inteligencia Artificial

la ciencia cognitiva convergen modelos computacionales de IA y técnicas experimentales de psicología

intentando elaborar teorías precisas y verificables sobre el funcionamiento de la mente humana.
La ciencia cognitiva es un campo fascinante, merecedora de una enciclopedia dedicada a ella (Wilson y
Keil, 1999). La auténtica ciencia cognitiva se fundamenta necesariamente en la investigación
experimental en humanos y animales, y en esta obra se asume que el lector sólo tiene acceso a un
computador para experimentar.

En los comienzos de la IA había confusión entre las distintas aproximaciones: un autor podría argumentar
que un algoritmo resolvía adecuadamente una tarea y que por tanto era un buen modelo de representación
humana, o viceversa. Los autores actuales hacen diferencia entre las dos reivindicaciones; esta distinción
ha permitido que ambas disciplinas, IA y ciencia cognitiva, se desarrollen más rápidamente. Los dos
campos continúan alimentándose entre sí, especialmente en las áreas de la visión y el lenguaje natural. En
particular, el campo de la visión ha avanzado recientemente con la ayuda de una propuesta integrada que
tiene en cuenta la evidencia neurofisiológica y los modelos computacionales.

Pensamiento racional: el enfoque

de las «leyes del pensamiento»
El filósofo griego Aristóteles fue uno de los primeros en intentar codificar la «manera correcta de
pensar», es decir, un proceso de razonamiento irrefutable. Sus silogismos son esquemas de estructuras de
argumentación mediante las que siempre se llega a conclusiones correctas si se parte de premisas
correctas (por ejemplo: «Sócrates es un hombre; todos los hombres son mortales; por lo tanto Sócrates es
mortal»). Estas leyes de pensamiento supuestamente gobiernan la manera de operar de la mente; su
estudio fue el inicio de un campo llamado lógica.
Estudiosos de la lógica desarrollaron, en el siglo XIX, una notación precisa para definir sentencias sobre
todo tipo de elementos del mundo y especificar relaciones entre ellos (compárese esto con la notación
aritmética común, que prácticamente sólo sirve para representar afirmaciones acerca de la igualdad y
desigualdad entre números). Ya en 1965 existían programas que, en principio, resolvían cualquier
problema resoluble descrito en notación lógica2. La llamada tradición logista dentro del campo de la
inteligencia artificial trata de construir sistemas inteligentes a partir de estos programas. Este enfoque
presenta dos obstáculos. No es fácil transformar conocimiento informal y expresarlo en los términos
formales que requieren de notación lógica, particularmente cuando el conocimiento que se tiene es
inferior al 100 por 100. En segundo lugar, hay una gran diferencia entre poder resolver un problema «en
principio» y hacerlo en la práctica. Incluso problemas con apenas una docena de datos pueden agotar los
recursos computacionales de cualquier computador a menos que cuente con alguna directiva sobre los
pasos de razonamiento que hay que llevar a cabo primero. Aunque los dos obstáculos anteriores están
presentes en todo intento de construir sistemas de razonamiento computacional, surgieron por primera vez
en la tradición lógica.

Actuar de forma racional: el enfoque del agente racional

Un agente es algo que razona (agente viene del latín agere, hacer). Pero de los agentes informáticos se
espera que tengan otros atributos que los distingan de los «programas» convencionales, como que estén
dotados de controles autónomos, que perciban su entorno, que persistan durante un período de tiempo
prolongado, que se adapten a los cambios, y que sean capaces de alcanzar objetivos diferentes. Un agente
racional es aquel que actúa con la intención de alcanzar el mejor resultado o, cuando hay incertidumbre,
el mejor resultado esperado. En el caso del enfoque de la IA según las «leyes del pensamiento», todo el
énfasis se pone en hacer inferencias correctas. La obtención de estas inferencias correctas puede, a veces,
formar parte de lo que se considera un agente racional, ya que una manera racional de actuar es llegar a la

pg. 3
 Ejercicio 1: Enfoques de la Inteligencia Artificial

conclusión lógica de que si una acción dada permite alcanzar un objetivo, hay que llevar a cabo dicha
acción. Sin embargo, el efectuar una inferencia correcta no depende siempre de la racionalidad, ya que
existen situaciones para las que no hay nada correcto que hacer y en las que hay que tomar una decisión.
Existen también formas de actuar racionalmente que no implican realizar inferencias. Por ejemplo, el
retirar la mano de una estufa caliente es un acto reflejo mucho más eficiente que una respuesta lenta
llevada a cabo tras una deliberación cuidadosa.

Todas las habilidades que se necesitan en la Prueba de Turing deben permitir emprender acciones
racionales. Por lo tanto, es necesario contar con la capacidad para representar el conocimiento y razonar
basándonos en él, porque ello permitirá alcanzar decisiones correctas en una amplia gama de situaciones.
Es necesario ser capaz de generar sentencias comprensibles en lenguaje natural, ya que el enunciado de
tales oraciones permite a los agentes desenvolverse en una sociedad compleja. El aprendizaje no se lleva
a cabo por erudición exclusivamente, sino que profundizar en el conocimiento de cómo funciona el
mundo facilita la concepción de estrategias mejores para manejarse en él.

La percepción visual es necesaria no sólo porque ver es divertido, sino porque es necesaria para poder
tener una idea mejor de lo que una acción puede llegar a representar, por ejemplo, el ver un delicioso
bocadillo contribuirá a que nos acerquemos a él. Por esta razón, el estudiar la IA desde el enfoque del
diseño de un agente racional ofrece al menos dos ventajas. La primera es más general que el enfoque que
proporcionan las «leyes del pensamiento», dado que el efectuar inferencias correctas es sólo uno de los
mecanismos existentes para garantizar la racionalidad. La segunda es más afín a la forma en la que se ha
producido el avance científico que los enfoques basados en la conducta o pensamiento humano, porque la
norma de la racionalidad está claramente definida y es de aplicación general. Por el contrario, la conducta
humana se adapta bien a un entorno específico, y en parte, es producto de un proceso evolutivo complejo,
en gran medida desconocido, que aún está lejos de llevarnos a la perfección. Más adelante quedará
patente que a pesar de la aparente facilidad con la que se puede describir un problema, cuando se intenta
resolver surgen una enorme variedad de cuestiones.

Un elemento importante a tener en cuenta es el siguiente: más bien pronto que tarde se observará cómo
obtener una racionalidad perfecta (hacer siempre lo correcto) no es posible en entornos complejos. La
demanda computacional que esto implica es demasiado grande. Es apropiado adoptar la hipótesis de
trabajo de que la racionalidad perfecta es un buen punto de partida para el análisis. Lo cual simplifica el
problema y proporciona el escenario base adecuado sobre el que se asientan los cimientos de este campo.

En base a la lectura anterior, responda las siguientes preguntas:

1. En que consiste la ciencia congnitiva

Estudia el razonamiento humano, el tipo de decisiones que toma en ciertas circunstancias.

2. A que se refiere la siguiente oracion: racionalidad "si hace lo correcto"

¿Como cree usted que un programa informático podría determinar si esta haciendo lo
correcto?
Se refiere a un sistema racional en función de su conocimiento

3. ¿De que manera intento codificar Aristóteles la manera correcta de pensar?

Atreves de esquemas de estructuras de argumentación mediante los cuales se llegan a
conclusiones correctas

pg. 4
 Ejercicio 1: Enfoques de la Inteligencia Artificial

4. Discuta con un compañero de clase: Como cree usted que es utilizada la lógica en la Inteligencia
Artificial?

5. Investigue y mencione tres ejemplos que podía realizar el SGRP creado por Simon y Newell
en 1961.

6. ¿Cual es la diferencia que ha causado un enfrentamiento entre los enfoques centrados en los
humanos y los centrados en torno a la racionalidad?

7. Explique en qué consisten las dos formas para determinar cómo piensan los humanos

8. ¿El enfoque de las leyes del pensamiento presenta dos obstáculos, cuáles son?

9. Defina:
a. Agente
b. Agente Racional
c. Racionalidad

10. Discuta con alguien más: Porque cree usted que la demanda computacional de racionalidad
perfecta (hacer siempre lo correcto) es demasiado grande?

11. Cuáles son las dos ventajas de estudiar a la Inteligencia Artificial desde un enfoque del diseño de
agente racional

12. ¿Quién y como se gana la prueba de Turing?

13. ¿Porque la prueba de Turing evito la interacción física entre el evaluador y el computador?

14. ¿De los cuatro enfoques de la Inteligencia Artificial, cuál cree usted que es en el que nos
centraremos en el curso y porque?

15. ¿En que consiste el premio Loebner? ha sido ganado hasta la fecha?

16. Discuta con un compañero de clase:

Sera posible que un si un software cuenta con únicamente procesamiento de lenguaje natural,
representación del conocimiento, razonamiento automático y aprendizaje automático puede ganar
la prueba de Turing o se necesitan otras tecnologías de Inteligencia Artificial?
Es decir es suficiente contar con esas cuatro capacidades o se requieren de otras, si es asi cuales
cree usted que son necesarias?

TIP: Ir al sitio https://www.youtube.com/watch?v=D5VN56jQMWM para ayudar a ampliar la

discusion.

pg. 5
 Ejercicio 1: Enfoques de la Inteligencia Artificial

APENDICE 1
Alan Turing, en su famoso artículo «Computing Machinery and Intelligence» (Turing, 1950), sugirió que
en vez de preguntar si las máquinas pueden pensar, deberíamos preguntar si las máquinas pueden aprobar
un test de inteligencia conductiva (de comportamiento), conocido como el Test de Turing. La prueba se
realiza para que el programa mantenga una conversación durante cinco minutos (mediante mensajes
escritos en línea, online) con un interrogador (interlocutor). Éste tiene que averiguar si la conversación se
está llevando a cabo con un programa o con una persona; si el programa engaña al interlocutor un 30 por
ciento del tiempo, este pasará la prueba. Turing conjeturó que, hacia el año 2000, un computador con un
almacenamiento de 109 unidades podría llegar a programarse lo suficientemente bien como para pasar esta
prueba, pero no estaba en lo cierto. Algunas personas han sido engañadas durante cinco minutos; por
ejemplo, el programa ELIZA y el chatbot en Internet llamado MGONZ han engañado a personas ignorantes
que no se daban cuenta de que estaban hablando con un programa; el programa ALICE engañó a un juez en
la competición del Premio Loebner en el año 2001, puede ampliar mas sobre este premio en el Apéndice
2. Sin embargo, ningún programa se ha acercado al criterio del 30 por ciento frente a jueces con
conocimiento, y el campo en su conjunto de la IA no ha prestado mucha atención a los tests de Turing.
Turing también examinó una gran gama de posibles objeciones ante la posibilidad de las máquinas
inteligentes, incluyendo virtualmente aquellas que han aparecido medio siglo después de que apareciera
este artículo.

La prueba de Turing, desarrollada por Alan Turing en 1950, es una prueba de la capacidad de una
máquina para mostrar un comportamiento inteligente equivalente o indistinguible del de un humano.
Turing propuso que un evaluador humano juzgara las conversaciones en lenguaje natural entre un humano
y una máquina diseñada para generar respuestas de tipo humano. El evaluador sería consciente de que uno
de los dos socios en la conversación es una máquina, y todos los participantes estarían separados unos de
otros. La conversación se limitaría a un canal de solo texto, como el teclado y la pantalla de una
computadora, por lo que el resultado no dependerá de la capacidad de la máquina para representar
palabras como voz. Si el evaluador no puede distinguir a la máquina de manera confiable de la persona, se
dice que la máquina ha pasado la prueba. Los resultados de las pruebas no dependen de la capacidad de la
máquina para dar respuestas correctas a las preguntas, solo en qué medida sus respuestas se asemejan a
las que daría un ser humano.

Turing introdujo la prueba en su artículo de 1950, "Computing Machinery and Intelligence", mientras
trabajaba en la Universidad de Manchester (Turing, 1950; p. 460). [3] Se abre con las palabras:
"Propongo considerar la pregunta '¿Pueden las máquinas pensar?' '' Debido a que 'pensar' es difícil de
definir, Turing elige" reemplazar la pregunta por otra, que está estrechamente relacionada con ella y se
expresa en palabras relativamente inequívocas ". La nueva pregunta de Turing es:" ¿Hay computadoras
digitales imaginables que funcionen bien en el juego de imitación? " Esta pregunta, según creía Turing, es
una respuesta que puede responderse. En el resto del artículo, argumentó contra todas las objeciones
principales a la proposición de que "las máquinas pueden pensar".

El argumento de incapacidad
El «argumento de incapacidad» afirma que «una máquina nunca puede hacer X». Como ejemplos de X,
Turing enumera las siguientes acciones:
Ser amable, tener recursos, ser guapo, simpático, tener iniciativas, tener sentido del humor, distinguir
lo correcto de lo erróneo, cometer errores, enamorarse, disfrutar con las fresas con nata, hacer que
otra persona también se enamore, aprender de la experiencia, utilizar palabras de forma adecuada, ser
el tema de su propio pensamiento, tener tanta diversidad de comportamientos como el hombre, hacer
algo realmente nuevo.

pg. 6
 Ejercicio 1: Enfoques de la Inteligencia Artificial

Turing tuvo que utilizar su intuición para adivinar aquello que en un futuro sería posible, pero nosotros
tenemos el privilegio de poder mirar hacia atrás y ver qué es lo que ya pueden hacer los computadores. Es
innegable que los computadores actualmente hacen muchas cosas que anteriormente eran sólo del
dominio humano. Los programas juegan a la ajedrez, a las damas y a otros juegos, inspeccionan piezas de
las líneas de producción, comprueban la ortografía en los documentos de los procesadores de texto,
conducen coches y helicópteros, diagnostican enfermedades, y hacen otros cientos de tareas tan bien o
mejor que los hombres. Los computadores han hecho pequeños pero significativos descubrimientos, en
Astronomía, Matemáticas, Química, Mineralogía, Biología, Informática y otros campos que necesitan
rendimiento a nivel de experto.
Debido a lo que conocemos actualmente acerca de los computadores, no es sorprendente que sean
también buenas en problemas combinatorios tales como los del juego del ajedrez. Sin embargo, los
algoritmos también funcionan a nivel humano en tareas que aparentemente se relacionan con el juicio
humano, o como apunta Turing, «aprender a partir de la experiencia» y la capacidad de «distinguir lo que
es correcto de lo incorrecto ». Ya en el año 1955, Paul Meehl (véase también Grove y Meehl, 1996)
estudió los procesos de la toma de decisiones de expertos formados en tareas subjetivas como predecir el
éxito de un alumno en un programa de formación, o la reincidencia de un delincuente.

pg. 7
 Ejercicio 1: Enfoques de la Inteligencia Artificial

APENDICE 2
Premio Loebner

El Premio Loebner2 es el concurso de pruebas de Turing más antiguo, iniciado en 1991 por Hugh Loebner
y el Centro de estudios de comportamiento de Cambridge. Desde entonces, una serie de instituciones en
todo el mundo han sido anfitrionas del concurso, incluyendo recientemente las Universidades de Lectura,
Exeter y Ulster. Desde 2014, el concurso se llevó a cabo bajo los auspicios de AISB, la primera sociedad
de IA del mundo (fundada en 1964) en Bletchley Park, donde Alan Turing trabajó como descifrador de
códigos durante la Segunda Guerra Mundial.

Este año, el premio Loebner se llevará a cabo el sábado 8 de septiembre de 1:00 pm a 4:00 pm. Los
primeros 4 chatbots competirán en las finales en Bletchley Park en Learning Rooms 3/4.

Un boleto de entrada a Bletchley Park le da acceso gratuito a la competencia. Todos son bienvenidos a
unirse, y la competencia es adecuada para todas las edades.

El concurso
El concurso consta de 4 rondas en las que, en cada ronda, los 4 jueces interactuarán con dos entidades
utilizando un terminal de computadora. Una de estas entidades será un "confederado" humano y la otra un
sistema de inteligencia artificial. Después de 25 minutos de interrogar, el juez debe decidir qué entidad es
el humano y cuál es la IA. Si un sistema puede engañar a la mitad de los jueces de que es humano en estas
condiciones, se otorgará una medalla de plata sólida al creador de ese sistema de inteligencia artificial. En
caso de que esto no suceda, los premios se otorgarán a los creadores del sistema de AI de la siguiente
manera, de acuerdo con los puntajes clasificados de los jueces:

1er lugar - una medalla de bronce y $ 4000

2do lugar - $ 1500
3er lugar - $ 1000
4to lugar - $ 500

Proceso de selección
Las cuatro entradas principales del grupo de entradas que cumplen con las especificaciones de entrada se
seleccionarán de la siguiente manera. Cada entrada contará con un conjunto de 20 preguntas en inglés en
un formato similar al de las competiciones anteriores, con al menos 2 preguntas de estilo Winograd. Las
respuestas de cada uno de los sistemas de AI se registrarán para este conjunto de preguntas y luego se
evaluarán para determinar qué tan humanas son sus respuestas. Las 4 mejores entradas de este proceso se
ingresarán en las finales de la competencia en Bletchley Park.

Participación: las participaciones en el concurso pueden presentarse electrónicamente o por correo postal
y deben cumplir con los siguientes criterios para ser aceptadas para el proceso de selección:

1. Las entradas deben trabajar con el protocolo de premio Loebner publicado.

2. Las entradas deben funcionar con las máquinas de selección (PC con Windows 7 Core i7 con un
mínimo de 4GB de RAM). Alternativamente, los participantes pueden hacer arreglos para enviar su
propia máquina para probar en consulta con el comité de selección.

2
https://www.aisb.org.uk/events/loebner-prize

pg. 8
 Ejercicio 1: Enfoques de la Inteligencia Artificial

3. Las entradas enviadas como software deben enviarse como un programa de instalación autónomo y
deben ir acompañadas de instrucciones para la instalación. Es importante que las entradas se prueben
exhaustivamente antes de la presentación, ya que solo se harán intentos limitados para resolver las
instalaciones que no funcionan en consulta con el participante.

4. Las entradas no deben intentar acceder a internet. Las máquinas de selección estarán aisladas de
internet.

5. Las inscripciones deben recibirse (ya sea electrónicamente o por correo) antes de las 5 pm BST en el
plazo límite de presentación especificado en la parte superior de esta página.

6. Al enviar una entrada al Premio Loebner, los autores aceptan la publicación del nombre, la puntuación
de selección y la transcripción de la entrada en el sitio web de AISB después del proceso de selección.

Exclusión: las entradas que no cumplan con el LPP, que no se puedan instalar o que contengan virus,
malware u otro software dañino se excluirán de la competencia.

Envío: Al igual que en años anteriores, el envío para la selección será posible por correo postal (dirección
abajo) o por medio de la casilla desplegable (detalles abajo).

Sumisión electrónica:

URL: como.exeter.ac.uk/utils/dropbox/

Siga las instrucciones utilizando la siguiente información en el cuadro "Para":

Su nombre: Ed Keedwell
Su correo electrónico: E.C.Keedwell@ex.ac.uk
También envíe un correo electrónico a la dirección de Ed (como se indica arriba) que detalla su nombre y
detalles de contacto, nombre del bot y las instrucciones de instalación. Tenga en cuenta que hay un límite
de 1080 MB para envíos a través de esta ruta, si su envío es mayor que este, envíe por correo.

Envío postal: envíe las entradas postales a la dirección que se muestra a continuación. Las inscripciones
deben ser recibidas antes de la fecha límite del concurso para ser contadas.

Andrew martin
Centro de tungsteno para el análisis inteligente de datos
Bloque 1 / B de Saint James 'Hall
Orfebres
Universidad de londres
Nueva cruz
Londres
SE14 6NW
La decisión de la gerencia del concurso sobre la selección es final.

Resultados de las finales de 2018

Ninguno de los chatbots que compitieron en la final logró engañar a un juez para que creyera que era
humano. Los jueces clasificaron los chatbots de acuerdo con su aspecto humano. Los puntajes del 100%
fueron:

pg. 9
 Ejercicio 1: Enfoques de la Inteligencia Artificial

Mitsuku 33%
Tutor 30%
Colombina 25%
Uberbot 23%

Felicitaciones a Steve Worswick (Mitsuku) por ganar su cuarta medalla de bronce.

Resultados Finales 2017

El ganador de la Medalla de Bronce en el Premio Loebner 2017 es Mitsuku

Mitsuku (13 puntos)

Midge (12 puntos)
Uberbot (8 puntos)
Rosa (7 puntos)

Estas puntuaciones se determinaron a partir de la clasificación de los jueces de las entidades que
identificaron como bots. Cada juez otorgó individualmente el bot más similar a un ser humano con 4
puntos, y los subcampeones recibieron 3, 2 y 1 puntos, respectivamente. Felicitaciones a Steve Worswick
por ganar la medalla de bronce por tercera vez.

Resultados finales de 2016

El Premio Loebner 2016 se llevó a cabo en Bletchley Park el 17 de septiembre de 2016. Después de 2
horas de evaluación, se anunciaron los resultados finales. Felicitaciones a Mitsuku y Steve Worswick!

1er Mitsuku
2do tutor
3ra rosa
4to Arckon

Los jueces fueron: Joe Hewitt (Landor Associates) Joanne Pransky (Experto en robótica) David Boyle
(Autor y Periodista) Tom Cheshire (Corresponsal de Tecnología, Sky News)

pg. 10