Tenía ganas de escribir un artículo hablando de estos temas, por fin he encontrado el momento… Es curioso pensar que todo no está inventado / investigado / estudiado / (poner aquí más cosas). Por ejemplo en el tema de la informática (por englobarlo con algún nombre) hay algunos de los obstáculos que todavía hoy en día se investigan pretendiendo resolverlos, ¿ejemplos?:

• Crear una consciencia artificial o inteligencia artificial

  • La inteligencia computacional (también conocida como inteligencia artificial subsimbólica) implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de los parámetros en sistemas conexionistas). El aprendizaje se realiza basándose en datos empíricos. Es decir, en un lenguaje más coloquial, se pretende que las máquinas aprendan por sí solas partiendo de unos conocimientos básicos.

  • Los primeros desarrollos en inteligencia artificial comenzaron a mediados de los años 1950 con el trabajo de Alan Turing.

  • Como ocurre casi siempre en el caso de una ciencia recién creada, la inteligencia artificial aborda tantas cuestiones confundibles en un nivel fundamental y conceptual que, adjunto a lo científico, es necesario hacer consideraciones desde el punto de vista de la filosofía. Gran parte de esta ciencia se junta con temas en la filosofía de la mente, pero hay ciertos temas particulares a la IA.

  • El concepto de IA es aún demasiado difuso. Contextualizando, y teniendo en cuenta un punto de vista científico podríamos englobar a esta ciencia como la encargada de imitar a una persona, y no por fuera en su cuerpo, sino imitar al cerebro, en todas las funciones posibles, existentes en el humano o inventadas sobre el desarrollo de la máquina inteligente.

  • Así, aplicando literalmente la definición de Inteligencia Artificial, no cabe otra posibilidad que pensar en máquinas inteligentes, es decir, sin emociones que obstaculicen encontrar la mejor solución a un problema dado. Debemos pensar en dispositivos artificiales capaces de concluir miles de premisas a partir de otras premisas dadas, sin que ningún tipo de emoción tenga opción de sobrevivir. En esta línea, hay que saber que ya existen sistemas inteligentes. Capaces de tomar decisiones acertadas.Sin embargo, el concepto de IA que la mayoría de las personas podemos hacernos es muy distinto al descrito anteriormente, pues lo que realmente nos gustaría, lo que produciría curiosidad experimental, es un dispositivo con emociones.

• Un algoritmo de tiempo polinomial para problemas de tipo NP-completos o una prueba de que no existen (¿Es P = NP?)

  • En teoría de la complejidad computacional, la clase de complejidad NP-completo es el subconjunto de los problemas de decisión en NP tal que todo problema en NP se puede reducir en cada uno de los problemas de NP-completo. Se puede decir que los problemas de NP-completo son los problemas más difíciles de NP y muy probablemente no formen parte de la clase de complejidad P. La razón es que de tenerse una solución polinómica para un problema de NP-completo, todos los problemas de NP tendrían también una solución en tiempo polinómico.

  • Algunos de los problemas más famosos que conozco de éste tipo son:
    • Problema de satisfacibilidad booleana (SAT)
    • Problema de la mochila (knapsack)
    • Problema del ciclo hamiltoniano
    • Problema del vendedor viajero
    • Problema de la clique

• Construir un ordenador cuántico.

  • Sin duda una de las tareas más apasionantes. (Por lo menos eso pienso yo) Véamos una definición para entender un poco de que se trata:

  • La computación cuántica es un paradigma de computación distinto al de la computación clásica. Se basa en el uso de qubits en lugar de bits, y da lugar a nuevas puertas lógicas que hacen posibles nuevos algoritmos. Una misma tarea puede tener diferente complejidad en computación clásica y en computación cuántica, lo que ha dado lugar a una gran expectación, ya que algunos problemas intratables pasan a ser tratables. Mientras un computador clásico equivale a una máquina de Turing, un computador cuántico equivale a una máquina de Turing indeterminista.La empresa canadiense D-Wave System había supuestamente presentado el 13 de febrero de 2007 en Silicon Valley, una primera computadora cuántica comercial de 16-qubits de propósito general; luego la misma compañía admitió que tal máquina llamada Orion no es realmente una Computadora Cuántica, sino una clase de máquina de propósito general que usa algo de mecánica cuántica para resolver problemas.

  • Dado que estamos hablando de problemas. Uno de los obstáculos principales para la computación cuántica es el problema de la decoherencia, que causa la pérdida del caracter unitario (y, más específicamente, la reversibilidad) de los pasos del algoritmo cuántico. Los tiempos de decoherencia para los sistemas candidatos, en particular el tiempo de relajación transversal (en la terminología usada en la tecnología de resonancia magnética nuclear e imaginería por resonancia magnética) está típicamente entre nanosegundos y segundos, a temperaturas bajas. Las tasas de error son típicamente proporcionales a la razón entre tiempo de operación frente a tiempo de decoherencia, de forma que cualquier operación debe ser completada en un tiempo mucho más corto que el tiempo de decoherencia. Si la tasa de error es lo bastante baja, es posible usar eficazmente la corrección de errores cuánticos, con lo cual sí sería posible tiempos de cálculo más largos que el tiempo de decoherencia y, en principio, arbitrariamente largos. Se cita con frecuencia una tasa de error límite de 10^-4, por debajo de la cual se supone que sería posible la aplicación eficaz de la corrección de errores cuánticos.

Fuente de partes del texto: Wikipedia.