• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
inteligencia artificial
 

inteligencia artificial

on

  • 622 views

completo

completo

Statistics

Views

Total Views
622
Views on SlideShare
622
Embed Views
0

Actions

Likes
0
Downloads
15
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    inteligencia artificial inteligencia artificial Document Transcript

    • INTELIGENCIA ARTIFICIALEnsayoFacultad de ciencias de la computaciónDHTIC (FGU, DHTIC, OTO11201135_41831)BUAPAutores:Alejandro Ortega VazquezLuis Conde RodriguezJuan Carlos Soperanos BalderasIsaías Carrera VenturaAlberto Galicia Varillas
    • IntroducciónInteligencia artificialPropósitos¿Que es?¿Como funciona?BeneficiosContraAyuda en cuanto a campo de especializaciónCultura generalRamas de la IASus aplicacionesAclarar nuestras dudas acerca del temaSaber los elementos que la componenSabremos los conceptos y las aplicaciones
    • Inteligencia ArtificialConsiderada una rama de la computación y relaciona un fenómeno natural con una analogíaartificial a través de programas de computador. La inteligencia artificial puede ser tomadacomo ciencia si se enfoca hacia la elaboración de programas basados en comparaciones conla eficiencia del hombre, contribuyendo a un mayor entendimiento del conocimiento humano.Por otro lado es tomada como ingeniería, basada en una relación deseable de entrada-salidapara sintetizar un programa de computador. El resultado es un programa de alta eficienciaque funciona como una poderosa herramienta para quien la utiliza.Otros la consideran que la inteligencia artificial se basa en otras áreas de estudio como: elcuerpo humano y el ordenador electrónico. Puesto que la meta es copiar la inteligenciahumana, es necesario entenderla. Sin embargo, a pesar de todos los progresos enNeurología y Psicología, la inteligencia del hombre se conoce poco, exceptuando susmanifestaciones externas. Muchos estudiosos de la inteligencia artificial se han vuelto – paraobtener su modelo de inteligencia – hacia el estudio de la Psicología cognoscitiva, queaborda la forma de percibir y pensar de los seres humanos.Características de la Inteligencia Artificial• Una característica fundamental que distingue a los métodos de Inteligencia Artificial delos métodos numéricos es el uso de símbolos no matemáticos, aunque no essuficiente para distinguirlo completamente. Otros tipos de programas como loscompiladores y sistemas de bases de datos, también procesan símbolos y no seconsidera que usen técnicas de Inteligencia Artificial.•El comportamiento de los programas no es descrito explícitamente por el algoritmo. Lasecuencia de pasos seguidos por el programa es influenciado por el problemaparticular presente. El programa especifica cómo encontrar la secuencia de pasosnecesarios para resolver un problema dado (programa declarativo). En contraste conlos programas que no son de Inteligencia Artificial, que siguen un algoritmo definido,que especifica, explícitamente, cómo encontrar las variables de salida para cualquiervariable dada de entrada (programa de procedimiento).• El razonamiento basado en el conocimiento, implica que estos programas incorporanfactores y relaciones del mundo real y del ámbito del conocimiento en que ellosoperan. Al contrario de los programas para propósito específico, como los decontabilidad y cálculos científicos; los programas de Inteligencia Artificial pueden
    • distinguir entre el programa de razonamiento o motor de inferencia y base deconocimientos dándole la capacidad de explicar discrepancias entre ellas.• Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de InteligenciaArtificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo esla resolución de conflictos en tareas orientadas a metas como en planificación, o eldiagnóstico de tareas en un sistema del mundo real: con poca información, con unasolución cercana y no necesariamente exacta.Campo De La Inteligencia ArtificialIncluye varios campos de desarrollo tales como: la robótica, usada principalmente en elcampo industrial; comprensión de lenguajes y traducción; visión en máquinas que distinguenformas y que se usan en líneas de ensamblaje; reconocimiento de palabras y aprendizaje demáquinas; sistemas computacionales expertos.Los sistemas expertos, que reproducen el comportamiento humano en un estrecho ámbitodel conocimiento, son programas tan variados como los que diagnostican infecciones en lasangre e indican un tratamiento, los que interpretan datos sismológicos en exploracióngeológica y los que configuran complejos equipos de alta tecnología.Funcionamiento Básico De La Inteligencia ArtificialDiferentes teorías:• Construir réplicas de la compleja red neuronal del cerebro humano (bottom-up).• Intentar imitar el comportamiento del cerebro humano con un computador (top-down).Símbolos vs. Métodos NuméricosEl primer período de la Inteligencia Artificial, llamado sub-simbólico, data deaproximadamente 1950 a 1965. Este período utilizó representaciones numéricas (o sub-simbólicas) del conocimiento. Aunque la mayor parte de los libros de Inteligencia Artificialenfatizan el trabajo realizado por Rosenblatt y Widrow con redes neuronales durante esteperíodo, la realidad es que otra importante escuela sub-simbólica data también de la mismaépoca y estos son los algoritmos evolutivos.La escuela clásica dentro de la Inteligencia Artificial, utiliza representaciones simbólicasbasadas en un número finito de primitivas y de reglas para la manipulación de símbolos. Elperíodo simbólico se considera aproximadamente comprendido entre 1962 y 1975, seguidopor un período dominado por los sistemas basados en el conocimiento de 1976 a 1988. Sinembargo, en este segundo período las representaciones simbólicas (por ejemplo, redessemánticas, lógica de predicados, etc.) siguieron siendo parte central de dichos sistemas.
    • La Programación Lógica tiene sus orígenes más cercanos en los trabajos de J. A. Robinsonque propone en 1965 una regla de inferencia a la que llamaresolución, mediante la cual lademostración de un teorema puede ser llevada a cabo de manera automática.La resolución es una regla que se aplica sobre cierto tipo de fórmulas del Cálculo dePredicados de Primer Orden, llamadas cláusulas y la demostración de teoremas bajo estaregla de inferencia se lleva a cabo por reducción al absurdo.Otros trabajos importantes de esa época que influyeron en la programación lógica, fueron losde Loveland, Kowalski y Green, que diseña un probador de teoremas que extrae de laprueba el valor de las variables para las cuales el teorema es válido.Estos mecanismos de prueba fueron trabajados con mucho entusiasmo durante una época,pero, por su ineficiencia, fueron relegados hasta el nacimiento de Prolog, que surge en 1971en la Universidad de Marsella, Francia.La Lógica de Primer Orden, es uno de los formalismos más utilizados para representarconocimiento en Inteligencia Artificial. La Lógica cuenta con un lenguaje formal mediante elcual es posible representar fórmulas llamadas axiomas, que permiten describir fragmentosdel conocimiento y, además consta de un conjunto de reglas de inferencia que aplicadas alos axiomas, permiten derivar nuevo conocimiento.Alfabeto del Lenguaje de la Lógica de Primer OrdenContiene dos tipos de símbolos:Símbolos lógicos, entre los que se encuentran los símbolos de constantesproposicionales true y false; los símbolos de operadores proposicionales para lanegación, la conjunción, la disyunción y las implicaciones (=>, <=); los símbolos deoperadores de cuantificación como el cuantificador universal; el cuantificadorexistencial; y los símbolos auxiliares de escritura como corchetes [,], paréntesis (,) ycoma.Símbolos no lógicos, agrupados en el conjunto de símbolos constantes; el conjunto desímbolos de variables individuales; el conjunto de símbolos de funciones n-arias; y elconjunto de símbolos de relaciones n-arias.A partir de estos símbolos se construyen las expresiones válidas en el Lenguaje de PrimerOrden: los términos y las fórmulas.Un término es cualquiera de las tres expresiones siguientes: una constante, por ejemplo, elnúmero "100", la palabra "alfredo" y la letra "c"; o una variable, por ejemplo, "X" o bien unaexpresión de la forma "f(t1,...,tn)" donde "f" es un símbolo de función n-aria y t1,...,tn son
    • términos. Ejemplos de funciones son: f(100,X), padre(Y) y sucesor(X).Las fórmulas atómicas o elementales son expresiones de la forma R(t1,...,tn) donde R es unsímbolo de relación n-aria y t1,...,tn son términos.Ejemplos de fórmulas son:positivo(3),not(igual(4,doble(2))), recetar(X,aspirina)<=tiene(X,fiebre), tiene(X,cefalea).Esta última establece una regla que dice que, si X tiene fiebre y cefalea (dolor de cabeza), Xdebe tomar una aspirina.El Lenguaje de Primer Orden posee un amplio poder de expresión, los términos permitennombrar los objetos del universo, mientras que las fórmulas permiten afirmar o negarpropiedades de éstos o bien establecen las relaciones entre los objetos del universo.Puede decirse que la Programación Lógica utiliza la Lógica de Primer Orden como lenguajede programación. Prolog es un ejemplo de lenguaje basado en la Lógica de Primer Orden yaunque toma su nombre de este término ("PROgramming in LOGic"), no abarca toda lariqueza de la Lógica de Primer Orden para resolver problemas, pues está restringido al usode cierta clase de fórmulas denominadas cláusulas definidas o cláusulas de Horn.Un programa lógico está formado por un conjunto finito de cláusulas de programa que sonhechos o reglas. Por ejemplo:padre(luis,miguel).hechopadre(miguel,jose).hechopadre(jose,juan).hechoabuelo(X,Y):-padre(X,Z), padre(Z,Y). reglaEste programa está formado por cuatro cláusulas de programa, las tres primeras son del tipohecho y definen la relación padre/2 y la cuarta una regla que define la relación abuelo/2.Nótese el uso de las variables X,Y y Z en esta cláusula, las cuales permiten definir demanera general en Prolog la relación "ser abuelo de", pues la lectura declarativa de dichacláusula es la siguiente: "Para cualesquiera X,Y,Z se cumple que: X abuelo de Y, si X padrede Z y Z padre de Y".En Prolog es posible hacer preguntas sobre objetos y relaciones del dominio y estaspreguntas se formulan como objetivos o metas, que son evaluadas por el intérprete de Prologutilizando su mecanismo de inferencia interno, el cual determina si la meta a demostrar es
    • una consecuencia lógica del programa, aplicando reglas de deducción para obtener larespuesta.Porejemplo,delprogramaanterior, utilizando lacláusula detipometa ?abuelo(X,juan), parapreguntar¿quién es el abuelode Juan? obien ¿quiénes sonlos abuelosde Juan?, es posiblededucirque Luis es abuelodeJuan,aunqueimplícitamentenoexiste en elprogramaningúnhecho queasí lo afirme.En este ejemplo de análisis de oraciones, podemos observar de qué manera se analiza unaoración ingresada por el usuario y cómo el ordenador lo traduce en un lenguaje lógico deprimer orden.En este caso la ejecución del programa, para dicha meta, arrojaría como resultado que
    • X=luis.El método de deducción utilizado por Prolog, para dar respuesta a los objetivos planteados,se basa en el uso de una única regla de inferencia: el Principio de Resolución.Los primeros trabajos de prueba automática de teoremas utilizaban la resolución, aplicada acláusulas cualesquiera, pero el problema de las deducciones con cláusulas generales es elgran número de combinaciones posibles para llevar a cabo las resoluciones.Por ello Prolog restringe el conjunto de cláusulas, lo que le permite llevar a cabo una pruebadirigida y, en la mayoría de los casos, con un universo de posibilidades explorable en tiempode ejecución.Funcionamientos Generales De La Inteligencia ArtificialTipos de Algoritmos UtilizadosCuando una tarea se realiza por medio de un algoritmo perfectamente definido dealmacenamiento, clasificación o cálculo, lo puede hacer un computador. Este concepto dealgoritmo, secuencial, fijo y de determinadas operaciones, es incapaz de manejar problemasdonde el camino del razonamiento es variable y donde deben afrontarse situaciones diversassin haber sido especificadas.La Inteligencia Artificial hace uso de un tipo de lenguaje diferente como es el caso de LISP yPROLOG.En 1932, Cannon visualizó la evolución natural como un proceso de aprendizaje. Alan Turingreconoció, en 1950, que debe haber una conexión obvia entre el aprendizaje de máquina y laevolución, y señaló que se podrían desarrollar programas para jugar ajedrez usando estatécnica. Campbell conjeturó en 1960 que en todos los procesos que llevan a la expansión delconocimiento, se involucra un proceso ciego de variación y supervivencia selectiva.Los primeros intentos de aplicar de manera formal la teoría de la evolución, a problemasprácticos de ingeniería, apareció en las áreas de control de procesos estadísticos,aprendizaje de máquina y optimización de funciones. Tal vez el primer intento serio de estetipo se dio en el trabajo que realizaron Box y sus colegas en 1957, en el desarrollo de unatécnica que denominaron operación evolutiva, la cual se aplicó a una planta de manufactura,y que se implanto sobre la base de los votos de un comité de jefes técnicos. Bajo esteesquema, la calidad del producto avanzaba a través de mutaciones aleatorias y la selecciónera determinada por el comité.Por su parte, Friedberg intentó, en 1958, hacer que un programa en lenguaje máquina semejorara a sí mismo, seleccionando instrucciones que se asociaran más frecuentemente con
    • un resultado exitoso. Aunque Friedberg nunca mencionó explícitamente estar simulando laevolución natural, esa es la interpretación más comúnmente aceptada de su trabajo, y apesar de que tuvo cierto éxito evolucionando manipuladores de bits y determinando lasinterconexiones de una caja negra de 1400 terminales, la comunidad de Inteligencia Artificialde la época prestó poca atención a su trabajo. Por ejemplo, Minsky lo criticó duramente,argumentando que una búsqueda puramente aleatoria era mucho mejor que el algoritmo deFriedberg.El trabajo de Bremermann, en 1958, se enfocó más a la optimización, introduciendo elimportante manejo de un valor de aptitud, y definiendo a un individuo como una cadena desímbolos binarios (unos y ceros). Bremermann advirtió, acertadamente, que la mutaciónjugaba un papel importante en la evolución, pues impedía el estancamiento en mínimoslocales. Aunque muchas de sus ideas se usan hoy en día, Bremermann cometió el error detratar de optimizar funciones lineales y convexas, obteniendo resultados decepcionantes,pues sus algoritmos evolutivos tenían que ser complementados con otras heurísticas paraconverger en una solución. Hoy sabemos que los algoritmos evolutivos difícilmente puedencompetir con las técnicas tradicionales de optimización en esos dominios.Barricelli ofreció, en 1954, una de las primeras simulaciones que usaba principios evolutivos,utilizando los mismos procedimientos generales que se usan hoy en día en la disciplinaconocida como vida artificial. Sin embargo, en este trabajo, así como el que Reed realizóposteriormente en 1967, se concluyó que la cruza no parecía mejorar la velocidad de laadaptación selectiva, y el operador primordial era la mutación.Fue Fogel el que introdujo la primera técnica evolutiva que realmente funcionó más o menosdentro de los lineamientos actuales de la computación evolutiva. Su programación evolutivaconsistía en hacer evolucionar autómatas de estados finitos por medio de mutaciones. Fogelintrodujo los importantes conceptos de población y selección, y aunque las revisionesiniciales de su trabajo fueron favorables, algunos investigadores, como Solomonoff,enfatizaron que el método de Fogel no debía verse en su estado actual (en 1966) como algoparticularmente útil para resolver problemas, a excepción de los más simples posibles.Solomonoff vio a la programación evolutiva como una especie de búsqueda escalando lacolina modelada mediante autómatas, y otros investigadores como Holland, Kieras, Rada yLenat compartieron esa opinión.Otra técnica evolutiva dirigida particularmente a la optimización de funciones continuas dealta complejidad se desarrolló en Alemania, en 1965, por Rechenberg y Schwefel. Esta
    • técnica, llamada estrategia evolutiva, se utilizó inicialmente para resolver problemas deingeniería que desafiaban a los métodos de optimización tradicionales, como el gradienteconjugado, y se basa en la modificación sistemática de un vector de números reales(representando las variables de decisión del problema) mediante operadores probabilísticos,usando ciertos criterios para decidir en qué dirección dirigir la búsqueda. La estrategiaevolutiva utiliza como operador principal a la mutación, y en su versión más reciente usa lacruza como operador secundario.Aunque el australiano Fraser propuso, desde fines de los 50, un procedimiento muy similar alque John Holland llamó planes evolutivos a fines de los 60, es al segundo al que se le sueleatribuir la creación de la técnica que se conoce como algoritmo genético, a raíz de queHolland publicara el libro "Adaptation in Natural and Artificial Systems" en 1975.Algoritmo GenéticoLa principal diferencia del algoritmo genético con las técnicas antes mencionadas, es queutiliza la cruza como operador principal y a la mutación como operador secundario (e inclusoopcional). El algoritmo genético, al igual que las redes neuronales, funciona como una cajanegra que recibe ciertas entradas y produce (tras una cantidad de tiempo indeterminada) lassalidas deseadas. Sin embargo, a diferencia de éstas, los algoritmos genéticos no necesitanentrenarse con ejemplos de ningún tipo, sino que son capaces de generar sus propiosejemplos y contraejemplos que guíen la evolución a partir de poblaciones iniciales totalmentealeatorias.Los mecanismos de selección del más apto y de reproducción sexual del algoritmo genético,son los encargados de preservar las características más adecuadas de cada individuo a finde hacer converger a la población en soluciones óptimas.Los algoritmos genéticos se distinguen también por no quedar atrapados fácilmente enmínimos locales, como la mayor parte de las técnicas de búsqueda clásicas, además de usaroperadores probabilísticos más robustos que los operadores determinísticos, que las otrastécnicas suelen usar.No obstante, siendo una heurística, tampoco pueden garantizar encontrar siempre la soluciónóptima, si bien la experiencia acumulada hasta la fecha parece demostrar que, cuando seutilizan apropiadamente, pueden proporcionar soluciones muy aceptables y, en la mayoría delos casos, superiores a las encontradas con otras técnicas de búsqueda y optimización.Aunque aún atacados por algunos sectores de la comunidad de Inteligencia Artificial, losalgoritmos genéticos, al igual que las redes neuronales, se han ido ganando poco a poco, y
    • sobre la base de la efectividad de sus resultados en aplicaciones prácticas, el reconocimientode los investigadores como una técnica efectiva en problemas de gran complejidad, como lodemuestra un número creciente de conferencias y publicaciones especializadas alrededor delmundo, en los últimos años.Sistemas Basados en ConocimientoLos métodos generales desarrollados para la resolución de problemas y técnicas debúsqueda al inicio de la era de la Inteligencia Artificial demostraron no ser suficientes pararesolver los problemas orientados a las aplicaciones, ni fueron capaces de satisfacer losdifíciles requerimientos de la investigación.A este conjunto de métodos, procedimientos y técnicas, se lo conocecomo Inteligencia Artificial Débil. La principal conclusión que se derivó de este trabajo inicialfue que los problemas difíciles sólo podrían ser resueltos con la ayuda del conocimientoespecífico acerca del dominio del problema.La aplicación de estas ideas dio lugar al desarrollo de los denominados Sistemas Basadosen Conocimiento (Knowledge Based Systems) y al aparecimiento de la IngenieríaCognoscitiva, como una rama de la Inteligencia Artificial, que estudia los sistemas basadosen el conocimiento. La definición de un sistema basado en conocimiento puede ser lasiguiente:Componentes: software de interfaz, base de datos, programa computacional.Una relativamente nueva categoría de sistemas de información orientada al servicio esel sistema experto, llamado así porque su base de datos guarda una descripción dehabilidades en la toma de decisiones de experiencias humanas en un estrecho dominio deprocedimientos, tales como interpretación médica de imagen, impuestos, diseño de piping,configuración de hardware en un sistema de computadores, equipamiento para repararmalfuncionamientos o, en la preparación de cerveza.La motivación para construir sistemas expertos es el deseo de replicar el escaso, inestructurado y quizás el pobremente documentado conocimiento empírico de especialistasque de este modo puede ser rápidamente usado por otros.Un programa computacional que usa inteligencia artificial resuelve problemas en un dominioespecializado que ordinariamente requiere experiencia humana.El primer sistema experto fue desarrollado en 1965 por Edward Feigenbaum y JoshuaLederberg de la Universidad de Standford en California, EEUU, y se lo llamó Dendral. Fuediseñado para analizar componentes químicos.
    • Dado que cada condición que puede ser encontrada puede ser descrita por una regla, lossistemas expertos basados en reglas no pueden manejar eventos no anticipados, peropueden evolucionar con el uso, y permanece limitado a un estrecho dominio de problemas.Otra variante de sistemas expertos, uno que no posee esta limitación, emplea una base deconocimiento que consiste de descripciones estructuradas de situaciones, de problemas delmundo real y de decisiones actualmente hechas por expertos humanos.En medicina, por ejemplo, el registro de un paciente contiene descripciones de datospersonales, exámenes físicos y de laboratorio, diagnóstico clínico, tratamiento propuesto, ylos resultados de tales tratamientos.Dada una gran base de datos con tales registros en una especialidad médica, el médicopuede indagar acerca de eventos análogos a los relacionados con el paciente. Esto encontraste con el sistema que idealmente intenta reemplazar al ser humano, ya que en casoscomo estos sólo podría usarse este tipo de conocimiento como una herramienta que ayudaen la toma de decisiones.El software requerido para este tipo de sistemas se ha ido complicando con el tiempo ya quesu desarrollo demanda tiempo, un buen equipo de programadores y un buen producto final.Se percibe este trabajo como una tarea para el ingeniero y consiste de:• Identificación y análisis de los requerimientos del usuario.• Desarrollo de las especificaciones del sistema (software y hardware).• Diseño del software.• Implementación• Testeo• MantenimientoTareas típicas para sistemas expertos involucran clasificación, diagnóstico, monitoreo,diseño, inventario y planificación para esfuerzos especializados.Niveles de conocimientoA pesar de no disponerse de un modelo general comúnmente aceptado, existe unanimidaden cuanto a la aprobación de tres niveles distintos de conocimientos, a los que correspondetres fases diferentes de estudio y sobre los que se basa, en general, la concepción de unsistema experto. Esos niveles son el de estructuración, el conceptual y el cognoscitivo. Elprimero es el que define el mecanismo que genera la certeza. Este mecanismo varía segúnel campo al que se aplique el sistema experto, ya que las evidencias asociadas a cadacampo no son idénticas. La determinación del nivel de estructuración permite definir un
    • formalismo de representación del conocimiento así como un mecanismo adecuado dededucción. El nivel conceptual es el que determina el conjunto de los conceptos que empleael experto humano en la materia; cada uno de ellos corresponde a un nudo del razonamientodel experto. Se le asocia un descriptor que se experimenta con el formalismocorrespondiente al nivel de estructuración. Finalmente, el nivel cognoscitivo corresponde alconjunto de los conocimientos que el experto humano pone en práctica para la resolución delproblema planteado. Este conjunto de conocimientos debe poder traducirse al lenguajedefinido mediante el formalismo de representación del conocimiento adoptado. En cuanto aldesarrollo actual de la investigación en el campo de los sistemas expertos, la primera fasecorresponde al desarrollo de sistemas y programas que traten directamente el lenguajenatural, si bien persisten todavía dos escollos importantes. Por un lado, el problema de cómoemplear de un modo eficaz una gran cantidad de información sin necesidad de echar manode la combinatoria; es decir, cómo conseguir un sistema dotado de conocimientos(metaconocimientos) que le permitan utilizar los conocimientos del sistema y que, a su vez, lepermitan deducir automáticamente nuevos conocimientos, ya que no cabe pensar en lareunión de todos los conocimientos necesarios en casos de campos tan sumamente vastoscomo el del diagnóstico en la medicina.Sistemas ExpertosLos sistemas expertos se basan en la simulación del razonamiento humano. El razonamientohumano tiene para ellos, un doble interés: por una parte, el del análisis del razonamiento queseguiría un experto humano en la materia a fin de poder codificarlo mediante el empleo de undeterminado lenguaje informático; por otra, la síntesis artificial, de tipo mecánico, de losrazonamientos de manera que éstos sean semejantes a los empleados por el expertohumano en la resolución de la cuestión planteada.Estos dos campos de interés han conducido a los investigadores que trabajan en el campode la inteligencia artificial (de la cual los sistemas expertos son un campo preferente) aintentar establecer una metodología que permita verificar el intercambio con los expertoshumanos y aislar los diversos tipos de razonamiento existentes (inductivo, deductivo, formal,etc.), así como construir los elementos necesarios para modelizarlos. Los sistemas expertosson, por lo tanto, intermediarios entre el experto humano, que transmite sus conocimientos alsistema, y el usuario de dicho sistema, que lo emplea para resolver los problemas que se leplantean con la competencia de un especialista en la materia y que, además, puede adquiriruna destreza semejante a la del experto gracias a la observación del modo de actuar de la
    • máquina. Los sistemas expertos son, pues, simultáneamente, un sistema de ejecución y unsistema de transmisión del conocimiento. Asimismo, los sistemas expertos se definenmediante su arquitectura; obtienen, por lo tanto, una realidad palpable. Mientras que en lasoperaciones de programación clásicas se diferencia únicamente entre el propio programa ylos datos, en el caso de los sistemas expertos se diferencian tres componentes principales.Son los siguientes:La base de conocimientos aloja la totalidad de las informaciones específicas relativas alcampo del saber deseado. Está escrita en un lenguaje específico de representación de losconocimientos que contiene y en el cual el experto puede definir su propio vocabulariotécnico.A la inversa de lo que sucede en los programas clásicos, en la base de conocimientos lasinformaciones entran tal como llegan, ya que el orden no influye en los resultados obtenidos.Sucede así porque cada elemento de conocimiento es comprensible por sí mismo tomado deforma aislada y, por lo tanto, no es necesario referirse al contexto en el cual está inserto. Lainformación se representa, por regla general, mediante reglas de producción o redessemánticas. Las reglas de producción constituyen el método más utilizado para construirbases de conocimientos en los sistemas expertos. Llamadas también implicaciones lógicas,su estructura es la siguiente: para unas ciertas causas, unos efectos; o, para determinadascondiciones, ciertas consecuencias. Junto a cada regla, se almacena también su porcentajeen forma de probabilidad. Éste indica, mediante un tanto por ciento, el grado de certeza delas consecuencias que se obtienen como resultado de la aplicación de la regla deproducción. En cuanto a las redes semánticas, se trata de un método de construcción debases de conocimientos en el cual los conocimientos se muestran mediante un grafo en elque los vértices representan los conceptos u objetos y las aristas indican las relaciones entreellos.Además el sistema dispone de la llamada base de hechos, que alberga los datos propioscorrespondientes a los problemas que se desea tratar con la ayuda del sistema. Asimismo, apesar de ser la memoria de trabajo, la base de hechos puede desempeñar el papel dememoria auxiliar. La memoria de trabajo memoriza todos los resultados intermedios,permitiendo conservar el rastro de los razonamientos llevados a cabo. Puede, por eso,emplearse para explicar el origen de las informaciones deducidas por el sistema en eltranscurso de una sesión de trabajo o para llevar a cabo la descripción del comportamientodel propio sistema experto. Al principio del período de trabajo, la base de hechos dispone
    • únicamente de los datos que le ha introducido el usuario del sistema, pero, a medida que vaactuando el motor de inferencias, contiene las cadenas de inducciones y deducciones que elsistema forma al aplicar las reglas para obtener las conclusiones buscadas.El último elemento, el motor de inferencias, es un programa que, mediante el empleo de losconocimientos puede resolver el problema que está especificado. Lo resuelve gracias a losdatos que contiene la base de hechos del sistema experto. Por regla general, el tipo dereglas que forman la base de conocimientos es tal que, si A es válido, puede deducirse Bcomo conclusión. En este caso, la tarea que lleva a cabo el motor de inferencias es la deseleccionar, validar y activar algunas reglas que permiten obtener finalmente la solucióncorrespondiente al problema planteado.El sistema experto establecido se compone, por lo tanto, de dos tipos bien diferenciados deelementos, los propios del campo de los expertos relacionados con el problema concreto (esdecir, la base de conocimientos y la base de hechos) y el que se puede aplicar de formageneral a una gran variedad de problemas de diversos campos (como el caso del motor deinferencias). Sin embargo, el motor de inferencias no es un mecanismo universal dededucción, ya que hay dos tipos diverso: los que emplean el razonamiento aproximativo(para el cual el resultado puede ser erróneo) y aquellos que emplean un tipo derazonamiento capaz de obtener un resultado (si llegan a él), con toda seguridad, verdadero.Fases del procesoSin embargo, a pesar de no existir una metodología generalmente aceptada en cuanto a laconcepción de los sistemas expertos, se admite por regla general un esquema que consta detres fases. En la primera fase, la discusión con el experto o los expertos humanos en la cualse intenta, por un lado, delimitar el problema a resolver y, por el otro, los modos derazonamiento que se emplearán para su solución. La segunda fase comprende el desglosedel formalismo de expresión del conocimiento y la determinación del motor de inferenciasadecuado a dicho formalismo. Por último, la tercera etapa, corresponde a la creación de labase de conocimientos (en colaboración con los expertos humanos), así como a lacomprobación y ajuste del funcionamiento del sistema experto mediante el empleo deejemplos.INTELIGENCIA ARTIFICIALBENEFICIOS:Consideramos que puede tener muchos beneficios como:* Varios ejemplos se encuentran en el área de control de sistemas, planificación automática,
    • la habilidad de responder a diagnósticos y a consultas de los consumidores, reconocimientode escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IAactualmente son parte de la rutina en campos como economía, medicina, ingeniería y lamilicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategiacomo ajedrez de computador y otros videojuegos*La automatización de tareas para lograr una mayor productividad en el trabajo y generar asíriqueza, el hombre día con día busca crear nuevas cosas, cosas que se asemejen a el,maquinas que imiten la inteligencia de un ser vivo. Gracias a la Inteligencia Artificial se hanhecho grandes avances en los diferentes campos*En la Inteligencia Artificial, la lógica difusa es utilizada para la resolución de problemas, masque todo los que se relacionan con el control de procesos industriales complejos y sistemasde decisión en general. Están mayormente extendidos en la tecnología cotidiana, como loson:Cámaras digitales, sistemas de aire acondicionado, lavar-ropas, etc.*Estos sistemas imitan la forma en que un humano toma decisiones, solo que con una mayorrapidez. En la lógica difusa, se usan modelos matemáticos para representa nocionessubjetivas, como caliente/ tibio/ frío. También tiene un especial la " variable del tiempo”, yaque los sistemas de control pueden necesitar retroalimentarse en un espacio concreto detiempo.*Uno de los temas más importantes en la actualidad, es la Ecología, nuestro medio ambiente,muchos culpan a la industrialización de ser la causa de los daños hacia está.Algo nuevo de la Inteligencia Artificial es que ahora se usa para el medio ambiente.Es algo sorprendente ya que se usan sistemas de Inteligencia Artificial para comprobar lasalud de los ríos .Estos sistemas procesan los datos obtenidos con algoritmos que relacionan indicadoresfísicos, químicos y biológicos, reducen las interpretaciones subjetivas de la informaciónobtenida. Lo logra con la lógica difusa. Incluye operaciones lógicas que computan conpalabras y producen indicadores ya auto interpretado.Uno de los ríos analizados por este sistema es el “Ebro en Fontibre(Cantabria).*Su fin principal es programar un computador para que pueda entender las características deuna imagen o una escena.Los científicos con esto desarrollaron microchips de silicio para aquellas personas que no lesfuncionan los foto receptores y con esto tener una visión artificial. Lo que se necesita para
    • poder implementarlos, es que sean suficientemente pequeños para implantarlos en el ojo,que tengan una fuente de abastecimiento de energía continua y que sean biocompatibles conlos tejidos del ojo.*Ázimo HondaÁzimo fue el primer robot humanoide en directo, ha sido el resultado de muchos años deinvestigación en los laboratorios de Honda. Posee una gran estabilidad al caminar, con unagran suavidad como que una persona normal. Es capaz de reconocer hasta diez personas yva almacenando características sobre ellas cada vez que las ve. Se alerta ante sonidosinusuales, es capaz de dar la mano y si le indicas con la mano un lugar a conde ir seguirá tusórdenes.Es un robot impresionante y un claro ejemplo sobre el desarrollo de la Inteligencia ArtificialPueden ayudar a los expertos a resolver problemas de análisis complicados de desarrollarCONTRAS:*Un maleficio seria que al automatizar las tareas, no se necesite de tanto personal de trabajoy causa desempleos.*Otro es que no toda persona esta capacitada para utilizar máquinas inteligentes*Esta objeción, de que las computadoras sólo son capaces de hacer lo que se les indica yque, por lo tanto, no son capaces de hacer nada creativo, es algo con lo que todavía nostopamos en la actualidad. Una sencilla refutación es afirmando que una de las cosas quepodemos ordenar a una computadora es aprender a partir de su propia experiencia.*Es evidente que para actualizar se necesita de reprogramación de estos (tal vez este seauna de sus limitaciones más acentuadas).*otra de su limitaciones puede ser el elevado coste en dinero y tiempo, además que estosprogramas son poco flexibles a cambios y de difícil acceso a información no estructurada.*Un robot con el objetivo principal de satisfacer a los seres humanos sería de gran ayuda,pero un robot cuyo objetivo principal sería su propia supervivencia sería muy peligroso.Puesto que pensará mucho más rápidamente y con más precisión que nosotros, usará todoslos recursos disponibles para sus propios propósitos, y nosotros estaríamos desamparados.Tal robot debe ser ilegal y debe ser destruido tan pronto como sea detectado*Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicación conel usuario. Este obstáculo es debido a la ambigüedad del lenguaje, y apareció ya en losinicios de los primeros sistemas operativos informáticos. La capacidad de los humanos paracomunicarse entre sí implica el conocimiento del lenguaje que utiliza el interlocutor. Para que
    • un humano pueda comunicarse con un sistema inteligente hay dos opciones: o bien elhumano aprende el lenguaje del sistema como si aprendiese a hablar cualquier otro idiomadistinto al nativo, o bien el sistema tiene la capacidad de interpretar el mensaje del usuario enla lengua que el usuario utiliza*Las principales críticas a la inteligencia artificial tienen que ver con su incapacidad de imitarpor completo a un ser humano. Estas críticas ignoran que ningún humano individual tienecapacidad para resolver todo tipo de problemas, y autores como Howard Gardner hanpropuesto que existen inteligencias múltiples. Un sistema de inteligencia artificial deberíaresolver problemas. Por lo tanto es fundamental en su diseño la delimitación de los tipos deproblemas que resolverá y las estrategias y algoritmos que utilizará para encontrar lasoluciónAPLICACIÓN DE LA INTELIGENCIA ARTIFICIALSISTEMAS PRODUCTIVOSLa incorporación de agentes de decisión inteligente, redes neuronales, sistemas expertos,algoritmos genéticos y autómatas programables para optimización de sistemas deproducción es una tendencia activa en el ambiente industrial de países con alto desarrollotecnológico y con una gran inversión en investigación y desarrollo. Dichos componentes de laInteligencia Artificial tienen como función principal controlar de manera independiente, y encoordinación con otros agentes, componentes industriales tales como celdas de manufacturao ensamblaje, y operaciones de mantenimiento, entre otras.Existe una tendencia creciente a la implementación de sistemas de manufactura/ensamblajemás autónomos e inteligentes, debido a las exigencias del mercado por obtener productoscon niveles muy altos de calidad; lo cual con operaciones manuales se hace complicada yhace que los países subdesarrollados como el nuestro no alcance niveles competitivos anivel mundial. Al diseñar un sistema de producción integrado por computadora se debe darimportancia a la supervisión, planificación, secuenciación cooperación y ejecución de lastareas de operación en centros de trabajo, agregado al control de los niveles de inventario ycaracterísticas de calidad y confiabilidad del sistema. Los factores mencionados determinanla estructura del sistema y su coordinación representa una de las funciones más importantesen el manejo y control de la producción.Muy frecuentemente, la razón para construir un modelo de simulación es para encontrarrespuestas a interrogantes tales como ¿Cuáles son los parámetros óptimos para maximizar ominimizar cierta función objetivo? En los últimos años se han producido grandes avances en
    • el campo de la optimización de sistemas de producción. Sin embargo, el progreso en eldesarrollo de herramientas de análisis para resultados de modelos de simulación ha sidomuy lento. Existe una gran cantidad de técnicas tradicionales de optimización que sóloindividuos con gran conocimiento estadístico y de conceptos de simulación han logradoaportes significativos en el área.Debido al auge de los algoritmos de búsqueda meta-heurísticos, se ha abierto un nuevocampo en el área de optimización con simulación. Nuevos paquetes de software, tales comoOptQuest (Optimal Technologies), SIMRUNNER (Promodel Corporation) y Evolver (PalisadeSoftware), han salido al mercado brindando soluciones amigables de optimización desistemas que no requieren control interno sobre el modelo construido, sino sobre losresultados que dicho modelo arroja bajo diferentes condiciones. Además, nuevas técnicas deinteligencia artificial aplicadas a problemas de optimización estocástica, han demostrado sueficiencia y capacidad de cómputo y aproximación.El Aprendizaje Reforzado (ReinforcementLearning) es un conjunto de técnicas diseñadaspara dar solución a problemas cuya base son los procesos de decisión markovianos. Losprocesos markovianos son procesos estocásticos de decisión que se basan en el conceptode que la acción a tomar en un estado determinado, en un instante determinado, dependesólo del estado en que se encuentre el sistema al momento de tomar la decisión.Una de las áreas que puede tener mayor incidencia directa en los procesos productivos de laindustria nivel mundial, es el diseño de sistemas de soporte para la toma de decisionesbasados en la optimización de los parámetros de operación del sistema. Para tal efecto, eluso de técnicas inteligentes paramétricas y no paramétricas para el análisis de datos es degran interés.Sin embargo, a juicio de los autores en la mayoría de las arquitecturas propuestas hasta elmomento para manufactura integrada por computadora, carecen de un factor de integraciónfundamental. La comunicación entre los diversos niveles jerárquicos de una planta deproducción es muy poca, ya que cada departamento se limita a realizar su función sin buscaruna integración de toda la planta productiva a excepciones de empresas como ABB con susoftwareEDUCACIÓNComo se ha mencionado, es posible aplicar los logros de la inteligencia artificial en cualquierárea del quehacer humano, y la educación no es la excepción. Cuando se habla de larelación entre computación y educación es común que se piense en la docencia solamente,
    • sin considerar todas las demás actividades que tienen que ver con la educación, actividadescomo la investigación o la administración educativa entre otras. En cualquier aspecto delámbito educativo que se pueda vislumbrar como posible de ser enriquecido con el uso decomputadoras, cabe también la inteligencia artificial y esta última parte del artículo estádedicada a mencionar algunas de las posibilidades.La investigación educativaLas posibilidades de aplicación en la investigación educativa, van desde un nivel conceptual,utilizando modelos teóricos de la Inteligencia Artificial como base a partir de la cual seinterpretan hallazgos en la investigación educativa; hasta un nivel práctico, ahorrando tiempo,recursos y esfuerzos en actividades de apoyo al trabajo del investigador, actividades comolas siguientes:• Consulta a bases de datos y bibliotecas. Piense el lector en la posibilidad de contar conuna biblioteca computarizada inteligente. Hasta ahora, la mayoría de las bibliotecas ybancos de datos, aunque cuentan con bases de datos en las que están almacenadosla información referente a cada libro o documento existente, son explotadas en unmínimo porcentaje debido a la forma en que la información está dispuesta; los librosson catalogados por temas y subtemas en formas -a veces arbitrarias, a veces deacuerdo a clasificaciones preestablecidas-, que limitan sus posibilidades de uso, porejemplo, en la mayoría de las fichas computarizadas se describe el contenido de undocumento en cinco “palabras claves” solamente. Esto ocasiona que investigadores yusuarios en general prefieran la consulta física de cada material, hecho que implicauna pérdida de tiempo considerable. Considérese ahora la posibilidad de contar conun “bibliotecario experto” en el contenido de cada uno de los libros, que sea capaz desugerir documentos de acuerdo a las necesidades específicas de cada usuario. Estoes posible con la implementación de bases inteligentes.•Simulación de procesos. Ahora, aún con un desarrollo de computadoras inteligentesen gestación, es posible realizar experimentos piloto y jugar con variables que en larealidad serían imposibles de controlar y manipular. La inteligencia artificial puedetambién ayudar en la capacitación y asesoría de recursos humanos para lainvestigación, independientemente de la perspectiva bajo la cual se esté trabajando ose quiera trabajar, por ejemplo, es posible capacitar a observadores para que realicenregistros, primero en realidades virtuales controladas y luego después, en un salón de
    • clases.AGRICULTURALos Robots han sido usados en entornos peligrosos para el hombre y enmuchas ocasiones son más rentables que trabajadores humanos. En la Agricultura, losRobots, estánsiendo usados para sustituir las grandes máquinas usadas para excavar, cosechar, etcMaquinaria y Mecanización AgrícolaEl uso de técnicas de IA en la administración de maquinaría agrícola no ha tenido auge enlos últimos años,sin embargo se pueden nombrar para años anteriores al año 2000, unsistema experto para el soporte de decisiones en la administración de maquinaría agrícola(Lal et at, 1992) y un sistema basado en conocimiento para el diseño y mantenimiento demaquinaría agrícola (Kusz&Marciniak, 1995).Para la selección de maquinaría agrícola se han desarrollado en los últimos años diversossistemas expertos,en época mas resiente se puede mencionar, un sistema basado enconocimiento para la selección de juntas en maquinarías de tipo agrícola.La evaluación de maquinaría agrícola por medio de técnicas de IA para los últimos años nose reporta ningún trabajo, sin embargo se puede señalar para los años antes del 2000, unsistema experto para el diagnóstico del sistema hidráulico en un tractor John Deere serie 50(Gaultney, Harlow &Ooms, 1989), un sistema inteligente de diagnóstico para maquinaríaagrícola (Roger, 1995).Para la simulación de Maquinaría y Mecanización agrícola En años recientes se puedenombrar, un sistema depredicción de carga en cosechadoras combinadas usando algoritmosgenéticos [44], en años anteriores al 2000 se puede mencionar un sistema experto queanaliza y simula operaciones en campo de maquinaría agrícola.Producción AnimalEn el área de la producción animal el uso de sistemas que usan la IA ha sido hasta la fechaescaso en comparación con los trabajos realizados en producción vegetal, sin embargo en elcampo de la administración de recursos se puede mencionar, una revisión de literaturaacerca de control y aplicación de técnicas de IA en la producción acuícola. en años anterioresal 2000 se reportan múltiples sistemas expertos para la administración de produccionespecuarias.Un área de trabajo reciente es el control y diagnóstico de enfermedades, gracias a suimportancia económica y social este campo puede tener una mayor dedicación de esfuerzos
    • en los próximos años, en los años recientes los trabajos que se pueden nombrar son; unsistema experto para diagnosticar enfermedades en producciones de anguilas, trabajosanteriores al año 2000 tratan el diagnóstico de estrés en ganadería (Mitchell et al, 1996)(Scholten et al, 1995), el diagnóstico de mastitis en vacas de ordeños(Nielen et al, 1995)(Hogeveen et al, 1995) (Helad et al, 1995), adicionalmente del desarrollo de sistemasexpertos para el diagnóstico y control de enfermedadesMEDICINADe entre la s varias aplicaciones de la robótica a la medicina destaca la cirugía. Las primerasaplicaciones de la robótica a la cirugía del cerebro datan del año 1982. En esta fecha secomenzó en Memorial Medical Center de Long Beach (California) un programa cuyo objetivoconsistía en utilizar un robot comercial (Puma 260) para realizar determinadas operacionesde neurocirugía. Desde entonces se han puesto a punto varios sistemas que, con ayuda deun scanner, un ordenador registre toda la información necesaria del cerebro para que elequipo medico decida el punto exacto donde debe ser realizada la incisión, donde penetrarala sonda para obtener una muestra para realizar una biopsia. El robot, que se encuentraperfectamente situado con respecto al paciente, porta en su extremo los instrumentosnecesariospararealizarlaincisión,tomarlamuestra,etc.La utilización de un robot conectado al ordenador permite que tanto la incisión como la tomade la muestra se realicen con la máxima precisión y en un tiempo notablemente inferior alque se consumiría en caso de emplear el sistema habitual. Además, se descarga al cirujanode la mecánica de ciertas tareas como el correcto posicionamiento de los instrumentos decirugía con respecto al cráneo del paciente, permitiendo una mayor concentración en elseguimientoycontrol
    • delaoperación.También, otro posible beneficio de la aplicación de la robótica a la cirugía se encuentra en eltelediagnóstico y la telecirugía. Esta última consiste en la operación remota de un pacientemediante un telemanipulador1) Diagnóstico: detección de cáncer y patologías cardíacas a través de las señales que seobtienen a partir de la aparatología médica. Los beneficios del uso de redes neuronales endiagnóstico no se ven afectados por factores como la fatiga, las condiciones desfavorablesde trabajo, y los estados emocionales.2) Analítica: en bioquímica se facilitan los análisis de orina, sangre, control de diabetes,iconogramas,y la forma de detectar condiciones patológicas a través del análisis bioquímico.3) Imágenes: el procesamiento de imágenes de alta complejidad (RX; TAC; RNM; ecografías;Doppler, etc) mediante redes neuronales permitió establecer patentes referidas a imágenessignificativas de patologías antes no demostradas.4) Farmacología: singular valor en el desarrollo de drogas para el tratamiento del cáncer.También han sido utilizadas para el proceso de modelado de biomolecular.El algoritmo generalmente utilizado en los ítems 1), 2), y 4) es el de retro propagaciónEl comportamiento de una red neuronal depende de los pesos de las funciones de input-output (Funciones de transferencia).En términos generales, podemos citar que las funciones típicamente pueden estar en algunade estas tres categorías:1) Función linear, donde la actividad de output es proporcional al peso total del output.2) Gatillo, donde el output es establecido a uno de dos niveles, dependiendo de cuál inputtotal es mayor que otro, o menor que otro, dependiendo del valor del gatillo.3) Función sigmoidea, donde el output varía permanentemente pero no en forma linear comolos cambios del input. Presenta una similitud considerable con las neuronas reales.(14)(15)(16)17)En medicina, existen algunas aplicaciones relativamente recientes ampliamente usadastodavía que tienen como objetivo fundamental el de servir de apoyo al trabajo del médico endeterminadas circunstancias, y entre las cuales podemos señalar las siguientes:1. Asistente basado en casos para la clínica psiquiátrica.2. Sistema basado en casos para el procesamiento de imágenes de tomografía axial
    • computarizada y resonancia magnética, de tumores cerebrales.3. Sistema asistente para el manejo de pacientes en unidades de cuidados intensivos4. Asistente basado en casos para el diagnóstico y análisis del síndrome di mórfico.).5. Sistema de razonamiento automatizado para el diagnóstico y pronóstico del cáncer depróstata.6. Sistema para la evaluación inicial de pacientes con SIDA.7. Sistema basado en casos que utiliza una red neuronal artificial para el diagnóstico delinfarto agudo de miocardio.8. Sistema de RBC para el pronóstico de cardiopatías congénitas en recién nacidos.).9. Sistema basado en casos para el cálculo de la dosis de antibióticos en cuidadosintensivos.10.Sistema de RBC para la detección de la enfermedad coronaria por escintigramascoronariosOTRAS APLICACIONES:CAEMF Dedicado al diagnóstico y seguimiento ante parto del estado materno-fetal)SUTIL Aborda el problema de la monitorización inteligente en una unidad de cuidadoscoronarios y resuelve algunos problemas importantes relacionados con los sistemas expertosen tiempo real)MEEDTOL Es una herramienta para el desarrollo de sistemas expertos que incluye unprocedimiento propio para la representación del conocimiento mediante "magnitudesgeneralizadas", una especie de micro marcos)TAO Consejero de terapia oncológica que incorpora el conocimiento estratégico necesariopara la inclusión de enfermos en protocolos de quimioterapia y para el seguimiento del efectodel protocolo)TAO-MEEDTOOL Sistema experto para ecocardiografía. (1)(3)Como ejemplo de otros programas se encuentran, el programa Eliza, que simula elcomportamiento de un psiquiatra que hace preguntas a un paciente, y el programa Parry, quesimula el comportamiento de un paciente paranoico. Ambos tienen una gran capacidad deconvencimiento, sin embargo no tienen idea de lo que dicen. Estos programas se limitan areconocer palabras claves dentro de la frase tecleada por la persona, y tomando en cuentaalgunas reglas sintácticas definidas con anterioridad, generan una respuesta adecuada. Porlo que carecen de inteligencia, pues en realidad ignoran lo que hacen.Hasta aquí, hemos tratado el tema de la IA así como también sus aplicaciones recientes en
    • medicina. En nuestro país se han logrado resultados prometedores en la elaboración deprogramas de computación de RBC orientados fundamentalmente al diagnóstico médico.Como ejemplo de lo anterior podemos mencionar al Sistema Inteligente de selección deInformación (SISI), (16) elaborado en la Universidad Central de las Villas en 1996.Esperamosque con el proyecto ya en marcha de informatización de la sociedad, estos programas seanincorporados cada vez más al trabajo médico, no con el objeto de sustituirlo y sí comoinstrumento de apoyo al personal de la saludJUEGOSLa mayoría de los juegos de mesa y una gran cantidad de problemas informáticos puedenresolverseMediante una adecuada modelización en estados y aplicar un algoritmo de búsqueda entreestos estados.Para acotar el problema, pensemos en un juego de tablero de 2 jugadores, por ejemplo, lastres en raya,las damas, el ajedrez, el othello, etc. ¿Cómo podría programarse un juego deeste tipo?:Bien, en primer lugar, un tablero es una estructura de datos de tipo matriz donde cadaelemento puede ser ocupado por el jugador 1, ocupado por el jugador 2, ó vacío (en juegoscomo el ajedrez donde cada jugador tiene diferentes fichas habría que completar el enfoque).Una partida es una secuencia de estados por los que pasa un tablero. Ahora veamos cómodebería actuar nuestro sistema inteligente para ganarnosen una partida.• Una primera aproximación podría ser tener todas las posibles partidas en memoria yaplicar solo los movimientos que han llevado a partidas victoriosas.• Otro enfoque sería actuar en cada turno, teniendo en cuenta ciertas reglas estáticas(ej: ciertos if). Un ejemplo de reglas en las tres en raya puede ser: si tengo dos fichasalineadas entonces ocupa el último lugar vacío y gana la partida, si el oponente tiene 2fichas alineadas ocupa el lugar vacío y evita la victoria del oponente, en cualquier otrocaso mueve de manera aleatoria.• En general, para este tipo de juegos se utiliza la estrategia minimax que imita elcomportamiento humano de examinar por anticipado un cierto número de jugadas,explorando el grafo de tableros quese generarían tras un movimiento dado. En esteenfoque existe una función de evaluación que da un valor a cada posible movimiento.Para ilustrar la implementación de estos enfoques recomiendo instalar el paquete tictactoe
    • queImplementa las 3 en raya con 2 niveles de dificultad easy (implementa reglas tontas) y hard(implementaminimax).VISIÓN ARTIFICIALHasta ahora los agentes usaban formas sensoriales demasiado limitadas. La Visión porComputador, es uno de los campos más extensos de la I.A ya que influyen muchos aspectos.La Visión para los humanos no es ningún problema, pero para las máquinas es un campomuy complicado. Influyen Texturas, Luminosidad, Sombras, Objetos Complejos, etc. Elprimer paso es captar la imagen mediante una cámara de TV. Las imágenes a color tienenuna matriz I(x,y,t); donde x y y nos indican la ubicación de un punto en la matriz de colores yt, nos indica el tiempo.Este proceso obtiene una imagen invertida, pero simplemente rotarla no nos dará la visióndel terreno. Influyen muchos elementos haciendo a este proceso complicado.En la actualidad, algunos Robots emiten una señal y la reciben generando bajo esto unaespecie de espacio, esta forma de “ver” es muy rústica, pero se sigue usando ya quedesafortunadamente es imposible lograr una reconstrucción de la imagen capturada. Yaunque así fuera, las computadoras no podrían distinguir un objeto de juguete y uno real. Lopeor es que los modelos que existen tratan de resolver esto de forma muy complicada. Alproceso de captar imágenes podemos dividirlo en: Bajo Nivel, Nivel Medio y Alto Nivel. Elprimero se encarga de suavizar y quitar ruido a la imagen y de extraer características de laimagen bidimensional, en particular de las aristas, el segundo se encarga de agrupar estasaristas para formar imágenes bidimensionales y la tercera de usar estas imágenes parareconocer objetos del mundo real. Generalmente las imágenes captadas por los robots sonsuficientes para sus propósitosROBOTICAEs uno de los campos de aplicación más apasionantes de la I.A; los Robots son agentesfísicos que realizan tareas mediante la manipulación física del mundo; por ser agentes yrealizar su trabajo en forma autónoma, se excluyen a los robots que son controlados por unoperario humano, como son los que hacen tareas de rutina, ya que la I.A busca robots consistemas autónomos. La palabra Robot, proviene de la voz eslovaca Robota, que significaTrabajador Forzado. En realidad esta rama comenzó como una historia de Ciencia Ficción,pero interesó mucho a los desarrolladores de I.A. Los primeros Robots, solo podían seguir
    • una línea blanca pintada en el suelo. En la actualidad este campo a avanzadotremendamente.Clases:• Robots Manipuladores: Son brazos robóticos que están fijos en un lugar de trabajo yse usan generalmente para ensamblar piezas, aunque también hay brazos usadospara ayudar en hospitales o incluso brazos que pintan lienzos con resultados muyoriginales.• Robots Móviles: Se desplazan por el medio usando ruedas, piernas u otros. Hay 3variantes: ULV (Vehículo Terrestre sin Tripulación, en inglés), son robots que permitenun desplazamiento autónomo por autopistas. UAV (Vehículo Aéreo sin Tripulación, enInglés), son robots que permiten operaciones de fumigación autónoma, así como devigilancia o militares. AUV (Vehículo Submarino sin Tripulación), son robots quepermiten exploraciones marinas autónomas o incluso paseos planetarios.• Robots Humanoides: Son un tipo de Robots que se asemejan al torso humano. Estaclase usa sus efectores mejor que los otros tipos, pero son mucho mas complejas quelos otros robots.Hardware Robótico:• Sensores: Hay 2 clases, los Sensores Pasivos, que solo recogen información delmedio, su desventaja es que su margen de error es alto, y los Sensores Activos, queemiten energía al medio y la reciben para usarla para las mediciones. Su únicadesventaja es que a más se implementen en un robot, mayor es el riesgo deinterferencia. Su ventaja es que su margen de error es mínimo. Existen algunos quemerecen ser mencionados:o Escáneres de Rango: Miden la distancia.o Sistemas Táctiles: Sensores sensibles al tacto.o GPS: Calculan la posición absoluta del robot en la tierra.o Sensores de Imagen: Permiten obtener imágenes y procesarlas.o Sensores Perceptores: Informan al robot de su propio estado.o Decodificadores de Ejes: Permiten medir las revoluciones de los motores parausarlas en mediciones, en odometría. Este proceso es muy propenso a errordebido a desgaste físico.o Sensores Inerciales: Una alternativa al decodificador de ejes, pero no solucionamucho.
    • Sensores de Fuerza y Tensión: Le indican al robot con cuanta fuerza estácogiendo algo y con cuanta fuerza lo está girando.• Efectores: Existen varias clases:o Articuladores de Revolución: Generan movimiento rotacional.o Articulación Prismática: Genera desplazamiento lateralLA ROBÓTICA PLANETARIA• La Robótica y los Programas de Tecnología de Exploración desarrollando los robotspara satisfacer los requisitos planeados y habilitar las nuevas capacidades paraexplorar las superficies planetarias: explorando los sitios de desembarco potenciales yáreas de interés científico, poniendo la ciencia instrumental, y recogiendo las muestraspara el análisis y el posible retorno a la Tierra. Estos robots requieren altos niveles deautonomía, incluso la habilidad de realizar navegación local, identifican áreas deinterés científico potencial, regulando los recursos a bordo, y actividades deexploración todos controlados con la tierra, para la intervención del control. Ellosdeben ser de bajo costo y miniaturización para satisfacer el volumen.oTecnología desarrollada para los vagabundos planetarios habilita las opcionestecnológicas para otros esfuerzos como - el planeta pequeño - la exploración delcuerpohumano.Se han demostrado las aplicaciones exitosas en Marte, misión Pathfinderestado desarrollándose activamente las misiones Vagabundo futuras.y hanINDUSTRIA NUCLEAR.Por sus especiales características, el sector nuclear es uno de los más susceptibles deutilizar robots de diseño especifico. Entre las diversas aplicaciones se han escogido aquí, porsu especial relevancia, las relativas a las operaciones de mantenimiento en zonascontaminadas y de manipulación de residuos.Inspección de los tubos del generador de vapor en un reactor nuclear.Las operaciones de inspección y mantenimiento de las zonas mas contaminadas de unacentral nuclear de producción de energía eléctrica son por su naturaleza largas y costosas.De realizarlas manualmente, el tiempo de exposición de los operadores a la radiación es unfactor critico que, junto con el elevado coste que supone una interrupción temporal del
    • funcionamiento del sistema en cuestión, justifica sin lugar a dudas la utilización de sistemasrobotizados, normalmente teleoperados, total o parcialmente, que sustituyan al operador.En el generador de vapor se produce el intercambio de calor entre el fluido primario ysecundario. Para ello, dentro de la vasija del generador, se encuentran dispuestas en formamatricial los tubos por los que circula el fluido receptor del calor.El inevitable desgaste de estos tubos obliga a realizar periódicamente labores de inspección,para que en el caso de que alguno se encuentre dañado inutilizarlo, poniendo enfuncionamiento alguno de los tubos de reserva que a tal fin se han dispuesto en el generador.Para realizar esta labor de manera automática puede utilizarse un robot de desarrolloespecifico que, introducido en la vasija, posicione una sonda de inspección en la boca decada tubo. Esta, empujada por el interior del tubo, proporcionara información sobre el estadomismo.Es preciso considerar que el robot se introduce en la vasija mediante un sistema mecánicoque, junto con los posibles errores en la disposición matricial de los tubos, obliga a que elrobot trabaje, bien con ayuda de teleoperación, o bien con sistemas sensoriales externoscomo visión láser, que proporcionen la posición real relativa entre el extremo del robot y lostubos.Robots Nucleares.Manipulación de residuos radioactivos.La industria nuclear genera una cantidad considerable de residuos radioactivos de bajacontaminación (vestimentas, envases de plástico, papel, etc.) o de alta contaminación (restosde las células del reactor, materiales en contacto directo prolongado con las zonasradioactivas, etc.). La forma tamaño y peso de estos desechos es variable y su manipulacióntiene por objeto final su envase de contenedores especiales, que son posteriormentetransportadosyalmacenados(loqueoriginaunanuevaproblemática).
    • Para manipular remotamente estos residuos se hace uso tanto de manipuladores con uniónmecánica y seguimiento directo del proceso por parte del operador a través de un cristal (encaso de baja contaminación), como con sistemas con mando remoto por radio o cable en elcaso de contaminación elevada. Estos manipuladores permiten la flexibilidad necesaria paramanipularelementosdepesovariableyformanodefinida.Además, es preciso considerara la importancia que tiene la optimización del espacio ocupadopor los residuos en su almacenamiento, por lo que antes de su envasado en loscontenedores puede ser preciso fragmentarlos.CONSTRUCCIÓN.El sector de la construcción es, en la mayoría de los países industrializados, uno de los quemoviliza mayor numero de recursos económicos y humanos. No es pues de extrañar quedesde hace algo mas de una década se estén desarrollando gran numero de sistemasrobotizados, orientados a automatizar en lo posible algunas de las múltiples labores queentran a formar parte de los procesos constructivos.En este tipo de aplicaciones de la robótica, como en otros muchos, es Japón el país quecuenta con mayor numero de sistemas en funcionamiento. En algunos casos se trata derobots parcialmente teleoperados, construidos a partir de maquinaria convencional (grúas,excavadoras, etc.). En otros es maquinaria específicamente construida para resolver unproceso concreto.Si se analizan las condiciones existentes para la robotización de la construcción se llegaentre otras a las siguientes conclusiones:• Las condiciones de trabajo son complejas.• Los robots deben tener capacidad de locomoción y cierto grado de inteligencia.• Deben manejar piezas pesadas y de grandes dimensiones.• Las operaciones a realizar son complejas, variadas y poco repetitivas.
    • • Los robots deben ser fácilmente transportables a la obra.Con estos condicionantes, las posibles tareas robotizables dentro de la construcción deedificios (comerciales, industriales o residenciales) podrían agruparse en:Operaciones de colocación de elementos.• Construcción mediante colocación repetitiva de estructuras básicas (ladrillos, Bloques,etc.).• Posicionamiento de piezas, normalmente grandes y pesadas (vigas, etc.).• Unión de diferentes piezas que componen una estructura (soldadura, remaches, etc.).• Sellado de las uniones entre diferentes piezas.Operaciones de tratamiento de superficies.• Acabado de superficies (pulido, etc.).• Recubrimiento de superficies con pintura, barniz, etc.• Extensión de material sobre la superficie (cemento, espuma aislante, etc.).Operaciones de rellenado.• Vertido de cemento u hormigón en encofrados.• Excavación para la preparación de terrenos y movimiento de tierras.• Rellenado con tierra de volúmenes vacíos.GUERRAEl campo de la robótica y la programación sofisticada IA se están utilizando paradesarrollar robots que puedan ser una amenaza importante para la humanidad. Por ejemplo,uno de los robots que se utiliza para la protección de las fronteras de la nación es controladopor control remoto. Estos robots avanzados están diseñados para activar alarmas basadasen ciertas circunstancias programada cuando la intervención de los militares que seannecesarias. Por ejemplo, el robot tiene una entrada de audio y proporciona informaciónacerca de si se trata de un humano o un animal en la frontera. Sin embargo, estos robotstrabajan de forma independiente para largos periodos de tiempo y puede fallar en el caso queninguno de los casos el trabajo programado y dejar que el enemigo cruza la frontera.Además, los robots letales se han desarrollado en algunos países en los que un soldadopuede desencadenar múltiples aéreas, así como los ataques por tierra!Los expertos creen que aunque los robots pueden ser muy útiles para automatizarciertas tareas, ya es hora de que nos re-examinar y fijar un límite de interrupción sobrecuándo y cuándo no utilizar la tecnología. El objetivo principal de un robot es hacer más fácilla vida humana, no amenazante. Por lo tanto, cualquier robot no debe ser programado con el
    • fin de hacer daño a los seres humanosELECTRÓNICAAparatos de aire acondicionado, mecanismos de atraque automático de naves espaciales,sistemas automáticos de regulación de la cantidad de anestesia que se suministra a lospacientes en un quirófano -aunque bajo supervisión médica, por supuesto-, sistemas queregulan la aceleración y el frenado de los trenes de metro según el número de pasajeros queviajen o sistemas de concesión -o denegación- automática de créditos según el perfileconómico del solicitante son otras de las muchísimas aplicaciones de la lógica difusa, queya están funcionando en el campo de los llamados sistemas expertos. Todos estos sistemasutilizan información, esencialmente, imprecisa con el fin de lograr sus cometidos.La lógica difusa está teniendo, por lo tanto, bastante éxito en su utilización sobre los sistemasde control, aplicación que ya podría considerarse como rutinaria. Sin embargo, losinvestigadores buscan nuevos campos de aplicación de esta técnica. Hasta el momento, lalógica difusa se está utilizando más como un conjunto de recetas dispersas de resultadoempírico probado, que como aplicación de una teoría bien desarrollada. Por ello, losmatemáticos investigan la formalización matemática de la lógica difusa, con el propósito deencontrar muchos más campos de aplicación en el conjunto de las actividades humanas. Seinvestiga en áreas como el reconocimiento de patrones visuales o la identificación desegmentos de ADN, por mencionar dos ejemplos.INDUSTRIA PETROLERALas Redes Neuronales se han utilizado para predecir o medir virtualmente las característicasde la formación tales como porosidad, permeabilidad y saturación de fluido a partir deregistros convencionales de pozos. También consta en la literatura que las RedesNeuronales tienen el potencial de ser utilizado como un instrumento de análisis para lageneración de imágenes de resonancia magnética sintéticas a partir de los registros depozos convencionales. Hay muchas más aplicaciones de las Redes Neuronales en laindustria de petróleo y gas. Incluyen aplicaciones al desarrollo de campos, flujo bifásico entuberías, la identificación de modelos en la interpretación de pruebas de pozos, análisis determinaciones, la predicción del daño de formación, predicción de la permeabilidad, y enyacimientos fracturados.Esta herramienta se desarrolló teniendo en cuenta que en ingeniería se presentan problemasde gran complejidad, los cuales requieren de un manejo matemático dispendioso y que enmuchos casos no se obtienen los mejores resultados, usando los métodos tradicionales.
    • Además se ha demostrado, algunas veces, que la aplicación de nuevas tecnologías permiteoptimizar los procesos industriales.Ramas de la IARobóticaLa robótica es la ciencia y la tecnología de los robots. Se ocupa del diseño, manufactura yaplicaciones de los robots. La robótica combina diversas disciplinas como son: la mecánica,la electrónica, la informática, la inteligencia artificial y la ingeniería de control.3 Otras áreasimportantes en robótica son el álgebra, los autómatas programables y las máquinas deestados.sistemas de visiónUn sistema de visión es un conjunto de elementos que permiten obtener imágenes delentorno, procesarlas y tomar ciertas decisiones basadas en la evaluación de la imagen(es)adquirida(as).procesamiento de lenguaje naturalEl Procesamiento de Lenguajes Naturales —abreviado PLN, o NLP del idiomainglés Natural Language Processing— es una subdisciplina de la InteligenciaArtificial y la rama ingenieril de la lingüística computacional. El PLN se ocupa de laformulación e investigación de mecanismos eficaces computacional mente para lacomunicación entre personas o entre personas y máquinas por mediode lenguajes naturales. El PLN no trata de la comunicación por medio delenguajes naturales de una forma abstracta, sino de diseñar mecanismos paracomunicarse que sean eficaces computacional mente —que se puedan realizarpor medio de programas que ejecuten o simulen la comunicación—. Los modelosaplicados se enfocan no sólo a la comprensión del lenguaje de por sí, sino aaspectos generales cognitivos humanos y a la organización de la memoria. Ellenguaje natural sirve sólo de medio para estudiar estos fenómenos.Sistemas de aprendizajeEl Aprendizaje Automático o Aprendizaje de Máquinas es una rama dela Inteligencia Artificial cuyo objetivo es desarrollar técnicas que permitan a lascomputadoras aprender. De forma más concreta, se trata de crear programascapaces de generalizar comportamientos a partir de una información noestructurada suministrada en forma de ejemplos. Es, por lo tanto, un proceso deinducción del conocimiento. En muchas ocasiones el campo de actuación del
    • Aprendizaje Automático se solapa con el de la Estadística, ya que las dosdisciplinas se basan en el análisis de datos. Sin embargo, el AprendizajeAutomático se centra más en el estudio de la Complejidad Computacional de losproblemas. Muchos problemas son de clase NP-hard, por lo que gran parte de lainvestigación realizada en Aprendizaje Automático está enfocada al diseño desoluciones factibles a esos problemas. El Aprendizaje Automático puede ser vistocomo un intento de automatizar algunas partes del Método Científico mediantemétodos matemáticos.El Aprendizaje Automático tiene una amplia gama de aplicaciones, incluyendomotores de búsqueda, diagnósticos médicos, detección de fraude en el uso detarjetas de crédito, análisis del mercado de valores, clasificación de secuencias deADN, reconocimiento del habla y del lenguaje escrito, juegos y robóticaRedes neuronales:Las redes de neuronas artificiales (denominadas habitualmente como RNA oen inglés como: "ANN"1 ) son un paradigma de aprendizajey procesamientoautomático inspirado en la forma en que funciona el sistema nervioso de losanimales. Se trata de un sistema de interconexión de neuronas en una red quecolabora para producir un estímulo de salida. En inteligencia artificial es frecuentereferirse a ellas como redes de neuronas o redes neuronales.Agentes inteligentesUn agente inteligente, es una entidad capaz de percibir su entorno, procesar talespercepciones y responder o actuar en su entorno de manera racional, es decir, demanera correcta y tendiendo a maximizar un resultado esperado.En este contexto la racionalidad es la característica que posee una elección de sercorrecta, más específicamente, de tender a maximizar un resultado esperado.Este concepto de racionalidad es más general y por ello más adecuadoque inteligencia (la cual sugiere entendimiento) para describir el comportamientode los agentes inteligentes. Por este motivo es mayor el consenso en llamarlosagentes racionales.Un agente inteligente puede ser una entidad física o virtual. Si bien el términoagente racional se refiere a agentes artificiales en el campo de la InteligenciaArtificial, también puede considerarse agentes racionales a los animales incluidoel hombre.
    • Los agentes inteligentes se describen esquemáticamente como un sistemafuncional abstracto. Por esta razón, los agentes inteligentes son a veces llamadoAgentes Inteligentes Abstractos (AIA) para distinguirlos de sus implementacionesdel mundo real como sistemas informáticos, los sistemas biológicos, o deorganizaciones. Algunas definiciones de agentes inteligentes hacen énfasis en suautonomía por lo que prefieren el término agente inteligente autónomo. Y otros(en particular, Russell y Norvig (2003)) considera conducta dirigida a objetivoscomo la esencia de lo inteligente y prefieren un término tomado de la economía"Agente Racional".En Ciencias de la Computación el término agente inteligente puede ser usadopara referirse a un agente de software que tiene algo de inteligencia,independientemente de si no es un agente racional por definición de Russell yNorvig. Por ejemplo, programas autónomos utilizados para asistencia de unoperador o de minería de datos (a veces denominado robots) son tambiénllamados "agentes inteligentes".Entre otrasConclusiónLa inteligencia artificial es un tema que viene desde tiempo atrás, pero pues es algo queapenas en este siglo ha venido tomando la importancia que necesita, debido a que cada vesavanza mas y que mas de miles de utilidades, las cuales día a día se están innovando ybuscando nuevas herramientas. La mejor manera de decir que es inteligencia artificial esdefiniéndola como una disciplina que se encarga de construir procesos que al ser ejecutadossobre una arquitectura física producen acciones o resultados que maximizan una medida derendimiento determinada.
    • Referencias.http://es.wikipedia.org/wiki/Inteligencia_artificialhttp://www.monografias.com/trabajos16/la-inteligencia-artificial/la-inteligencia-artificial.shtmlhttp://www.lsi.upc.edu/~bejar/ia/ia.htmlhttp://www.smia.org.mx/Mauricio Ordoñez. Inteligencia Artificial. En:http://www.tuobra.unam.mx/publicadas/020821090354.html. [Consulta: 2008, 10 denoviembre].“Metodología de Programación I. Sistemas Expertos”. En:http://www.uv.mx/aguerra/teaching/pl-06/clase09.pdf. [Consulta: 2008, 28 de octubre].“¿Que es un Sistema Experto?“. En:http://cibernetica.wordpress.com/2007/03/09/%C2%BFque-es-un-sistema-experto/.[Consulta: 2008, 20 de octubre].Ricardo Colmenares. A.I. Inteligencia artificial Ciencia kubrickiana. En:http://centros5.pntic.mec.es/ies.victoria.kent/Rincon-C/Alumnos/al-12/al-12.htm. [Consulta:2008, 31 de octubre].“Una introducción a los sistemas Expertos”. En:http://www.fcyt.umss.edu.bo/docentes/269/publicacion/IntSE.pdf. . [Consulta: 2008, 20 deoctubre].Jairo Amaya Amaya, (2003)Sistemas de información, Universidad Santo Tomás, Colombia,1ra ediciónHarmon Paul, KIng David,(1988) Sistemas Expertos, Ediciones Diaz de Santos. México 1raedición