Inteligencia Artificial

  • 256 views
Uploaded on

La Inteligencia Artificial es la ciencia de hacer con que las máquinas realicen tareas que requieren de inteligencia si son realizadas por los seres humanos. …

La Inteligencia Artificial es la ciencia de hacer con que las máquinas realicen tareas que requieren de inteligencia si son realizadas por los seres humanos.

La noción de inteligencia artificial fue desarrollada en referencia a ciertos sistemas creados por los seres humanos que constituyen agentes racionales no vivos. La racionalidad, es entendida como la capacidad para maximizar un resultado esperado.
La inteligencia artificial, por lo tanto, consiste en el diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento. Estos procesos se basan en secuencias de entradas que son percibidas y almacenadas por la arquitectura.
Entre las principales técnicas de inteligencia artificial se encuentran: las redes neuronales, redes bayesianas, sistemas multivalente, sistemas expertos, lógica difusa, algoritmos genéticos, etc. Todos estas técnicas se aplican exitosamente en diversos campos de trabajo como: robótica, visión artificial, realidad virtual, reconocimiento de patrones y procesamiento del lenguaje natural, entre otros.

More in: Technology
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
256
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
8
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. UNIVERSIDAD PERUANA UNIÓN FACULTAD DE INGENIERÍA Y ARQUITECTURA EAP Ingeniería de Sistemas MONOGRAFÍA Inteligencia Artificial Monografía presentada en cumplimiento parcial de la asignatura de Técnicas de Estudio e Investigación Autores Alumnos: Luis Miguel Sánchez Wilcamango Ciro Hidalgo Mozombite Raúl EduardoEnríquez Dixon Emilio SantillánApaestegui Profesora: Lic. Rosa Linda Mamani Morales Morales, Noviembre de 2013
  • 2. ÍNDICE RESUMEN ............................................................................................................................................................... 3 PALABRAS CLAVES: ARQUITECTURA FÍSICA, AGENTES RACIONALES, LÓGICA DIFUSA ............................................ 3 1. INTRODUCCIÓN ..................................................................................................................................... 4 2. MARCO TEÓRICO ................................................................................................................................... 5 2.1 DEFINICIONES: ....................................................................................................................................................... 5 2.2. HISTORIA DE LA INTELIGENCIA ARTIFICIAL ................................................................................................. 6 2.3 EDIFICIOS INTELIGENTES (INMÓTICA) .......................................................................................................... 6 2.3.1 Requisitos básicos que debe de cumplir toda edificación: ....................................... 7 2.3.2 Los Beneficios de los Edificios Inteligentes ............................................................... 7 2.4 Redes Neuronales ........................................................................................................ 13 2.4.1 Historia .......................................................................................................................... 13 2.4.2 Definición ...................................................................................................................... 15 2.4.3 Ventajas ......................................................................................................................... 16 2.4.3.1 2.4.3.2 2.4.3.3 2.4.3.4 2.4.3.5 2.4.4 2.3.5 2.3.5.1 2.3.5.2 2.3.3.1 3 Aprendizaje adaptativo. .................................................................................................................... 16 Auto-organización. ............................................................................................................................. 16 Tolerancia a fallos. ............................................................................................................................. 16 Operación en tiempo real. ................................................................................................................ 17 Fácil inserción dentro de la tecnología existente. ..................................................................... 17 Aplicaciones de las redes Neuronales ....................................................................... 17 Robótica ........................................................................................................................ 21 ¿Qué es la Robótica? ........................................................................................................................ 21 Componentes básicos de un Robot .............................................................................................. 21 Categorías principales de los robots: ........................................................................................... 22 CONCLUSIONES ................................................................................................................................... 23 REFERENCIAS........................................................................................................................................................ 24
  • 3. Resumen La Inteligencia Artificial es la ciencia de hacer con que las máquinas realicen tareas que requieren de inteligencia si son realizadas por los seres humanos. La noción de inteligencia artificial fue desarrollada en referencia a ciertos sistemas creados por los seres humanos que constituyen agentes racionales no vivos. La racionalidad, es entendida como la capacidad para maximizar un resultado esperado. La inteligencia artificial, por lo tanto, consiste en el diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento. Estos procesos se basan en secuencias de entradas que son percibidas y almacenadas por la arquitectura. Entre las principales técnicas de inteligencia artificial se encuentran: las redes neuronales, redes bayesianas, sistemas multivalente, sistemas expertos, lógica difusa, algoritmos genéticos, etc. Todos estas técnicas se aplican exitosamente en diversos campos de trabajo como: robótica, visión artificial, realidad virtual, reconocimiento de patrones y procesamiento del lenguaje natural, entre otros. Palabras claves: Arquitectura Física, agentes racionales, lógica difusa 3
  • 4. 1. Introducción El objetivo de esta monografía es describir los beneficios de la inteligencia artificial en las empresas. La Inteligencia Artificial es una disciplina nacida con el objeto de estudiar actividades humanas para las que no se disponía de métodos bien definidos para describir como se relacionaban. Su nacimiento (Conferencia de Darmouth, 1956) vino de falta de algoritmos capaces de describir determinadas actividades cognitivas, aparentemente simples (reconocer un objeto visualmente, comprender el lenguaje hablado y escrito, diagnosticar enfermedades, etc.). Desde fines de los años sesenta los esfuerzos se dirigen hacia el estudio de sistemas inteligentes para la robótica, apareciendo la necesidad de incorporar a los sistemas inteligentes gran cantidad de conocimientos específicos acerca de los problemas a resolver.[1] En el área de ingeniería, la Inteligencia Artificial es “La rama de la ciencia de la computación que se ocupa de la automatización de la conducta inteligente”. Basándose en los planteamientos filosóficos y los descubrimientos en neurofisiología, haciendo posible desarrollar sistemas que permiten emular ciertos comportamientos racionales. En nuestra actualidad, las aplicaciones de la inteligencia Artificial, se ve muchas veces reflejadas en la vida diaria, como: las redes neuronales, se usan para detectar fraudes bancarios y para analizar riesgos financieros; los sistemas expertos, en el ámbito comercial para la toma de decisiones; la lógica difusa se aplica tanto en los electrodomésticos, como en el control de sistemas tan complejos; entre otros. Por lo tanto, la importancia de la inteligencia artificial en nuestros días es innegable. Motivo por la cual damos a conocer por medio de esta monografía algunos subtemas de la Inteligencia Artificial que pueden ser para nosotros temas muy importantes, que quizás nos ayuden a comprender más entre ellas, como son: Domática; es la automatización y control centralizado y/o remoto de aparatos y sistemas eléctricos y electrotécnicos en la vivienda, en otras palabras, estaremos hablando sobre los edificios inteligentes, sus características, aplicaciones y entre otros, dándoles más adelante un mayor panorama; también un subtema que tocaremos es redes neuronales hoy en día aplicadas por instituciones financierasque les ayudan a identificar o detectar fraudes bancarios y analizar posibles riesgos financieros dentro de las empresas. Además mencionaremos acerca de los edificios inteligentes, sus aplicaciones, características, entre otros y también sobre la robótica. 4
  • 5. 2. Marco Teórico 2.1 Definiciones: La inteligencia artificial es aquella que trata de explicar el funcionamiento mental basándose en el desarrollo de algoritmos para controlar diferentes cosas. La inteligencia artificial combina varios campos, como la robótica, los sistemas expertos y otros, los cuales tienen un mismo objetivo, que es tratar de crear máquinas que puedan pensar por sí solas, lo que origina que hasta la fecha existan varios estudios y aplicaciones, dentro de las que se encuentran las redes neuronales, el control de procesos o los algoritmos genéticos.[2] La Inteligencia Artificial es una rama de las ciencias computacionales encargada de estudiar modelos de cómputo capaces de realizar actividades propias de los seres humanos en base a dos de sus características primordiales: el razonamiento y la conducta[3]. La idea de construir una máquina que pueda pensar es que realice cosas que nosotros realizamos y hacemos. Pero para que las computadoras se ganen el nombre de inteligentes, primero tienen que ser capaces de mantener, por ejemplo, un diálogo con un ser humano, ya que las computadoras únicamente pueden realizar o hacer lo que se les indique, pero nunca sabrán lo que están realizando pues no están conscientes.[2] La Inteligencia Artificial es un campo que por sus investigaciones trata de ser independiente de la informática, y se define como la técnica de software que los programas utilizan para dar solución a algún tipo de problema, pero tratando de asemejar el comportamiento inteligente que se observa en la naturaleza; es decir, trata de resolver problemas y tomar decisiones similares a las que toman los seres humanos al afrontar la vida diaria, realizando programas de computadora que aumenten la capacidad o “inteligencia“ de las mismas; el objetivo de las investigaciones de la Inteligencia Artificial es, aumentar la utilidad de las máquinas y sus procesos.[2] 5
  • 6. 2.2. Historia de la Inteligencia Artificial Se cree que los comienzos de la inteligencia artificial ocurrieron al definirse la neurona, en 1943, como un dispositivo binario con varias entradas y salidas. En el año de 1956 se volvió a tocar este tema y se establecieron las bases de la Inteligencia Artificial como un campo independiente dentro de la informática. En los años sesenta, la Inteligencia Artificial no tuvo mucho éxito, pues requerían mucho capital y la mayoría de las tecnologías eran propias de los grandes centros de investigación. No fue sino hasta las décadas siguientes que se lograron algunos avances significativos en una de las ramas, la llamada sistemas expertos. La Inteligencia Artificial es un campo que por sus investigaciones trata de ser independiente de la informática, y se define como la técnica de software que los programas utilizan para dar solución a algún tipo de problema, pero tratando de asemejar el comportamiento inteligente que se observa en la naturaleza; es decir, tratar de resolver problemas y tomar decisiones similares a las que toman los seres humanos al afrontar la vida diaria, realizando programas de computadora que auméntenla capacidad o inteligencia de las mismas; el objetivo de las investigaciones de la Ingeniería artificial es, aumentar la unidad de las máquinas y sus procesos. Una de las prestaciones de la Inteligenia artificial, es construir réplicas de la compleja red neuronal del cerebrohumano e intentar alinear el comportamiento del ser humano. 2.3 Edificios Inteligentes (inmótica) Un edificio inteligente es aquel que proporciona un ambiente de trabajo productivo y eficiente a través de la optimización de sus cuatro elementos básicos: estructura, sistemas, servicios y administración, con las interrelaciones entre ellos. Los edificios inteligentes ayudan a los propietarios, operadores y ocupantes, a realizar sus propósitos en términos de costo, confort, comodidad, seguridad, flexibilidad y comercialización.[4] Se considera un edificio inteligente aquel que posee un diseño adecuado que maximiza la funcionalidad y eficiencia en favor de los ocupantes. También es cuando las capacidades necesarias para lograr que el costo de un ciclo de vida sea el óptimo en ocupación e incremento de la productividad, sean inherentes en el diseño y administración del edificio. 6
  • 7. 2.3.1 Requisitos básicos que debe de cumplir toda edificación: a. b. c. d. e. f. g. h. i. j. Utilización Accesibilidad Acceso a los servicios de telecomunicaciones y multimedia. Seguridad estructural Seguridad anti incendio Seguridad de utilización Higiene, salud y protección del medio ambiente Protección contra el ruido Ahorro de energía y aislamiento térmico Aspectos funcionales Los edificios de clasifican en dos: a. Edificios residenciales b. Edificios no residenciales 2.3.2 Los Beneficios de los Edificios Inteligentes 2.3.2.1 Beneficios para Propietarios/Operadores del Edificio Los beneficios de los Edificios Inteligentes para los propietarios/operadores de los edificios normalmente caen dentro de dos áreas: eficiencias operacionales y oportunidades de ingresos incrementados.[5] Eficiencias Operacionales a. Los sistemas inteligentes llevan a reducción de costos a través de la eficiencia energética. b. Costos bajos de personal operativo (mantenimiento, instalaciones y seguridad) y productividad mejorada del personal. c. Una sola interfaz para servicios integrados del edificio y capacidad de controlar centralmente múltiples edificios. d. Extensión del ciclo de vida de un edificio. e. Reducir los gastos de capital y gastos operativos durante el ciclo de vida de un edificio. 7
  • 8. f. Mejor información para mantenimiento y operación de un edificio. g. Ofrecen entornos cómodos para todos los inquilinos de manera más efectiva. Oportunidades de Ingresos a. Rentas incrementadas derivadas de funcionalidad del edificio tales como:     las características mejoradas y Internet de alta velocidad Telefonía IP y comunicaciones unificadas Seguridad física y de red Control de los inquilinos sobre el entorno de oficina b. Satisfacción mejorada de los ocupantes lo cual lleva a mayores rangos de retención. c. Mayor valor de reventa. 2.3.2.2 Beneficios para los Inquilinos Los Edificios Inteligentes llevan a beneficios para los inquilinos en dos categorías claves: entornos de trabajo confortables y servicios mejorados para eficiencia y efectividad.[5] Entorno de Trabajo Calidad mejorada del aire • Temperatura auto controlada • Iluminación bajo demanda • Mayor seguridad en áreas de estacionamiento, elevadores, áreas comunes y oficinas • Control sobre los elementos de recursos humanos a través de una sola interfaz, incluyendo teléfono, correo de voz, acceso al edificio y al estacionamiento, acceso a la red, etc. Productividad Mejorada 8
  • 9. a. Infraestructura preinstalada de comunicaciones de voz, video e información, incluyendo:  Teléfono, correo de voz, intercomunicadores  Conferencias de audio y video  Acceso LAN y WAN, a Internet y correo electrónico  Acceso remoto b. Capacidad de reconfigurar el espacio de oficina rápida, fácil, eficiente en costo e independientemente del propietario/operador del edificio. c. Comodidad consistente de los empleados lo cual permite incrementos en la productividad general de los trabajadores.[5] Características Generales Las raíces de los sistemas expertos abarcan muchas disciplinas; en particular, una de las raíces principales de los sistemas expertos es el área del procesamiento de la información en la mente humana, denominada ciencia cognitiva. La cognición es el estudio de la manera en que los humanos procesan la información. En otras palabras, la cognición es el estudio de la manera en que las personas piensan, especialmente cuando resuelven problemas. En este sentido, el estudio de la cognición es muy importante si se pretende lograr que las computadoras emulen a los expertos humanos. En particular, en el sistema experto desarrollado en el presente trabajo, se emplearon técnicas específicas de educción de conocimiento tales como análisis de protocolo y emparrillado a efectos de inferir el conocimiento de expertos en automatización de edificios y modelar estos conocimientos operativos en términos de reglas de producción. Estructura de sistema El sistema experto desarrollado contempla los siguientes aspectos generales inherentes a la automatización global de un edificio: a) Sistema de gestión del confort. b) Sistema de gestión de la seguridad. c) Sistema de gestión del ahorro energético. 9
  • 10. a) Sistema de gestión del confort Este sistema está constituido por el sistema de control de la iluminación y por el sistema de control de temperatura del edificio El sistema de control de iluminación está a su vez compuesto por dos sensores de iluminación; uno es un sensor de iluminación natural colocado cerca de las ventanas en los diferentes ambientes, el cual determina cuál es el nivel de iluminación proveniente del exterior, y el otro es un sensor de iluminación artificial colocado en el techo aproximadamente en el centro del ambiente para determinar cuál es el nivel de iluminación proveniente de las lámparas de cada ambiente o habitación considerada. El otro componente del sistema de control de iluminación es un sensor de presencia que determina si hay personas presentes en la habitación. El sistema primero determina si hay personas en la habitación y si las hay luego toma el valor del sensor de iluminación natural y determina cuantas lámparas de la habitación hay que activar para tener un cierto nivel de iluminación dentro de la habitación.[6] Por ejemplo, si es de noche el sensor de iluminación natural acusará que no hay radiación proveniente del exterior y el sistema prendera todas las lámparas. Si es de día, y el nivel de radiación proveniente de la luz solar cae dentro de los rangos de confortabilidad de una persona, entonces el sistema de control de iluminación determinara que no es necesario encender ninguna lámpara. En cualquiera de los casos mencionados, es el actuador correspondiente el encargado de encender o no las cantidades de luces que determine el programa. En general, excepto ligeras variantes, en un ambiente dado, el sistema de control de temperatura está compuesto por un termostato, un indicador de temperatura, una válvula de agua caliente, una la válvula de agua fría y un damper o cortina de aire exterior. El sistema toma el valor del sensor de temperatura y de acuerdo a este valor abre o no el damper de aire exterior, la válvula de agua fría o caliente. Por ejemplo, si la temperatura en la habitación es de 10 grados centígrados, la válvula de agua caliente estará medio abierta, el damper de aire exterior estará abierto y la válvula de agua fría estará totalmente cerrada. Otro ejemplo es que el sensor este marcando que la temperatura es de 35 grados centígrados; en este caso se abre el damper de aire exterior, se cierra totalmente la 10
  • 11. válvula de agua caliente y la válvula de agua fría estará abierta en una posición intermedia. b) Sistema de gestión de la seguridad El sistema de gestión de la seguridad se compone de un sistema de control de presencia y de un sistema de gestión de seguridad.[6] El sistema de control de presencia está compuesto por:        Sensor de apertura de la puerta de acceso Sensor de apertura de ventana Sensor de rotura de cristales Sensor de control de acceso Sistema de simulación MODEM Alarma Este sistema determina si alguien quiso forzar una puerta para ingresar a un determinado ambiente del edificio o si alguien quiere abrir una ventana con el mismo fin. Del mismo modo determina si alguien rompió una ventana para ingresar o si la persona que está ingresando a una habitación no está habilitada para poder hacerlo. El sistema de control de presencia actúa de la siguiente manera: si alguien forzara una ventana, el sensor correspondiente se activará y enviará una señal que hará sonar una alarma y activará un MODEM que estará conectado con la estación de policía más cercana. Lo mismo ocurriría si alguien fuerza una puerta de acceso o rompe una ventana. El sensor de control de acceso determina si la persona que esta ingresando a la habitación está habilitada para tal situación; si no fuera así , el sensor se activara y hará sonar una alarma para avisar al personal de seguridad del edificio. 11
  • 12. El sistema de gestión de seguridad está compuesto por:             Sensor de nivel de agua Sensor humo Sensor de llama Sensor de gas Llave térmica Electroválvula de gas Controlador de apertura de puertas Controlador de aire acondicionado Electroválvula de agua Sistema de extinción de incendio Controlador de apertura de ventanas MODEM El sistema de gestión de la seguridad actúa de la siguiente manera: Si en una determinada habitación se genera un incendio, el sensor de llama y el de humo se activarán y enviarán una señal para que se cierre la electroválvula de gas, se desactive la llave térmica para cortar el suministro de energía, se apague el aire acondicionado para evitar propagar el incendio y se active el MODEM para que realice una llamada a la estación de bomberos.[6] Si existe una pérdida de gas, el sensor que mide la composición del aire se activará y enviará una señal para que el sistema cierre la electroválvula de gas, abra las ventanas y puertas y desconecte la llave térmica. Si existe una pérdida de agua en el edificio, se activará el sensor que mide el nivel de agua, lo que provocará que se cierre la electroválvula de agua y se desconecte la llave térmica para prevenir posibles riesgos en las personas que ocupan el edificio. 12
  • 13. c) Sistema de gestión de ahorro de energía El sistema de gestión de ahorro energético se compone de:       Sensor de presencia Reloj Sistema de acumulación Controlador del sistema de iluminación Conmutador de llave térmica Conmutador del sistema de calefacción El sistema de gestión de ahorro energético funciona de la siguiente manera: El sistema de acumulación se compone de un banco de baterías que se cargan entre la una y las siete de la mañana cuando la tarifa de la compañía eléctrica es más económica.[6] El resto del día el sistema de acumulación se utiliza para activar el sistema eléctrico y para calentar el tanque de agua caliente que provee de agua caliente a todo el edificio. 2.4 Redes Neuronales 2.4.1 Historia a. 1936 - Alan Turing. Fue el primero en estudiar el cerebro como una forma de ver el mundo de la computación. Sin embargo, los primeros teóricos que concibieron los fundamentos de la computación neuronal fueron Warren McCulloch, un neurofisiólogo, y Walter Pitts, un matemático, quienes, en 1943, lanzaron una teoría acerca de la forma de trabajar de las neuronas. Ellos modelaron una red neuronal simple mediante circuitos eléctricos.[7] b. 1949 - Donald Hebb. Fue el primero en explicar los procesos del aprendizaje desde un punto de vista psicológico, desarrollando una regla de como el aprendizaje ocurría. Su idea fue que el aprendizaje ocurría cuando ciertos cambios en una neurona eran activados. También intentó encontrar semejanzas entre el aprendizaje y la actividad nerviosa. Los trabajos de Hebb formaron las bases de la Teoría de las Redes Neuronales. 13
  • 14. c. 1950 - Karl Lashley. En sus series de ensayos, encontró que la información no era almacenada en forma centralizada en el cerebro sino que era distribuida encima de él. d. 1956 - Congreso de Dartmouth. Este Congreso frecuentemente se menciona para indicar el nacimiento de la inteligencia artificial. e. 1957 - Frank Rosenblatt. Comenzó el desarrollo del Perceptron. Esta es la red neuronal más antigua. Este modelo era capaz de generalizar, es decir, después de haber aprendido una serie de patrones podía reconocer otros similares, aunque no se le hubiesen presentado en el entrenamiento. Sin embargo, tenía una serie de limitaciones, por ejemplo, su incapacidad para resolver el problema de la función OR-exclusiva y, en general, era incapaz de clasificar clases no separables linealmente. f. 1959 - Frank Rosenblatt: Principios de Neurodinámica. En este libro confirmó que, bajo ciertas condiciones, el aprendizaje del Perceptron convergía hacia un estado finito (Teorema de Convergencia del Perceptron). g. 1960 - Bernard Widroff/MarcianHoff. Desarrollaron el modelo Adaline (ADAptativeLINearElements). Esta fue la primera red neuronal aplicada a un problema real (filtros adaptativos para eliminar ecos en las líneas telefónicas) que se ha utilizado comercialmente durante varias décadas. h. 1961 - Karl Steinbeck: Die Lernmatrix. Red neuronal para simples realizaciones técnicas (memoria asociativa). i. 1969 - Marvin Minsky/Seymour Papert. En este año casi se produjo la “muerte abrupta” de las Redes Neuronales; ya que Minsky y Papert probaron (matemáticamente) que el Perceptrons no era capaz de resolver problemas relativamente fáciles, tales como el aprendizaje de una función no-lineal. Esto demostró que el Perceptron era muy débil, dado que las funciones no-lineales son extensamente empleadas en computación y en los problemas del mundo real. j. 1974 - Paul Werbos. Desarrolló la idea básica del algoritmo de aprendizaje de propagación hacia atrás (backpropagation); cuyo significado quedó definitivamente aclarado en 1985. k. 1977 - Stephen Grossberg: Teoría de Resonancia Adaptada (TRA). La Teoría de Resonancia Adaptada es una arquitectura de red que se diferencia de 14
  • 15. todas las demás previamente inventadas. La misma simula otras habilidades del cerebro: memoria a largo y corto plazo. l. 1985 - John Hopfield. Provocó el renacimiento de las redes neuronales con su libro: “Computación neuronal de decisiones en problemas de optimización.” m. 1986 - David Rumelhart/G. Hinton. Redescubrieron el algoritmo de aprendizaje de propagación hacia atrás (backpropagation). A partir de 1986, el panorama fue alentador con respecto a las investigaciones y el desarrollo de las redes neuronales. En la actualidad, son numerosos los trabajos que se realizan y publican cada año, las aplicaciones nuevas que surgen (sobre todo en el área de control) y las empresas que lanzan al mercado productos nuevos, tanto hardware como software (sobre todo para simulación).[7] 2.4.2 Definición Las Redes Neuronales Artificiales, ANN (Artificial Neural Networks) están inspiradas en las redes neuronales biológicas del cerebro humano. Están constituidas por elementos que se comportan de forma similar a la neurona biológica en sus funciones más comunes. Estos elementos están organizados de una forma parecida a la que presenta el cerebro humano.[8] Las Redes Neuronales Artificiales al margen de "parecerse" al cerebro presentan una serie de características propias del cerebro. Aprender:adquirir el conocimiento de una cosa por medio del estudio, ejercicio o experiencia. Las ANN pueden cambiar su comportamiento en función del entorno. Se les muestra un conjunto de entradas y ellas mismas se ajustan para producir unas salidas consistentes. Generalizar:extender o ampliar una cosa. Las ANN generalizan automáticamente debido a su propia estructura y naturaleza. Estas redes pueden ofrecer, dentro de un margen, respuestas correctas a entradas que presentan pequeñas variaciones debido a los efectos de ruido o distorsión. Abstraer:aislar mentalmente o considerar por separado las cualidades de un objeto. Algunas ANN son capaces de abstraer la esencia de un conjunto de entradas que aparentemente no presentan aspectos comunes o relativos. 15
  • 16. 2.4.3 Ventajas 2.4.3.1 Aprendizaje adaptativo. Esta es quizás la característica más importante de las redes neuronales, pueden comportarse en función de un entrenamiento con una serie de ejemplos ilustrativos. De esta forma, no es necesario elaborar un modelo a priori, ni establecer funciones probabilísticas. Una red neuronal artificial es adaptativa porque puede modificarse constantemente con el fin de adaptarse a nuevas condiciones de trabajo. En el proceso de aprendizaje, los enlaces ponderados de las neuronas se ajustan de manera que se obtengan ciertos resultados específicos. Una red neuronal no necesita un algoritmo para resolver un problema, ya que ella puede generar su propia distribución de pesos en los enlaces mediante el aprendizaje. También existen redes que continúan aprendiendo a lo largo de su vida, después de completado su período de entrenamiento. 2.4.3.2 Auto-organización. Las redes neuronales emplean su capacidad de aprendizaje adaptativo para auto-organizar la información que reciben durante el aprendizaje y/o la operación. Mientras que el aprendizaje es la modificación de cada elemento procesal, la auto-organización consiste en la modificación de la red neuronal completa para llevar a cabo un objetivo específico.[9] Esta auto-organización provoca la generalización: facultad de las redes neuronales de responder apropiadamente cuando se les presentan datos o situaciones alas que no había sido expuesta anteriormente. Esta característica es muy importante cuando se tiene que solucionar problemas en los cuales la información de entrada no es muy clara; además permite que el sistema dé una solución, incluso cuando la información de entrada está especificada de forma incompleta. 2.4.3.3 Tolerancia a fallos. En la computación tradicional la pérdida de un fragmento pequeño de información puede acarrear comúnmente la inutilización del sistema. Las redes neuronales artificiales poseen una alta capacidad de tolerancia a fallos. 16
  • 17. Se entiende por ello que las redes pueden reconocer patrones de información con ruido, distorsión o incompletos, pero que, además, pueden seguir trabajando aunque se destruya parte de la red (con cierta degradación). La explicación de este fenómeno se encuentra en que mientras la computación tradicional almacena la información en espacios únicos, localizados y direccionables, las redes neuronales lo hacen de forma distribuida y con un alto grado de redundancia. 2.4.3.4 Operación en tiempo real. Una de las mayores prioridades, casi en la totalidad de las áreas de aplicación, es la necesidad de realizar procesos con datos de forma muy rápida. Las redes neuronales se adaptan bien a esto debido a su implementación paralela. Para que la mayoría de las redes puedan operar en un entorno de tiempo real, la necesidad de cambio en los pesos de las conexiones o entrenamiento es mínimo. 2.4.3.5 Fácil inserción dentro de la tecnología existente. Una red individual puede ser entrenada para desarrollar una única y bien definida tarea (tareas complejas, que hagan múltiples selecciones de patrones, requerirán sistemas de redes interconectadas). Con las herramientas computacionales existentes, una red puede ser rápidamente entrenada, comprobada, verificada y trasladada a una implementación hardware de bajo coste. Por lo tanto, no se presentan dificultades para la inserción de redes neuronales en aplicaciones específicas. De esta manera, las redes neuronales se pueden utilizar para mejorar sistemas en forma incremental y cada paso puede ser evaluado antes de acometer un desarrollo más amplio. 2.4.4 Aplicaciones de las redes Neuronales Se le puede dividir según el tipo de problema a resolver y dentro de los cuales se puede establecer otra división según el campo donde se aplica: A. Clasificación a) Medicina  Diagnóstico de cardiopatía: 17
  • 18.  Detención de tumores cancerígenos: Una red neuronal entrenada localiza y clasifica en imágenes médicas la posible existencia de tumores cancerígenos.[10]  Determinación depuntos característicos del ECG (Electrocardiograma): En esta aplicación la red neuronal se utiliza para determinar puntos de ECG que serán usados posteriormente por el cardiólogo para establecer las diferentes series temporales. b) Farmacia  Predicción del riesgo de intoxicación por digoxina: En esta aplicación la tarea de la red neuronal es predecir el posible riesgo de intoxicación por digoxina que es un fármaco usado en problemas de corazón.  Predicción de la respuesta emética: la red neuronal determina como salida la respuesta emética. Esta respuesta está relacionada con el número de náuseas y vómitos que siente un paciente oncológico tras un tratamiento con quimioterapia. c) Procesado de señal  Ecualización de canales de comunicación:Ecualizar un canal consiste en recuperar la señal que, al pasar a través de un canal de comunicaciones, sufre una distorsión.  Reconocimiento de patrones en imágenes: Esta aplicación evidencia la capacidad de las redes neuronales ya que se trata de una tarea relativamente sencilla para un ser humano.  Reconocimiento de voz: Esta aplicación, de gran importancia de cara a la implementación de sistemas controlados por la voz, han encontrado en las redes neuronales un camino para su desarrollo.  Sonar y radar:La capacidad de las redes neuronales para clasificar determinados objetos les permite su aplicación en este campo como dispositivos para discernir los diferentes objetivos. d) Economía. 18
  • 19.  Concesión de créditos: En esta aplicación las redes neuronales en virtud a determinados marcadores económicos de la persona que pide el préstamo decide su viabilidad o no.  Detención de posibles fraudes en tarjetas de crédito:Las redes neuronales pueden ser usadas como elementos discriminativos para conceder o no una determinada cantidad en un cajero automático.  Determinación de la posibilidad de quiebra de un banco:en esta aplicación la red neuronal determina el riesgo de quiebra de un banco en virtud de determinados parámetros económicos. B. Modelización a) Medicina  Caracterización de la dinámica en la variabilidad cardíaca:La regulación del ritmo cardiaco se lleva a cabo por un sistema dinámico operando bajo un régimen caótico.  Comprensión de señales electrocardiográficas: Uno de los temas más activos en el campo de la ingeniería biomédica es la telemedicina. Esta disciplina consiste en el desarrollo de algoritmos que permitan el diagnóstico de una determinada enfermedad sin que el paciente se tenga que desplazar al centro médico. Las diferentes señales que necesita el médico se transmiten vía telefónica. Para aumentar la eficacia de esta transmisión se podría pensar en la comprensión de la señal que consiste en aplicar diferentes algoritmos para reducir su tamaño.  Predicción de enfermedades degenerativas cardiacas: Pacientes que han sufrido un infarto recientemente presenta un cierto factor de riesgo de sufrir otro. b) Farmacia  Predicción del nivel de Tacrolimus en sangre: Este fármaco se utiliza en la terapia post-trasplante. Presenta un estrecho ámbito terapéutico. El empleo de una perceptrón multicapa ha demostrado su utilidad en la predicción del nivel de este fármaco en sangre. 19
  • 20.  Predicción del nivel de ciclosporina: La ciclosporina es un fármaco usado para evitar la reacción de rechazo en trasplantes de riñón, corazón, pulmón, e hígado. Predecir la concentración de este fármaco a corto plazo ayudaría a la optimización de la dosis siguiente.  Predicción de la concentración de Gentamicina.[10] c) Procesado de la señal  Eliminación activa de ruido: Cuando el ruido y la señal de interés tienen los espectros frecuenciales solapados un filtro selectivo en frecuencia no tiene sentido. En este caso hay que intentar otras aproximaciones. Una de estas es la cancelación activa de ruido aplicando sistemas adaptativos y redes neuronales.  Control: El sistema a controlar se modeliza para poder realizar predicciones de su comportamiento y poder controlarlo más fácilmente. d) Economía  Predicción del gasto eléctrico de empresas y centrales: mediante el uso de una red neuronal podemos estimar el consumo de una empresa y podemos administrar mejor los recursos eléctricos de dicha empresa.  Cambio de moneda: Las redes neuronales se han usado para la predicción del cambio entre el dólar americano y el marco alemán.  Tendencias a corto y medio plazo en bolsas de valores:  Predicción de stocks: Uno de los mayores problemas que se puede encontrar una fábrica es la falta o un exceso de suministros. Una buena previsión de la cantidad necesaria justa podría evitar muchos problemas. e) Medio Ambiente  La predicción de irradiación solar: La actividad solar se encuentra relacionada con la existencia de campos magnéticos en la superficie del sol y se cree que tiene alguna influencia en el tiempo sobre la tierra. El origen de este tipo de series es un sistema dinámico ruidoso y caótico. 20
  • 21.  Predicción de niveles tóxicos de ozono en zonas urbanas y rurales: Este gas nos protege de la radiación ultravioleta del sol, sin embargo, un exceso puede conducir a problemas de salud. Una predicción de su concentración en la atmosfera a corto plazo podría conducir a la aplicación de medidas para evitar posibles incrementos indeseados en la concentración de este gas.  Predicción de variaciones globales de temperatura: las variaciones de las temperaturas marinas nos alertan sobre la formación de huracanes y tormentas, por lo que hace necesario su predicción. 2.3.5 Robótica 2.3.5.1 ¿Qué es la Robótica? Un robot es un dispositivo mecánico programable que puede realizar e interactuar con su entorno, sin la ayuda de interacción humana. La robótica es la ciencia y tecnología detrás del diseño, fabricación y aplicación de los robots. Los robots hacen mucho más que solo “computar”. Son herramientas que nos ayudan a lograr muchas cosas, que pueden ser utilizados en fábricas para crear automóviles y electrónicos. Pueden explorar bajo del agua y en otros planetas, llegar a lugares donde no es posible en el que el humano pueda llegar. Hoy en día los vez utilizados en hospitales, en la agricultura y transporte, para la defensa y la seguridad nacional, y mucho más. 2.3.5.2 Componentes básicos de un Robot Los componentes de un Robot son el cuerpo/estructura, sistema de control, manipuladores, y transmisión.  Cuerpo/Estructura: El cuerpo o estructura puede ser de cualquier forma o tamaño. Básicamente, el cuerpo/estructura proporciona la estructura de un robot. La mayoría de las personas están acostumbrados a robots que tengan tamaño y forma igual a de los humanos que han visto en películas, pero la mayoría de robots reales no tienen nada parecido a los humanos. El Robonautde NASA es una excepción. Por lo general están diseñados más para función que la apariencia. 21
  • 22.  Sistema De Control: El sistema de control de un robot es equivalente al sistema nervioso central de un humano. Coordina y controla todo los aspectos del robot. Los sensores proporcionan información basada en el entorno del robot, y es enviada a la Unidad Central de Procesamiento. El CPU filtra esta información a través de la programación del robot y toma decisiones basadas en la lógica. Lo mismo puede ser realizado con una variedad de entradas o comandos humanos.  Manipuladores: Para cumplir con los propósitos, varios robots requieren interactuar con su entorno, y el mundo alrededor de él.  Drivetrain (transmisión): Aunque algunos robots son capaces de realizar sus tareas desde una ubicación, a menudo es un requisito de los robots que son capaces de moverse de un lugar a otro. Para esta tarea se necesita de un drivetrain (transmisión). Los drivetrains consisten de un método motorizado de movilidad. Robots parecidos a los humanos usan piernas, mientras que la mayoría de los robots utilizará algún tipo de solución con ruedas. 2.3.3.1 Categorías principales de los robots:  Robots industriales.  Robots en la investigación.  Robots en la educación 22
  • 23. 3 Conclusiones  La capacidad de una máquina de pensar y actuar como el hombre en el ámbito tecnológico de la Inteligencia Artificial es una de las áreas que causa mayor expectación, incluso dentro de la sociedad en general, debido a que la búsqueda para comprender los mecanismos de la inteligencia, ha sido la piedra filosofal del trabajo de muchos científicos por muchos años y lo sigue siendo.  El avance tecnológico puede traer grandes cambios a la sociedad. No se puede negar que el empleo de la Inteligencia artificial traería grandes ventajas para el hombre, mejorando la calidad de vida; transformando la sociedad y la forma en que el hombre interactúa con esta, pero también se debe ser conciente de sus implicaciones negativas como la desaparición de empleos que impliquen esfuerzos tanto físico como mental y creación de otros vinculados a las nuevas tecnologías.  El acceso a Internet será cada vez más rápido, la televisión se hará digital e interactiva, los nuevos operadores ofrecerán alternativas interesantes a la telefonía básica, la domótica entrará de lleno en los hogares, y a través de los sistemas inteligentes puestos algunos ya en marcha en la medicina, industria, agricultura. 23
  • 24. DEDICATORIA Bueno este trabajo que está hecho con el esfuerzo de cada integrante de nuestro grupo que es “Inteligencia Artificial” dedicamos nuestro trabajo a cada una de las personas que hicieron posible culminar este proyecto, como por ejemplo a la profesora Rosa Linda Mamani Morales que con a su aporte con algunas pautas de guía nos ayudó mucho, también a su esposo el Ingeniero y profesor Esteban Tocto quien con aportes de instrucciones y recomendaciones nos ayudó bastante, también algunos profesores e ingenieros de sistemas quienes nos dieron algunos aportes para poder avanzar con nuestro proyecto. Y en general va dedicada a las personas que estarán presentes en el día de nuestra exposición así como algunos miembros de estarán evaluando nuestro trabajo, también para nuestros queridos compañeros que estarán prestando atención a nuestro trabajo de exposición y aprendiendo de lo expuesto. 24
  • 25. Referencias [1] J. B. Vecino, “La Inteligencia Artificial en la Agricultura: Perspectivas de los Sistemas Expertos,” 1989. . [2] L. A. G. Fernández, “la ciencia y el hombre,” La ciencia y el Hombre, 2004. [Online]. Available: http://www.uv.mx/cienciahombre/revistae/vol17num3/articulos/inteligencia/. [Accessed: 08-Sep-2013]. [3] B. L. Takeyas, “Introducción a la inteligencia artificial,” 2007. [Online]. Available: www.lsi.upc.edu/~bejar/ia/transpas/teoria/1-IA-introduccion.pdf. [Accessed: 08Sep-2013]. [4] G. de J. Arreola Hernández, “LAS TELECOMUNICACIONES Y LA ACÚSTICA , APLICADAS AL AUDITORIO DE LA EX-ESIME,” 2009. [Online]. Available: itzamna.bnct.ipn.mx/dspace/bitstream/123456789/8510/1/78.pdf. [Accessed: 17-Oct-2013]. [5] I. CommScope, “Edificios Inteligentes : Tecnológicas Arrendatarios de Edificios CommScope : para . Beneficiar [Accessed: 17-Oct-2013]. [6] E. A. Sierra, A. A. Hossian, R. García, and P. D. Marino, “Sistema . [7] C. A. Ruiz and D. J. Matich, “Redes Neuronales: Conceptos Básicos y Aplicaciones.,” 2001. [Online]. Available: ftp://decsai.ugr.es/pub/usuarios/castro/Material-RedesNeuronales/Libros/matich-redesneuronales.pdf. [Accessed: 22-Oct-2013]. [8] X. basogain Olabe, “REDES NEURONALES ARTIFICIALES Y.” [Online]. Available: cvb.ehu.es/open_course_ware/castellano/.../pdf/libro-del-curso.pdf. [Accessed: 30-Oct-2013]. [9] M. Victoria, “Aplicaciones de las redes neuronales . El caso de la Bibliometría,” 2001. [Online]. Available: www.dynamics.unam.edu/DinamicaNoLineal/Articulos/... . [Accessed: 02-Nov-2013]. 1
  • 26. [10] J. J. Serrano, Antonio- Soria, Emilio- D. Martín, “Redes Neuronales Artificiales.” [Online]. Available: ocw.uv.es/ingenieria-y-arquitectura/12/libro_ocw_libro_de_redes.pdf. [Accessed: 30-Oct-2013]. 2