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.

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