Inteligencia Artificial

2013
UNIVERSIDAD NACIONAL
AUTONOMA DE MEXICO-
FACULTAD DE ESTUDIOS
SUPERIORES ARAGON

Ismael Angel Salazar Ruz

[REDES NEURONALES E
INTELIGENCIA ARTIFICIAL]
En el presente documento se realiza una breve descripcin de las redes neuronales artificiales y su
aplicacin dentro de la inteligencia artificial, as como la evolucin que ambas han tenido y las
proyecciones que se tienen a futuro.
[REDES NEURONALES E INTELIGENCIA ARTIFICIAL] 2 de septiembre de 2013

UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO-FACULTAD DE ESTUDIOS SUPERIORES
ARAGON | ISMAEL ANGEL SALAZAR RUIZ
1

Contenido
OBJETIVO............................................................................................................................................2
INTRODUCCION A LAS REDES NEURONALES E INTELIGENCIA ARTIFICIAL ..........................................3
MARCO HISTORICO ........................................................................................................................3
QU ES UNA RED NEURONAL ARTIFICIAL? ...................................................................................4
TABLA NUMERO 1 ..............................................................................................................................5
INTELIGENCIA ARTIFICIAL ...................................................................................................................6
CONCEPTO DE INTELIGENCIA ARTIFICIAL .......................................................................................6
OBJETIVO DE LA IA .........................................................................................................................6
TECNICAS DE LA INTELIGENCIA ARTIFICIAL ....................................................................................7
QU SON LAS TECNICAS DE LA INTELIGENCIA ARTIFICIAL? ......................................................7
PRINCIPALES TECNICAS DE LA IA ................................................................................................7


2

OBJETIVO
Durante los ltimos aos, la tecnologa ha evolucionado a una velocidad increble,
de manera que hemos pasado, en un tiempo relativamente corto, de tener
computadoras que abarcaban una habitacin entera y solo podan ser operadas
por expertos a tener computadores porttiles de unos cuantos gramos de peso y
una interfaz de usuario que permite que cualquier persona pueda utilizarla y darle
una aplicacin prctica en su vida diaria.
Como ya es bien sabido, una de estas aplicaciones ha sido la educacin. En este
mbito, las computadoras se han vuelto una herramienta indispensable,
abarcando prcticamente todos los niveles educativos, desde la educacin
primaria, donde son utilizadas bsicamente para consulta de informacin, hasta
los niveles superiores donde su aplicacin nos lleva al desarrollo de software,
investigaciones especializadas, diseo de nuevos productos, etc. Debido a esto,
algunos trminos, como interfaz de usuario, inteligencia artificial, robot, binica,
Internet, etc. que antes eran utilizados solo por profesionales se han vuelto parte
del vocabulario comn de la sociedad, la cual en la mayora de los casos les da
una definicin errnea o poco acertada generando de esa manera informacin
equivocada, aunado a esto tenemos el avance de Internet, el cual permite que
cualquier persona suba informacin a la red, por desgraciada algunas veces las
persona que suben esta informacin a Internet tienen poco o nulo conocimiento
del tema y se basan en lo que escuchan o en lo que ellos piensan que puede
significar o abarcar un tema u otro.
Ante esta situacin es comn que cuando el alumno o cualquier persona busque
informacin sobre un tema se encuentre muchas veces con informacin falsa o
errnea, dificultando de esta manera el aprendizaje.
Por tal motivo, el presente documento pretende brindar una introduccin precisa,
confiable y efectiva a un tema que ha ido creciendo en nivel de importancia en los
ltimos aos: las redes neuronales e inteligencia artificial, as mismo se pretende
marcar un punto de partida para que aquellas personas que desean saber ms
sobre este tema sepan sobre qu reas deben de buscar ms informacin y que
reas no son tan relevantes.
Por ltimo, a lo largo del documento se darn referencias de autores, pginas de
Internet y libros que pueden ser consultados para una ampliacin confiable del
tema.

3

INTRODUCCION A LAS REDES NEURONALES E INTELIGENCIA
ARTIFICIAL

MARCO HISTORICO

La concepcin de la idea de una neurona artificial se la debemos a Warren
McCulloch, un neurofisilogo, y Walter Pitts, un matemtico, quienes en 1943
desarrollaron el primer esquema de funcionamiento basado en la manera en la
trabaja el sistema nervioso de los seres humanos (Un Clculo Lgico de la Inminente
Idea de la Actividad Nerviosa - Boletn de Matemtica Biofsica 5: 115-133), ellos tambin
realizaron de manera fsica una red neuronal simple con circuitos elctricos.
Posteriormente en 1949, el psiclogo Donald Hebb escribi un libro titulado The
Organization of Behavior donde quedo establecida la primera ley para el aprendizaje
de las neuronas artifciales, esta ley trabaja principalmente sobre la
neuroplasticidad que surge cuando dos neuronas hacen conexin.
Para esa poca ya se haban hecho muy evidentes las ventajas y posibles
aplicaciones de las redes neuronales artificiales, por este motivo, en 1956 John
McCarthy, un prominente informtico convoca al congreso de Dartmouth, que se
volvera famoso por ser el lugar donde se reforz el trmino de Inteligencia
Artificial, unindolo, adems, con el de neurona artificial pues se tena como
objetivo la fabricacin de mquinas que realizaran ciertas tareas simulando el
comportamiento humano.
Al ao siguiente Frank Rosenblatt desarrolla el Perceptrn, que es la red neuronal
ms simple y antigua que existe. La principal caracterstica del Perceptrn es que
es capaz de aprender y reconocer patrones sencillos, sin embargo, su principal
limitacin era que solo poda ser utilizado en la resolucin de problemas lineales y
que sean de dos clases perfectamente diferenciables, estas limitaciones quedaron
expuestas en los libros Principios de Neurodinmica escrito en 1959, donde se
explicaba que bajo ciertas condiciones el aprendizaje del Perceptrn converga
hacia un estado finito (Teorema del Perceptrn), y Perceptrons escrito por dos
investigadores del Massachusetts Institute of Technology (MIT), Marvin Minsky y
Seymur Papert, en 1969 donde lograron demostrar matemticamente las
limitaciones del Perceptrn.
Los dos libros anteriores provocaron una detencin en el estudio de las redes
neuronales artificiales, no fue hasta 1986 con el redescubrimiento del algoritmo de

4

aprendizaje de propagacin hacia atrs
(backpropagation) por parte de David
Rumelhart y G. Hinton.
Mientras tanto, el campo de la inteligencia
artificial avanzaba rpidamente con el
desarrollo de una serie de programas como
Eliza y Sad Sam.
QU ES UNA RED NEURONAL
ARTIFICIAL?
Todos los autores utilizan definiciones distintas de lo que son las redes neuronales
artificiales, sin embargo, en este caso trataremos de dar un concepto ms
generalizado y prctico, aunque para lograr esto es necesario que coloquemos a
las redes neuronales dentro de sus dos grandes campos de accin: la conexin de
computadoras y la fabricacin de circuitos elctricos con microcontroladores
principalmente.
Dentro del mbito de la conexin de computadoras podemos establecer que una
red neuronal es aquella manera de conectar dos o ms computadoras de manera
que la transmisin de informacin entre ellas servir para resolver un problema de
manera similar a como lo hara el sistema nervioso del ser humano,
adicionalmente este tipo de conexin ocasionar que la computadora aprenda
conceptos nuevos, genere criterios que no le hayan sido presentados con
anterioridad y produzca conocimientos nuevos.
Podemos poner como ejemplo a la supercomputadora Watson desarrollada por
IBM. Las principales caractersticas de Watson son su comprensin del lenguaje
humano (oral y escrito), adems de su capacidad de aprender cosas que no estn
dentro de su programacin tales como ser sarcstico o emitir juicios morales,
adems de haber participado en el programa de conocimientos Jeopardy! en donde
derroto por un margen muy amplio a los dems competidores.
Si bien Watson es un ejemplo de supercomputadora creada por red neuronal
artificial est claro que tambin es un ejemplo de inteligencia artificial muy
avanzada, aqu podemos remarcar una caracterstica de las redes neuronales
artificiales: siempre producirn un nivel de inteligencia artificial.
Hablando un poco sobre las redes neuronales artificiales creadas en base a
microcontroladores podemos decir que para su fabricacin basta con ensamblar
una cierta cantidad de microcontroladores para que estos trabajen en paralelo y
produzcan una salida de informacin ms avanzada y precisa.

5

Este tipo de neuronas artificiales se estn
popularizando en el mbito de la binica ya
que permiten la creacin de controles
mentales ya que de alguna manera se
enlazan con las neuronas naturales que el
usuario posee. Este es el caso del brazo
robtico desarrollado en los Estados Unidos y
el cual se espera que sea utilizado por
pacientes cuadripljicos (el brazo robtico se ve
en la ilustracin 1)

Tras estas pequeas definiciones estamos en condiciones de dar una definicin a
las neuronas artificiales,pero antes procederemos a realizar una pequea tabla
comparativa a fin de reforzar los conceptos dados.
TABLA NUMERO 1
TIPOS DE REDES NEURONALES ARTIFICIALES
POR CONEXIN DE
COMPUTADORAS
POR MICROCONTROLADORES
*Pueden manejar una cantidad de
informacin.
*Producen una respuesta ms rpida
de los circuitos elctricos.
*Les permite crear un nivel de
aprendizaje.
*Tienen un nivel de complejidad
bastante alto.
*Actualmente son pocas las
computadoras que han sido creadas de
esta manera.
*Actualmente la ingeniera binica es la
ms interesada en este tipo de redes
pues permiten el control mental de los
robots.
*La supercomputadora Watson es el
mejor ejemplo del potencial que estas
redes ofrecen.
*Su principal aplicacin sera para
ayudar a pacientes cuadripljicos o con
problemas motrices.

Ahora ya estamos en posicin de definir una red neuronal como:
Aquel sistema o conexin que tiene como objetivo simular el funcionamiento del sistema
nervioso de los seres vivos, en especial del ser humano, con el objetivo de resolver
Ilustracin 1

6

problemas que estn fuera del alcance de las computadoras y circuitos convencionales,
adicionalmente las redes neuronales artificiales siempre producirn algn nivel de
inteligencia artificial
Como vemos, la inteligencia artificial y las redes neuronales artificiales estn
ntimamente ligadas, por tal motivo es obvio que necesitamos definir el concepto
de Inteligencia Artificial
INTELIGENCIA ARTIFICIAL
CONCEPTO DE INTELIGENCIA ARTIFICIAL
El concepto de Inteligencia Artificial (IA) es algo mucho ms complejo que la
definicin de red neuronal artificial ya que primero necesitamos definir la palabra
inteligencia y posteriormente establecer hasta qu punto la inteligencia se vuelve
artificial, pero para lograr esto necesitaramos de iniciar una discusin de carcter
Aristotlica sobre lo que se considera inteligencia, sin embargo, esto puede
llevarnos demasiado tiempo, as que para fines prcticos consideraremos que ya
no es necesario definir inteligencia pues todos nosotros tenemos por lo menos
una idea de lo que esa palabra significa, por lo tanto podemos definir a la IA como
aquella capaz de imitar el comportamiento humano.
OBJETIVO DE LA IA
Desde que el ser humano logro construir maquinas especializadas en la poca de
la Primera Revolucin Industrial siempre so con fabricar alguna mquina que
fuera capaz de pensar y actuar como lo hacemos nosotros, ya sea con el objetivo
de estudiar nuestro comportamiento, optimizar los procesos industriales, facilitar la
vida de las personas o simplemente para curar nuestra natural sensacin de
soledad, sin embargo no fue hasta la poca de los 50s que, con la invencin de
las redes neuronales artificiales se logr simular el comportamiento del sistema
nervioso, a partir de ah muchos han sido los intentos por crear una IA que pueda
igualarse a la humana, sin embargo, desde un principio el principal problema fue lo
que debera de hacer esta inteligencia, es decir, el principal problema fue definir
un objetivo para la IA, ya que nadie tena claro que hacer con ella, as que los
investigadores comenzaron a desarrollar programas y algoritmos que, en un
principio, tenan como objetivo explorar el potencial de la IA, sin embargo con el
avance del tiempo estos objetivos se hicieron claros, las investigaciones estaran
enfocadas a:
Percepcin (visin y habla).
Comprensin del lenguaje natural.

7

Resolucin de problemas en dominios especiales tales como diagnosis
mdica y anlisis qumico.

TECNICAS DE LA INTELIGENCIA ARTIFICIAL
QU SON LAS TECNICAS DE LA INTELIGENCIA ARTIFICIAL?
Son aquellas que van encaminadas a resolver una variedad de problemas de la IA
aunque estos no tengan, en apariencia, nada en comn adems de ser difciles de
resolver.
Estas tcnicas surgieron despus de los primeros 20 aos de investigacin y
desarrollo ya que los programadores se dieron cuenta de que la IA necesitaba
conocimientos, sin embargo, el conocimiento tiene algunas propiedades indeseables
que las tcnicas de IA deben de resolver, las principales son:
Ser voluminoso.
Ser difcil de caracterizar con precisin.
Estar cambiando constantemente.
PRINCIPALES TECNICAS DE LA IA
- Capte generalizaciones: No debe ser necesario representar separadamente
cada situacin individual. En vez de ello las situaciones que comparten
propiedades importantes se agrupan juntas.
- Pueda ser comprendido por la gente que deba proporcionarlo: Aunque para
muchos programas la mayor parte de los datos pueden ser adquiridos
automticamente, en muchos dominios de la IA la mayor parte del
conocimiento tiene que ser proporcionado por personas en trminos que
ellos comprendan.
- Pueda ser fcilmente modificado para corregir errores y para modificar los
cambios de nuestra visin del mismo.
- Pueda ser utilizado en muchas situaciones, incluso si no es totalmente
preciso o completo.
- Pueda ser usado para ayudar a superar su propia extensin absoluta,
ayudando a estrechar el rango de posibilidades que deban considerarse
usualmente.


8

MODELOS MATEMATICO Y ESQUEMAS IMPORTANTES
Es importante que conozcamos algunos modelos matemticos que se aplican para
la IA y para las redes neuronales artificiales, aunque generalmente la IA no utiliza
modelos matemticos as que nos enfocaremos principalmente a aquel modelo
utilizado en la definicin practica de neurona artificial.
MODELO DE UNA NEURONA ARTIFICIAL

El modelo est compuesto por un vector de pesos e = ( )
1
,...,
t
d
e e equivalente a las
conexiones sinpticas en una neurona real,
0
e es el umbral de accin o
activacin, el vector x es la entrada y el escalar y la salida de la unidad. La
actividad consiste en generar una nica salida y a partir de la aplicacin de la
funcin de activacin a la suma ponderada entre el vector de entrada
( )
1
,...,
T
m
x x x = y el vector de pesos e = ( )
1
,...,
t
d
e e ms un sesgo
0
e , obtenindose
la siguiente expresin:
0
1
m
i i
i
y x e e
=
| |
= +
|
\ .

Donde y es una funcin no-lineal. La funcin propuesta por McCulloch-Pitts posee
una salida binaria 1 conocida como la funcin de todo o nada que equivale a la
funcin signo dada por
( ) ( ) {
0
1
1
0
sgn
z
z
y z z
s
>
= =


9

Otra funcin con salida binaria es la funcin escaln unitario descrita por:
( ) ( ) {
0
1
0
0
z
z
y z U z
s
>
= =
Cuando se consideran neuronas con respuestas de procesamiento gradual,
entonces se pueden usar funciones de activacin de forma lineal ( ) y z = z o de
forma sigmoidal como la funcin logstica
( )
1
1
z
y z
e
=
+
o la tangente hiperblica ( ) ( ) tanh y z z =

Inteligencia Artificial

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Inteligencia Artificial

Încărcat de

Drepturi de autor:

Formate disponibile

2013

S-ar putea să vă placă și