Inteligencia artificial y robtica: investigacin de sistemas de cmputo

1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.

Introduccin
La Robtica
Historia de la robtica
Robtica y automatizacin
Cintica de un Robot
Aplicaciones
Anlisis de las Necesidades de un Robot
Futuro de la robtica
Avances Tecnolgicos en la Robtica
Los Nanobots
La Inteligencia Artificial
Caractersticas de la Inteligencia Artificial
Objetivos de la Investigacin en Inteligencia Artificial
Smbolos y Mtodos Numricos
Algoritmos
Base de Conocimiento. Sistemas Basados en Conocimiento
Motor de Inferencia
Sistemas Expertos como Sistemas de Informacin Orientados al Servicio
Redes Neuronales
Conclusin
Bibliografa

Introduccin
En este trabajo desarrollaremos los temas de Robtica e Inteligencia Artificial, a continuacin daremos una definicin
de estos dos temas.
La nocin de robtica atiende a una idea de estructura mecnica universal capaz de adaptarse, como el hombre, a
muy diversos tipos de acciones. La robtica, en sentido general, abarca una amplia gama de dispositivos con muy
diversas cualidades fsicas y funcionales asociada a la particular estructura mecnica de aquellos, a sus
caractersticas operativas y al campo de aplicacin para el que sea concebido.
Todos estos factores estn ntimamente relacionados, de forma que la configuracin y el comportamiento de un
robot condicionan su adecuacin para un campo de aplicacin especifico. La robtica se apoya en gran medida en
los progresos de la microelectrnica y la microinformtica, as como en nuevas disciplinas como el reconocimiento
de formas y la inteligencia artificial.
En cambio, la Inteligencia Artificial o IA en Espaol (AI en Ingls), es una ciencia perteneciente a la rama de
la Ciberntica, que estudia el mecanismo de la inteligencia humana con el fin de crear mquinas inteligentes,
capaces de realizar clculos y de "pensar", elaborar juicios y tomar decisiones.
Sus orgenes se remontan miles de aos atrs, pues en casi todas las mitologas existe algn tipo de "mquina"
divina o casi divina de sta naturaleza. Definir su comienzo en la Edad Moderna y Contempornea es muy difcil
pues son muchos los inventores y genios que han ido contribuyendo a crear stas mquinas, Leonardo Da Vinci,
Blas Pascal, Charles Babbage o Alan Turing y uno cometera grandes errores e injusticias. No obstante, son muchos
los especialistas en computacin que en las ltimas dcadas consideran como primera mquina inteligente a la
"mquina de Turing", creada por Alan Turing.
En el trabajo que presentare a continuacin se tratar de resaltar las caractersticas principales de estos dos temas,
adems veremos como se fusionan estas dos ramas de la tecnologa.

La Robtica
Definicin:

El trmino robtica procede de la palabra robot. La robtica es, por lo tanto, la ciencia o rama de la ciencia que se
ocupa del estudio, desarrollo y aplicaciones de los robots.
Otra definicin de robtica es el diseo, fabricacin y utilizacin de mquinas automticas programables con el fin
de realizar tareas repetitivas como el ensamble de automviles, aparatos, etc., y otras actividades. Bsicamente, la
robtica se ocupa de todo lo concerniente a los robots, lo cual incluye el control de motores, mecanismos
automticos neumticos, sensores, sistemas de cmputos, etc.
En la robtica se anan para un mismo fin varias disciplinas concluyentes, pero diferentes, como la Mecnica,
la Electrnica, la Automtica, la Informtica, etc.
El trmino robtica se le atribuye a Isaac Asimov.
Los tres principios o leyes de la robtica segn Asimov son:
Un robot no puede lastimar ni permitir que sea lastimado ningn ser humano.
El robot debe obedecer a todas las rdenes de los humanos, excepto las que contraigan la primera ley.
El robot debe autoprotegerse, salvo que para hacerlo entre en conflicto con la primera o segunda ley.

Historia de la robtica
Leer ms: http://www.monografias.com/trabajos64/inteligencia-artificial-investigacion-sistemas-computo/inteligenciaartificial-investigacion-sistemas-computo.shtml#ixzz2yKpEkui5

Por siglos el ser humano ha construido mquinas que imiten las partes del cuerpo humano. Los antiguos egipcios
unieron brazos mecnicos a las estatuas de sus dioses. Estos brazos fueron operados por sacerdotes, quienes
clamaban que el movimiento de estos era inspiracin de sus dioses. Los griegos construyeron estatuas que
operaban con sistemas hidrulicas, los cuales se utilizaban para fascinar a los adoradores de los templos.
Durante los siglos XVII y XVIII en Europa fueron construidos muecos mecnicos muy ingeniosos que tenan
algunas caractersticas de robots.

Jacques de Vauncansos construy varios msicos de tamao humano a mediados del siglo XVIII. Esencialmente se
trataba de robots mecnicos diseados para un propsito especfico: la diversin.
En 1805, Henri Maillardert construy una mueca mecnica que era capaz de hacer dibujos. Una serie de levas se
utilizaban como "el programa" para el dispositivo en el proceso de escribir y dibujar. Estas creaciones mecnicas de
forma humana deben considerarse como inversiones aisladas que reflejan el genio de hombres que se anticiparon a
su poca. Hubo otras invenciones mecnicas durante la revolucin industrial, creadas por mentes de igual genio,
muchas de las cuales estaban dirigidas al sector de la produccin textil. Entre ellas se puede citar la hiladora
giratoria de Hargreaves (1770), la hiladora mecnica de Crompton (1779), el telar mecnico de Cartwright (1785), el
telar de Jacquard (1801), y otros.
El desarrollo en la tecnologa, donde se incluyen las poderosas computadoras electrnicas, los actuadores
de control retroalimentados, transmisin de potencia a travs de engranes, y la tecnologa en sensores han
contribuido a flexibilizar los mecanismos autmatas para desempear tareas dentro de la industria. Son varios los
factores que intervienen para que se desarrollaran los primeros robots en la dcada de los 50"s.
La investigacin en inteligencia artificial desarroll maneras de emular el procesamiento de informacin humana con
computadoras electrnicas e invent una variedad de mecanismos para probar sus teoras.
No obstante las limitaciones de las mquinas robticas actuales, el concepto popular de un robot es que tiene una
apariencia humana y que acta como tal. Este concepto humanoide ha sido inspirado y estimulado por varias
narraciones de ciencia ficcin.
Una obra checoslovaca publicada en 1917 por Karel Kapek, denominada Rossum"s Universal Robots, dio lugar al
trmino robot. La palabra checa "Robota" significa servidumbre o trabajador forzado, y cuando se tradujo al ingles se
convirti en el trmino robot. Dicha narracin se refiere a un brillante cientfico llamado Rossum y su hijo, quienes
desarrollan una sustancia qumica que es similar al protoplasma. Utilizan sta sustancia para fabricar robots, y sus
planes consisten en que los robots sirvan a la clase humana de forma obediente para realizar todos los trabajos
fsicos. Rossum sigue realizando mejoras en el diseo de los robots, elimina rganos y otros elementos
innecesarios, y finalmente desarrolla un ser "perfecto". El argumento experimenta un giro desagradable cuando los
robots perfectos comienzan a no cumplir con su papel de servidores y se rebelan contra sus dueos, destruyendo
toda la vida humana.
Entre los escritores de ciencia ficcin, Isaac Asimov contribuy con varias narraciones relativas a robots, comenz
en 1939, a l se atribuye el acuamiento del trmino Robtica. La imagen de robot que aparece en su obra es el de
una mquina bien diseada y con una seguridad garantizada que acta de acuerdo con tres principios.

Robots
Los robots son dispositivos compuestos de sensores que reciben datos de entrada y que pueden estar conectados a
la computadora. Esta, al recibir la informacin de entrada, ordena al robot que efecte una determinada accin.
Puede ser que los propios robots dispongan de microprocesadores que reciben el input de los sensores y que estos
microprocesadores ordenen al robot la ejecucin de las acciones para las cuales est concebido. En este ltimo
caso, el propio robot es a su vez una computadora.
Otras definiciones para robot son:
Mquina controlada por ordenador y programada para moverse, manipular objetos y realizar trabajos a la vez que
interacciona con su entorno. Los robots son capaces de realizar tareas repetitivas de forma ms rpida, barata y
precisa que los seres humanos. El trmino procede de la palabra checa robota, que significa "trabajo obligatorio", fue
empleado por primera vez en la obra teatral de 1921 R.U.R (Robots Universales de Rossum) por el novelista y
dramaturgo checo Karel Capek. Desde entonces se ha empleado la palabra robot para referirse a una mquina que
realiza trabajos para ayudar a las personas o efecta tareas difciles o desagradables para los humanos.
Un robot es una manipulador multifuncional reprogramable diseado para mover material, piezas, herramientas o
dispositivos especializados a travs de movimientos programados variables para la realizacin de tareas variadas.
Para realizar cualquier tarea til el robot debe interactuar con el entorno, el cual puede incluir dispositivos
dealimentacin, otros robots y, lo ms importante, gente. Consideramos que la robtica abarca no solamente el
estudio del robot en s, sino tambin las interfaces entre l y sus alrededores.
Ingenio electrnico que puede ejecutar automticamente operaciones o movimientos muy variados, y capaz de
llevar a cabo todos los trabajos normalmente ejecutados por el nombre.
Manipulador multifuncional y reprogramable, diseado para mover materiales, piezas, herramientas o dispositivos
especiales, mediante movimientos programados y variables que permiten llevar a cabo diversas tareas.

El nombre de robots es tomado del vocablo checo "robota" que significa siervo y que es idntico al trmino ruso que
significa trabajo arduo, repetitivo y montono, y lo us por primera vez el escritor Karel Capek en 1917 para referirse
en sus obras a mquinas con forma humano idee. Deriva de "robotnik" que define al esclavo de trabajo
En la actualidad, los avances tecnolgicos y cientficos no han permitido todava construir un robot realmente
inteligente, aunque existen esperanzas de que esto sea posible algn da. Hoy por hoy, una de las finalidades de
la construccin de robots es su intervencin en los procesos de fabricacin. Estos robots, que no tienen forma
humana en absoluto, son los encargados de realizar trabajos repetitivos en las cadenas de proceso de fabricacin.
En una fbrica sin robots, los trabajos antes mencionados los realizan tcnicos especialistas en cadenas de
produccin. Con los robots, el tcnico puede librarse de la rutina y el riesgo que sus labores comportan, con lo que la
empresa gana en rapidez, calidad y precisin.

Robtica y automatizacin
Son disciplinas surgidas en diferentes pocas. La robtica nace en dcadas recientes para complementarse con
la automatizacin, aportndole como elemento innovador cierto grado de inteligencia.
En el contexto industrial, la automatizacin es como una tecnologa que est relacionada con el empleo de sistemas
mecnicos, electrnicos y basados en la informtica en la operacin y control de la produccin. Este concepto, para
ser actualizado, debe incluir el uso de robots.
El robot industrial forma parte del progresivo desarrollo de la automatizacin industrial, favorecido notablemente por
el avance de las tcnicas de control por computadora, y contribuye de manera decisiva a la automatizacin en los
procesos de fabricacin de series de mediana y pequea escala.
Tipos de automatizacin industrial
Automatizacin fija:
Se utiliza cundo el volumen de produccin es muy alto, y por lo tanto es adecuada para disear equipos
especializados para procesar productos o componentes de stos con alto rendimiento y elevadas tasas de
produccin.
Programable.
Se emplea cuando el volumen de produccin es relativamente bajo y hay una diversidad de productos a obtener. En
este caso, el equipo de produccin est diseado para ser adaptable a variaciones en la configuracin del producto.
Esta caracterstica de adaptabilidad se logra haciendo funcionar el equipo bajo el control de un programa de
instrucciones para el producto dado. La produccin se obtiene por lotes.
Flexible.
Es una categora situada entre las dos anteriores. Se ha comprobado que es ms adecuada para el rango medio de
produccin. Con este tipo de automatizacin pueden obtenerse simultneamente varios tipos de producto, en el
mismo sistema de fabricacin.

Cintica de Un Robot

La cinemtica del robot estudia el movimiento del mismo con respecto a un sistema de referencia. As,
la cinemtica se interesa por la descripcin analtica del movimiento espacial del robot como una funcin del tiempo,
y en particular por las relaciones entre la posicin y la orientacin del extremo final del robot con los valores que
toman sus coordenadas articulares. Existen dos problemas fundamentales para resolver la cinemtica del robot, el
primero de ellos se conoce como el problema cinematico directo, y consiste en determinar cual es la posicin y
orientacin del extremo final del robot, con respecto a un sistema de coordenadas que se toma como referencia,
conocidos los valores de las articulaciones y los parmetros geomtricos de los elementos del robot, el segundo
denominado problema cinematico inverso resuelve la configuracin que debe adoptar el robot para una posicin y
orientacin del extremo conocidas.
Denavit y Hartenberg propusieron un mtodo sistemtico para descubrir y representar la geometra espacial de los
elementos de una cadena cinemtica, y en particular de un robot, con respecto a un sistema de referencia fijo. Este
mtodo utiliza una matriz de transformacin homognea para descubrir la relacin espacial entre dos elementos
rgidos adyacentes, reducindose el problema cinemtica directo a encontrar una matriz de transformacin
homognea 4 X 4 que relacione la localizacin espacial del robot con respecto al sistema de coordenadas de su
base.
Por otra parte, la cinemtica del robot trata tambin de encontrar las relaciones entre las velocidades del movimiento
de las articulaciones y las del extremo. Esta relacin viene dada por el modelo diferencial expresado mediante la
matriz Jacobiana.
El movimiento relativo en las articulaciones resulta en el movimiento de los elementos que posicionan la mano en
una orientacin deseada. En la mayora de las aplicaciones de robtica, se esta interesado en
la descripcin espacial del efector final del manipulador con respecto a un sistema de coordenadas de referencia fija.
La cinemtica del brazo del robot trata con el estudio analtico de la geometra del movimiento de un robot con
respecto a un sistema de coordenadas de referencia fijo como una funcin del tiempo sin considerar las fuerzasmomentos que originan dicho movimiento. As pues, trata con la descripcin analtica del desplazamiento espacial
del robot como funcin del tiempo, en particular las relaciones entre variables espaciales de tipo de articulacin y la
posicin y orientacin del efector final del robot.

Tipos de robots
Robots impulsados neumaticamente: La programacin consiste en la conexin de tubos de plstico a unos
manguitos de unin de la unidad de control neumtico. Esta unidad est formada por dos partes: una superior y una
inferior. La parte inferior es un secuenciador que proporciona presin y vaco al conjunto de manguitos de unin en
una secuencia controlada por el tiempo. La parte superior es el conjunto de manguitos de unin que activan cada
una de las piezas mviles del robot. Son los ms simples que existen. Hay quien opina que a este tipo de mquinas
no se les debera llamar robots; sin embargo, en ellas se encuentran todos los elementos bsicos de un robot: estas
mquinas son programables, automticas y pueden realizar gran variedad de movimientos.
Robots equipados con servomecanismos: El uso de servomecanismos va ligado al uso de sensores, como los
potencimetros, que informan de la posicin del brazo o la pieza que se ha movido del robot, una vez ste ha
ejecutado una orden transmitida. Esta posicin es comparada con la que realmente debera adoptar el brazo o la
pieza despus de la ejecucin de la orden; si no es la misma, se efecta un movimiento ms hasta llegar a la
posicin indicada.
Robots punto a punto: La programacin se efecta mediante una caja de control que posee un botn de control
de velocidad, mediante el cual se puede ordenar al robot la ejecucin de los movimientos paso a paso. Se clasifican,
por orden de ejecucin, los pasos que el robot debe seguir, al mismo tiempo que se puede ir grabando en la
memoria la posicin de cada paso. Este ser el programa que el robot ejecutar. Una vez terminada la

programacin, el robot inicia su trabajo segn las instrucciones del programa. A este tipo de robots se les llama
punto a punto, porque el camino trazado para la realizacin de su trabajo est definido por pocos puntos.
Robots controlados por computadora: Se pueden controlar mediante computadora. Con ella es posible programar
el robot para que mueva sus brazos en lnea recta o describiendo cualquier otra figura geomtrica entre puntos
preestablecidos. La programacin se realiza mediante una caja de control o mediante el teclado de la
computadora. La computadora permite adems acelerar ms o menos los movimientos del robot, para facilitar la
manipulacin de objetos pesados.
Robots con capacidades sensoriales:
An se pueden aadir a este tipo de robots capacidades sensoriales: sensores pticos, codificadores, etc. Los que
no poseen estas capacidades slo pueden trabajar en ambientes donde los objetos que se manipulan se mantienen
siempre en la misma posicin. Los robots con capacidades sensoriales constituyen la ltima generacin de este tipo
de mquinas. El uso de estos robots en los ambientes industriales es muy escaso debido a su elevado costo. Estos
robots se usan en cadenas de embotellado para comprobar si las botellas estn llenas o si la etiqueta est bien
colocada.
Robots mosquitos: La cucaracha metlica se arrastra con gran destreza por la arena, como un verdadero insecto.
A pesar de que Atila avanza a 2 km/h, tratando de no tropezar con las cosas, es gramo por gramo el robot ms
complejo del mundo, segn su creador, Rodney Brooks. En su estructura de 1,6 Kg. y 6 patas, lleva 24 motores, 10
computadores y 150 sensores, incluida una cmara de video en miniatura. La experimentacin en operaciones
quirrgicas con robots abre nuevos campos tan positivos como esperanzadores. La ciruga requiere de los mdicos
una habilidad, precisin y decisin muy cualificadas. La asistencia de ingenios puede complementar algunas de las
condiciones que el trabajo exige. En operaciones delicadsimas, como las de cerebro, el robot puede aportar mayor
fiabilidad. ltimamente, se ha logrado utilizar estas mquinas para realizar el clculo de los ngulos de incisin de
los instrumentos de corte y reconocimiento en operaciones cerebrales; as mismo, su operatividad se extiende a
la direccin y el manejo del trepanador quirrgico para penetrar el crneo y de la aguja de biopsia para tomar
muestras del cerebro.
Robot industrial: Nace de la unin de una estructura mecnica articulada y de un sistema electrnico de control en
el que se integra una computadora. Esto permite la programacin y control de los movimientos a efectuar por el
robot y la memorizacin de las diversas secuencias de trabajo, por lo que le da al robot una gran flexibilidad y
posibilita su adaptacin a muy diversas tareas y medios de trabajo,
El robot industrial es pues un dispositivo multifuncional, es decir, apto para muy diversas aplicaciones, al contrario de
la mquina automtica clsica, fabricada para realizar de forma repetitiva un tipo determinado de operaciones. El
robot industrial se disea en funcin de diversos movimientos que debe poder ejecutar; es decir, lo que importa son
sus grados de libertad, su campo de trabajo, su comportamiento esttico y dinmico.
La capacidad del robot industrial para reconfigurar su ciclo de trabajo, unida a la versatilidad y variedad de sus
elementos terminales (pinzas, garras, herramientas, etc.), le permite adaptarse fcilmente a la evolucin o cambio de
los procesos de produccin, facilitando su reconversin.
Los robots industriales estn disponibles en una amplia gama de tamaos, formas y configuraciones fsicas. La gran
mayora de los robots comercialmente disponibles en la actualidad tienen una de estas cuatro configuraciones
bsicas:

Configuracin polar

Configuracin cilndrica

Configuracin de coordenadas cartesianas

Configuracin de brazo articulado.

La configuracin polar utiliza coordenadas polares para especificar cualquier posicin en trminos de una rotacin
sobre su base, un ngulo de elevacin y una extensin lineal del brazo.
La configuracin cilndrica sustituye un movimiento lineal por uno rotacional sobre su base, con los que se obtiene un
medio de trabajo en forma de cilindro.
La configuracin de coordenadas cartesianas posee tres movimientos lineales, y su nombre proviene de las
coordenadas cartesianas, las cuales son ms adecuadas para describir la posicin y movimiento del brazo. Los
robots cartesianos a veces reciben el nombre de XYZ, donde las letras representan a los tres ejes del movimiento.
La configuracin de brazo articulado utiliza nicamente articulaciones rotacionales para conseguir cualquier posicin
y es por esto que es el ms verstil.

Aplicaciones

Los robots son utilizados en una diversidad de aplicaciones, desde robots tortugas en los salones de clases, robots
soldadores en la industria automotriz, hasta brazos teleoperador en el trasbordador espacial.
Cada robot lleva consigo su problemtica propia y sus soluciones afines; no obstante que mucha gente considera
que la automatizacin de procesos a travs de robots est en sus inicios, es un hecho innegable que
la introduccin de la tecnologa robtica en la industria, ya ha causado un gran impacto. En este sentido la industria
Automotriz desempea un papel preponderante.
Es necesario hacer mencin de los problemas de tipo social, econmicos e incluso poltico, que puede generar una
mala orientacin de robotizacin de la industria. Se hace indispensable que la planificacin de
los recursos humanos, tecnolgicos y financieros se realice de una manera inteligente.
Por el contrario la Robtica contribuir en gran medida al incremento de el empleo. Pero, como se puede hacer
esto? al automatizar los procesos en mquinas ms flexibles, reduce el costo de mquinaria, y se produce una
variedad de productos sin necesidad de realizar cambios importantes en la forma de fabricacin de los mismo. Esto
originara una gran cantidad de empresas familiares (Micro y pequeas empresas) lo que provoca
la descentralizacin de la industria.

Anlisis de las Necesidades de un Robot

Produccin Anual: Cuando se deben producir piezas variadas, estas deben ser de caractersticas similares y la
produccin de cada lote como mnimo debe ocupar un perodo de tiempo razonable.
Almacenamiento: Para la obtencin de un flujo automtico de material se deben almacenar piezas antes y despus
del grupo de mquinas que sern servidas por el Robot. Las piezas pueden almacenarse en transportadores paso a
paso, o en cajas de nivel regulable. Las plataformas inclinadas, alimentacin y salida por gravedad, suelen
emplearse en casos sencillos. El tamao del almacn depende de la tasa de produccin. El operador que
inspecciona las piezas puede llenar y vaciar las cajas de almacenamiento.
Tiempo de Manipuleo: El tiempo de maniobra requerido es determinado por la longitud total del camino y la mxima
velocidad del Robot. La mayora de los Robots neumticos, hidrulicos y elctricos tienen velocidades mximas
aproximadas a los 0,7 metros por segundo y desplazamientos angulares de 90 por segundo. Sin embargo cuando
se trata de un Robot neumtico debe tenerse presente que la variacin de velocidad con la carga es muy grande; y
esto es particularmente importante cuando un Robot de este tipo est equipado con dos manos, ya que en el

momento en que estas estn ocupadas la carga ser el doble. El tiempo anual de manipuleo puede ser calculado,
cuando se compara el Robot con la labor total en igual perodo, pero no es posible hacerlo mediante la comparacin
con el tiempo de manipulacin de una sola pieza.
Layout de Mquinas: Bsicamente el layout puede ser circular o lineal. En una disposicin circular un Robot sirve a
varias mquinas sin que las piezas se acumulen entre ellas. En un layout lineal cada Robot sirve a una mquina en
la lnea y las piezas van siendo reunidas en transportadores entre mquinas. Un transportador de almacenamiento
debe ser capaz de tomar el total de la produccin de una mquina durante el cambio de herramienta. En esta
disposicin la produccin es mayor que en el sistema circular. Muchos layout requieren versiones especiales de
Robots con grados de libertad adicionales demandadas por el proceso.
Accesibilidad: La mano del Robot est diseada generalmente para un movimiento de entrada lateral, para lo cual
es necesario disponer de espacios entre la herramienta y el punto de trabajo.
Dotacin de Operacin y Supervisin: La inspeccin visual de las piezas es manual en la mayora de los casos.
Las cajas de almacenamiento deben ser llenadas y vaciadas. 4 o 5 Robots que demanden estas tareas adicionales
pueden ser supervisados por un solo hombre. La implementacin de un Robot en un proceso productivo, tiene
como objetivo fundamental disminuir los costos de produccin mediante un mejor aprovechamiento de la capacidad
productiva ya instalada.
Costo de Implementacin: El costo de esta Implementacin est compuesto por los siguientes tems:
- El Robot.
- Las herramientas de la mano.
- Posible modificacin de la mquina o mquina-herramienta y herramientas.
- Posible alteracin del layout existente.
- Equipos perifricos, transportadores, cajas de almacenamiento.
- Dispositivos de fijacin y sealizacin.
- Costo del trabajo de instalacin.
- Entrenamiento del personal para operacin y mantenimiento.
- Puesta en marcha y puesta a punto.

Futuro de la robtica
A pesar de que existen muchos robots que efectan trabajos industriales, aquellos son incapaces de desarrollar la
mayora de
Operaciones que la industria requiere. Al no disponer de unas capacidades sensoriales bien desarrolladas, el robot
es incapaz de realizar tareas que dependen del resultado de otra anterior.
En un futuro prximo, la robtica puede experimentar un avance espectacular con las cmaras de televisin, ms
pequeas y menos caras, y con las computadoras potentes y ms asequibles.
Los sensores se disearn de modo que puedan medir el espacio tridimensional que rodea al robot, as como
reconocer y medir la posicin y la orientacin de los objetos y sus relaciones con el espacio. Se dispondr de un
sistema de proceso sensorial capaz de analizar e interpretar los datos generados por los sensores, as como de
compararlos con un modelo para detectar los errores que se puedan producir. Finalmente, habr un sistema de
control que podr aceptar comandos de alto nivel y convertirlos en rdenes, que sern ejecutadas por el robot para
realizar tareas enormemente sofisticadas.
Si los elementos del robot son cada vez ms potentes, tambin tendrn que serlo los programas que los controlen a
travs de la computadora. Si los programas son ms complejos, la computadora deber ser ms potente y cumplir
nos requisitos mnimos para dar una respuesta rpida a la informacin que le llegue a travs de los sensores del
robot.
Paralelo al avance de los robots industriales era el avance de las investigaciones de los robots llamados androides,
que tambin se beneficiarn de los nuevos logros en el campo de los aparatos sensoriales. De todas formas, es
posible que pasen decenas de aos antes de que se vea un androide con mnima apariencia humana en cuanto a
movimientos y comportamiento.

El mercado de la robtica y las perspectivas futuras

Las ventas anuales para robots industriales han ido creciendo en Estados Unidos a razn del 25% de acuerdo
a estadsticas del ao 1981 a 1992. El incremento de sta tasa se debe a factores muy diversos. En primer lugar,
hay ms personas en la industria que tienen conocimiento de la tecnologa y de su potencial para sus aplicaciones
de utilidad. En segundo lugar, la tecnologa de la robtica mejorar en los prximos aos de manera que har a los
robots ms amistosos con el usuario, ms fciles de interconectar con otro hardware y ms sencillos de instalar.
En tercer lugar, que crece el mercado, son previsibles economas de escala en la produccin de robots para
proporcionar una reduccin en el precio unitario, lo que hara los proyectos de aplicaciones de robots ms fciles de
justificar. En cuarto lugar se espera que el mercado de la robtica sufra una expansin ms all de las grandes
empresas, que ha sido el cliente tradicional para sta tecnologa, y llegue a las empresas de tamao mediano,

pequeo y por que no; las microempresas. Estas circunstancias darn un notable incremento en las bases
de clientes para los robots.
La robtica es una tecnologa con futuro y tambin para el futuro. Si continan las tendencias actuales, y si algunos
de los estudios de investigacin en el laboratorio actualmente en curso se convierten finalmente en una tecnologa
factible, los robots del futuro sern unidades mviles con uno o ms brazos, capacidades de sensores mltiples y
con la misma potencia de procesamiento de datos y de clculo que las grandes computadoras actuales. Sern
capaces de responder a ordenes dadas con voz humana. As mismo sern capaces de recibir instrucciones
generales y traducirlas, con el uso de la inteligencia artificial en un conjunto especfico de acciones requeridas para
llevarlas a cabo. Podrn ver, or, palpar, aplicar una fuerza media con precisin a un objeto y desplazarse por sus
propios medios.
En resumen, los futuros robots tendran muchos de los atributos de los seres humanos. Es difcil pensar que los
robots llegarn a sustituir a los seres humanos en el sentido de la obra de Carel Kapek, Robots Universales de
Rossum. Por el contrario, la robtica es una tecnologa que solo puede destinarse al beneficio de la humanidad. Sin
embargo, como otras tecnologas, hay peligros potenciales implicados y deben establecerse salvaguardas para no
permitir su uso pernicioso.
El paso del presente al futuro exigir mucho trabajo de ingeniera mecnica, ingeniera electrnica, informtica,
ingeniera industrial, tecnologa de materiales, ingenieras de sistemas de fabricacin y ciencias sociales.

Avances Tecnolgicos en La Robtica

Robots que andan como humanos
Tres equipos de investigacin de las universidades de Cornell, Delft (Holanda) y el MIT han logrado construir robots
cuyos pasos y movimiento se parecen a la forma de andar de los humanos. El robot desarrollado por el MIT tambin
demuestra un sistema de aprendizaje nuevo, que permite que el robot se adapte de forma continua al terreno sobre
el que se mueve. Estos nuevos avances en robtica podran transformar los actuales sistemas de diseo y control
de robots, y podran ser aplicados al desarrollo de prtesis robticas.
Los tres robots construidos en las citados universidades se derivan todos del mismo principio: suponen una
extensin de varios aos de investigacin en robots cuyo sistema de movimiento tengan un diseo dinmico pasivo.
Los robots de diseo dinmico pasivo son capaces de bajar una cuesta sin motor y su diseo fue inspirado en el tipo
de juguete mvil que existe desde hace ms de cien aos.
La programacin de los robots de Cornell y Delft es muy sencilla, porque gran parte del problema de los controles se
soluciona a travs del diseo mecnico del robot. El robot del MIT utiliza un programa de aprendizaje que aprovecha
dicho diseo y permite que el robot se ensee a si mismo a andar en menos de 20 minutos. Precisamente su apodo,
"Toddler" (el trmino ingles para un nio pequeo que empieza a andar) se deriva de su capacidad de aprender a
andar y la forma en la que lo hace.
Este modelo de robot es uno de los primeros robots en utilizar un programa de aprendizaje y es el primero en andar
sin tener informacin previamente implantada en sus controles. Adems el sistema de aprendizaje permite que el
robot se mueva con eficacia por una variedad de superficies y, en el futuro, podra permitir que se mueven por
terreno muy rocoso. Esto se debe a que el programa funciona con tanta velocidad que el robot puede adaptarse de
forma continua al tipo de terreno.
Los robots podrn sentir
Segn MIT Technology Review un equipo de investigacin de la Universidad de Tokyo ha desarrollado sobre un
plstico flexible una serie de transistores que son sensibles a la presin. Gracias a su flexibilidad, el plstico se
podra envolver en un dedo de robot, formando un tipo de piel.
Este nuevo avance tecnolgico de la robtica podra revolucionar el sector de robots, ya que hasta los robots ms
avanzados carecen de un sentido del tacto. Si fuesen capaces de "sentir", podran desarrollar de forma mucho ms
eficaz tareas tales como la reparacin de otras mquinas, la preparacin de comida o el cuidado de las personas en
hospitales o residencias para ancianos.
Segn el director del equipo de investigacin, Takao Someya, el nuevo material podra estar disponible para
aplicaciones prcticas a partir del ao 2008.
Robots para el uso domstico
Segn los resultados del ltimo sondeo sobre el sector de robots en el mundo realizado por las Naciones Unidos, se
prev que el uso domstico de robots se multiplicar por siete entre este ao y el ao 2007. Segn
el informe basado en los resultados del sondeo y publicado por la Comisin Econmica para Europa de las Naciones

Unidas y la Federacin Internacional de Robtica, este boom en el sector de robots para el hogar coincide con otro
en la demanda por robots en el sector industrial.
Cada vez ms consumidores comprarn los robots de ltima generacin para cortar csped, aspirar suelos y realizar
otras tareas en el hogar. Los ltimos avances tecnolgicos en el campo de robtica permiten que estos robots
domsticos sean cada vez ms eficaces y menos aparatosos y ruidosos.
Segn las ltimas cifras, a finales del ao 2003 unos 607.000 robots domsticos se utilizaban en hogares en una
variedad de pases, y dos tercios de stos fueron adquiridos durante ese mismo ao. La funcin de la mayora de
estos robots (570.000) era cortar el csped mientras que 37.000 eran robots-aspiradoras.
El informe prev que a finales de 2007, 4,1 millones de robots domsticos estarn en uso y que empezarn a ganar
en popularidad el tipo de robot que limpia ventanas y piscinas.
Segn el consejero delegado de iRobot Corp., hasta ahora los robots no haban realizado su potencial y por lo tanto
existe cierto escepticismo en el mercado. Pero gracias a los ltimos avances cientficos en el sector de robtica, los
robots de ltima generacin son menos costosos que los anteriores (en 2003 un robot costaba una cuarta parte de lo
que costaba en 1990), y son capaces de hacer ms tareas domsticas.
La palabra "robot" se utiliza para describir cualquier tipo de mquina que realiza de forma automtica tareas
humanas, muchas veces sustituyendo totalmente los humanos que antes hacan el trabajo. En la mayora de casos
la propulsin de los propios robots causa sus movimientos, y no necesitan un operador humano una vez que han
sido programados.
Segn el estudio, al final de esta dcada, los robots "no solo limpiarn nuestros suelos, cortarn nuestros csped, y
vigilarn nuestras casas, sino que tambin ayudarn a personas mayores y discapacitadas, realizarn ciruga,
inspeccionarn sitios de peligro, y lucharn contra incendios y explosiones".

Los Nanobots

En la obra "Engines of Creation", Eric Drexler describe nanobots capaces de destruir clulas cancergenas,
recoger radicales o reparar el dao sufrido en los tejidos celulares.

En la obra de ciencia ficcin "Presa", Michael Crichton plantea la posibilidad de coordinar grandes cantidades
de nanorobots para obtener un determinado fin. En dicha obra, la nanotecnologa se mezcla notablemente con
la inteligencia artificial.

El prototipo de modelos para la mayora de estos conceptos son clulas especficas (por ejemplo, fagocitos
que ingieren materia externa) y mquinarias moleculares celulares (como el proceso de autoreproduccin del ADN).
Los nanobots podran tener la capacidad de autorreplicarse a s mismos.
Es importante tener en cuenta que estamos entrando en una nueva era de la tecnologa en la cual los avances se
ven notablemente amplificados en cuanto a la relacin de la tecnologa con el ser humano. Estaremos mezclados
con aparatos que podrn mejorar nuestra calidad de vida. Los nanobots, sin embargo, podran ser una amenaza ya
que tendran la capacidad de reproducirse automticamente, y por lo tanto, cualquier error o accin no apropiada en
el cuerpo de la persona que los contenga podran ocasionar desastres. Por otro lado, segn proyecciones cientficas,
podran generar varias especies de humanos: por un lado los avanzados, es decir, quienes aceptan y tienen la
posibilidad de incluir a la tecnologa en su organismo como forma de mejorar su calidad de vida;los naturales,
quienes tienen la posibilidad de incluir esa nueva tecnologa pero la rechazan para no romper las reglas de
la naturaleza; y el resto, que sera representado por la clase ms pobre que no tiene la posibilidad de modificarse en
tal modo, por lo cual se vern aislados de las otras partes llegando hasta la envidia o el odio hacia la clase ms
avanzada, debido a la exclusin a la que se enfrentan. En un aspecto ms amplio, algunos cientficos afirman que
desde la perspectiva positiva, la tecnologa en el ser humano podra extinguir slo a la raza humana, y desde la
negativa, podra extinguir a todas las formas de vida existentes.

La Inteligencia Artificial
Se denomina inteligencia artificial a la ciencia que intenta la creacin de programas para mquinas que imiten el
comportamiento humano. La investigacin en el campo de la IA se caracteriza por la produccin de mquinas para la
automatizacin de tareas que requieran un comportamiento inteligente.
La inteligencia artificial NO es desarrollar robots que imiten las acciones de los seres vivos sino que se trata de
desarrollar aplicaciones que faciliten las tareas del ser humano.
Algunos ejemplos se encuentran en el rea de control de sistemas, planificacin automtica, la habilidad de
responder a diagnsticos y a consultas de los consumidores, reconocimiento de escritura, reconocimiento del habla
y reconocimiento de patrones. De este modo, se ha convertido en una disciplina cientfica, enfocada en proveer
soluciones a problemas de la vida diaria. Los sistemas de IA actualmente son parte de la rutina en campos
como economa, medicina, ingeniera y la milicia, y se ha usado en gran variedad de aplicaciones
de software, juegos de estrategia como ajedrez de computador y otros videojuegos.
El matemtico sudafricano, Seymour Papert, es considerado pionero en esta ciencia.

Historia de La Inteligencia Artificial

Desde sus comienzos hasta la actualidad, la Inteligencia Artificial ha tenido que hacer frente a una serie de
problemas:

Los computadores no pueden manejar (no contienen) verdaderos significados.

Los computadores no tienen autoconciencia (emociones, sociabilidad, etc.).


Un computador slo puede hacer aquello para lo que est programado.

Las mquinas no pueden pensar realmente.

En 1843, Lady Ada Augusta Byron, patrocinadora de Charles Babbage plante el asunto de si la mquina de
Babbage poda "pensar".
Los primeros problemas que se trat de resolver fueron puzzles, juegos de ajedrez, traduccin de textos a otro
idioma.
Durante la II Guerra Mundial Norbert Wiener y John Von Neumann establecieron los principios de la ciberntica en
relacin con la realizacin de decisiones complejas y control de funciones en mquinas.
La teora de la retroalimentacin en mecanismos, como por ejemplo un termostato que regula la temperatura en una
casa, tuvo mucha influencia. Esto an no era propiamente Inteligencia Artificial. Se hizo mucho en traducciones
(Andrew Booth y Warren Weaver), lo que sembr la semilla hacia el entendimiento del lenguaje natural.
En el ao 1955 Herbert Simon, el fsico Allen Newell y J.C. Shaw, programador de la RAND Corp. y compaero de
Newell, desarrolla el primer lenguaje de programacin orientado a la resolucin de problemas de la Inteligencia
Artificial, el IPL-11. Un ao ms tarde estos tres cientficos desarrollan el primer programa de Inteligencia Artificial al
que llamaron Logic Theorist, el cual era capaz de demostrar teoremas matemticos, representando cada problema
como un modelo de rbol, en el que se seguan ramas en busca de la solucin correcta, que result crucial. Este
programa demostr 38 de los 52 teoremas del segundo captulo de Principia Matemtica de Russel y Whitehead.
En 1956, con la ahora famosa conferencia de Dartmouth, organizada por John McCarthy y en la cual se utiliz el
nombre de inteligencia artificial para este nuevo campo, se separ la Inteligencia Artificial de la ciencia del
computador, como tal. Se estableci como conclusin fundamental la posibilidad de simular inteligencia humana en
una mquina.
En 1957 Newell y Simon continan su trabajo con el desarrollo del General Problemas Solver (GPS). GPS era un
sistema orientado a la resolucin de problemas; a diferencia del Logic Theorist, el cual se orient a la demostracin
de teoremas matemticos, GPS no estaba programado para resolver problemas de un determinado tipo, razn a la
cual debe su nombre. Resuelve una gran cantidad de problemas de sentido comn, como una extensin del principio
de retroalimentacin de Wiener.
Diversos centros de investigacin se establecieron, entre los ms relevantes estn, la Universidad Carnegie Mellon,
el Massachusetts Institute of Technologie (MIT), encabezado por Marvin Minsky, la Universidad de Standford e IBM.
Los temas fundamentales eran el desarrollo de heursticas y el aprendizaje de mquinas.
En 1957 McCarthy desarroll el lenguaje LISP. La IBM contrat un equipo para la investigacin en esa rea y
el gobierno de USA aport dinero al MIT tambin para investigacin en 1963.
A finales de los aos 50 y comienzos de la dcada del 60 se desarrolla un programa orientado a la lectura de
oraciones en ingls y la extraccin de conclusiones a partir de su interpretacin, al cual su autor, Robert K. Lindsay,
denomina "Sad Sam". Este poda leer oraciones del tipo "Jim es hermano de John" y "La madre de Jim es Mary", a
partir de ella el sistema conclua que Mary deba ser tambin la madre de John. Este sistema represent un enorme
paso de avance en la simulacin de inteligencia humana por una mquina, pues era capaz de tomar una pieza de
informacin, interpretarla, relacionarla con informacin anteriormente almacenada, analizarla y sacar conclusiones
lgicas.
En el mismo perodo de tiempo hay trabajos importantes de Herbert Gelernter, de IBM, quien desarrolla un
"Demostrador Automtico de Teoremas de la Geometra", Alex Bernstein desarrolla un programa para el juego de
ajedrez que se considera el antecedente para "Deep Blue".
En 1961 se desarrolla SAINT (Simbolic Automatic INTegrator) por James Slagle el cual se orienta a la demostracin
simblica en el rea del lgebra.
En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el cual era capaz de
comprender oraciones en ingls.
A continuacin un ejemplo, traducido, de interaccin entre SIR y un usuario:
Usuario: Todos somos personas
SIR: Comprendo
Usuario: Un dedo es una parte de la mano
SIR: Comprendo
Usuario: Cada persona tiene dos manos
SIR: La oracin anterior es ambigua. Por favor reconstryala.
Usuario: En cada persona hay dos manos
SIR: Comprendo

Usuario: Cuantos dedos tiene John?

SIR: La oracin anterior es ambigua, pero asumo que TIENE significa TIENE COMO PARTES. No se si los dedos
forman parte de John.
Usuario: John es un chico
SIR: Comprendo
Usuario: Cuntos dedos tiene John?
SIR: La oracin anterior es ambigua, pero asumo que TIENE significa TIENE COMO PARTES, cuntos dedos por
mano?
Usuario: Cada mano tiene cinco dedos.
SIR: Comprendo
Usuario: Cuntos dedos tiene John?
SIR: La respuesta es diez.
En la dcada del 60 se comienza en el MIT el estudio de la visin artificial, lo cual implica no solo captar imgenes a
travs de una cmara, sino tambin la comprensin, de lo que estas imgenes representan.
Un resultado importante en este trabajo lo constituye el "mundo de micro-bloques", en el cual un robot era capaz de
percibir un conjunto de bloques sobre una mesa, moverlos y apilarlos; el xito se debi a los investigadores Larry
Roberts, Gerald Sussman, Adolfo Guzmn, Max Clowes, David Huffman, David Waltz, Patrick Winston, y Berthold
Horn.
Posteriormente se obtuvieron resultados importantes entre ellos el de mayor resonancia fue el sistema SCHRDLU de
Terry Winograd, pues permita interrogar y dar rdenes a un robot que se mova dentro de un mundo de bloques.
A continuacin mostramos un ejemplo traducido:

Usuario: Toma un bloque rojo.

SCHRDLU: OK.
Usuario: Busca un bloque ms pequeo que el que tienes y ponlo dentro de la caja.
SCHRDLU: Asumo que PONLO se refiere al bloque ms pequeo que el que tengo.
Usuario: Qu contiene la caja?
SCHRDLU: La pirmide azul y el bloque azul.
Usuario: Qu sostiene a la pirmide?
SCHRDLU: La caja.
Usuario: Cuntos bloques no estn sobre la mesa?
SCHRDLU: Cuatro.
Usuario: Es al menos uno de ellos ms estrecho que aquel que te dije que recogieras?
SCHRDLU: S, el cubo rojo.
Usuario: Lo sostiene algo?
SCHRDLU: S, la mesa.
Usuario: Puede la mesa recoger bloques?
SCHRDLU: No.
Usuario: La pirmide azul es ma.
SCHRDLU: Comprendo.
Usuario: Todos los bloques que no son rojos son mos, pero no poseo nada que sostenga una pirmide.
SCHRDLU: Comprendo.
Usuario: Poseo una caja?

SCHRDLU: No
Usuario: Poseo algo de la caja?
SCHRDLU: Si, dos cosas: El bloque azul y la pirmide azul.
Aunque parezca impresionante la capacidad del sistema para razonar y ejecutar acciones, no se debe perder de
vista el hecho que el robot se mueve en un mundo muy simple de figuras geomtricas, y que las relaciones entre
ellas son muy limitadas. En el mundo real existen tantos objetos diferentes y relaciones entre ellos, que tratar de
llevar este sistema a un entorno real resulta prcticamente imposible.
En los primeros aos de la dcada del 60 Frank Rosemblatt desarrolla, en la Universidad de Cornell, un modelo de
la mente humana a travs de una red neuronal y produce un primer resultado al cual llama perceptrn. Este sistema
era una extensin del modelo matemtico concebido por McCullock y Pitts para las neuronas, y funcionaba
basndose en el principio de "disparar" o activar neuronas a partir de un valor de entrada el cual modifica un peso
asociado a la neurona, si el peso resultante sobrepasa un cierto umbral la neurona se dispara y pasa la seal a
aquellas con las que est conectada. Al final, en la ltima capa de neuronas, aquellas que se activen definirn un
patrn el cual sirve para clasificar la entrada inicial.
Este trabajo constituye la base de las redes neuronales de hoy en da, sin embargo a raz de su desarrollo sufri
fuertes crticas por parte de Marvin Minsky
y Seymour Papert lo cual provoc que la mayora de los investigadores interesados en el tema lo abandonarn, y
este no se retomara hasta los aos 80.
En 1965-70, comenzaron a aparecer los programas expertos, que predicen la probabilidad de una solucin bajo un
set de condiciones, entre esos proyectos estuvo: DENDRAL, que asista a qumicos en estructuras qumicas
complejas euclidianas; MACSYMA, producto que asista a ingenieros y cientficos en la solucin
de ecuacionesmatemticas complejas, etc.
En la dcada 1970-80, creci el uso de sistemas expertos, muchas veces diseados para aplicaciones mdicas y
para problemas realmente muy complejos como MYCIN, que asisti a mdicos en el diagnstico y tratamiento de
infecciones en la sangre. Otros son: R1/XCON, PIP, ABEL, CASNET, PUFF, INTERNIST/CADUCEUS, etc. Algunos
permanecen hasta hoy.
De 1975 en adelante, comienza la era de los lenguajes expertos (shells) como EMYCIN, EXPERT, OPSS, etc. para
luego tratar de que stos sean ms amigables y funcionales.
Las definiciones de Inteligencia Artificial son muchas, pero podra decirse que son programas que realizan tareas
que si fueran hechas por humanos se consideraran inteligentes.
Estos programas obviamente corren en un computador y se usan, como por ejemplo, en control robtico,
comprensin de lenguajes naturales, procesamiento de imgenes basado en conocimientos previos, estrategias de
juegos, etc. reproduciendo la experiencia que un humano adquirira y de la forma en que un humano lo hara.
Para clasificar las mquinas como "pensantes", es necesario definir qu es inteligencia y qu grado de inteligencia
implica resolver problemas matemticos complejos, hacer generalizaciones o relaciones, percibir y comprender. Los
estudios en las reas del aprendizaje, del lenguaje y de la percepcin sensorial han ayudado a los cientficos a
definir a una mquina inteligente. Importantes desafos han sido tratar de imitar el comportamiento del cerebro
humano, con millones de neuronas y extrema complejidad.

Caractersticas de la Inteligencia Artificial

Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de los mtodos numricos es el
uso de smbolos no matemticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de
programas como los compiladores y sistemas de bases de datos, tambin procesan smbolos y no se considera que
usen tcnicas de Inteligencia Artificial.
El comportamiento de los programas no es descrito explcitamente por el algoritmo. La secuencia de pasos seguidos
por el programa es influenciado por el problema particular presente. El programa especifica cmo encontrar la
secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los
programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explcitamente,
cmo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento).
Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente por las conclusiones
intermedias alcanzadas durante las consideraciones al problema especfico. Los lenguajes orientados al objeto
comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia Artificial.

El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del
mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito
especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir
entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de explicar
discrepancias entre ellas.
Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no
pueden trabajar con este tipo de problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a metas
como en planificacin, o el diagnstico de tareas en un sistema del mundo real: con poca informacin, con una
solucin cercana y no necesariamente exacta.
La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada principalmente en el
campo industrial; comprensin de lenguajes y traduccin; visin en mquinas que distinguen formas y que se usan
en lneas de ensamblaje; reconocimiento de palabras y aprendizaje de mquinas; sistemas computacionales
expertos.
Los sistemas expertos, que reproducen el comportamiento humano en un estrecho mbito del conocimiento, son
programas tan variados como los que diagnostican infecciones en la sangre e indican un tratamiento, los que
interpretan datos sismolgicos en exploracin geolgica y los que configuran complejos equipos de alta tecnologa.
Tales tareas reducen costos, reducen riesgos en la manipulacin humana en reas peligrosas, mejoran
el desempeo del personal inexperto, y mejoran el control de calidad sobre todo en el mbito comercial.
Diferentes teoras:
1.
Construir rplicas de la compleja red neuronal del cerebro humano (bottom-up).
2.
Intentar imitar el comportamiento del cerebro humano con un computador (top-down).
Diferentes metodologas:
1.
La lgica difusa: permite tomar decisiones bajo condiciones de in certeza.
2.
Redes neuronales: esta tecnologa es poderosa en ciertas tareas como la clasificacin y el reconocimiento de
patrones. Est basada en el concepto de "aprender" por agregacin de un gran nmero de muy simples elementos.
Este modelo considera que una neurona puede ser representada por una unidad binaria: a cada instante
su estado puede ser activo o inactivo. La interaccin entre las neuronas se lleva a cabo a travs de sinapsis. Segn
el signo, la sinapsis es excitadora o inhibidora.
El perceptrn est constituido por las entradas provenientes de fuentes externas, las conexiones y la salida. En
realidad un perceptrn es una Red Neuronal lo ms simple posible, es aquella donde no existen capas ocultas.
Para cada configuracin de los estados de las neuronas de entrada (estmulo) la respuesta del perceptrn obedece
a la siguiente dinmica: se suman los potenciales sinpticos y se comparan con un umbral de activacin. Esta suma
ponderada es tambin llamada campo. Si el campo es mayor que un umbral, la respuesta de la neurona es activa, si
no, es inactiva.
Con una arquitectura tan simple como la del perceptrn no se puede realizar ms que una clase de funciones
"booleanas" muy simples, llamadas linealmente separables. Son las funciones en las cuales los estados de entrada
con salida positiva pueden ser separados de aquellos a salida negativa por un hiperplano. Un hiperplano es el
conjunto de puntos en el espacio de estados de entrada, que satisfacen una ecuacin lineal. En dos dimensiones, es
una recta, en tres dimensiones un plano, etc.
Si se quieren realizar funciones ms complejas con Redes Neuronales, es necesario intercalar neuronas entre las
capas de entradas y de salida, llamadas neuronas ocultas. Una red multicapas puede ser definida como un conjunto
de perceptrones, ligados entre si por sinapsis y dispuestos en capas siguiendo diversas arquitecturas. Una de las
arquitecturas ms comnmente usada es llamada feedforward: con conexiones de la entrada a las capas ocultas y
de stas hacia la salida.
El funcionamiento de una Red Neuronal es gobernado por reglas de propagacin de actividades y de actualizacin
de los estados.

Objetivos de la Investigacin en Inteligencia Artificial

Los investigadores en inteligencia artificial se concentran principalmente en los sistemas expertos, la resolucin de
problemas, el control automtico, las bases de datos inteligentes y la ingeniera del software (diseos de entornos de
programacin inteligente).
Otros investigadores estn trabajando en el reto del reconocimiento de patrones donde se espera un rpido progreso
en este campo que abarca la comprensin y la sntesis del habla, el proceso de imgenes y la visin artificial.

Finalmente, la fundamental investigacin sobre la representacin del conocimiento, la conceptualizacin cognoscitiva

y la comprensin del lenguaje natural.
Uno de los principales objetivos de los investigadores en inteligencia artificial es la reproduccin automtica del
razonamiento humano.
El razonamiento de un jugador de ajedrez no siempre es el mismo que el de un directivo que se pregunta la
viabilidad de fabricar un nuevo producto. Un nio jugando con bloques de madera en una mesa no tiene idea de la
complejidad del razonamiento necesario para llevar a cabo la construccin de una pirmide, e intentar que un robot
hiciera lo mismo que el nio requerira un largo programa de computador.
Formas de considerar situaciones complejas son:
deduccin, que permite obtener conclusiones de reglas cuyas premisas hemos comprobado
induccin que produce reglas a partir de observaciones parciales.
Estos dos tipos principales pueden utilizarse de un modo analtico (el razonamiento se divide en submdulos que
son ms difciles de manejar, o de un modo sinttico (inverso del proceso anterior, juntando elementos que se
separaron anteriormente).
La induccin puede tener lugar cuando se comparan situaciones que son casi similares, con parmetros
desconocidos en una situacin dada asignndole los valores que tienen ya en una situacin de referencia; este es
un razonamiento por analoga.
Los mtodos para razonar son variados. La iteracin significa repetir la misma secuencia de razonamiento hasta que
se alcance una condicin de final; la recursin consiste en una forma particular del razonamiento que se llama a s
misma, como aquellas muecas rusas que estn unas dentro de otras, hasta llegar a un problema simple que es
fcil de resolver.
Las estrategias para el razonamiento pueden hacer uso de la especializacin, la reduccin al absurdo, de la
eliminacin de caminos poco prometedores y de la reduccin de las diferencias.
En todos los casos, la organizacin jerrquica del conocimiento y la segmentacin de los problemas son mtodos
que se emplean siempre al intentar resolver un problema complejo.
La funcin asignada a los sistemas expertos es la de razonar.

Smbolos y Mtodos Numricos

El primer perodo de la Inteligencia Artificial, llamado sub-simblico, data de aproximadamente 1950 a 1965. Este
perodo utiliz representaciones numricas (o sub-simblicas) del conocimiento. Aunque la mayor parte de
los libros de Inteligencia Artificial enfatizan el trabajo realizado por Rosenblatt y Widrow con redes neuronales
durante este perodo, la realidad es que otra importante escuela sub-simblica data tambin de la misma poca y
estos son los algoritmos evolutivos.
La escuela clsica dentro de la Inteligencia Artificial, utiliza representaciones simblicas basadas en un nmero finito
de primitivas y de reglas para la manipulacin de smbolos. El perodo simblico se considera aproximadamente
comprendido entre 1962 y 1975, seguido por un perodo dominado por los sistemas basados en el conocimiento de
1976 a 1988. Sin embargo, en este segundo perodo las representaciones simblicas (por ejemplo, redes
semnticas, lgica de predicados, etc.) siguieron siendo parte central de dichos sistemas.
La Programacin Lgica tiene sus orgenes ms cercanos en los trabajos de J. A. Robinson que propone en 1965
una regla de inferencia a la que llama resolucin, mediante la cual la demostracin de un teorema puede ser llevada
a cabo de manera automtica.
En la actualidad, la Inteligencia Artificial empieza a extender sus reas de investigacin en diversas direcciones y
trata de integrar diferentes mtodos en sistemas a gran escala, tratando de explotar al mximo las ventajas de cada
esquema.
La resolucin es una regla que se aplica sobre cierto tipo de frmulas del Clculo de Predicados de Primer Orden,
llamadas clusulas y la demostracin de teoremas bajo esta regla de inferencia se lleva a cabo por reduccin al
absurdo.
Otros trabajos importantes de esa poca que influyeron en la programacin lgica, fueron los de Loveland, Kowalski
y Green, que disea un probador de teoremas que extrae de la prueba el valor de las variables para las cuales el
teorema es vlido.
Estos mecanismos de prueba fueron trabajados con mucho entusiasmo durante una poca, pero, por su ineficiencia,
fueron relegados hasta el nacimiento de Prlogo, que surge en 1971 en la Universidad de Marsella, Francia.
Actualmente, la programacin lgica ha despertado un creciente inters que va mucho ms all del campo de la
Inteligencia Artificial y sus aplicaciones. Los japoneses, con sus proyectos de mquinas de la quinta generacin,
dieron un gran impulso a este paradigma de programacin.
La Lgica de Primer Orden, es uno de los formalismos ms utilizados para representar conocimiento en Inteligencia
Artificial. La Lgica cuenta con un lenguaje formal mediante el cual es posible representar frmulas llamadas
axiomas, que permiten describir fragmentos del conocimiento y, adems consta de un conjunto de reglas de
inferencia que aplicadas a los axiomas, permiten derivar nuevo conocimiento.
El Alfabeto del Lenguaje de la Lgica de Primer Orden contiene dos tipos de smbolos:

Smbolos lgicos, entre los que se encuentran los smbolos de constantes proposicionales true y false; los
smbolos de operadores proposicionales para la negacin, la conjuncin, la disyuncin y las implicaciones (=>, <=);

los smbolos de operadores de cuantificacin como el cuantificador universal; el cuantificador existencial; y los
smbolos auxiliares de escritura como corchetes [,], parntesis (,) y coma.

Smbolos no lgicos, agrupados en el conjunto de smbolos constantes; el conjunto de smbolos de variables

individuales; el conjunto de smbolos de funciones n-arias; y el conjunto de smbolos de relaciones n-arias.
A partir de estos smbolos se construyen las expresiones vlidas en el Lenguaje de Primer Orden: los trminos y las
frmulas.
Un trmino es cualquiera de las tres expresiones siguientes: una constante, por ejemplo, el nmero "100", la palabra
"alfredo" y la letra "c"; o una variable, por ejemplo, "X" o bien una expresin de la forma "f(t1,...,tn)" donde "f" es un
smbolo de funcin n-aria y t1,...,tn son trminos. Ejemplos de funciones son: f(100,X), padre(Y) y sucesor(X).
Las frmulas atmicas o elementales son expresiones de la forma R(t1,...,tn) donde R es un smbolo de relacin naria y t1,...,tn son trminos.
Ejemplos de frmulas son:
positivo(3),not(igual(4,doble(2))),recetar(X,aspirina)<=tiene(X,fiebre), tiene(X,cefalea).
Esta ltima establece una regla que dice que, si X tiene fiebre y cefalea (dolor de cabeza), X debe tomar una
aspirina.
El Lenguaje de Primer Orden posee un amplio poder de expresin, los trminos permiten nombrar los objetos
del universo, mientras que las frmulas permiten afirmar o negar propiedades de stos o bien establecen las
relaciones entre los objetos del universo.
Puede decirse que la Programacin Lgica utiliza la Lgica de Primer Orden como lenguaje de programacin.
Prlogo es un ejemplo de lenguaje basado en la Lgica de Primer Orden y aunque toma su nombre de este trmino
("PROgramming in LOGic"), no abarca toda la riqueza de la Lgica de Primer Orden para resolver problemas, pues
est restringido al uso de cierta clase de frmulas denominadas clusulas definidas o clusulas de Horn.
Un programa lgico est formado por un conjunto finito de clusulas de programa que son hechos o reglas. Por
ejemplo:
Padre (Luis, miguel). Hecho
Padre (miguel, Jos). Hecho
Padre (Jos, Juan). Hecho
Abuelo(X,Y):-padre(X,Z), padre (Z,Y). Regla
Este programa est formado por cuatro clusulas de programa, las tres primeras son del tipo hecho y definen la
relacin padre/2 y la cuarta una regla que define la relacin abuelo/2. Ntese el uso de las variables X,Y y Z en esta
clusula, las cuales permiten definir de manera general en Prolog la relacin "ser abuelo de", pues
la lecturadeclarativa de dicha clusula es la siguiente: "Para cualesquiera X,Y,Z se cumple que: X abuelo de Y, si X
padre de Z y Z padre de Y".
En Prolog es posible hacer preguntas sobre objetos y relaciones del dominio y estas preguntas se formulan como
objetivos o metas, que son evaluadas por el intrprete de Prolog utilizando su mecanismo de inferencia interno, el
cual determina si la meta a demostrar es una consecuencia lgica del programa, aplicando reglas de deduccin para
obtener la respuesta.
Por ejemplo, del programa anterior, utilizando la clusula de tipo meta ?abuelo(X, juan), para preguntar quin es el
abuelo de Juan? o bien quines son los abuelos de Juan?, es posible deducir que Luis es abuelo de Juan, aunque
implcitamente no existe en el programa ningn hecho que as lo afirme.
En este caso la ejecucin del programa, para dicha meta, arrojara como resultado que X=luis.
El mtodo de deduccin utilizado por Prolog, para dar respuesta a los objetivos planteados, se basa en el uso de
una nica regla de inferencia: el Principio de Resolucin.
Los primeros trabajos de prueba automtica de teoremas utilizaban la resolucin, aplicada a clusulas cualesquiera,
pero el problema de las deducciones con clusulas generales es el gran nmero de combinaciones posibles para
llevar a cabo las resoluciones.
Por ello Prolog restringe el conjunto de clusulas, lo que le permite llevar a cabo una prueba dirigida y, en la mayora
de los casos, con un universo de posibilidades explorable en tiempo de ejecucin.
Realmente, en Prolog se hace uso de una estrategia de refinamiento de dicho principio, denominada ResolucinSLD, la cual se aplica a clusulas definidas.

Algoritmos

Cuando una tarea se realiza por medio de un algoritmo perfectamente definido de almacenamiento, clasificacin o
clculo, lo puede hacer un computador. Este concepto de algoritmo, secuencial, fijo y de determinadas operaciones,
es incapaz de manejar problemas donde el camino del razonamiento es variable y donde deben afrontarse
situaciones diversas sin haber sido especificadas.
La Inteligencia Artificial hace uso de un tipo de lenguaje diferente como es el caso de LISP y PROLOG.
En 1932, Cannon visualiz la evolucin natural como un proceso de aprendizaje. Alan Turing reconoci, en 1950,
que debe haber una conexin obvia entre el aprendizaje de mquina y la evolucin, y seal que se podran
desarrollar programas para jugar ajedrez usando esta tcnica. Campbell conjetur en 1960 que en todos los
procesos que llevan a la expansin del conocimiento, se involucra un proceso ciego de variacin y supervivencia
selectiva.
Los primeros intentos de aplicar de manera formal la teora de la evolucin, a problemas prcticos de ingeniera,
apareci en las reas de control de procesos estadsticos, aprendizaje de mquina y optimizacin de funciones. Tal
vez el primer intento serio de este tipo se dio en el trabajo que realizaron Box y sus colegas en 1957, en el desarrollo
de una tcnica que denominaron operacin evolutiva, la cual se aplic a una planta de manufactura, y que se
implanto sobre la base de los votos de un comit de jefes tcnicos. Bajo este esquema, la calidad del producto
avanzaba a travs de mutaciones aleatorias y la seleccin era determinada por el comit.
Por su parte, Friedberg intent, en 1958, hacer que un programa en lenguaje mquina se mejorara a s mismo,
seleccionando instrucciones que se asociaran ms frecuentemente con un resultado exitoso. Aunque Friedberg
nunca mencion explcitamente estar simulando la evolucin natural, esa es la interpretacin ms comnmente
aceptada de su trabajo, y a pesar de que tuvo cierto xito evolucionando manipuladores de bits y determinando las
interconexiones de una caja negra de 1400 terminales, la comunidad de Inteligencia Artificial de la poca prest
poca atencin a su trabajo. Por ejemplo, Minsky lo critic duramente, argumentando que una bsqueda puramente
aleatoria era mucho mejor que el algoritmo de Friedberg.
El trabajo de Bremermann, en 1958, se enfoc ms a la optimizacin, introduciendo el importante manejo de un
valor de aptitud, y definiendo a un individuo como una cadena de smbolos binarios (unos y ceros). Bremermann
advirti, acertadamente, que la mutacin jugaba un papel importante en la evolucin, pues impeda el estancamiento
en mnimos locales. Aunque muchas de sus ideas se usan hoy en da, Bremermann cometi el error de tratar de
optimizar funciones lineales y convexas, obteniendo resultados decepcionantes, pues sus algoritmos evolutivos
tenan que ser complementados con otras heursticas para converger en una solucin. Hoy sabemos que los
algoritmos evolutivos difcilmente pueden competir con las tcnicas tradicionales de optimizacin en esos dominios.
Barricelli ofreci, en 1954, una de las primeras simulaciones que usaba principios evolutivos, utilizando los
mismos procedimientos generales que se usan hoy en da en la disciplina conocida como vida artificial. Sin embargo,
en este trabajo, as como el que Reed realiz posteriormente en 1967, se concluy que la cruza no pareca mejorar
la velocidad de la adaptacin selectiva, y el operador primordial era la mutacin.
Fue Fogel el que introdujo la primera tcnica evolutiva que realmente funcion ms o menos dentro de los
lineamientos actuales de la computacin evolutiva. Su programacin evolutiva consista en hacer evolucionar
autmatas de estados finitos por medio de mutaciones. Fogel introdujo los importantes conceptos de poblacin y
seleccin, y aunque las revisiones iniciales de su trabajo fueron favorables, algunos investigadores, como
Solomonoff, enfatizaron que el mtodo de Fogel no deba verse en su estado actual (en 1966) como algo
particularmente til para resolver problemas, a excepcin de los ms simples posibles. Solomonoff vio a la
programacin evolutiva como una especie de bsqueda escalando la colina modelada mediante autmatas, y otros
investigadores como Holland, Kieras, Rada y Lenat compartieron esa opinin.

Leer ms: http://www.monografias.com/trabajos64/inteligencia-artificial-investigacion-sistemas-computo/inteligenciaartificial-investigacion-sistemas-computo2.shtml#ixzz2yKpNYha2

Otra tcnica evolutiva dirigida particularmente a la optimizacin de funciones continuas de alta complejidad se
desarroll en Alemania, en 1965, por Rechenberg y Schwefel. Esta tcnica, llamada estrategia evolutiva, se utiliz
inicialmente para resolver problemas de ingeniera que desafiaban a los mtodos de optimizacin tradicionales,
como el gradiente conjugado, y se basa en la modificacin sistemtica de un vector de nmeros reales
(representando las variables de decisin del problema) mediante operadores probabilsticos, usando ciertos criterios
para decidir en qu direccin dirigir la bsqueda. La estrategia evolutiva utiliza como operador principal a la
mutacin, y en su versin ms reciente usa la cruza como operador secundario.

Aunque el australiano Fraser propuso, desde fines de los 50, un procedimiento muy similar al que John Holland
llam planes evolutivos a fines de los 60, es al segundo al que se le suele atribuir la creacin de la tcnica que se
conoce como algoritmo gentico, a raz de que Holland publicara el libro "Adaptation in Natural and Artificial
Systems" en 1975.
La principal diferencia del algoritmo gentico con las tcnicas antes mencionadas, es que utiliza la cruza como
operador principal y a la mutacin como operador secundario (e incluso opcional). El algoritmo gentico, al igual que
las redes neuronales, funciona como una caja negra que recibe ciertas entradas y produce (tras una cantidad
detiempo indeterminada) las salidas deseadas. Sin embargo, a diferencia de stas, los algoritmos genticos no
necesitan entrenarse con ejemplos de ningn tipo, sino que son capaces de generar sus propios ejemplos y
contraejemplos que guen la evolucin a partir de poblaciones iniciales totalmente aleatorias.
Los mecanismos de seleccin del ms apto y de reproduccin sexual del algoritmo gentico, son los encargados de
preservar las caractersticas ms adecuadas de cada individuo a fin de hacer converger a
la poblacin en soluciones ptimas.
Los algoritmos genticos se distinguen tambin por no quedar atrapados fcilmente en mnimos locales, como la
mayor parte de las tcnicas de bsqueda clsicas, adems de usar operadores probabilsticos ms robustos que los
operadores determinsticos, que las otras tcnicas suelen usar.
No obstante, siendo una heurstica, tampoco pueden garantizar encontrar siempre la solucin ptima, si bien la
experiencia acumulada hasta la fecha parece demostrar que, cuando se utilizan apropiadamente, pueden
proporcionar soluciones muy aceptables y, en la mayora de los casos, superiores a las encontradas con otras
tcnicas de bsqueda y optimizacin.
Aunque an atacados por algunos sectores de la comunidad de Inteligencia Artificial, los algoritmos genticos, al
igual que las redes neuronales, se han ido ganando poco a poco, y sobre la base de la efectividad de sus resultados
en aplicaciones prcticas, el reconocimiento de los investigadores como una tcnica efectiva en problemas de gran
complejidad, como lo demuestra un nmero creciente de conferencias y publicaciones especializadas alrededor del
mundo, en los ltimos aos.

Base de Conocimiento. Sistemas Basados en Conocimiento

Los mtodos generales desarrollados para la resolucin de problemas y tcnicas de bsqueda al inicio de la era de
la Inteligencia Artificial demostraron no ser suficientes para resolver los problemas orientados a las aplicaciones, ni
fueron capaces de satisfacer los difciles requerimientos de la investigacin.
A este conjunto de mtodos, procedimientos y tcnicas, se lo conoce como Inteligencia Artificial Dbil. La principal
conclusin que se deriv de este trabajo inicial fue que los problemas difciles slo podran ser resueltos con la
ayuda del conocimiento especfico acerca del dominio del problema.

La aplicacin de estas ideas dio lugar al desarrollo de los denominados Sistemas Basados en Conocimiento
(Knowledge Based Systems) y al aparecimiento de la Ingeniera Cognoscitiva, como una rama de la Inteligencia
Artificial, que estudia los sistemas basados en el conocimiento. La definicin de un sistema basado en conocimiento
puede ser la siguiente:
Es un sistema computarizado capaz de resolver problemas en el dominio en el cual posee conocimiento
especfico.
La solucin es esencialmente la misma que hubiera dado un ser humano confrontado con idntico problema, aunque
no necesariamente el proceso seguido por ambos puede ser igual.
El simple concepto dado, puede causar confusin ya que muchos sistemas basados en programas convencionales
podran ser incorrectamente categorizados como sistemas basados en conocimiento. Esta inconsistencia puede ser
aclarada, sobre la base de tres conceptos fundamentales que distinguen a los sistemas basados en conocimiento de
los programas algortmicos convencionales y de los programas generales basados en bsqueda:
Inteligencia Artificial dbil.

Primero, la separacin del conocimiento y el modo en que es usado.

Segundo, la naturaleza del conocimiento empleado (heurstica antes que algortmica).

Tercero, El uso de conocimiento especfico de un determinado dominio.

Las caractersticas principales son:

amplia difusin del conocimiento

fcil modificacin

respuestas coherentes

disponibilidad casi completa

conservacin del conocimiento

capacidad de resolver problemas disponiendo de informacin incompleta

capacidad de explicar los resultados y la forma de obtenerlos

Los principales problemas asociados a este mtodo son:

las soluciones no siempre son las mejores o correctas

conocimiento limitado frente al dominio de un experto

carecen del sentido comn o criterio que puede tener un experto

es difcil extraer todo el conocimiento que maneja un experto.

Experiencia, Habilidades y Conocimiento.
Los tipos de experiencia que son de inters en los sistemas basados en conocimiento, pueden ser clasificados en
tres categoras: asociativa, motora y terica.
Los sistemas basados en conocimiento son excelentes para representar conocimiento asociativo. Este tipo de
experiencia refleja la habilidad heurstica o el conocimiento que es adquirido mayoritariamente, a travs de
la observacin.
Puede ser que no se comprenda exactamente lo que ocurre al interior de un sistema (caja negra), pero se pueden
asociar entradas o estmulos con salidas o respuestas, para resolver problemas que han sido previamente
conocidos.
La experiencia motora es ms fsica que cognitiva. La habilidad se adquiere fundamentalmente a travs del
ejercicio y la prctica fsica constante. Los sistemas basados en conocimiento no pueden emular fcilmente este tipo
de experiencia, principalmente por la limitada capacidad de la tecnologa robtica.
La experiencia terica y el conocimiento profundo permite que los humanos puedan resolver problemas que no se
han visto antes, es decir, no existe una posibilidad asociativa. El conocimiento terico y profundo se adquiere a
travs de estudio y entrenamiento formal, as como por medio de la resolucin directa de problemas.
Debido a su naturaleza terica, este conocimiento se puede olvidar fcilmente, a no ser que se use en forma
continua. Al momento, los sistemas convencionales basados en conocimiento tienen muchas dificultades para
duplicar este tipo de experiencia. Sin embargo, los Sistemas de Razonamiento Basado en Modelos representan
un notable intento de encapsular este conocimiento profundo y razonar con l.
Estructura de los Sistemas Basados en Conocimiento.
La arquitectura de un sistema basado en conocimiento de alguna manera refleja la estructura cognitiva y
los procesos humanos. La primera parte es la memoria de largo plazo, en la que guarda los hechos (Base de
Hechos) y los conocimientos (Base de Conocimientos) acerca del dominio en el que tiene experiencia.

Estructura de un sistema basado en conocimiento

La segunda parte es el sistema que realiza la funcin de razonamiento para resolver problemas (Motor de
Inferencia). Finalmente, la tercera parte la conforman las unidades de entrada y salida que permiten la
comunicacin entre el sistema y su entorno.
La representacin del conocimiento determina el desarrollo de un sistema experto e influye en
las estrategias de control. Es muy verstil, hay muchas formas de hacerlo y es complicada la eleccin.
Generalmente la eleccin est basada en la intuicin o en las especiales circunstancias del problema.
La primera fase es la adquisicin del conocimiento desde un experto y depende de la cantidad y de su adecuada
representacin. Se deben conocer los lmites, pues slo llegan hasta donde son capaces de resolver un problema.
Esto implica, que tiene que circunscribirse a un dominio homogneo.
El lenguaje de programacin debe ser adecuado, se usan principalmente el LISP y PROLOG, que difieren de los
lenguajes clsicos en que sus reglas (que tambin contienen hechos) entran masivamente, y que el programa, es
decir, el motor de inferencia, encontrar el camino a travs de reglas.
Por otra parte, la programacin procedural consiste en una cuidadosa descripcin de los algoritmos que marcan el
camino de los diferentes procedimientos y funciones en los programas.
Estos dos modos de programacin son tericamente iguales, pero en la prctica difieren.
La programacin declarativa es un tipo de programacin implantada en los sistemas expertos y por ciertos
lenguajes. La principal diferencia es que en la declarativa las reglas se formulan independientemente de su
secuencia de aplicacin. El modo en que se ejecutan las reglas corresponde al motor de inferencia y es
independiente de las reglas en s mismas. En la programacin procedural, las reglas se implantan y ejecutan en un
orden establecido.
Las ventajas en los sistemas expertos es la modularidad, no hay un solo camino para responder a un problema y
son fciles de leer, lo que simplifica comprobar su consistencia.
La representacin del conocimiento es esencial en inteligencia artificial y es la base de la construccin de un sistema
experto.
Fases en la adquisicin del conocimiento:

identificacin del problema.

Estructuracin del conocimiento.

La arquitectura del sistema y la maqueta.

El prototipo y terminacin del sistema.

Tecnologa de los Sistemas Basados en Conocimiento.
Desde el punto de vista tecnolgico, los Sistemas Basados en Conocimiento pueden presentar varias formas de
aplicacin:

Aislada: un Sistema Basado en Conocimiento nico se relaciona con el entorno.


Integrada: varios Sistemas Basados en Conocimiento conectados a bases de conocimiento comunes. Tipo
Front-End cuando todos los hechos y datos estn fsicamente en la base comn. Tipo Back-End cuando los hechos
y datos necesarios que no estn en las bases comunes, pueden obtenerse de otros SBC.

Embebida: un Sistema Basado en Conocimiento est integrado con otros sistemas y no se lo distingue.

Motor de Inferencia
Un motor de inferencia interpreta y evala los hechos en la base de conocimientos para proveer una respuesta. Este
debe ser independiente del conocimiento y de los hechos. Se puede caracterizar por:
El lenguaje en que ha sido escrito.
La velocidad de trabajo: Inferencias / segundo.
Las estrategias de bsqueda de soluciones:
No Ordenada: aleatoria, heurstica.
Ordenada: Encadenamiento hacia adelante (guiado por los datos, deductivo), encadenamiento hacia atrs (guiado
por los objetivos, inductivo).
La forma en que elige el conocimiento.
La posibilidad de incorporar metaconocimiento.
El tipo de lgica que emplea en el razonamiento:
Booleana, trivalente, multivalente, difusa.
Monotnica o no monotnica.
Atemporal o temporal.
Lgica de orden 0, orden 0+, orden 1.
El mtodo que utiliza para la evaluacin del conocimiento incompleto o incierto:
Determinstico.
Probabilstico.
Aproximado.
Difuso.
En un sistema experto, dado un estado particular de la base de datos, se deben reconocer las reglas aplicables y
esto se llama filtrado o identificacin de patrones, operacin especialmente larga, ya que muchos sistemas realizan
una preseleccin de las reglas antes de que comience la identificacin propiamente tal. Es decir, se considera un
subconjunto de reglas y entre stas, las aplicables. Esto, es lo que se llama restriccin.
Adicionalmente puede existir una Base de Datos con informacin puntual sobre problemas especficos anteriormente
resueltos por el sistema, y que se usa como informacin adicional en el proceso de inferencia.
Una vez que las reglas han sido reconocidas deben ser elegidas, dependiendo de la estrategia de control, que es la
seleccin.
Una vez que las regla han sido elegida ha de ejecutarse.
Al mdulo central del sistema experto que maneja estas tres operaciones se le denomina motor de inferencia o
intrprete de reglas. Hay diversos tipos de motores de inferencia segn los mtodos con que se manejan las tres
operaciones precedentes.

Identificacin de patrones
Esta operacin determina cules son las reglas potencialmente aplicables en un estado dado de la base de datos.
Hay ciertos mtodos tpicos para resolver problemas mediante Inteligencia Artificial como: descomposicin de
problemas, inferencia deductiva, deduccin lgica, etc.
No es necesario que la bsqueda se aplique a todas las reglas, el sistema de control puede decidir cules no son
necesarias a ese nivel.
El filtrado significa tener el conocimiento para encontrar las reglas cuya precondicin se satisfaga. Se debe comparar
por tanto la precondicin con la base de datos. Si es una regla deductiva "si premisa entonces conclusin", la parte a
ser probada de la regla, se llama disparador o activador (tigger) es siempre una frmula bien formada ya sea de
lgica proposicional o de lgica de primer orden. Puede aplicarse a cualquier hecho.
El nico lenguaje que est totalmente basado en el clculo de predicados es el PROLOG.
Los procesos de identificacin de patrones pueden mejorarse examinando, dentro del activador de cada regla,
primero los predicados con ms restricciones, es decir, los que tienen el menor nmero de variables libres. Otra
forma de proceder es que, para cada regla o parte de su activador, se guarda en la memoria el resultado de las
posibles unificaciones para cada parte del activador. Despus de cada ciclo del motor de inferencia, esta memoria se
actualiza y se denomina filtrado por propagacin.
Ejecucin de las reglas
Despus de la fase de filtrado, cuando una regla est reconocida como aplicable, teniendo en cuenta la base de
datos existente, solo resta ejecutarla. Si hay varias posibles reglas, la eleccin la realiza la estrategia de control.
La conclusin de la regla tiene por objeto modificar la base de conocimiento, creando, modificando o suprimiendo un
hecho.
La fase de restriccin
En un sistema dirigido por los datos, el filtrado consiste en retener todas las reglas cuyas premisas son verdaderas
teniendo en cuenta los hechos (verdaderos) presentes en la base de datos. Este sistema funciona en
encadenamiento hacia delante.
Si el sistema es a la vez dirigido por los datos y por los objetivos, se denomina mixto.
La restriccin tambin puede estar especificado explcitamente por el experto para utilizar reglas dentro de las
reglas, es decir, meta reglas. Indica qu grupo de reglas debe ser retenido, por prioridad, o definir un orden en los
subconjuntos de las reglas.
El conocimiento puede organizarse en forma de red como en las redes semnticas utilizadas en el anlisis sintctico
del lenguaje. Su posicin dentro de la red dirige las restricciones utilizando heursticas. Esta formulacin es
particularmente eficiente si se establece vlidamente una organizacin jerrquica del conocimiento, en este caso
existira una taxonoma de los hechos.
Otro modo de gobernar las restricciones es organizar las reglas en paquetes o esquemas, lo que genera una
estructura de rbol en reglas, lo que es una ventaja.
Todos estos modos dependen de la forma en que est representado el conocimiento.
La fase de seleccin
Como despus de las fases anteriores quedan varias reglas se debe seleccionar una y luego de procesada el
programa debe saber dnde volver.
Cuando hay una o ms reglas, se usan dos estrategias:
- La bsqueda en anchura, que elige una, generalmente la primera y se van ejecutando por turno antes de
comprobar que se ha alcanzado la condicin final. Si no es as se inicia otro ciclo del motor de inferencia. Este tipo
de bsqueda es exhaustiva y la usa el sistema experto MYCIN.

Otra estrategia es la de elegir una regla entre las aplicables por medio de una heurstica, procesarla y
modificar la base de datos. Si no se alcanza la condicin final, comienza otro ciclo del motor de inferencia. Es por lo
tanto, una estrategia en profundidad.
Cada una de las estrategias puede ser irrevocables o avanzar por prueba y error.
Muchos sistemas efectan marcha atrs, si no hay regla aplicable, pero si el sistema est bajo un control irrevocable
se detendr.
Visto en la prctica, las reglas poseen la siguiente estructura:
SI (CONJUNTO_DE_PREMISAS) ENTONCES CONSECUENCIA
O bien:
(CONJUNTO_DE_PREMISAS) CONSECUENCIA

El CONJUNTO_DE_PREMISAS contiene las clusulas, o simplemente condiciones, que deben cumplirse para que
la regla pueda ejecutarse, y la CONSECUENCIA representa el resultado de la ejecucin de dicha regla.
O bien:
SI (x ES CATEDRTICO) ENTONCES (x ES DOCTOR)
En este caso CATEDRTICO y DOCTOR representan de nuevo relaciones que deben estar representadas sobre el
sistema.
Cmo representar estas nuevas relaciones?
Como todo sistema informtico los SE pueden operar sobre un conjunto finito de elementos, para esto es necesario
definir el universo de trabajo dentro del cual probaremos nuestras reglas. Sobre esta base la definicin de la relacin
SER CATEDRTICO o CATEDRTICO, segn sea la representacin usada, debe hacerse puntualmente para cada
individuo del universo, por ejemplo:
CATEDRTICO ("Mario Prez")
CATEDRTICO ("Manuel Fernndez")
CATEDRTICO ("Maria Gonzlez")
Los componentes de la relacin SER DOCTOR se deducen a partir de la relacin SER CATEDRTICO y la regla
anterior, por lo que no es necesario una representacin o definicin explcita.
La inferencia o extraccin de conclusiones:
Para extraer una conclusin, o inferencia, se hace necesario, antes que nada, saber el objetivo a satisfacer, o
problema a resolver. Este problema se plantea en forma de objetivo que se toma por el Motor de Inferencia el cual a
travs de la activacin y encadenamiento de reglas trata de llegar a una solucin. Al seguir con el ejemplo:
Objetivo:
"Es Mario Prez Doctor"?
Solucin:
Al aplicar la regla: SI (x ES CATEDRTICO) ENTONCES (x ES DOCTOR)
Se debe chequear, como precondicin de activacin, el cumplimiento de la relacin:
CATEDRTICO ("Mario Prez")
Se debe chequear la base de Axiomas o Afirmaciones:
CATEDRTICO ("Mario Prez") existe en la base de axiomas, por lo que la precondicin es verdadera.
Se dispara la consecuencia y se llega a la conclusin que Mario Prez es doctor.
Encadenamientos de reglas:
Existen dos mecanismos fundamentales de encadenamiento de reglas:
1. Encadenamiento hacia delante:
Se produce cuando el objetivo propuesto al sistema hace que se ejecute una regla, y la conclusin obtenida permite
que se ejecute otra, y as sucesivamente hasta llegar a una respuesta, positiva o negativa. El punto final se detecta
cuando no se pueden producir ms encadenamientos, por ejemplo cuando se llega a un axioma.
Por ejemplo:
(1). SI (x ES JEFE_DPTO) ENTONCES (x ES CATEDRTICO)
(2). CATEDRTICO ("Mario Prez")
(3). CATEDRTICO ("Manuel Fernandez")
(4). CATEDRTICO ("Maria Gonzalez")
Al evaluar el objetivo: "Mario Prez es Jefe_Dpto"?, se dispara la regla (1), la cual a su vez se encadena con la (2),
en este momento no se pueden producir ms encadenamientos pues la regla (2) es un axioma. Llegado a este punto
el Motor de Inferencia retrocede y da una respuesta positiva a la pregunta.
2. Encadenamiento hacia atrs:
Consiste en, dado un objetivo, buscar una regla que permita establecer dicha conclusin, el proceso se repite hasta
encadenar con la regla cuya conclusin satisfaga el objetivo propuesto, o se detecte que dicho problema no se
puede resolver positivamente. Por ejemplo para averiguar si "Mario Prez es doctor" se busca un regla que tenga
esta afirmacin en sus consecuencias. Analizando las reglas anteriores vemos que la regla:
(5). SI (x ES CATEDRTICO) ENTONCES (x ES DOCTOR)
Satisface estas condiciones; siguiendo esta regla hacia atrs tenemos que buscar una nueva que permita validar si
"Mario Prez" es catedrtico, lo cual se hace con el axioma (2).
Los encadenamientos constituyen, de esta manera, una de las herramientas fundamentales del Motor de
Inferencia; el Lenguaje PROLOG solamente soporta el encadenamiento hacia atrs, el cual constituye el ms
frecuentemente implementado.

Sistemas Expertos como Sistemas de Informacin Orientados

al Servicio
En la Conferencia de Dartmouth en 1956 donde Newell, Shaw y Simon presentaron sus programas para demostrar
las proposiciones lgicas (Logical Theorist). La expresin de Inteligencia Artificial la invent en aquel mismo ao
John McCarthy.
En 1959-60, aparece un programa demostrador de teoremas basado en la lgica proposicional (General Problem
Solver, por Newell, Shaw y Simon).
La dcada comprendida entre 1960-70 vio sentar los principios bsicos de la investigacin en las estructuras en
rbol as como el movimiento de ideas empleadas actualmente en la resolucin de problemas y los sistemas
expertos. Los textos de Newell y Simon (1972) y Nillson (1971) marcan el final de este periodo.
Los principales mtodos de bsqueda en estructuras en rbol, que todava se emplean hoy en los programas de
sistemas expertos, estaban ya disponibles en esos aos.
Las primeras aplicaciones se hicieron en problemas fciles de describir, pero complejos de resolver, como por
ejemplo: juego de ajedrez y demostracin de teoremas matemticos.
Los sistemas expertos orientados al servicio derivaron de la necesidad de resolver problemas cada vez ms
complejos, con poca informacin estructurada y con resultados probables, donde uno de los caminos era encontrar
la mejor solucin a un problema, no necesariamente la nica posible.
Los hechos para una base de conocimiento deben ser adquiridos a partir de experiencias humanas a travs
de entrevistas y observaciones. Este conocimiento es usualmente representada en la forma de reglas "if-then"
(reglas de produccin): " si alguna condicin es verdadera, entonces la siguiente inferencia puede ser hecha (o
algunaaccin tomada)". La base de conocimientos de un sistema experto mejor incluye miles de reglas. Un factor
de probabilidad es con frecuencia unido a las conclusiones de cada regla de produccin, porque la conclusin no es
una certeza.
Por ejemplo, un sistema para el diagnstico de enfermedades del ojo debe indicar, basado en informacin que
apoye esto, un 90% de probabilidad de que una persona tiene glaucoma, y este puede tambin listar conclusiones
con ms bajas posibilidades.
Un sistema experto puede desplegar la secuencia de reglas a travs de las cuales ste llega a su conclusin. Trazar
el flujo ayuda al usuario para apreciar la credibilidad de su recomendacin y es til como una herramienta
de aprendizaje para estudiantes.
Los expertos humanos frecuentemente emplean las reglas heursticas, o "regla del pulgar", adems de la simple
produccin de reglas. Por ejemplo, un administrador de crdito puede saber que un solicitante con una historia pobre
de crdito, con un registro limpio desde que adquiri un nuevo empleo, puede actualmente ser un buen sujeto de
crdito.
Los sistemas expertos han incorporado tales reglas heursticas e incrementndolas tienen la habilidad de aprender a
partir de la experiencia. Sin embargo, los sistemas expertos son ms bien soporte o apoyo ms que reemplazos
para los expertos humanos.
Definicin y Antecedentes.
Los sistemas de informacin proveen apoyo para las operaciones o servicios que organizaciones realizan para
la sociedad. Los sistemas son orientados verticalmente a sectores especficos e industrias, ej. Manufactura, servicios
financieros, publicidad, educacin, salud y entretenimiento. Ms que direccin administrativa y funciones
administrativas, ellos apoyan actividades y procesos que son la razn para una existencia organizacional (en
muchos casos, algn tipo de actividad manufacturera o el desarrollo de servicios.
Los sistemas de este tipo varan enormemente, pero ellos tienden a caer dentro de tres tipos principales:
manufactura, transacciones y Sistemas Expertos.
La meta conceptual de la industria moderna es la manufactura integrada por computador (CIM). Involucra diseo y
desarrollo de ingeniera, manufactura, marketing y ventas, y todo el campo de soporte y servicios.
El diseo asistido por computador (CAD) fue aplicado primero en la industria electrnica. Hoy ellos dan forma a las
tcnicas de modelacin tridimensional para dibujo y manipulacin de objetos slidos en una pantalla y para derivar
stos a programas de diseo de piezas y conjuntos, modelacin estructural y trmica, fabricacin en mquinasCNC
(control numrico).
Una vez que un producto es diseado, su proceso de produccin puede ser delineado usando sistemas
de planificacin de procesos asistidos por computador (CAPP) que ayuden a seleccionar secuencias de operaciones

y condiciones de mquinado. Los modelos del sistema de manufactura pueden ser simulado por computadores
antes de que sean construidos. Las funciones bsicas de la manufacturacin: mquinado, formado, unin, ensamble
e inspeccin, son apoyados por el sistema de manufactura asistida por computador (CAM) y sistemas de manejo de
material automatizado. El sistema de control de inventario busca mantener un ptimo stock de partes
ymateriales para controlar el movimiento del inventario, predecir los requerimientos e iniciar procedimientos de
rdenes de compra.
La sofisticacin tecnolgica de los sistemas de informacin de manufactura es impresionante y esto incluye
incrementadamente aplicaciones robticas, visin de computador y sistemas expertos. Lo central en el concepto de
CIM es una base de datos integrada que apoya a las empresas manufactureras y es conectada a otras bases de
datos administrativas.
En organizaciones de servicio no-manufacturero el tipo de sistemas de informacin que prevalece es el que apoya
los procesos de transaccin.
Transacciones son sets de entradas discretas, suministradas por usuarios en impredecibles intervalos, los cuales
llaman a la base de datos buscando, analizando y modificando. El procesador evala el requerimiento y ejecuta ste
inmediatamente. Partes de la funcin de procesamiento pueden ser llevadas a un terminal inteligente que distribuye
el requerimiento en la carga computacional. El tiempo de respuesta (el lapso de tiempo entre el final de un
requerimiento y el comienzo de la respuesta) es una caracterstica importante de este tipo de sistema de teleproceso
en tiempo real.
Los sistemas de transaccin por teleproceso constituyen la base de las industrias de servicio tales como
bancarios, seguros, seguridad, transporte y bibliotecas. Ellos estn reemplazando el piso del mayor intercambio
comercial de stock del mundo, conectando la ms amplia va de telecomunicaciones en lnea en
un mercado financiero global. De nuevo, lo central en un sistema de transaccin es su base de datos integrada.
El foco del sistema es el recipiente de servicios ms que el operador del sistema. Debido a esto, un agente viajero
local es capaz de planear un itinerario completo de un viajero: incluyendo las reservaciones en aerolneas, hoteles,
arriendo de autos, programas culturales y deportivos, e incluso restaurantes, en cualquier continente y ajustar stos
al programa y presupuesto del viajero.
Componentes: software de interfaz, base de datos, programa computacional.
Una relativamente nueva categora de sistemas de informacin orientada al servicio es el sistema experto, llamado
as porque su base de datos guarda una descripcin de habilidades en la toma de decisiones de experiencias
humanas en un estrecho dominio de procedimientos, tales como interpretacin mdica de imagen, impuestos,
diseo de piping, configuracin de hardware en un sistema de computadores, equipamiento para reparar
malfuncionamientos o, en la preparacin de cerveza.
La motivacin para construir sistemas expertos es el deseo de replicar el escaso, in estructurado y quizs el
pobremente documentado conocimiento emprico de especialistas que de este modo puede ser rpidamente usado
por otros.
Un programa computacional que usa inteligencia artificial resuelve problemas en un dominio especializado que
ordinariamente requiere experiencia humana.
El primer sistema experto fue desarrollado en 1965 por Edward Feigenbaum y Joshua Lederberg de
la Universidad de Standford en California, USA. Dendral fue diseado para analizar componentes qumicos.
Los sistemas expertos ahora tienen aplicaciones comerciales en campos tan diversos como diagnstico mdico,
ingeniera petrolera e inversin financiera.
Para realizar tareas de aparente inteligencia, un sistema experto recurre a tres componentes: un software de
interfaz, una base de conocimiento y un motor de inferencia.
1) El software de interfaz, mediante el cual el usuario formula preguntas a ste, el sistema experto solicita ms
informacin desde el usuario y ste le explica al usuario el proceso de razonamiento empleado para llegar a una
respuesta.
2) La base de datos, llamada la base de conocimiento que consiste de axiomas (hechos) y reglas para hacer
inferencias a partir de esos hechos acerca del dominio del sistema.
En el transcurso de las tres dcadas pasadas, la tecnologa para soportar el desarrollo de aplicaciones intensivas de
datos tuvo una evolucin de cuatro generaciones, sistemas de archivos, sistemas de bases de datos jerrquicos,
sistemas de bases de datos en red y sistemas de bases de datos relacionales. En todos los casos, la transicin de
una generacin a otra, ha sido motivada por la necesidad de minimizar los costos de desarrollo (que escalan
rpidamente), as como los de mantenimiento y mejora de programas de aplicacin.

Los sistemas convencionales (relacionales y prerrelacionales) han servido para satisfacer las necesidades de
aplicaciones del ambiente para el cual fueron diseadas, es decir, de procesamiento de datos en negocios, tales
como control de inventario, nminas, cuentas por cobrar, etc. Sin embargo, tan pronto como esta tecnologa
abandon los laboratorios de investigacin y registr su marca en el mercado, serias limitaciones comenzaron a ser
expuestas.
Una variedad de aplicaciones comenz a ser identificada como difcil para implantarse con el uso de sistemas de
bases de datos relacionales. Estas nuevas aplicaciones incluyen diseo asistido por computador, ingeniera de
software, gestin y administracin de procesos (CAD, CAE, CASE y CAM), sistemas basados en conocimiento
(sistemas expertos y "shell" para sistemas expertos), sistemas multimedia que manejan imgenes, grficas, voz
y documentos textuales; modelos estadsticos y cientficos y anlisis de programas, y sistemas de informacin
geogrfica, entre otras.
Con este nuevo esquema se presentan algunas dificultades atribuibles al modelo de datos que es una
representacin lgica de datos, relaciones e interaccin entre los datos . Un lenguaje de base de datos es una
sintaxis para representar un modelo y operaciones con una semntica definida sobre el modelo de datos.
Las aplicaciones requieren, muchas veces: a) facilidades para modelar y manejar entidades anidadas complejas
(tales como diseo de objetos y documentos compuestos); b) un conjunto sofisticado de tipos de datos, por ejemplo,
tipos de datos definidos por el usuario, y tipos grandes pero sin estructura (tales como imgenes, audio y
documentos textuales); c) representacin de conceptos semnticos (tales como relaciones de generalizacin y
agregacin); d) el concepto de evolucin temporal de datos (por ejemplo, dimensin temporal de datos y mantener
versiones de datos); etc.
Por otra parte, tambin se presentan importantes dificultades que no estn relacionadas con el modelo de datos.
Algunas de estas aplicaciones requieren de cmputo altamente intensivo, con un gran volumen de datos en memoria
residente, e imponen demandas de ejecucin que no pueden reunir los sistemas administradores de datos
relacionales y de datos prerrelacionales. El ambiente de algunas de las aplicaciones tambin requiere de
transacciones de larga duracin (por ejemplo, el objeto es tan grande que su actualizacin toma mucho tiempo),
transacciones interactivas y cooperativas.
Existen dos razones principales por las que la metodologa orientada a objetos es un slido fundamento para la
nueva generacin de tecnologa de base de datos.
Primero, un modelo de datos orientado a objetos puede representar no solamente los datos, las relaciones y la
interaccin de datos de modelos de datos convencionales, sino tambin permite encapsular los datos y programas
que operan datos con un protocolo definido y proporcionan una estructura uniforme para el trato de tipos de datos
arbitrarios definidos por el usuario. Algunas relaciones en el modelo de datos, que son difciles en sistemas de bases
de datos convencionales, son inherentes a un modelo de datos basados en objetos.
Una segunda razn, es que a travs de la nocin de encapsulamiento y herencia, esta metodologa est
fundamentalmente diseada para reducir la dificultad de desarrollo y evolucin de sistemas complejos de "software".
Esto fue, precisamente, la meta que motiv a la tecnologa de administracin de datos, a transformar sistemas de
archivos hacia sistemas de bases de datos relacionales.
Un modelo de datos orientado a objetos satisface el objetivo de facilitar el diseo y desarrollo de bases de datos
complejas, sofisticadas y muy grandes.
Pero, muchos de los productos comerciales comunes poseen distintos grados de calidad en cuanto a desempeo y
funcionalidad. Con frecuencia, los proveedores ofrecen solamente motores (mquinas) de Bases de Datos con
interfaces propietarias para desarrollo de aplicaciones por los programadores; la inclusin de herramientas de
desarrollo est comenzando a surgir.
Segundo, la fuerza de un modelo de datos orientado a objetos es tambin su debilidad. La riqueza de este modelo
hace posible la generacin de unos ms complejos y sus relaciones con las aplicaciones de procesamiento de datos,
introducen aspectos complejos que el usuario debe manejar.
Tercero, no obstante el alto grado de desarrollo y experimentacin en lenguajes de programacin orientados a
objetos y aplicaciones, todava no hay un consenso en la industria sobre la semntica de su paradigma que vaya
ms all de un conjunto de conceptos de alto nivel sobre la programacin orientada a objetos, por lo que an no
existen estndares en esta tecnologa.
3) El programa computacional, llamado el motor de inferencia, ejecuta el proceso de hacer inferencias, interpreta y
evala los hechos en la base de conocimiento para proveer una respuesta.
La base de conocimiento es una estructura de reglas conectadas que aplica experiencias humanas, con frecuencia
intuitivas, en la solucin de problemas.

El proceso de adquisicin de tal conocimiento tpicamente tiene tres fases:

Un anlisis funcional del ambiente, usuarios, y las tareas desarrolladas por el experto.

Identificacin de los conceptos del dominio de experiencias y su clasificacin de acuerdo a varias relaciones.

Una entrevista, por tcnicas humanas o automatizadas del o los expertos en el tema.
Los resultados de estos pasos son traducidos en una llamada produccin de reglas (de la forma "si la condicin x
existe, entonces la accin y sigue) y es guardado en la base de conocimiento.
Cadenas de produccin de reglas forman las bases para las capacidades deductivas automatizadas del sistema
experto y para su capacidad para explicar sus acciones a los usuarios.
Los sistemas expertos son una variedad comercial de una clase de programas computacionales llamados sistemas
basados en conocimiento. El conocimiento en sistemas expertos es altamente in estructurado, esto es, el proceso de
solucionar problemas de un dominio no es manifiesto. Y es establecido explcitamente en relaciones o
deductivamente inferidos desde la cadena de proposiciones.
Dado que cada condicin que puede ser encontrada puede ser descrita por una regla, los sistemas expertos
basados en reglas no pueden manejar eventos no anticipados, pero pueden evolucionar con el uso, y permanece
limitado a un estrecho dominio de problemas.
Otra variante de sistemas expertos, uno que no posee esta limitacin, emplea una base de conocimiento que
consiste de descripciones estructuradas de situaciones, de problemas del mundo real y de decisiones actualmente
hechas por expertos humanos.
En medicina, por ejemplo, el registro de un paciente contiene descripciones de datos personales, exmenes fsicos y
de laboratorio, diagnstico clnico, tratamiento propuesto, y los resultados de tales tratamientos.
Dada una gran base de datos con tales registros en una especialidad mdica, el mdico puede indagar acerca de
eventos anlogos a los relacionados con el paciente. Esto en contraste con el sistema que idealmente intenta
reemplazar al ser humano, ya que en casos como estos slo podra usarse este tipo de conocimiento como una
herramienta que ayuda en la toma de decisiones.
El software requerido para este tipo de sistemas se ha ido complicando con el tiempo ya que su
desarrollo demanda tiempo, un buen equipo de programadores y un buen producto final.

Redes Neuronales
Las Redes Neuronales surgieron del movimiento conexionista, que naci junto con la Inteligencia Artificial simblica
o tradicional. Esto fue hacia los aos 50, con algunos de los primeros ordenadores de la poca y las posibilidades
que ofrecan.
La Inteligencia Artificial simblica se basa en que todo conocimiento se puede representar mediante combinaciones
de smbolos, derivadas de otras combinaciones que representan verdades incuestionables o axiomas.
As pues, la Inteligencia Artificial tradicional asume que el conocimiento es independiente de la estructura que
maneje los smbolos, siempre y cuando la 'mquina' realice algunas operaciones bsicas entre ellos. En
contraposicin, los 'conexionistas' intentan representar el conocimiento desde el estrato ms bsico de la
inteligencia: el estrato fsico. Creen que el secreto para el aprendizaje y el conocimiento se halla directamente
relacionado con la estructura del cerebro: concretamente con las neuronas y la interconexin entre ellas. Trabajan
con grupos de neuronas artificiales, llamadas Redes Neuronales.
La estructura bsica de una neurona natural es:
stas funcionan como sigue:
Cada neurona puede tener infinitas entradas llamadas Dendritas que condicionan el estado de su nica salida, el
Axn. Este Axn puede ir conectado a una Dendrita de otra neurona mediante la Sinapsis correspondiente, de la
siguiente manera:

El Axn da un nivel elctrico correspondiente a sus entradas y a la importancia que les da a cada una de ellas. De
esta forma, una neurona puede no reaccionar ante un nivel muy alto de una de sus entradas, o dar una salida muy
favorable cuando otra de ellas est mnimamente activa.
En las primeras etapas de nuestra vida, cuando realizamos el aprendizaje de nuestros cerebros, entrenamos
nuestras neuronas mediante el xito o fracaso de una accin a unos estmulos sensoriales.
Cuando cierta accin realizada en respuesta a alguna entrada sensorial es exitosa (por ejemplo, al
beber agua calmamos la sed), las conexiones sinpticas entre un grupo de neuronas se fortalecen, de manera que
cuando tengamos una sensacin sensorial parecida, la salida ser la correcta. De esta forma se forman fuertes
conexiones entre grupos de neuronas, que pueden servir para realizar otras acciones complejas.
El Perceptrn unicapa.
Un Perceptrn unicapa no es ms que un conjunto de neuronas no unidas entre s, de manera que cada una de las
entradas del sistema se conectan a cada neurona, produciendo cada una de ellas su salida individual:
Como se ha dicho, un conjunto de neuronas no sirve para nada si previamente no se le ensea qu debe hacer.
Existen tres mtodos de aprendizaje para un Perceptrn: Supervisado, Por Refuerzo y No Supervisado.
En el Aprendizaje Supervisado se presentan al Perceptrn unas entradas con las correspondientes salidas que se
quiere ste aprenda. De esta manera la red primero, calcula la salida que da ella para esas entradas y luego,
conociendo el error que est cometiendo, ajusta sus pesos proporcionalmente al error que ha cometido (si la
diferencia entre salida calculada y salida deseada es nula, no se varan los pesos).
En el Aprendizaje No Supervisado, solo se presentan al Perceptrn las entradas y, para esas entradas, la red debe
dar una salida parecida.
En el Aprendizaje Por Refuerzo se combinan los dos anteriores, y de cuando en cuando se presenta a la red una
valoracin global de como lo est haciendo.
El Perceptrn multicapa.
Esta estructura naci con la intencin de dar solucin a las limitaciones del Perceptrn clsico o unicapa, y supuso el
resurgimiento del movimiento conexionista. Como su nombre indica, se trata de unos cuantos (dos o tres)
perceptrones unicapa conectados en cascada, como en la siguiente figura:
El problema de este tipo de Perceptrn est en su entrenamiento, ya que es difcil modificar correctamente los pesos
de la capa oculta (la capa 1 en el ejemplo anterior). Para poder hacer aprender cosas a un Perceptrn de este tipo,
se implement el algoritmo de BackPropagation, que tal como su nombre indica tiene la funcin de ir propagando los
errores producidos en la capa de salida hacia atrs.
El proceso de aprendizaje tiene un gran coste de tiempo. Debido a eso, todava no se ha estudiado a fondo. Las
redes neuronales todava se han de desarrollar mucho. An se debe estudiar para qu sirven realmente, conocer en
qu tareas pueden resultar realmente tiles, ya que por ejemplo, es difcil saber cunto tiempo necesita una redpara
aprender cierta tarea, cuntas neuronas se necesitan como mnimo para realizar cierta tarea, etc.
Las redes neuronales pueden llegar a ser algo realmente importante, pero todava hace falta tiempo para estudiar
cmo almacenan el conocimiento para desarrollar el hardware paralelo especfico que requieren.
En la robtica, las redes neuronales tambin parecen prometer mucho, sobre todo en su sensorizacin, para que el
robot sea capaz de generalizar lo que siente como estmulos individuales a considerar.

Conclusin
Por medio del trabajo que acabamos de presentar, puedo concluir que la robtica y la inteligencia artificial van
tomadas de la mano ya que la una se encarga de la parte mecnica, y la otra de la parte analtica.

La robtica es el diseo, fabricacin y utilizacin de mquinas automticas programables con el fin de realizar
tareas repetitivas como el ensamble de automviles, aparatos, etc. y otras actividades, por ello pienso que la
robtica es la parte mecnica de una tecnologa, en cambio creo que la inteligencia artificial es la parte analtica o la
parte que determina la accin de los robots, ya que los robots no podran realizar ninguna tarea sin que se les
indicara u ordenara la tarea, por ello, aqu es donde entra la inteligencia artificial.
Gracias a la inteligencia artificial se ha logrado que una mquina sea capaz de desarrollar reas de conocimiento
muy especficas y complicadas, haciendo que la mquina pueda simular procesos que el hombre realiza. Pero cabe
destacar que an no se ha logrado que una mquina piense como un humano, pienso que una limitacin es el hecho
de que el hombre es irremplazable ya que el ser humano cuenta con una caracterstica propia el cual es el sentido
comn.
Pero no podemos olvidar que el desarrollo de estas tecnologas no pretenden reemplazar al ser humano sino que
tratan de mejorar el estilo de vida del ser humano, ya que recordemos que, por lo menos los robots hacen que el
trabajo pesado sea mas facil de realizar, y que una mquina no se enferma, ni protestas, ni se cansa y esto puede
elevar su utilidad. En fin esperemos que estas tecnologas no se nos vaya de las manos, y que no nos perjudique,
sino que nos ayude.

Bibliografa
Buscadores web:

www.altavista.com

www.google.com

www.copernic.com
Sitios de Internet:

www.aiinsti.com.es/int_art/044s.htlm

robotica.pagina.nl

robotica.uv.es (Instituto de Robotica)

http://www.monografias.com/trabajos13/intar/intar.shtml?monosearch#co

http://www.monografias.com/trabajos6/larobo/larobo.shtml

http://www.monografias.com/trabajos12/inteartf/inteartf2.shtml

http://www.monografias.com/trabajos16/la-inteligencia-artificial/la-inteligencia-artificial.shtml.

Leer ms: http://www.monografias.com/trabajos64/inteligencia-artificial-investigacion-sistemas-computo/inteligenciaartificial-investigacion-sistemas-computo3.shtml#ixzz2yKpW5UnU