Técnicas de la inteligencia artificial

Las técnicas de la inteligencia artificial hacen referencia a diferentes campos de

investigación y de desarrollo de aplicación de la inteligencia artificial.
La IA es el tipo de inteligencia que demuestran los distintos artefactos creados por los
humanos, normalmente referido a los sistemas informáticos.
Pero también hace referencia al ámbito de la investigación científica en la intención de
crear entornos que hagan uso de dicha inteligencia.

1. Sistemas Expertos
Sistemas expertos es un sistema de información basado en el conocimiento que usa su
conocimiento de un área de aplicación compleja y específica a fin de actuar como un
consultor experto para los usuarios finales. Los sistemas expertos proporcionan
respuestas sobre un área problemática muy específica al hacer inferencias semejantes
a las humanas sobre los conocimientos obtenidos en una base de conocimientos
especializados. Para que un sistema experto sea herramienta efectiva, los usuarios
deben interactuar de una forma fácil, reuniendo dos capacidades para poder cumplirlo:
Explicar sus razonamientos o base del conocimiento: los sistemas expertos se deben
realizar siguiendo ciertas reglas o pasos comprensibles de manera que se pueda generar
la explicación para cada una de estas reglas, que a la vez se basan en hechos.
Adquisición de nuevos conocimientos o integrador del sistema: son mecanismos de
razonamiento que sirven para modificar los conocimientos anteriores. Sobre la base de
lo anterior se puede decir que los sistemas expertos son el producto de investigaciones
en el campo de la inteligencia artificial ya que ésta no intenta sustituir a los expertos
humanos, sino que se desea ayudarlos a realizar con más rapidez y eficacia todas las
tareas que realiza.
Tareas que realiza un Sistema Experto

 Monitorización: consiste en la comparación de los valores de los datos de

entrada y unos valores que actúan como criterios de normalidad o estándares.
 Diseño: es el proceso de especificar una descripción de un artefacto que satisface
varias características desde un número de fuentes de conocimiento.
 Planificación: es la realización de planes o secuencias de acciones y es un caso
particular de la simulación.
 Control: participa en la realización de las tareas de interpretación, diagnóstico y
reparación de forma secuencial.
 Simulación: es una técnica que consiste en crear modelos basados en hechos,
observaciones e interpretaciones sobre la computadora
 Recuperación de información: son capaces de recuperar lo que existe
explícitamente, mientras que un Sistema Experto debe ser capaz de generar
información no explícita, razonando con los elementos que se le dan.
Ejemplo:

 Dendral:
El objetivo de DENDRAL fue estudiar un compuesto
químico. Este sistema experto permite determinar la
estructura de las moléculas de química orgánica a
través de espectrografía de masas y otros datos.

2. Redes neuronales
Es un modelo matemático inspirado en el
comportamiento biológico de las neuronas y en cómo se organizan formando la
estructura del cerebro. El objetivo de la red neuronal es resolver los problemas de la
misma manera que el cerebro humano, aunque las redes neuronales son más
abstractas. La neurona es la unidad funcional y estructural del sistema nervioso que
produce y trasmite el impulso nervioso.
Se encuentra formada por tres partes: el cuerpo neuronal o soma, una prolongación
larga y poco ramificada llamada axón y otras prolongaciones muy ramificadas alrededor
del soma llamadas dendritas.
Modelo neuronal de McCulloch-Pitts
El primer modelo matemático de una neurona artificial, creado con el fin de llevar a cabo
tareas simples, fue presentado en el año 1943 en un trabajo conjunto entre el psiquiatra
y neuroanatomista Warren McCulloch y el matemático Walter Pitts.

La siguiente figura muestra un ejemplo de modelo neuronal con n entradas, que consta
de:

 Un conjunto de entradas
x1,…xn.
 Los pesos sinápticos w1,…wn,
correspondientes a cada
entrada.
 Una función de agregación, Σ.
 Una función de activación, f.
 Una salida, Y.

Ejemplo:

 Reconocimiento Facial:
El problema del reconocimiento facial se basa en una identificación de patrones visuales.
Generalmente, un sistema de reconocimiento facial se divide en cuatro fases detección,
preprocesado, extracción de características y comparación y clasificación.
En la actualidad existen diferentes trabajos en los que se han implementado redes
neuronales para la detección facial

3. Algoritmos Genéticos
Son básicamente una estrategia usada para problemas de búsqueda del óptimo basado
en una heurística aleatoria. La idea consiste en simular la selección natural. La población
inicial irá evolucionando a través de variaciones emergentes de cruces de los más aptos
y de mutaciones.
Principios básicos
Dentro de los algoritmos genéticos existen diferentes tipos e implementaciones.
Mostramos dos de los más empleados.
Metodología basada en teoría de la evolución de Darwin:
1. Población inicial.
2. Evaluación de la capacidad de adaptación.
3. Selección y cruce.
4. Mutación.
5. Reorganización de la población con las nuevas generaciones.
Metodología anterior añadiendo las teorías de Lamarck:
1. Población inicial.
2. Adaptación Lamarckiana.
3. Evaluación de la adaptabilidad.
4. Selección y cruce.
5. Mutación.
6. Reorganización de la población con las nuevas generaciones.
Ejemplo
Optimización de rutas:
El objetivo es la optimización de las líneas de
transporte público de una ciudad a través del
uso de algoritmos genéticos.
Es el proceso de determinar la ruta más
rentable. Es más complicado que solamente
encontrar el camino más corto entre dos
puntos. Se requiere incluir factores relevantes
tales como el número y ubicación de todas las
paradas requeridas en una ruta.

4. Lógica Difusa
La lógica difusa es una rama de la inteligencia artificial que le permite a una
computadora analizar información del mundo real en una escala entre lo falso y lo
verdadero, manipula conceptos vagos, como "caliente" o "húmedo", y permite a los
ingenieros construir dispositivos que juzgan la información difícil de definir.
La aplicación de la lógica difusa consiste en la intención de imitar el razonamiento
humano en la programación de computadoras. Con la lógica convencional, las
computadoras pueden manipular valores estrictamente duales, como verdadero/falso,
sí/no o ligado/desligado. En la lógica difusa, se usan modelos matemáticos para
representar nociones subjetivas, como caliente/tibio/frío, para valores concretos que
puedan ser manipuladas por los ordenadores.
Ejemplo
Dermomedia:
Ayuda a diagnosticar más de 100 patologias
cutaneas a traves de un contenido visual e
interactivo. La app ofreece informacion de los
sintomas generales y el tratamiento de cada
patologia. La identificacion de la patologia se
da mediante un panel que te permite
seleccionar la zona corporal de la lesion e
introducir las caracteristicas relevantes.
Ademas a traves de fotografias, puede
comparar tu propia lesion con las fotografias
que ofrece la app.