Semana II

Áreas de Aplicación de la I.A.

Existen varias áreas de aplicaciones de la I.A. entre ellas tenemos la educación, la ingeniería, la
medicina, la visión artificia, procesamiento de lenguaje natura, la robótica, reconocimiento de
patrones, realidad virtual, la cibernética, juegos, etc.

- En la educación la I.A. interviene con la aplicación de algoritmos evolutivos en la

realización de programas orientado al aprendizaje y a la enseñanza.

Ejemplos: Tenemos traductores de idiomas, programas para aprender inglés, francés, etc.,
programa para el aprendizaje de matemáticas o de alguna temática educativa.

- En la ingeniería la I.A. se refleja en la manipulación de mecanismos que forman parte

de procesos automatizados.

Ejemplos: Por decir, el control de la grúa mecánica de Gerdau, sistemas que controlan el
caldero para fundir metales en Gerdau (SiderPeru), control de elevación de los puentes
(Panamá - Canal), manipulación de carros autónomos.

- En la medicina tenemos muchas aplicaciones, por ejemplo la creación de piel artificial

usando nanotecnología, la creación de medicamentos usando también
nanotecnología.

La robótica a través de la navegación de diversos robots móviles, robots aéreos, control de

brazos móviles, ensamblajes de piezas, etc.

ROBOTS KUKA (Buscar)

- La visión artificial, que permite la visualización de imágenes en 3D, sin tener ningún
contacto solo con el análisis de las neuronas del cerebro que hacen que la persona
pueda sentir que está en un mundo real o imaginario. Dichas realidades obviamente se
perciben por los ojos.
El propósito de la visión artificial es programar una computadora para que entienda
una escena o las características de una imagen.

Ejemplo: análisis de imágenes de radiografías del cuerpo humano, juegos en 3D, usando cascos
de realidad virtual.

- En la robótica el reconocimiento de patrones también llamado lectura de patrones,

identificación de figuras y reconocimiento de formas, es el reconocimiento de
patrones a través de señales usando la clasificación en base a ciertas características
que deben de cumplir las señales.

Ejemplo: Código QR, código de barra, código de gestos.

- La cibernética se ocupa de los sistemas de control y de comunicación en las personas y

en las máquinas, estudiando y aprovechando todos sus aspectos y mecanismos
comunes. Su nacimiento fue en el año de 1942.

- Los juegos: La mayor parte de los juegos están construidos usando técnicas de I.A.
(algoritmos evolutivos).
Existen otras áreas como: Planificación y soporte a la toma de decisiones, programación
automática, prueba automática de teoremas y matemática simbólica, problemas de
optimización combinatorios y de itinerarios, aprendizaje

Preguntas:

1.- Revisar el algoritmo minimax y dar dos ejemplos de su aplicación.

2.- Revisar el algoritmo poda ALFA - BETA y dar dos ejemplos de su aplicación.

3.- En que consiste el algoritmo A*

4. Proyecto Hombre 2040

Hasta el domingo a medianoche.

Aparte:

- Paneles Solares (domótica - inmótica)

- Materiales suaves-renovables
- Hologramas (imágenes 3D)

CEPLAN(Centro de Planeamiento Nacional) y el desarrollo de tecnologías para el Perú

PROYECCION PERÚ AL 2013

El CEPLAN como parte de su programa de desarrollo para nuestro país ha seleccionado varias
tecnologías que deben de desarrollarse para nuestro país con proyección al 2030.

Para ello se ha tenido en cuenta los sectores productivos más relevantes en nuestro país y su
relación con I+D+i (Investigación, desarrollo e innovación)

Dentro de los sectores productivos a considerar (Macro sectores), se mencionan los siguientes:

- Agroindustria y alimentación.
- Salud y bienestar
- Turismo, ocio digital y entretenimiento
- Bienes de consumo
- Energía
- Medio ambiente
- Transporte y movilidad
- Tecnologías de fabricación
- Vivienda y construcción
- Software y Sistemas de Información
- Servicios para la innovación y el desarrollo de negocios
- Seguridad y defensa
Para tener en cuenta el uso de tecnologías para el futuro, CEPLAN se percató de la mega
tendencias globales es decir lo que se avizora en el futuro, las cuales son:

- Aumento demográfico
- Independencia energética de estados unidos
- Demanda creciente de energía
- Escasez de agua
- Brecha creciente entre conservación y deterioro ambiental
- Conectividad global

Y dentro de las tendencias tecnológicas se mencionan:

a. Economía Digital:
- Gobierno electrónico
- Comercio electrónico
- Entretenimiento
- Educación virtual
- Web Inteligente

b. Energía y medio ambiente:

- Energía alternativa
- Economía verde
- Uso de energía aólica
- Agricultura de precisión
- Redes Inteligentes

c. Tecnologías de información y comunicaciones:

- Computación óptica
- Inteligencia Artificial
- Realidad virtual Computación en la nube y redes inteligentes
- Internet de las cosas
- Biometría
- Poder de la mente (Estudio del cerebro)

d. Manufactura y Robótica:
- Nanotecnología
- Impresión 3D

e. Medicina y biogenética:
- Neurotecnología
- Medicina electrónica
- Medicina electrónica
- Cirugía robótica
- Terapia genética
- Prolongación de la vida
f. Transportes
- Autos híbridos
- Autos eléctricos
- Autos de sendas de combustible
- Autos inteligentes
- Trenes de alta velocidad
Semana III

Tècnicas

 Sistemas Expertos

Entrevistas – Expertos  - Médico, Arquitecto,

- Abogado, Psicologo.

Extrae Conocimiento

Ing. Del Conocimiento

S.E. para el diagnóstico de enfermedades de la piel.

 Redes Neuronales
 Algoritmos Genéticos
 Lógica Difusa – Lógica Borrosa
 Razonamiento Basado en Casos
Consiste en almacenar en una base de datos, casos típicos o casos modelos y
compararlos con los nuevos que se presentan.
Ejemplo: Solución de preguntas frecuentes.

TAREA SENIORSH
- ¿Qué son las redes semánticas? (1 ejemplo)
- ¿Qué son marcos? (1 ejemplo)
- Reglas de producción (5 ejemplos) – SI  entonces
o Para encender el carro
o Para ir al cine
o Para ventas de electrodomésticos
o Para la detección de un intruso a través de una alarma
o Para el funcionamiento de un computadora
- ¿Qué es el encadenamiento hacia adelante, y que es el encadenamiento hacia atrás,
un ejemplo de cada uno?
- Elaborar el algoritmo RETE
- Averiguar 5 herramientas software para el desarrollo de Sistemas Expertos
-

Recursos de adquisición de conocimientos:

Permite crear y actualizar la base de conocimientos

Interfaz de Usuario
Es el contacto entre el usuario y el software
Semana IV

Algoritmos Genéticos
 Son algoritmos basados en los principios de la evolución natural
 Se utilizan en problemas donde no se puede encontrar soluciones o estas no son
satisfactorias.
 Dentro de su funcionamiento básico, se genera de forma aleatoria una población
inicial de soluciones potenciales, se entra en un proceso iterativo que transforma la
población a través de:
o Una evaluación de las soluciones que forman la población.
o Selección de las mejores y reproducción.
o Recombinación de estas formando una nueva población.

Componentes de un algoritmo genético:

 Representación genética de las soluciones del problema.

 Una forma de crear una población inicial de soluciones.
 Una función de evaluación capaz de medir la bondad de cualquier solución.
 Un conjunto de operadores genéticos como reglas de transición probabilísticas para
guiar la búsqueda.
 El valor de unos parámetros de entrada del algoritmo genético que utilizará para guiar
su evolución.
o Iniciar programa
o Iniciar t:= 0
o Inicializar población inicial P(t);
o Evaluar P(t);
o Mientras No se tenga la condición de terminar hacer
o t: = t +1 ;
o reproducir p(t-1) en p(t)
o recombinar P(t)
o evaluar p(t)
o fin mientras
o fin final
 La adaptabilidad se muestra en los algoritmos genéticos, que va del genotipo entre
paréntesis(decodificación) al fenotipo para tener como resultado su
adaptabilidad(ambiente)
 ¿????????????? Miss
 El problema está representado con la codificación de la solución, función objetivo,
operadores genéticos, y conocimiento específico desencadenando en la selección,
replicación, recombinación(cruce), mutación, para poder conseguir finalmente la
adaptabilidad

Comparación de lo natural con lo artificial en algoritmos genéticos

Lo natural Lo artificial
Entorno o ecosistema El problema
Individuo o fenotipo Solución potencial del problema
Cromosoma o Genotipo Cadena de simbolos
Grado de adaptación del entorno Fitness o calidad de la solución
Supervivencia, reproducción, mutación Operadores de Selección

Proceso de Construcción de un algoritmo genético

 Codificación del dominio:

Para un algoritmo genético lo primero que se requiere es determinar en qué
espacios se encuentran las posibles soluciones del problema, el cual se pretende
resolver. En caso de tener un problema de optimización de una función cuyo
dominio es un sub-conjunto de números reales. Entonces este sub-conjunto es el
que nos referimos. Y es posible que se utilice los números binarios como
elementos del dominio (codificación). Una vez que se ha definido la manera de
codificar los elementos del dominio del problema y se conoce la forma de pasar de
un elemento a su código y viceversa, es necesario fijar un punto de partida; el
algoritmo recibirá como entrada una población de códigos y a partir de estas
generará nuevas poblaciones, donde algunos códigos desaparecerán, mientras que
otros se convertirán en soluciones posibles. Ya que aparecerán con más
frecuencia. Hasta que se encuentre una solución satisfactoria o hasta que se
cumpla la condición de terminación. Los elementos de la población serán llamados
individuos y a los códigos se les denominará indistintamente cromosomas,
genotipo, genoma o código genético.
 Evaluación de la población:
En la naturaleza hay individuos más hábiles que otros para sobrevivir, en los AG
(algoritmos genéticos), es necesario establecer algún criterio que nos permita
decidir cuáles de las soluciones propuestas en una población son mejores respecto
que el resto de las propuestas, y cuales no lo son. Para esto los individuos se
someten a un proceso de calificación: Cada individuo de cada generación de un
algoritmo genético recibe una calificación o una medida de su grado de adaptación
(fitness). Este es un número real no negativo que se da más grande cuando mejor
sea la solución propuesta de dicho individuo. Ejemplo: Si el problema a resolver
consiste en maximizar una función, entonces la calificación asignada a un individuo
determinado debe indicar que tan alto es el valor de la función en el elemento de
su dominio codificado por el individuo. Si el cambio el problema es determinar la
ruta más corta entre dos puntos, la calificación deberá ser más alta cuando más
corto sea el camino codificado en el individuo que está siendo calificado. A cada
individuo de cada generación se le asigna una calificación. Se evalúa una vez a cada
individuo en una generación, así si un algoritmo genético es ejecutado a una
población de tamaño 100 durante 100 generaciones, la función es evaluada 1000
veces. Además, pueda darse el caso de la función de evaluación no tenga una regla
de correspondencia explicita, esto es una expresión algebraica y puede ocurrir que
la función cambie de generación en generación
  Selección:
Una vez calificados todos los individuos de una generación, el algoritmo debe
seleccionar a los individuos más calificados para que tengan mayor oportunidad de
reproducción. De esta forma se incrementa la probabilidad de tener individuos
buenos en el futuro. Si de una determinada generación se seleccionarán solo
aquellos con una calificación mayor o igual que ciertos número C para pasarlos a la
siguiente generación, es claro que en esta la calificación superará C y por tanto al
promedio de la generación anterior

Contestar a las siguientes preguntas:

1. Aplicar el algoritmo genético para el problema de la mochila

2. Realizar 2 ejemplos de poblaciones actuales, proponiendo la función fitness, selección,
punto de corte, cruce y mutación
3. Aplicar algoritmo genético para la solución del problema del viajante, considerando
cuatro destinos, la iglesia San Pedro, La Catedral de Chimbote, La catedral de Nvo
Chimbote, La iglesia Virgen de la Puerta. Calcular la ruta optima que pasa por todos los
vértices de un grafo que va a tener en cuenta las iglesias antes mencionadas
Semana V

Lógica Difusa

La lógica tradicional se le conoce como lógica bivaluada por que cada preposición debe ser
verdadera o falsa.

La lógica multivaluada utiliza infinitos valores y es aquella de la cual hace uso la lógica difusa.

En el año de 1965 Lofti Zadeh publicó su trabajo acerca de los conjuntos difusos, el cual
propone que los valores: falso o verdadero operen sobre el rango de números reales.

La lógica difusa, conocida también como lógica borrosa va a permitir tener aproximaciones
más precisas sobre algo cada vez que se utilice un lenguaje ambiguo o borroso para medirlo.

La lógica difusa en ingles significa Fuzzy Logic, esta lógica se adapta mejor al mundo real en
que vivimos e incluso puede comprender y funcionar con nuestras expresiones del tipo: “Hace
mucho calor, no es muy alto, el ritmo del corazón está muy acelerado, hablas muy bajito, etc.

La clave de esta adaptación al lenguaje, se basa en comprender los cuantificadores de cualidad

para nuestras inferencias (o sea, a estos cuantificadores vamos a tener que darle una especie
de medición, los rangos solo pueden ser entre 0 y 1).

En la teoría de conjuntos difusos se definen operaciones como unión, intersección, diferencia,

negación o complemento.

Para cada conjunto difuso existe asociada una función de pertenencia para sus elementos que
indica en qué medida el elemento forma parte de ese conjunto difuso.

Las formas más típicas son: Trapezoidal, lineal, curva, triangular

El elemento x que pertenece al conjunto A (x ∈ A), ahí se muestra un grado de pertenencia de

x a A, o el grado de verdad de pertenecer al conjunto, se mide con un número real, en este
caso su representación seria µ de a (x), comprendido entre 0 y 1, ambos inclusive.

La función se define así: µ de a (x)  [0,1], donde X pertenece al conjunto universal del que el
conjunto A toma sus elementos.

Por ejemplo: Concepto de temperatura alta

0 < µa(x) < 1

Un universo x es un conjunto finito o infinito de valores, por ejemplo tenemos este conjunto x
= {x1, x2, x3, x4,…, xn}, donde x tiene un conjunto finito de valores

Cada subconjunto de x es miembro del conjunto de potencia de x, denotado como P(x) o 2 a la

x.

P(x) tiene 2 a la n elementos, incluyendo el conjunto vacío. Cada valor de x, puede pertenecer
al subconjunto o no pertenecer.

Cada uno de los 2 a la n elementos de P(x) puede representarse como un vector de n

dimensiones, se forma un hiperduo de n-dimensional.

Conjuntos Crisp

También conocidos como conjuntos clásicos. Surgen de forma natural, por la necesidad el ser
humano de clasificar objetos y conceptos, ejemplos:

- Conjunto de frutas:
o Manzana pertenece a frutas
o Lechuga no pertenece a frutas

En la función de pertenencia A de x, X es el universo de discruso.

- Restricción de la función a: 0,1:

A(x)={1 – 0 }  1 si x pertenece a A

Conjunto difusos (Fuzzy)

Estos relajan la restricción A:x  [0,1], manejan conceptos que no tienen límites claros.

Ejemplo:

- La temperatura de 25° es alta

- Definimos por:
o Alta(30) = 1
o Alta(10) = 1
o a

Entonces un conjunto difuso A se define como una función de pertenencia, que enalaza o
empareja los elementos de un dominio o universo de discurso x con elementos del intervalo
0,1.

Cuanto más cerca este A(x) del valor 1, mayor será la pertenencia del objeto x al conjunto a

Los valores de pertenencia varan entre 0 (no pertenecen al absoluto) y 1 (pertenencia total).

- Conjunto de alturas del concepto difuso alto en persona.

0.5/1.8 + 0.75/1.85 + 1/1.9
Representación del universo de conjuntos sería: A(x)/x
 TIPO DE FUNCIONES DE PERTENENCIA:

A(x) fi [0,1]

- Cualquier función A es válida. Su definición exacta depende del concepto a definir

(La función de pertenencia me va definir qué elementos van a pertenecer a dicho
conjunto.), del contexto al que se refiera, de la aplicación.
- En general es preferible usar funciones simples para simplificar cálculos y no pierdan
exactitud ya que se está definiendo un concepto difuso.

Funciones de Pertenencias Típicas

1. Triangular.
Definida por sus límites, interior A y superior B y el valor moda M, a esta función
triangular también se le llama LAMBDA.

a<m<b

0 Si x =< a
A(x) = (x-a)(m-a) ; Si x ∈ [a,m]
(b-x)(b-m) ; Si x ∈ [b,m]
0 ; Si x >= b

A(x;a;m;b) = max{min{(x-a)/(m-a), (b-x)/(b-m)},o}

2. Gama.
Definida por su límite inferior A y valor K mayor a 0.

A(x) = 0 ; Si x =< a
(x-a)(m-a) ; Si x ∈ (a, m)
0 ; Si x >= m

3. Gauseana.
Definida por su valor medio M y el valor K mayor a 0
Cuando mayor es K, mayor es la campana

2
A(x) = 𝑒 −𝑘(𝑥−𝑚)
 4. Pi o Trapezoidal.

0 Si x =< a

(x-a)(b-a) Si a =< x =< b

A(x) 1 Si b =< x =< c

(d-x)(b-c) Si c =< x =< d

0 Si x >= a

Ejemplo de variable lingüística: edad, colores, colores, peso, temperatura, altura

Ejemplo de valor lingüístico: alto, bajo, medio, mucho, poco, mediano

Y todo es la función de pertenencia

Las funciones L y gama se usan para calificar valores linguisticos extremos, tales como bebe o
anciano respectivamente. Las funciones Trapezoidal y Triangular se usan para describir valores
intermedios como joven, de mediana edad, maduro, etc. Su principal diferencia reside en la
función trapezoidal ya que esta implica un margen de tolerancia alrededor del valor que se
toma como más representativo del valor lingüístico asociado al conjunto difuso.

También se puede utilizar otras funciones que no sean lineales, por ejemplo: función S, función
Z, etc.

Ejemplo: Sea un conjunto difuso A, que se caracteriza por la función de pertenencia: A(x) =
[0,1], cuyo conjunto difuso es el siguiente.

- Edad igual a 25 el grado de pertenencia es 1

- Edad 30 el grado de pertenencia es igual a 0.8
- Edad 35 el grado de pertenencia es igual a 0.6
- Edad 40 el grado de pertenencia es 0.4
- Edad 45 el grado de pertenencia es de 0.2
- Mayor igual a 50 el grado de pertenencia es 0
 La función de
pertenencia de
conjunto difuso joven
viene a estar dada por

Preguntas:

Averiguar lo siguiente:

- Características de un conjunto difuso

- Operaciones unarias de conjuntos difusos
- Relaciones entre conjuntos difusos
- Otros 3 tipos de funciones de pertenencia

Sea el conjunto difuso A = N° inferiores a 3, se puede expresar de la siguiente manera

Hacer el cuadro de los grados correspondientes a los números menores que 3

5. Singleton
Es un conjunto difuso que contiene un único elemento, Xsub0, es denominado una
singularidad difusa o FUZZY SINGLETON
El uso de singleton simplifica considerablemente el proceso de inferencia y posibilita la
implementación eficiente de los sistemas de inferencia difusa.

𝜇𝑠 (𝑥) = 0 ; Si 𝑋 ≠ 𝑋0 ; 𝜇𝑠 (𝑥) = 1 ; 𝑋 ≠ 𝑋0
Las Reglas difusas (if ..then)

Son usadas para formular las expresiones condicionales que abarca la lógica difusa.

IF x is __ THEN __

La parte IF de la regla es llamada el antecedente mientras que la parte THEN es llamada

consecuente o conclusión

Estructuras del Sistema Fuzzy:

Se siguen los siguientes pasos:

1. La fusificación de las variables de entrada

2. Aplicación del operador difuso “AND u OR” en el antecedente
3. Implicación del antecedente con el consecuente
4. Agregación de los consecuentes a través de las reglas
5. La desfusificación

ESTRUCTURA

Regla 1

Entrada 1 Regla 2
∑ Salida
Entrada 2 Regla 3

Regla 4

Las entradas son números limitados a un rango específico, entradas no difusas.

Las reglas son evaluadas en paralelo usando un razonamiento difuso, los resultados de las
reglas son combinadas y desfusificadas

El resultado es un valor numérico NO difuso