Inteligencia Artificial

Por DMoZ
PRESENTA:
CONTENIDO
I. INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL I.1.Definiciones I.2.Historia I.2.1.Antecedentes I.2.2.Los Inicios I.2.2.1. La Prueba De Turing I.2.2.2. El Grupo De Darmouth I.2.3. El Desarrollo I.3. Objetivos de la Inteligencia Artificial II. RAMAS DE LA INTELIGENCIA ARTIFICIAL II.1. Aprendizaje Automtico II.1.1. Un Poco de Historia II.2. Redes Neuronales Artificiales II.2.1. Introduccin II.2.2. Definiciones II.2.3. Un Poco de Historia II.2.4. Caractersticas de las RNA II.2.5. Aplicaciones de las RNA II.2.6. Alcances y Limitaciones de las RNA II.2.7. Confiabilidad de las RNA II.3. Lgica Difusa II.3.1. Introduccin II.3.2. Definiciones II.3.3. Un Poco de Historia II.3.4. Que es la Lgica Difusa II.4. Sistemas Expertos II.4.1. Introduccin II.4.2. Definiciones II.4.3. Antecedentes II.4.4. Caractersticas de Los Sistemas Expertos II.4.5. Principales Componentes de los Sistemas Expertos II.5. Algoritmos Genticos
III. RAMAS DE LA INTELIGENCIA ARTIFICIAL (PARTE II) III.1. Robtica III.1.1. Introduccin III.1.2. Definiciones III.1.3. Un poco de historia III.1.4. Clasificacin de los robots III.1.5. Aplicaciones de la robtica III.1.6. Que nos depara el futuro III.2. Visin artificial III.2.1. Introduccin III.2.2. Que es la visin artificial III.2.3. Aplicaciones III.2.4. Beneficios de la visin artificial III.3. Procesamiento del lenguaje natural III.3.1. Introduccin III.3.2. Aplicaciones del procesamiento de lenguaje natural Glosario Bibliografa
INTRODUCCIN
Actualmente el mencionar la palabra Inteligencia Artificial (I.A.) significa que estamos hablando de robots parlantes y que actan como seres humanos (bueno esta es la imagen que se nos ha dado de acuerdo a ciertas pelculas y series de televisin, aunque la realidad nos muestra otra cara, tal vez un poco distante a ella), pero esto va mas all de slo robots, es cierto que la robtica es una de las ramas ms excitantes de la I.A., pero no lo sera tanto sin el complemento que son las dems disciplinas relacionadas como son : Redes Neuronales Artificiales, Lgica Difusa, Sistemas Expertos, Algoritmos Genticos, Visin Artificial y Lenguaje Natural. Como se mencionar en esta investigacin la I.A. esta presente en un sinnmero de aplicaciones diferentes a la robtica, como ejemplos mencionaremos diagnstico mdico, reconocimiento de patrones, traduccin automtica, etc. Lo que trataremos de conseguir con la investigacin que se presenta es slo dar una informacin general acerca de la I.A. as como de sus ramas principales, cmo surgieron, cmo se desarrollaron, donde se aplican y para que nos sirven. As mismo se presenta al final del texto un glosario de trminos para aclarar algunas dudas que pudieran surgir por palabras desconocidas.
I. INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL La Inteligencia Artificial (I.A.) comenz como el resultado de la investigacin en sicologa cognitiva y lgica matemtica. Se ha enfocado sobre la explicacin del trabajo mental y construccin de algoritmos de solucin a problemas de propsito general. Punto de vista que favorece la abstraccin y la generalidad. La Inteligencia Artificial es una combinacin de la ciencia del computador, fisiologa y filosofa, tan general y amplio como eso, es que rene varios campos (robtica, sistemas expertos, por ejemplo), todos los cuales tienen en comn la creacin de mquinas que pueden "pensar". La idea de construir una mquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista incluyen juegos, traduccin de idiomas, comprensin de idiomas, diagnstico de fallas, robtica, suministro de asesora experta en diversos temas. Es as como los sistemas de administracin de base de datos cada vez ms sofisticados, la estructura de datos y el desarrollo de algoritmos de insercin, borrado y locacin de datos, as como el intento de crear mquinas capaces de realizar tareas que son pensadas como tpicas del mbito de la inteligencia humana.
<http://www.monografias.com/trabajos12/inteartf/inteartf.shtml>.
I.1. DEFINICIONES Para empezar a comprender lo que es inteligencia artificial como primer paso debemos definir algunos conceptos generales que nos ayudaran a comprender mejor este tema, muchos autores concuerdan en que es difcil definirlos debido los diferentes enfoques que se les pueden dar, es por eso que aqu presentamos varias definiciones para que el lector realice sus propias conclusiones.
Inteligencia
1. "La inteligencia es un trmino genrico que designa las formas superiores de organizacin o de equilibrio de las estructuras cognoscitivas. La inteligencia es
esencialmente un sistema de operaciones vivientes y actuantes. Es la adaptacin mental ms avanzada, es decir, el instrumento indispensable de los intercambios entre el sujeto y el universo..." (Piaget : 17) en
<http://www.prodigyweb.net.mx/intecoc/inteliarti.htm>.
2. Facultad de conocer, analizar y comprender

<http://diccionarios.elmundo.es/diccionarios/cgi/lee_diccionario.html?busca=Intelig
encia&diccionario=1>. 3. En lneas generales, capacidad mental para entender, recordar y emplear de un modo prctico y constructivo, los conocimientos en situaciones nuevas
<http://www.psicoactiva.com/diccio_i.htm>.
4. Conjunto de todas las funciones que tienen por objeto el conocimiento (sensacin, asociacin, memoria, imaginacin, entendimiento, razn, conciencia)
<http://www.diccionarios.com/index.phtml?diccionario=dgle&query=Inteligencia>
Artificial 1. Adj. Hecho por el hombre. No natural, falso, ficticio

<http://diccionarios.elmundo.es/diccionarios/cgi/lee_diccionario.html?busca=
Artificial&diccionario=1>. 2. En general, se aplica este adjetivo cuando algo no es natural, es decir, cuando es fabricado, construido o producido por el ser humano
<http://www.control-automatico.net/recursos/articulos/art085.htm>.
Inteligencia Artificial Se define como la ciencia que trata de la comprensin de la inteligencia y del diseo de mquinas inteligentes, es decir, el estudio y la simulacin de las actividades intelectuales del hombre
1.
<http://montelpz.htmlplanet.com/robot/refbiblio.html>.
2. Es el arte de hacer mquinas capaces de hacer cosas que requeriran inteligencia en caso de que fuesen hechas por seres humanos
<http://robots.iespana.es/robots/que_es_un_robot.htm>.
3. Es una de las reas de las ciencias computacionales encargadas de la creacin de hardware y software que tenga comportamientos inteligentes
<http://www.ur.mx/ur/faciya/carreras/cursos/sis/int-art1/JEAN1-1.HTM#INTRO>.
4. "Es el estudio de como hacer que las computadoras hagan cosas que por el momento los humanos hacen mejor" (Rich & Knight 1991). 5. Es una rama de la Informtica dedicada a crear programas de software y hardware que intentan lograr resultados de forma similar a como lo logran los humanos
<http://www.angelfire.com/ab2/carlos1975/inteligenciaartificial/inteligenciaartificia
lunavisiongeneral.html>. 6. La inteligencia artificial es la parte de la informtica que concierne al diseo de sistemas inteligentes para el ordenador, esto es, sistemas que presentan caractersticas asociadas con el comportamiento humano inteligente
<http://nirvana.fisica.uson.mx/CComp/cursos/CC11/Expo99_1/inteligencia.html>.
I.2. HISTORIA Los esfuerzos por reproducir algunas habilidades mentales humanas en mquinas y androides se remontan muy atrs en la historia. El mito del coloso de Rodas entre los griegos, las estatuas "parlantes" del medioevo, el androide de Von Kempelen que jug al ajedrez con Napolen, y el "motor analtico" de Charles Babbage que calculaba logaritmos, son slo algunos de los ejemplos de este antiguo inters. Igualmente, la concepcin de la inteligencia humana como un mecanismo no es reciente ni ha estado disociada de la sicologa: Descartes, Hobbes, Leibniz, y el mismo Hume se refirieron a la mente humana como una forma de mecanismo.
<http://www.hemerodigital.unam.mx/ANUIES/itam/estudio/estudio10/sec_16.html>.
I.2.1. ANTECEDENTES
Se considera generalmente que el origen remoto de la "Inteligencia Artificial" se remonta a los intentos por crear autmatas, que simulasen la forma y las habilidades de los seres humanos. Durante ms de 2000 aos de tradicin en filosofa han surgido diversas teoras del razonamiento y del aprendizaje simultneamente con el punto de vista de que la mente se reduce al funcionamiento de un sistema fsico. Durante ms de 400 aos de matemticas, han surgido teoras formales relacionadas con la lgica, probabilidad, teora de decisiones y la computacin. La sicologa ofrece herramientas que permiten la investigacin de la mente humana, as como un lenguaje cientfico para expresar las teoras que se van obteniendo. La lingstica ofrece teoras sobre la estructura y significado del lenguaje. La ciencia de la computacin de la que se toman herramientas que permiten que la inteligencia artificial sea una realidad. Los filsofos (desde el ao 400 AC) permitieron el poder pensar en la inteligencia artificial al concebir a la mente con maneras diversas como una mquina que funciona a partir del conocimiento codificado en un lenguaje interno y al considerar que el pensamiento serva para determinar cul era la accin correcta que haba que emprender. Las matemticas proveyeron las herramientas para manipular las aseveraciones de certeza lgica as como las inciertas de tipo probabilista. As mismo prepararon el terreno para el manejo del razonamiento con algoritmos. Los psiclogos reforzaron la idea de que los humanos y otros animales podan ser considerados como mquinas para el procesamiento de informacin. Los lingistas demostraron que el uso de un lenguaje se ajusta dentro de este modelo. La ingeniera de cmputo ofreci el dispositivo que permite hacer realidad las aplicaciones de la inteligencia artificial. Los programas de inteligencia artificial por general son extensos y no funcionaran sin los grandes avances de velocidad y memoria apartadas por la industria de cmputo.
En conclusin, las ciencias que aportan a la Inteligencia Artificial son: Filosofa Matemticas sicologa
Lingstica Ciencias de la Computacin <http://cruzrojaguayas.org/inteligencia/>.
A continuacin presentaremos algunos aportes interesantes que se han realizados aun mucho antes de que la I.A. fuera considerada.
Grecia Los griegos, adems de la famosa paloma de Arquitas (dispositivo mecnico para conseguir artificialmente el vuelo, que fracaso en su intento de hacerlo), crearon numerosos juguetes y artefactos automticos como los que construy Arqumedes para proteger a Siracusa del asedio de la flota romana. Pero se debe a Hern de Alejandra la primera construccin de un autmata con forma humana: construy actores artificiales que representaban una obra sobre la Guerra de Troya. Aunque, por cierto, la mitologa griega atribuye a Hefaistos (dios del fuego y primer herrero) la fabricacin de los primeros "robots" de forma humana.
<http://cruzrojaguayas.org/inteligencia/>.
Edad Media Hay que esperar la Edad Media para encontrar la continuacin de estos esfuerzos. San Alberto Magno tuvo un "mayordomo" que abra la puerta y saludaba al visitante, y Leonardo construy un len que caminaba. Tambin se cita habitualmente al "Golem", homnido hecho de barro, obra del rabino hngaro Low que lo "dot de vida" en una ceremonia mgica (lo cual desvirta por cierto el valor cientfico del invento).
Era Moderna
En el Siglo XVII, Pierre Jacquet Droz y su hijo Enrique Luis, construyeron tres androides: dos nios y una joven. Un nio escriba, el otro dibujaba y la joven tocaba el rgano y simulaba respirar. Esta realizacin (basada en mecanismos de relojera) les vali ser detenidos y encerrados por la Inquisicin. Las mejores realizaciones se deben a Vaucouson, entre ellas el "Tocador de Flauta" (que soplaba y mova los dedos, tocando hasta 12 melodas diferentes) y el Pato (que graznaba, bata las alas, coma y "digera" mecnicamente).
I.2.2. LOS INICIOS Se considera generalmente que el origen remoto de la "Inteligencia Artificial" se remonta a los intentos por crear autmatas (explicado en el capitulo anterior), que simulen la forma y las habilidades de los seres humanos. Pero el origen inmediato del concepto y de los criterios de desarrollo de la I.A. se remonta a la intuicin del matemtico ingls Alan Turing y el apelativo "Inteligencia Artificial" se debe a McCarthy, uno de los integrantes del "Grupo de Darmouth". 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.
Ramn y Cajal (1852-1934, Premio Nobel 1906) descubri hace un siglo la estructura y el modo de funcionar de las neuronas. En 1943 Warren McCulloch y Walter Pitts propusieron un modelo de neurona del cerebro humano. Estas neuronas nerviosas informticas proporcionaron una representacin simblica de la actividad cerebral. A este tipo de trabajo se le denomino Redes Neuronales que en pocas palabras consiste en el estudio de modelos que siguen la arquitectura del cerebro humano con el fin de conseguir con ello la realizacin de las tareas propias del cerebro de una forma artificial, incluyendo, por supuesto, la inteligencia.
I.2.2.1. LA PRUEBA DE TURING Alan Mathison Turing (Fig. 1) naci el 23 de Junio de 1912, en Paddington, Londres. En 1950, publica el artculo Computing Machinery and Intelligence en la revista Mind, en el que introduca la clebre Prueba de Turing, esta prueba dice que la inteligencia de un sistema viene dada por la sensacin de inteligencia que recibimos por un terminal conectada a un interlocutor desconocido para nosotros.
Fig. 1 : Alan Mathison Turing (1912-1954).
Fuente : <http://www.dcc.uchile.cl/~abassi/Cursos/IA/Apuntes/apuntes.html>.
Este artculo estimul a los pensadores sobre la filosofa e investigacin en el campo de la Inteligencia Artificial.
La prueba de Turing intenta ofrecer una definicin de Inteligencia Artificial que se pueda evaluar. Para que un ser o mquina se considere inteligente debe lograr engaar a un evaluador de que este ser o mquina se trata de un humano evaluando todas las actividades de tipo cognoscitivo que puede realizar el ser humano (Fig. 2). Si el dilogo que ocurra y el nmero de errores en la solucin dada se acerca al nmero de errores ocurridos en la comunicacin con un ser humano, se podr estimar segn Turing- que estamos ante una mquina "inteligente".
Fig. 2 : Simbolizacin de la prueba de Turing.
Fuente : <http://www.dcc.uchile.cl/~abassi/Cursos/IA/Apuntes/apuntes.html>.
Hoy por hoy, el trabajo que entraa programar una computadora para pasar la prueba es considerable. La computadora debera ser capaz de lo siguiente:
Procesar un lenguaje natural: para as poder establecer comunicacin satisfactoria, sea en espaol, ingls o en cualquier otro idioma humano. Representar el conocimiento: para guardar toda la informacin que se le haya dado antes o durante el interrogatorio. Utilizacin de Base de Datos para receptar preguntas y luego almacenarlas.
Razonar automticamente: Utiliza la informacin guardada al responder preguntas y obtener nuevas conclusiones o tomar decisiones. Autoaprendizaje de la mquina: Con el propsito de adaptarse a nuevas circunstancias. El autoaprendizaje conlleva a la auto evaluacin.
<http://www.dcc.uchile.cl/~abassi/Cursos/IA/Apuntes/apuntes.html>.
Es suficiente la prueba de Turing? A pesar de sus ventajas, la prueba de Turing es vulnerable a varias crticas justificadas que impiden considerarlo como el nico criterio de validacin de inteligencia: El juego de imitacin obliga al computador a reproducir no slo las destrezas del comportamiento humano, sino que tambin sus flaquezas. Para no ser detectado, el computador debe cometer el mismo tipo de errores que un humano, por ejemplo, en el caso de operaciones aritmticas complejas. Esto es contraproducente desde el punto de vista tecnolgico. Lo que realmente importa en un sistema de dilogo es la ergonoma de la comunicacin, y no que el computador sea capaz de hacerse pasar por humano. Hay un sesgo a problemas que dependen de las capacidades de procesamiento simblico. No se pueden evaluar capacidades preceptales o de destreza manual. La prueba se basa enteramente en la inteligencia humana. Esto restringe innecesariamente el tipo de inteligencia que se puede implementar en un computador. La prueba indica si un programa cumple o no el criterio de inteligencia, pero en caso de falla no entrega herramientas para corregir defectos y orientar su desarrollo. Tampoco permite realizar validaciones parciales, indispensables desde el punto de vista de la ingeniera de software si se considera la complejidad de los sistemas inteligentes. La inteligencia artificial se puede abordar de una manera mucho ms general, analizando los distintos objetivos que justifican su estudio.
Objeciones a la Prueba de Turing Despus de la aparicin de la prueba a Turing se le hicieron un sin nmero de cuestionamientos y objeciones, aqu presentamos algunas de ellas. Objecin : El pensar es un atributo que dios, dio slo a los humanos. Turing : Si dios hubiera querido les hubiera dado la capacidad de pensar a entes diferentes del humano. Objecin : Una mquina no puede pensar al nivel de los grandes cientficos. Turing : Existen muchos hombres que tambin no pueden pensar al nivel de los grandes cientficos. Objecin : Las mquinas son instrumentos formales, las cuales al drseles un problema lo resuelven o no a menos que sean inconsistentes. Turing : El hombre en ocasiones presenta tambin comportamientos inconsistentes. Objecin : Las mquinas no tienen conciencia. Turing : El hombre muestra falta de conciencia en muchas situaciones de la vida. Objecin : Las mquinas no pueden saborear un caf. Turing : A la mquina se le puede dar la informacin para que identifique los sabores. Objecin : Las mquinas slo hacen lo que se les dice. Turing : Muchas veces las mquinas me han sorprendido con lo que hacen. Objecin : El sistema nervioso del humano es continuo y los computadores son discretos. Turing : Cada vez los computadores son ms rpidos de tal forma que emulan al continuo. Objecin : El humano es informal y las mquinas no. Turing : Las reglas del comportamiento humano se les puede dar a una mquina y con ello comportarse en forma informal. Objecin : Los humanos tienen percepciones extrasensoriales y las mquinas no. Turing : no supo que responder.
<http://www.monografias.com/trabajos10/intelart/intelart.shtml>.
I.2.2.2. EL GRUPO DE DARMOUTH
En el verano de 1956, un grupo de investigadores inspirados en la Prueba de Turing se reuni en el Darmouth College (Estados Unidos) para discutir la posibilidad de construir mquinas que no se limitaran a hacer clculos prefijados sino operaciones genuinamente "inteligentes". Los integrantes del grupo eran Samuel, que haba escrito un programa de juego de damas capaz de aprender de su propia experiencia; McCarthy, que estudiaba sistemas capaces de efectuar razonamientos de sentido comn; Minsky, que trabajaba sobre razonamientos analgicos de geometra; Selfridge, que estudiaba el reconocimiento visual por computador, Newell, Shaw y Simon, que haban construido un programa para la demostracin automtica de teoremas, y algunos otros. Ellos fueron los verdaderos iniciadores en el campo de investigacin que McCarthy bautiz como "Inteligencia Artificial". Aunque los propsitos del taller no se lograron, sent las bases para aplicaciones que en los limites del siglo XXI parecen normales como los traductores automticos de idiomas, las redes neuronales y la robtica. A partir de este grupo inicial, se formaron dos grandes "escuelas" de I.A.: Newell y Simon lideraron el equipo de la Universidad de Carnegie-Mellon, proponindose desarrollar modelos de comportamiento humano con aparatos cuya estructura se pareciese lo ms posible a la del cerebro (lo que posteriormente deriv en la llamada postura "conexionista" y en los trabajos sobre "redes neuronales" artificiales). McCarthy y Minsky formaron otro equipo en el Instituto Tecnolgico de Massachusett (MIT), centrndose ms en que los productos del procesamiento tengan el carcter de inteligente, sin preocuparse por que el funcionamiento o la estructura de los componentes sean parecidas a los del ser humano. Ambos enfoques sin embargo corresponden a los mismos objetivos prioritarios de la I.A.: "entender la inteligencia natural humana, y usar mquinas inteligentes para adquirir conocimientos y resolver problemas considerados como intelectualmente difciles". La historia de la I.A. ha sido testigo de ciclos de xito, injustificado optimismo y la consecuente desaparicin de entusiasmo y apoyos financieros.
Tambin ha habido ciclos caracterizados por la introduccin de nuevos y creativos enfoques y de un sistemtico perfeccionamiento de los mejores.
I.2.3. EL DESARROLLO 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 Mathematica de Russel y Whitehead. En 1957 Newell y Simon continan su trabajo con el desarrollo del General Problems 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. En 1958 McCarthy anuncia su nuevo desarrollo el lenguaje LISP (LISt Procesing), el lenguaje de eleccin para todos aquellos desarrolladores inmersos en el estudio de la I.A. A finales de los aos 1950 y comienzos de 1960 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 1962, McCarthy y Raphael inician sus trabajos sobre el diseo y la construccin de un robot mvil que llamaran "Shakey". La diferencia fundamental entre este robot y los programas en computadora utilizados hasta ahora por la I.A., es que "Shakey" tendra que enfrentar el reto de interactuar con el mundo real en trminos de espacio, tiempo, movimiento, etc. En otras palabras, el robot tendra que tener alguna forma de "conocimiento" del mundo que lo rodeaba. Este reto inici una fuerte preocupacin en la I.A. por el estudio de la epistemologa y los procesos cognoscitivos. La discusin se centr alrededor de los problemas de la representacin mental o interna del conocimiento, la percepcin y los problemas del significado. La idea bsica de Raphael era la de reunir, en una sola, distintas mquinas con capacidad de aprender por experiencia, de reconocer patrones visuales, de modelar, de manipular smbolos, etc., y esperar que el todo fuera mayor que la suma de las partes. El resultado del experimento no fue el xito que Raphael esperaba, pero fue un logro sin precedente que hizo posibles avances muy importantes. El aprendizaje ms importante de esta experiencia fue la comprensin de que el problema ms difcil por resolver en I.A. era el de construir una mquina capaz de funcionar con altos niveles de incertidumbre, como lo hace un ser humano. En 1963 el MIT recibe una subvencin de 2,2 millones de dlares del gobierno de los Estados Unidos en concepto de investigacin en el campo de la I.A.
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 s 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 slo 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 Guzman, 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.
Fig. 3 : Imagen sobre la cual se lleva el sig. Anlisis.
Fuente : <http://www.monografias.com/trabajos12/inteartf/inteartf.shtml>.
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: S, 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 ecuaciones matemticas complejas, etc. 1965 DENDRAL, el primer sistema experto entra a formar parte del departamento de informtica de Stanford. All conoci a Joshua Lederberg, el cual quera averiguar cual era la estructura de las molculas orgnicas completas. El objetivo de DENDRAL fue ste estudiar un compuesto qumico. El descubrimiento de la estructura global de un compuesto exiga buscar en un rbol las posibilidades, y por esta razn su nombre es DENDRAL que significa en griego rbol. Antes de DENDRAL los qumicos slo tenan una forma de resolver el problema, estar era tomar unas hiptesis relevantes como soluciones posibles, y someterlas a prueba comparndolas con los datos. La realizacin de DENDRAL dur ms de diez aos (1965-1975). Se le puede considerar el primer sistema experto. 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.
En 1972 aparece el MYCIN, el cual se trataba de un sistema experto para el diagnstico de enfermedades infecciosas. Desde los resultados de anlisis de sangre, cultivos bacterianos y dems datos, el programa era capaz de determinar, o en lo menos, sugerir el microorganismo que estaba causando la infeccin. Despus de llegar a una conclusin, MYCIN prescriba una medicacin que se adaptaba perfectamente a las caractersticas de la persona, tales como el peso corporal de este. Despus del reconocido xito que tuvo. En 1973 aparece el TIERESIAS. El cometido de este sistema experto era el de servir de intrprete entre MYCIN y los especialistas que lo manejaban, a la hora introducir nuevos conocimientos en su base de datos. El especialista deba utilizar MYCIN de una forma normal, y cuando este cometiera un error en un diagnstico (hecho producido por la falta o fallo de informacin en el rbol de desarrollo de teoras) TEIRESIAS corregira dicho fallo destruyendo la regla si es falsa o amplindola si es eso lo que se necesita. 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. En 1980 las ventas de hardware y software relacionados con la I.A. se contabilizan por 425 millones de dlares slo en 1986. Compaas como DuPont, General Motors, y Boeing utilizan sistemas expertos a principios de la dcada de los 80 y stos sistemas expertos se convertirn en un standard a finales de la misma. Entre los aos 80-85 se considera que huboo una revolucin de los Sistemas Expertos. En estos 5 aos se crearon diversos sistemas expertos como el DELTA, de General Electric Company, para la reparacin de locomotoras diesel y elctricas. Aldo en Disco para la reparacin de calderas hidrostticas giratorias usadas para la eliminacin de bacterias. Se crearon multitud de empresas dedicadas a los sistemas expertos como Teknowledge Inc., Carnegie Group, Symbolics, Lisp Machines Inc., Thinking Machines Corporation, Cognitive Systems Inc.... formando una inversin total de 300 millones de dlares. Los productos ms importantes que creaban estas nuevas compaas eran las mquinas Lisp, que se trataba de unos ordenadores que ejecutaban programas LISP con
la misma rapidez que en un ordenador central, y el otro producto fueron las herramientas de desarrollo de sistemas expertos. En 1987 aparecieron los microordenadores Apple y compatibles IBM con una potencia parecida a los LISP. El software se transfiri a mquinas convencionales utilizando el lenguaje C lo que acab con el LISP. En los 90 la I.A. se utiliza de forma efectiva en la Guerra del Golfo sobre sistemas de msiles visores para los soldados y otros avances, y al mismo tiempo, invade nuestros hogares y vida cotidiana en muchos ms lugares.
1.3. OBJETIVOS DE LA INTELIGENCIA ARTIFICIAL Una definicin ms adecuada de la I.A. puede deducirse de la siguiente pregunta Para qu sirve? Existen dos orientaciones bsicas para responder esta interrogante:
Como herramienta cientfica : El objetivo es simular en el computador modelos del comportamiento de sistemas inteligentes naturales (en particular humanos) para verificar empricamente su validez. Esta simulacin es indispensable porque los sistemas estudiados son generalmente demasiado complejos para obtener predicciones analticas precisas de su funcionamiento. Las reas que ms pueden beneficiarse con esta herramienta son la sicologa cognitiva y la neurobiologa. Esto no significa que los aspectos computacionales sean segundarios, ya que todo comportamiento inteligente implica un procesamiento de informacin que es legtimo estudiar desde un punto de vista puramente computacional. Adems, los mecanismos naturales investigados pueden enriquecer el arsenal de mtodos de la computacin (como en el caso de las redes neuronales).
Como herramienta tecnolgica : El objetivo es resolver en el computador problemas "difciles", que se sabe estn al alcance de sistemas inteligentes naturales pero para los cuales no existe una descripcin algortmica satisfactoria. Los problemas incluidos dentro de esta categora se caracterizan en general por la
dificultad de disponer de toda la informacin necesaria para resolverlos sin ambigedad. Ya sea hay demasiada informacin que considerar (ej.: ajedrez), ya sea sta es incompleta o inconsistente (ej.: lenguaje verbal), ya sea est muy poco estructurada (ej.: anlisis de imgenes). En estos casos es interesante reproducir las capacidades de procesamiento observadas en los sistemas naturales, aunque no necesariamente modelando sus mecanismos internos.
II. RAMAS DE LA INTELIGENCIA ARTIFICIAL
II.1. APRENDIZAJE AUTOMATICO El aprendizaje automtico se dedica al estudio de mtodos computacionales para mejorar el rendimiento mecanizando la adquisicin de conocimiento de la
experiencia."<http://www.servitel.es/inforsalud97/41/41.htm>. Uno de los principales logros de la Inteligencia Artificial es que puede otorgar a las computadoras la habilidad de aprender. Para que esto suceda es necesario transferir el conocimiento al interior de la mquina.
Una computadora aprende de diferentes maneras:
Memorsticamente. Para que exista un aprendizaje memorstico se transcribe el conocimiento, es decir, se copia la memoria de una computadora a otra. Por relato. Se adapta el conocimiento desde su fuente a una forma que pueda ser aceptada y utilizada por la computadora. Es como si se le contara el conocimiento. Por analoga. Se guarda el conocimiento que resuelve un problema para aplicarlo cuando las circunstancias sean similares. Por Induccin. Se le suministran datos a la computadora y de ellos extrae el conocimiento. Esto se hace a partir de ejemplos o a partir de observaciones.
Los paradigmas ms utilizados para el aprendizaje automtico son:
1. Induccin de reglas a partir de bases de datos 2. Razonamiento basado en casos 3. Redes neuronales 4. Algoritmos genticos
Induccin de reglas a partir de bases de datos: Entre los mtodos de aprendizaje automtico el aprendizaje a partir de bases de datos por induccin (ya sea mediante ejemplos u observacin), es prcticamente el nico que se utiliza en los sistemas expertos. Este aprendizaje ha sido adaptado para resolver problemas de clasificacin.
Razonamiento basado en casos: Utiliza la experiencia que se adquiri al tratar casos o problemas similares. Es un aprendizaje por analoga. Se construye una base de conocimiento con los casos que ya se han resuelto. Cuando aparece un problema nuevo, se buscan problemas similares en la base de casos y se adaptan sus soluciones a la situacin actual. Un sistema experto de esta clase va a proporcionar la mejor solucin disponible, ms que una solucin exacta.
Las redes neuronales y algoritmos genticos se trataran ms a fondo en apartados posteriores. <http://iteso.mx/~almarp/ia/comoaprenden.htm>.
II.1.1. UN POCO DE HISTORIA Durante aos la investigacin en aprendizaje automtico se ha realizado con distinto grado de intensidad, utilizando diferentes tcnicas y haciendo nfasis en distintos aspectos y objetivos. Dentro de la relativamente corta historia de esta disciplina, es posible distinguir tres periodos importantes, cada uno de los cuales esta centrado en distintos paradigmas:
Tcnicas de modelado neuronal y de decisin Aprendizaje orientado a conceptos simblicos
Sistemas de aprendizaje de conocimiento con exploracin de varias tareas de aprendizaje
La caracterstica distintiva del primer paradigma fue el inters de construir sistemas de aprendizaje de propsito general que partan con poco o ningn conocimiento inicial de la estructura. La investigacin estuvo orientada a la construccin de una gran variedad de mquinas basadas en modelos neuronales, con una estructura inicial aleatoria o parcialmente aleatoria. Estos sistemas fueron denominados Redes Neuronales o Sistemas Auto-organizativos. El aprendizaje en estos sistemas consiste en la realizacin de cambios incremntales en las probabilidades de que elementos del tipo neurona (tpicamente unidades lgicas con umbral) puedan transmitir una seal. Debido a la primitiva tecnologa computacional de los primeros aos, la mayora de las investigaciones en esta rea eran tericas o relativas a la especfica construccin de sistemas de hardware con propsito especfico, tal como perceptrones (Rosenblatt, 1958), pandemonium (Selfridge, 1959) y adelaine (Widrow, 1962). El fundamento de estos trabajos fue hecho en la dcada de los cuarenta por Rashevsky y sus seguidores del rea de biofsica (Rashevsky, 1948), y (McCulloch y Pitts 1943), quienes descubrieron la aplicabilidad de la lgica simblica para el modelado de actividades del sistema nervioso. Sobre una gran actividad de investigacin en esta rea, es posible mencionar los trabajos de (Ashby, 1960; Rosenblatt, 1958, 1962; Minsky y Papert, 1969; Block, 1961; Yovits, 1962; Widrow, 1962; Culberson, 1963; Kazmierczak, 1963). Otro tipo de investigacin relacionada con el rea es la concerniente a la simulacin de procesos evolutivos, que a travs de operaciones aleatorias de mutacin y de seleccin natural pueden crear un sistema capaz de realizar un comportamiento inteligente (Friedberg, 1958, 1959; Holland, 1980). La experiencia adquirida en estas reas engendr la nueva disciplina de Reconocimiento de Patrones y condujo al desarrollo sistemas de decisin en aprendizaje automtico. En dichos casos, el aprendizaje es igualado con la adquisicin de funciones lineales, polinomiales, o formas relacionadas con funciones discriminantes a partir de un conjunto de ejemplos de entrenamiento (Nilsson, 1965; Koford, 1966; Uhr, 1966; Highleyman, 1967). Uno de los sistemas ms exitosos y conocidos dentro de esta clase fue
el programa de juego de damas de Samuel (Samuel, 1959, 1963). Este programa estaba capacitado para adquirir por medio de aprendizaje, un mejor nivel de performance. Algo diferente, pero relacionado, son las tcnicas que utilizan mtodos de decisin estadstica para el aprendizaje de reglas de reconocimiento de patrones (Sebestyen, 1962; Fu, 1968; Watanabe, 1960; Arkadev, 1971; Fukananga, 1972; Ruspini, 1969, Duda & Hart, 1973, Bezdek, 1973; Kanal, 1974). Como investigacin paralela al modelado a travs de redes neuronales y sistemas de decisin, se realizaron investigaciones relacionadas con teora de control, sistemas de control adaptativos capaces de ajustar automticamente sus parmetros con el objetivo de mantener una performance estable en presencia de perturbaciones (Truzal, 1955; Davies, 1970; Mendel, 1970; Tsypkin, 1968; Fu, 1971, 1974). Posteriormente, los resultados prcticos realizados por modelos basados en redes neuronales y sistemas de decisin encontraron ciertas limitaciones. Las altas expectativas mantenidas por los trabajos originales no se cumplieron, y la investigacin en estas reas comenz a declinar. Algunos resultados tericos revelaron fuertes limitaciones, como por ejemplo en el aprendizaje del tipo perceptron simple (Minsky y Papert, 1969). Un segundo paradigma comenz a emerger en los sesenta, a partir de los trabajos de psiclogos e investigadores en inteligencia artificial, sobre el modelado del aprendizaje humano (Hunt et al., 1963, 1966). El paradigma utilizaba estructuras lgicas o de grafos en vez de mtodos numricos o estadsticos. Los sistemas aprendan descripciones simblicas que representaban un mayor nivel de conocimiento de las estructuras y conceptos adquiridos (Hunt & Hovland, 1963; Feigenbaum, 1963; Hunt et al., 1966; Hilgard, 1966; Simon & Lea, 1974; Bongard, 1970; Uhr, 1966; Karpinsky & Michalski, 1966). Una influencia importante en esta rea de trabajo fue el sistema de aprendizaje estructural de Winston (Winston, 1975), como as tambin los trabajos realizados con el objetivo de aprender conceptos estructurales a partir de ejemplos, incluyendo los programas de aprendizaje basados en lgica inductiva (Michalski, 1972, 1973, 1978; Hayes-Roth 1974; Hayes-Roth & McDermott 1978; Mitchell, 1978). El tercer paradigma representa el periodo de investigacin ms reciente, comenzando a partir de mediado de los setenta. Las investigaciones en este sentido han sido orientadas al aprendizaje de conceptos a partir de ejemplos, utilizando una amplia variedad
de tcnicas, muchas de las cuales se orientan a los sistemas basados en conocimiento. Se ha hecho especial nfasis en el uso de conocimiento orientado a tareas y en las restricciones que este provee, que guan el proceso de aprendizaje. Adems del nfasis en el aprendizaje a partir de ejemplos, se trabaja en aprendizaje a partir de instrucciones, por analoga y descubrimiento de conceptos y clasificaciones. En contraste con esfuerzos previos, las nuevas investigaciones tienden a incorporar heursticas, y utilizar ejemplos de entrenamiento para el aprendizaje de conceptos.
<http://www.dc.uba.ar/people/materias/aa/>.
II.2. REDES NEURONALES ARTIFICIALES
II.2.1. INTRODUCCIN El aparato computacional ms poderoso conocido por el hombre es el cerebro humano. Un nio de tres aos puede realizar fcilmente labores que superan por mucho las capacidades de las computadoras ms sofisticadas: reconociendo docenas de caras y cientos de objetos desde diferentes ngulos, en condiciones de luz distintas, manipulando un ambiente complejo, entendiendo y usando un vocabulario complejo de lenguaje y gestos. Han sido gastados enormes esfuerzos en desarrollo para intentar reproducir versiones limitadas de algunas de estas capacidades en las computadoras, con pobres resultados. Una computadora puede realizar en segundos clculos aritmticos que, a un ser humano, le llevaran aos. La aritmtica es difcil para los humanos e imposible para los animales. Dicha habilidad se considera tradicionalmente como un signo de gran inteligencia. Entonces, qu causa la disparidad entre las habilidades del hombre y la mquina?. La diferencia obvia yace en la arquitectura fundamental de la computadora y del cerebro. Las computadoras tradicionales estn basadas en la arquitectura de Von Neumann: un simple procesador que puede realizar operaciones simples aritmticas, lgicas y condicionales una a la vez, y una gran memoria. El cerebro humano, en contraste, consiste en un gran nmero de clulas especializadas llamadas neuronas, interconectadas masivamente (se estima que hay del orden de diez billones de neuronas en el cerebro humano con un promedio de miles de
conexiones por cada una). Estas neuronas son lentas (realizando cientos, en lugar de millones, de operaciones por segundo). Las redes neuronales artificiales (ANN, por sus siglas en ingls o simplemente Redes Neuronales) son modelos computarizados inspirados en la estructura a bajo nivel del cerebro. Consisten en grandes cantidades de unidades de procesamiento sencillas llamadas neuronas, conectadas por enlaces de varias fuerzas. Las Redes Neuronales tambin pueden ser construidas con "hardware" especial o simuladas en computadoras normales. Sin embargo, el "hardware" neuronal especializado no es comn, as que la simulacin es la norma.<http://www.uam.es/personal_pdi/psicologia/adarraga/studs/Xerxes/Pag5.html>. II.2.2.DEFINICIONES - Segn DARPA en su Estudio de Redes Neuronales (DARPA 1988, AFCEA International Press, : 60): "Una red neuronal es un sistema compuesto de muchos elementos procesadores simples operando en paralelo, cuya funcin es determinada por la estructura de la red, fuerza en las conexiones y el procesamiento realizado por los elementos computacionales en los nodos." - Haykin, S. (1994, Neural Networks: A comprehensive foundation, NY, McMillan, : 2): "Una red neuronal es un procesamiento distribuido masivamente paralelo que tiene una tendencia natural para almacenar conocimiento emprico y hacerlo disponible para el uso. Recuerda al cerebro en dos aspectos: 1. El conocimiento se adquiere por la red a travs de un proceso de aprendizaje. 2. Las conexiones interneurnicas se conocen como pesos sinpticos y se usan para almacenar el conocimiento." - Zurada,J.M. (1992, Introduction to artificial neural nsystems, Boston: PWS Publishing Company, : 15): "Los sistemas de redes neuronales artificiales, o redes neuronales, son sistemas celulares fsicos que puedan adquirir, almacenar y usar conocimiento emprico."
Las redes neuronales son una forma de un sistema computerizado multi-proceso con:
- Elementos de procesamiento sencillos. - Alto grado de interconexin.
- Mensajes simples escalares. - Interaccin adaptable entre elementos.

<http://www.uam.es/personal_pdi/psicologia/adarraga/studs/Xerxes/Pag5.html>
II.2.3. UN POCO DE HISTORIA En los 50's y 60's, se hicieron varios intentos para adaptar los modelos de Redes Neuronales para que se diera el aprendizaje. Rosenblatt dise el Perceptron. ste contena tres tipos de neuronas: sensoriales, asociativas y de respuesta. Las sensoriales tomaban entradas de fuera de la red, las unidades de respuesta propagaban seales fuera de la red, al mundo externo, y las asociativas eran meramente internas. La distincin entre estas tres neuronas es importante. Sin embargo ahora se refieren como unidades de entrada, de salida y ocultas. Rosenblatt desarroll mtodos para alterar los niveles sinpticos de forma que la red aprendiera a reconocer clases de entradas. Por ejemplo, produjo una red que aprendi a responder a lneas verticales, pero no a horizontales (se sabe que neuronas especializadas en la visin actan de esta forma). Como muchas Redes Neuronales posteriores, el rasgo ms importante del Perceptron de Rosenblatt es que aprendi a clasificar sus entradas "por ejemplo"; lo cual contrasta con la clsica ciencia computacional donde el programador escribe un programa que le dice a la computadora cmo clasificar sus entradas. En 1969, Minsky y Papert publicaron un libro que influenci mucho el pensamiento sobre redes neuronales. En primer lugar demostraron que para hacer algunas tareas importantes de clasificacin en geometra requeran un incremento arbitrario en el tamao del Perceptron mientras se iba incrementando el tamao de la retina. En segundo lugar demostraron que los Perceptrones eran incapaces de aprender a resolver cualquier problema linealmente inseparable. Puesto que problemas muy simples son linealmente inseparables.
<http://www.uam.es/personal_pdi/psicologia/adarraga/studs/Xerxes/Pag5.html>.
Las R.N.A. no fueron estudiadas por cerca de dos dcadas, pero su inters ha crecido bastante en los ltimos aos debido al xito mostrado en la solucin de problemas antes reservados exclusivamente a los humanos.
II.2.4. CARACTERSTICAS DE LAS REDES NEURONALES ARTIFICIALES
Las R.N.A. estn compuestas por elementos que se comportan de una manera parecida a las funciones ms elementales de una neurona biolgica. Estos elementos se organizan de una manera que puede o no estar relacionada a la manera en que est organizado el cerebro. No obstante su burdo parecido a los sistemas biolgicos, las R.N.A. presentan algunas caractersticas propias del cerebro como son:
Pueden aprender de la experiencia. Pueden generalizar a partir de ejemplos previos. Pueden abstraer caractersticas esenciales de entradas que contienen datos irrelevantes.
Es importante enfatizar que las R.N.A. no duplican las funciones cerebrales exactamente; a decir verdad, estn an lejos de poder simularlo fielmente. Las caractersticas ms importantes de las R.N.A. son:
Habilidad De Aprendizaje : Las R.N.A. pueden modificar su comportamiento en respuesta al medio ambiente. Esto es muy importante. Las R.N.A. se auto-ajustan produciendo respuestas consistentes con el medio ambiente. Existen muchos algoritmos de aprendizaje que pueden aplicarse a las R.N.A.
Generalizacin : Una vez entrenada, una R.N.A. es, hasta cierto grado, insensible a variaciones pequeas en sus entradas. Esto es, las R.N.A. producen sistemas capaces de manejar el mundo "imperfecto" en que vivimos.
Abstraccin : Algunas R.N.A. son capaces de abstraer la esencia de una serie de entradas. Se pueden abstraer patrones perfectos de modelos distorsionados.
<http://mailweb.udlap.mx/~pgomez/cursos/rna/notas/is466_not.html>.
II.2.5. APLICACIONES DE LAS R.N.A.
Las R.N.A. no son una panacea y definitivamente no son el sustituto de las computadoras convencionales; por ejemplo no seran adecuadas para escribir un sistema de nmina. Algunas reas en las que se han aplicado exitosamente son:
Anlisis financiero Procesamiento de seales Mercadotecnia Automatizacin y robtica Diagnstico mdico Clasificacin Reconocimiento de patrones Control de procesos Optimizacin
II.2.6. ALCANCES Y LIMITACIONES DE LAS R.N.A. Las redes neuronales artificiales tienen aplicaciones potenciales en tareas donde no hay reglas bien definidas las cuales parecen fciles para los humanos y difciles para las computadoras. Este campo es tan amplio como el de las computadoras convencionales. La Inteligencia Artificial ha estado generalmente dominada por las reas de manipulacin lgica y simblica, pero algunos piensan que R.N.A. remplazarn la Inteligencia Artificial tradicional actual. Ms bien parece que se combinarn en sistemas apoyndose mutuamente, como sucede en los seres humanos, pues stos se apoyan en sistemas rpidos soportados por reconocimiento de patrones. Otros sistemas realizan actividades que requieren ms tiempo cuando el reconocimiento falla o cuando se requieren niveles superiores de decisin.
II.2.7. CONFIABILIDAD DE LAS R.N.A.
Las R.N.A. son hasta cierto grado impredecibles (como los humanos). No hay manera de garantizar la salida de una red para una entrada a menos que se prevean todas las posibilidades en las entradas, y se entrene la red suficientemente bien. Sin embargo esto puede resultar imprctico en muchos casos y verdaderamente imposible en otros, lo que ha originado muchas crticas a las R.N.A. Parte de esta crtica se debe al hecho de que esperamos que las computadoras sean perfectas, pero los humanos no son perfectos... Otro problema relacionado y criticado en las R.N.A. es su inhabilidad de "explicar" como resuelven el problema. Esta inhabilidad se debe a que la representacin interna generada en la red puede ser demasiado compleja an en los casos mas sencillos.
<http://mailweb.udlap.mx/~pgomez/cursos/rna/notas/is466_not.html .>
II.3. LGICA DIFUSA II.3.1. INTRODUCCIN La lgica difusa es una rama de la inteligencia artificial que se funda en el concepto "Todo es cuestin de grado" , lo cual permite manejar informacin vaga o de difcil especificacin si quisiramos hacer cambiar con esta informacin el funcionamiento o el estado de un sistema especifico. Es entonces posible con la lgica difusa gobernar un sistema por medio de reglas de 'sentido comn' las cuales se refieren a cantidades indefinidas. Las reglas involucradas en un sistema borroso, pueden ser aprendidas con sistemas adaptativos que aprenden al ' observar ' como operan las personas los dispositivos reales, o estas reglas pueden tambin ser formuladas por un experto humano. En general la lgica difusa se aplica tanto a sistemas de control como para modelar cualquier sistema continuo de ingeniera, fsica, biologa o economa. La lgica difusa es entonces definida como un sistema matemtico que modela funciones no lineales, que convierte unas entradas en salidas acordes con los planteamientos lgicos que usan el razonamiento aproximado.
Se fundamenta en los denominados conjuntos borrosos y un sistema de inferencia borroso basado en reglas de la forma " SI....... ENTONCES...... ", donde los valores lingsticos de la premisa y el consecuente estn definidos por conjuntos borrosos, es as como las reglas siempre convierten un conjunto borroso en otro.
<http://personales.ya.com/casanchi/mat/difusa01.htm>.
II.3.2. DEFINICIONES - Lgica difusa es la rama de la inteligencia artificial que le permite a un computador analizar informacin del mundo real en una escala entre falso y verdadero.
<http://www.dwcolombia.com/orbita/concepto.html>.
- Lgica difusa se encarga del estudio de las leyes, los modos y las formas del razonamiento aproximado.
<http://kim.ece.buap.mx/posgrado/Fuzzytutorial/clasvsdif.html>.
II.3.3. UN POCO DE HISTORIA Los conjuntos difusos fueron introducidos por primera vez en 1965; la creciente disciplina de la lgica difusa provee por s misma un medio para acoplar estas tareas. En cierto nivel, la lgica difusa puede ser vista como un lenguaje que permite trasladar sentencias sofisticadas en lenguaje natural a un lenguaje matemtico formal. Mientras la motivacin original fue ayudar a manejar aspectos imprecisos del mundo real, la prctica temprana de la lgica difusa permiti el desarrollo de aplicaciones prcticas. Aparecieron numerosas publicaciones que presentaban los fundamentos bsicos con aplicaciones potenciales. Esta frase marc una fuerte necesidad de distinguir la lgica difusa de la teora de probabilidad. Tal como la entendemos ahora, la teora de conjuntos difusos y la teora de probabilidad tienen diferentes tipos de incertidumbre. En 1994, la teora de la lgica difusa se encontraba en la cumbre, pero esta idea no es nueva, para muchos, estuvo bajo el nombre de lgica difusa durante 25 aos, pero sus orgenes se remontan hasta 2,500 aos. An Aristteles consideraba que existan ciertos grados de veracidad y falsedad. Platn haba considerado ya grados de pertenencia.
La idea de que la lgica produce contradicciones fue popularizada por el filsofo y matemtico britnico Bertrand Russell, a principios del siglo XX. Estudio las vaguedades del lenguaje, concluyendo con precisin que la vaguedad es un grado. El filosofo austriaco Ludwing Wittgenstein estudi las formas en las que una palabra puede ser empleada para muchas cosas que tienen algo en comn. La primera lgica de vaguedades fue desarrollada en 1920 por el filsofo Jan Lukasiewicz, visualiz los conjuntos con un posible grado de pertenencia con valores de 0 y 1, despus los extendi a un nmero infinito de valores entre 0 y 1. En los aos sesentas, Lofti Zadeh invent la lgica difusa, que combina los conceptos de la lgica y de los conjuntos de Lukasiewicz mediante la definicin de grados de pertenencia. <http://personales.ya.com/casanchi/mat/difusa01.htm>.
II.3.4. QUE ES LA LGICA DIFUSA Es un tipo de lgica que reconoce ms que simples valores verdaderos y falsos. Con lgica difusa, las proposiciones pueden ser representadas con grados de veracidad o falsedad. Por ejemplo, la sentencia "hoy es un da soleado", puede ser 100% verdad si no hay nubes, 80% verdad si hay pocas nubes, 50% verdad si existe neblina y 0% si llueve todo el da. La Lgica Difusa ha sido probada para ser particularmente til en sistemas expertos y otras aplicaciones de inteligencia artificial. Es tambin utilizada en algunos correctores de voz para sugerir una lista de probables palabras a reemplazar en una mal dicha. La Lgica Difusa, que hoy en da se encuentra en constante evolucin, naci en los aos 60 como la lgica del razonamiento aproximado, y en ese sentido poda considerarse una extensin de la Lgica Multivaluada. La Lgica Difusa actualmente est relacionada y fundamentada en la teora de los Conjuntos Difusos. Segn esta teora, el grado de pertenencia de un elemento a un conjunto va a venir determinado por una funcin de pertenencia, que puede tomar todos los valores reales comprendidos en el intervalo [0,1]. La Lgica Difusa (llamada tambin Lgica Borrosa por otros autores) o Fuzzy Logic es bsicamente una lgica con mltiples valores, que permite definir valores en las reas oscuras entre las evaluaciones convencionales de la lgica precisa: Si / No, Cierto / Falso, Blanco / Negro, etc. Se considera un sper conjunto de la Lgica Booleana. Con la Lgica Difusa, las proposiciones pueden ser representadas con grados de certeza o falsedad.
La lgica tradicional de las computadoras opera con ecuaciones muy precisas y dos respuestas: Si o no, uno o cero. Ahora, para aplicaciones de computadores muy mal definidas o sistemas vagos se emplea la Lgica Difusa. Por medio de la Lgica Difusa pueden formularse matemticamente nociones como un poco caliente o muy fro, para que sean procesadas por computadoras y cuantificar expresiones humanas vagas, tales como "Muy alto" o "luz brillante". De esa forma, es un intento de aplicar la forma de pensar humana a la programacin de los computadores. Permite tambin cuantificar aquellas descripciones imprecisas que se usan en el lenguaje y las transiciones graduales en electrodomsticos como ir de agua sucia a agua limpia en una lavadora, lo que permite ajustar los ciclos de lavado a travs de censores. La habilidad de la Lgica Difusa para procesar valores parciales de verdad ha sido de gran ayuda para la ingeniera. La ltima caracterstica de los sistemas lgicos es el procedimiento de razonamiento, que permite inferir resultados lgicos a partir de una serie de antecedentes. Generalmente, el razonamiento lgico se basa en silogismos, en los que los antecedentes son por un lado las proposiciones condicionales (nuestras reglas), y las observaciones presentes por otro (sern las premisas de cada regla). Los esquemas de razonamiento utilizados son "esquemas de razonamiento aproximado", que intentan reproducir los esquemas mentales del cerebro humano en el proceso de razonamiento. Estos esquemas consistirn en una generalizacin de los esquemas bsicos de inferencia en Lgica Binaria (silogismo clsico). Tan importante ser la seleccin de un esquema de razonamiento como su representacin material, ya que el objetivo final es poder desarrollar un procedimiento analtico concreto para el diseo de controladores difusos y la toma de decisiones en general. Una vez que dispongamos de representaciones analticas de cada uno de los elementos lgicos que acabamos de enumerar, estaremos en disposicin de desarrollar formalmente un controlador "heurstico" que nos permita inferir el control adecuado de un determinado proceso en funcin de un conjunto de reglas "lingsticas", definidas de antemano tras la observacin de la salida y normas de funcionamiento de ste.
<http://personales.ya.com/casanchi/mat/difusa01.htm>.
II.4. SISTEMAS EXPERTOS II.4.1. INTRODUCCIN Los Sistemas Expertos son una forma de programacin que emula artificialmente ciertos aspectos del razonamiento de un especialista humano en un mbito restringido y limitado de conocimiento. Su caracterstica principal es que estn basados en reglas. Es decir, contienen un juego predefinido de conocimientos que se utiliza para tomar sus decisiones. Los sistemas expertos pueden resolver con mucha facilidad ciertos problemas complejos (no abordables mediante clculo puro) que slo puede llevarse a cabo por un nmero limitado de personas expertas intensamente entrenadas. Tal vez su caracterstica ms fascinante es su capacidad para enfrentar problemas del mundo real, por medio de la aplicacin de procesos que emulan el juicio y la intuicin humanas. Para ello, es necesario dotar a la computadora tanto de una base de conocimientos como de un motor de inferencia. La base contiene el conocimiento del sistema con respecto a un tema especfico para el que se disea el sistema. El motor de inferencia, en cambio, es el que combina los hechos y las preguntas particulares, utilizando la base de conocimientos, seleccionando los datos y los pasos apropiados para presentar los resultados. Posteriormente este ncleo central fue ampliado con la incorporacin de otros muchos procesos cognitivos vinculados con el pensamiento: aprendizaje automtico, razonamiento basado en casos, lgica difusa, etc.
II.4.2. DEFINICIONES - Los Sistemas Expertos estudian la simulacin de los procesos intelectuales de los expertos humanos como pueden ser : La interpretacin de datos, el diagnstico, la correccin, la monitorizacin, el control, la prediccin, la planificacin, el diseo y la enseanza.<http://montelpz.htmlplanet.com/robot/refbiblio.html>. - Bajo el trmino de Sistemas Expertos se entiende un tipo de software que imita el comportamiento de un experto humano en la solucin de un problema. Pueden almacenar
conocimientos de expertos para un campo determinado y solucionar un problema mediante deduccin lgica de conclusiones.
<http://home.worldonline.es/jmariocr/introduccion.htm>.
- Un Sistema Experto se puede definir como un sistema computacional interactivo que permite la creacin de bases de conocimiento, las cuales una vez cargadas responden a preguntas, despejan dudas y sugieren cursos de accin emulando / simulando el proceso de razonamiento de un experto para resolver problemas en un rea especfica del conocimiento humano.
<http://www.geocities.com/SiliconValley/Pines/7894/introduccion/expertos.html>.
- Los Sistemas Expertos son sistemas informticos que simulan el proceso de aprendizaje, de memorizacin, de razonamiento, de comunicacin y de accin de un experto humano en cualquier rama de la ciencia. <http://www.informaticaintegral.net/sisexp.html>.
II.4.3. ANTECEDENTES La resolucin de problemas es una de las constantes que han acompaado al hombre desde sus orgenes. Tanto los problemas que frenan las fronteras del saber (explicacin de fenmenos y comportamientos, demostracin de teoremas...) como aquellos otros que impiden las realizaciones prcticas (ingeniera, planificacin...), o simplemente los creados por curiosidad o distraccin (paradojas, acertijos, adivinanzas, juegos...), han llenado el tiempo y consumido esfuerzos intelectuales del hombre. En la dcada de los cincuenta apareci un inters especial por parte de los pedagogos y psiclogos, por encontrar los mtodos generales de resolucin de problemas, con el fin de que estos mtodos se pudieran ensear a los estudiantes y con ello se mejorara su preparacin. Se haba ya observado en aquel entonces, que las personas an conociendo toda la informacin necesaria para resolver correctamente un problema (definiciones, frmulas, etc.) son muchas veces incapaces de conseguirlo, realizando con frecuencia razonamientos defectuosos. Los primeros estudios se realizaron con problemas de resolucin geomtrica. Con la difusin de los primeros ordenadores, en la segunda mitad de la dcada de los cincuenta, los estudios ya realizados en el campo de la resolucin de problemas se
intentaron trasladar a los ordenadores. Surgen nuevos problemas como son la representacin de los conocimientos en la memoria del ordenador, la representacin de las relaciones entre los conocimientos, etc. En la dcada de los sesenta, coincidiendo con la segunda poca de la I.A., aparecen numerosos trabajos sobre el mtodo general y universal de resolucin desarrollados sobre ordenadores; de ellos el ms famoso es el "General Program Solver" de Newell, Shaw y Simn, Universidad de Carnege Mellon 1957. Pese a la gran euforia con que se vivi los momentos iniciales (en 1967 Donald Michie de la Universidad de Edimburgo declaraba que en menos de veinte aos existiran mquinas tan inteligentes como el hombre), y los grandes recursos que se emplearon, lo cierto es que no se obtuvo ningn xito notable. Uno de los problemas que surgieron en aquel entonces fue, la aparicin de la explosin combinatoria en los clculos exhaustivos que limitaba la profundidad en los mismos y el nmero de conocimientos que se podan procesar, es decir se calculaban todas las posibles soluciones para luego elegir la ptima. Aparecen entonces los primeros algoritmos de poda (Algoritmo alfa-beta de John Mc Carthy 1961). El error que se cometi fue, tal vez, emprender un problema tan general y amplio con herramientas poco adecuadas. Tanto el software como el hardware estaban adaptados al clculo numrico no al campo simblico, los ordenadores eran lentos y tenan poca capacidad de memoria, es decir se gastaban muchos recursos y stos eran caros, adems los conocimientos lgico-matemticos necesarios para estos desarrollos todava estaban en su infancia. Como ejemplos cabe recordar que no fue hasta 1960 cuando John Mc Carthy cre el lenguaje LISP, y que ste se consider durante algo ms de una dcada como un lenguaje intil ("LIst of Stupid and Insipid Parentesisis") o que el "Principio de resolucin automtica", base del PROLOG no lo formul J. Alan Robinson hasta 1965. En la dcada de los setenta, coincidiendo con la tercera poca de la I.A., los planteamientos en el campo de la resolucin de problemas cambian. No conocindose los mecanismos generales de resolucin de la mente humana se pens en simular los mismos para campos muy concretos del conocimiento. Es decir, se imita la forma externa o
comportamiento aparente, que es precisamente el enfoque completamente opuesto a la lnea de investigacin de las redes neuronales. El manejo eficaz de los conocimientos dio entonces sus primeros xitos: los Sistemas Expertos. Este hecho llen de nuevo de optimismo a la comunidad cientfica que entre otras cosas haba visto como las subvenciones por parte de los gobiernos se recortaban y en muchos casos desaparecan ante la falta de logro palpables en el campo de la I.A. El precursor de los Sistemas Expertos actuales es el sistema DENTRAL (Universidad de Standford 1967) que incorporaba una gran cantidad de conocimiento que no estaban incluidos en el programa. Utilizaba para la representacin del conocimiento las reglas de produccin, si bien su modo de funcionamiento se acercaba ms a la filosofa de la resolucin automtica que a la de los Sistemas Expertos. El sistema era capaz de determinar la estructura qumica de un compuesto orgnico a partir de los resultados obtenidos mediante un espectrgrafo de masas. Un desarrollo mejorado del mismo todava se utiliza en la industria qumica. De los Sistemas Expertos que se construyeron en esta poca son famosos; el Prospector (Standford Research Institute 1974) Sistema Experto en prospecciones mineras especialmente 149 petrolficas que cuenta entre sus mritos el descubrimiento en 1980 en el estado de Washington (Estados Unidos de Norteamrica) de un importante yacimiento de molibdeno que fue posteriormente confirmado mediante prospecciones, y el MYCIN (Universidad de Standford 1977) Sistema Experto en el diagnstico y terapia de enfermedades infecciosas de origen bacteriano que contaba con unas 400 regIas. En la dcada de los 70 tambin se empiezan a desarrollar los primeros ordenadores simblicos, en Estados Unidos de Norteamrica, bajo el amparo del Proyecto DARPA (1973). En la dcada de los ochenta, existen dos grandes lneas de investigacin y desarrollo, que son: - Divulgacin o popularizacin de los Sistemas Expertos como una metodologa que puede resolver de una forma adecuada mltiples problemas. Esta lnea ha materializado sus investigaciones en el desarrollo de lenguajes, herramientas, entornos y sistemas vacos que funcionan en pequeos ordenadores (mini ordenadores y estaciones de trabajo ).
- Generalizacin de los Sistemas Expertos que permitan ampliar el campo de conocimientos cuyos primeros logros han sido la comercializacin de ordenadores o mquinas simblicas y el desarrollo de los ordenadores y lenguajes paralelos. En estos pocos aos de vida de los S.E. se ha asistido al nacimiento de una nueva rama del saber: la ingeniera del Conocimiento, del Saber o Cognoscitiva, que es la parte de la I.A. que estudia los Sistemas Expertos o basados en el conocimiento y es sin duda ninguna en estos momentos el campo mas prometedor de la I.A.
II.4.4. CARACTERSTICAS DE LOS SISTEMAS EXPERTOS
Solucionan problemas aplicando su experiencia de una forma eficaz, haciendo deducciones a partir de datos incompletos o inciertos. Explican y justifican lo que estn haciendo. Se comunican con otros expertos y adquieren nuevos conocimientos. Reestructuran y reorganizan el conocimiento. Interpretan al mismo tiempo el espritu y la letra de las reglas. Determinan cuando un problema est en el dominio de su experiencia.
<http://club2.telepolis.com/ohcop/buchanan.html>.
II.4.5. PRINCIPALES COMPONENTES DE UN SISTEMA EXPERTO Base de conocimientos : Es donde se almacena el conocimiento en el campo a desarrollar. Los conocimientos que se suelen almacenar son de cuatro tipos: Conocimiento objetivo, que describe la situacin real del sistema; Conocimiento de sucesos, relacionado con los sucesos que ocurren en el tiempo de ejecucin; Conocimiento del funcionamiento del sistema, de cmo se hacen las cosas, y Metaconocimiento, que relaciona los anteriores. Existen varias formas de representar el conocimiento: - Marcos (Frames): son estructuras de datos donde se almacenan informacin concreta de un cierto concepto e informacin relacional para completar la definicin del concepto.
Se representan por una serie de campos y los valores asociados a los mismos, pudiendo ser otro "frame". - Redes semnticas: son representaciones grficas del conocimiento, mediante nodos, que representan objetos o conjuntos de objetos, y arcos, que relacionan dichos objetos. Tanto los "frames" como las redes son representaciones descriptivas, difciles de usar para representar el razonamiento. - Reglas: es la forma ms extendida de representacin del conocimiento. Representan la forma de razonar. Tienen la forma IF <condicion> THEN <accion/conclusion>. Es importante el orden de ejecucin de las reglas, por ello se les suele dotar de prioridades. Una regla que activa otra se denomina metaregla, y se suelen usar para desarrollar progresivamente el conocimiento del experto.
Motor de Inferencia : Es el "supervisor", un programa que est entre el usuario y la base de conocimientos, y que extrae conclusiones a partir de los datos simblicos que estn almacenados en las bases de hechos y de conocimiento. Dependen en gran medida de la representacin elegida; por su importancia analizaremos los motores de inferencia basados en reglas. Existen varios algoritmos de bsqueda a lo largo de las reglas para inferir conclusiones a partir de los hechos y las reglas. Todos los algoritmos son del tipo "patternmatching", van disparando reglas a medida que se cumplen las condiciones. Se pueden diferenciar dos mecanismos de inferencia: - Encadenamiento hacia adelante: se extraen conclusiones a partir del cumplimiento de las condiciones de ciertas reglas que, a su vez, provocarn el cumplimiento de las condiciones en otras reglas hasta que no se cumplan en ninguna de ellas. - Encadenamiento hacia atrs: se suponen ciertas las conclusiones de una regla y, como consecuencia, se van disparando aquellas reglas que provocaran la regla original. El proceso acaba si no se cumplen las condiciones de las reglas o si se cumplen para todas las reglas. Es importante destacar que la base de conocimientos y el motor de inferencia son sistemas independientes, por lo que se han desarrollado herramientas que nicamente
necesitan la implementacin del conocimiento, llevando incorporado el motor de inferencia. Interfase Hombre-Mquina : Establece una comunicacin sencilla entre el usuario y el sistema. El usuario puede consultar con el sistema a travs de mens, grficos, etc, y ste le responde con resultados. La implementacin de un sistema experto completo obliga al desarrollo de cada uno de los elementos anteriores a travs de lenguajes o herramientas de desarrollo. Existen cuatro alternativas para la implementacin de un sistema experto: " Lenguajes de alto nivel (HLL): son lenguajes de propsito general (C, Fortran, Basic,...). Tienen como ventajas su eficiencia, su familiaridad y la portabilidad a cualquier entorno, pero el inconveniente de no estar preparados para una programacin basada en smbolos. " Lenguajes simblicos: fundamentalmente LISP y PROLOG. Son los lenguajes de alto nivel ms utilizados por su adaptacin a la lgica de la base de conocimientos representada mediante smbolos, y por su mecanismo de extraer conclusiones. Su eficiencia aumenta en estaciones de trabajo diseadas para dichos lenguajes. " Herramientas de desarrollo ("shells"): son programas preparados para el desarrollo de sistemas expertos pues incorporan el motor de inferencia, independiente de las bases de hechos y de conocimiento. El programador se limita a traducir dichas bases a un lenguaje preparado a tal efecto, pudiendo enlazarse con otros lenguajes para el desarrollo de funciones adicionales. Suelen estar desarrollados en LISP o PROLOG para aumentar su eficiencia. La flexibilidad es menor, aunque suelen incorporar procesadores de texto, grficos y herramientas de anlisis. " Entornos de desarrollo ("environments"): aaden a los "shells" el uso de un entorno grfico (ventanas, iconos,...) que facilita el desarrollo del sistema experto. Tienen como ventaja la disminucin del tiempo de desarrollo, pero suelen ser caros y poco flexibles. Los "shells" son los ms usados para el desarrollo de sistemas expertos, mientras que el PROLOG est muy extendido en Europa y Japn, el LISP lo est en Estados Unidos. Los entornos an ocupan un sector minoritario pero la tendencia a su utilizacin va en aumento. Como conclusiones se puede decir que los sistemas expertos estn siendo muy utilizados en aquellos entornos donde se necesite el conocimiento de expertos. El entorno
de la produccin es uno en donde se han desarrollado ms prototipos y aplicaciones de sistemas expertos. La mayora de ellos utilizan reglas como tcnica de representacin, y han sido desarrollado mediante "shells", o en lenguajes simblicos.
<http://www.esi2.us.es/~dco/sistemas.htm>.
II.5. ALGORITMOS GENETICOS Los algoritmos genticos son algoritmos matemticos eficientes que se inspiran en los mecanismos de la evolucin biolgica propuestos por Darwin. Han producido excelentes soluciones en problemas complejos de optimizacin que poseen un gran nmero de parmetros. Las reas en donde se han aplicado estos algoritmos incluyen: planeamiento industrial, layout de circuitos de muy alta escala de integracin, control y optimizacin en la distribucin de energa, optimizacin de ruteamiento y trfico de datos, etc. El objetivo principal de un algoritmo gentico es el de evolucionar a partir de una poblacin inicial de soluciones para un determinado problema, intentando producir nuevas generaciones de soluciones que sean mejores que las anteriores. Esos algoritmos operan a travs de un ciclo simple que consiste en la generacin al azar de la poblacin inicial y la evaluacin, seleccin y reproduccin de las ms aptas (con respecto a un objetivo predefinido). Este ltimo proceso incorpora la recombinacin y mutacin del material gentico de las soluciones. El ciclo se repite hasta llegar a una solucin aceptable o al determinarse el ptimo de una funcin.
III. RAMAS DE LA INTELIGENCIA ARTIFICIAL (PARTE II)
En pleno 2003 si hablamos de inteligencia artificial forzosamente tenemos que hablar tambin del termino robtica puesto que grandes producciones cinematogrficas como Terminator, Star Wars y recientemente la gran produccin del seor Spilberg Inteligencia Artificial nos han incrustado esta ideas en nuestras mentes, es por eso que no podramos concluir una investigacin de este tipo, sin dedicarle un capitulo completo a este tema, claro sin dejar atrs dos de los componentes de gran estudio para la I.A. y ampliamente ligados a los robots humanoides como los que vemos en la televisin, me refiero a la visin artificial y el lenguaje natural, como podramos concebir un robot inteligente que no pueda hablar o ver las cosas que lo rodean. Claro que no todo lo referente al estudio de las I.A. se aplica a los robots sin embargo, gran nmero de los campos que la conforman, Si. Adems existen diferentes tipos de ellos que no necesariamente son inteligentes, como se ver en este capitulo.
III.1. ROBTICA III.1.1. INTRODUCCIN La robtica es un concepto de dominio publico. La mayor parte de la gente tiene una idea de lo que es la robtica, sabe sus aplicaciones y el potencial que tiene; sin embargo, no conocen el origen de la palabra robot, ni tienen idea del origen de las aplicaciones tiles de la robtica como ciencia. La robtica como hoy en da la conocemos, tiene sus orgenes hace miles de aos. Nos basaremos en hechos registrados a travs de la historia, y comenzaremos aclarando que antiguamente los robots eran conocidos con el nombre de autmatas, y la robtica no era reconocida como ciencia, es ms, la palabra robot surgi hace mucho despus del origen de los autmatas. A modo de introduccin, debemos hacer referencia al origen de la palabra robot, si bien desde la antigedad se conocen ingenios mecnicos con formas ms o menos humanas cuyo propsito fue proveer diversin en las cortes o llamar la atencin de la gente, estos ingenios, carecen de importancia desde el punto de vista tecnolgico, precisamente por su destino. La palabra robot fue usada por primera vez el 25 de Enero de 1921, cuando el escritor checo Karel Capek (1890 - 1938) estrena en el teatro nacional de Praga su obra Robot Universal Rossum's (R.U.R.), esta obra trata de dos pequeos seres artificiales de forma humana que responden perfectamente a las rdenes de su creador, aunque al final acaban rebelndose contra l. Estos seres entienden por robots, una derivacin del trmino checo robota, que, al igual que en ruso, significa trabajo. El trabajo repetitivo constituye la preocupacin de todos los grandes hombres de todas las pocas. Aristteles, el cerebro de ms vasta concepcin en la historia del pensamiento, refirindose a una forma particular de la tarea repetitiva acuo una frase que an tiene vigencia, "cuando los telares tejan por si mismos, habr terminado la esclavitud del hombre". Norber winer, matemtico norteamericano, que introdujo el trmino ciberntica y su teora, refirindose al mismo tema, expres: "es una degradacin para un ser humano encadenarlo a un remo y usarlo como fuente de energa; pero es casi igual degradacin
asignarle tareas puramente repetitivas en una fbrica, que exigen menos de una millonsima de su poder cerebral". Es ms sencillo organizar una fbrica o una galera que utiliza individualidades humanas aprovechando slo una fraccin trivial de su vala, que preparar un mundo en el que estos puedan alcanzar su plena dimensin.
<http://proton.ucting.udg.mx/home/villanue/robotica1.html>.
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, que l llamo, las Tres Leyes de la Robtica.
1. Un robot no puede actuar contra un ser humano o, mediante la inaccin, que un ser humano sufra daos. 2. Un robot debe de obedecer las ordenes dadas por los seres humanos, salvo que estn en conflictos con la primera ley. 3. Un robot debe proteger su propia existencia, a no ser que est en conflicto con las dos primeras leyes.
Consecuentemente todos los robots de Asimov son fieles sirvientes del ser humano, de sta forma su actitud contraviene a la de Kapek.
<http://proton.ucting.udg.mx/home/villanue/robotica1.html>.
III.1.2. DEFINICIONES
Robtica : - La robtica es la rama de la ciencia que se ocupa del estudio, desarrollo y aplicaciones de los robots.<http://www.geocities.com/loboduke2001/Aplicaciones.html>.
- La robtica es el rea de la inteligencia artificial que estudia la imitacin del movimiento humano a travs de robots, los cuales son creados con el fin de apoyar procesos mecnicos repetitivos que requieren gran precisin.
<http://www.geocities.com/SiliconValley/Pines/7894/introduccion/expertos.html>.
Rama de la ingeniera y las ciencias computacionales envueltas en el diseo y desarrollo e implementacin de robots, que se usan para mejorar las vidas de las personas.<http://www.ncddr.org/espanol/glosario/glosario.html> .
Robot : Mquina controlada por ordenador y programada para moverse, manipular objetos y realizar trabajos a la vez que interacciona con su entorno.
<http://www.prodigyweb.net.mx/enrayala/Robotica.htm>.
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.
<http://www.robotics.freeservers.com/robot.htm>.
III.1.3. UN POCO DE HISTORIA Podemos mencionar dos formas de referirnos a los antecedentes de los robots: figuras artificiales en la mitologa y el desarrollo de autmatas. La siguiente cronologa es una breve descripcin de como el hombre est fascinado con la posibilidad de crear vida artificial y "que se han usado todos los ingenios y aparatos posibles para dar a la materia inanimada funciones de la materia viva: ya sean humanos o animales, toquen instrumentos musicales, coman, o cualquier otra cosa que pasara por la imaginacin humana antes de la revolucin industrial". Mitolgicamente podemos mencionar los siguientes sucesos en la historia de la robtica: 1. Algunos autores, como Jasia Reichardt, consideran que el comienzo de la historia de los autmatas se encuentra en la creacin de Adn por Dios.
2. Prometeo, que hizo el primer hombre y la primer mujer con barro, animados con el fuego robado de los cielos. 3. Hefaistos, tambin conocido como Vulcano, dios de todas las artes mecnicas y del fuego, que hizo dos estatuas femeninas de oro que le ayudaban y le acompaaban dondequiera que fuese. 4. De nuevo Hefaistos, que crea al gigante Talus, hecho de metal que guardaba Creta de los intrusos quemando sus cuerpos y matndolos. 5. Pygmalin, rey de Chipre, que crea la estatua de Galatea y al enamorarse de ella, hace que Afrodita le de la vida. Enseguida se describen algunos intentos de autmatas reales. 1. Amenhotep, hermano de Hapu, en el 1500 antes de Cristo, realiza una estatua de Memmon, rey de Etiopa, que emite sonidos cuando la iluminan los rayos del sol al amanecer. 2. King-su Tse en el 500 a.C., en China, construye una urraca voladora de madera y bamb y un caballo de madera que saltaba. 3. Archytar de Tarento, entre el 400 y el 397 a. C., construye un pichn de madera suspendido en un pivote, el cual rotaba con surtidor de agua o vapor, simulando el vuelo. Archytar es tambin el inventor del tornillo y de la polea. 4. Ctesibio, entre el 300 y 270 a. C., inventa una clepsidra (reloj de agua) y un rgano que funciona con agua. 5. Filon de Bizancio, entre el 220 y el 200 a. C. invent un autmata acutico y la catapulta repetitiva. 6. El tesoro de Chin Shih Hueng Ti, consista en una orquesta mecnica de muecos encontrada por el primer emperador Han en el 206 a. C. 7. Hero de Alejandra, en el 62 d. C., hace un tratado de autmatas, un famoso registro de aplicaciones de la ciencia que pueden ser demostrados por medio de un autmata, as como su teatro automtico en el cual, las figuras que se encuentran montadas en una caja, cambian de posicin ante los ojos de los espectadores: pjaros cantores, trompetas que suenan, medidores de la fuerza del vapor, animales que beben, termoscopios, sifones y mquinas que operaban con monedas.
8. Hsieh Fec, en el 335 d. C., construye un carro con cuatro ruedas con la figura de Buda, hecha de madera de sndalo. 9. Huang Kun (700 d. C.) hace barcos con figuras de animales, cantantes, msicos y danzarines, los cuales se mueven. 10. Yang Wu-Lien (700) construye un mono que extiende sus manos y dice "Limosna! Limosna!", guardando su recaudacin en una bolsa cuando alcanza un determinado peso. 11. Han Chih Ho (890) hace un gato de madera que caza ratas. 12. El sabio prncipe hind, Bhoja, en el 1050, escribe el Samarangana-Sutradhara, que incluye comentarios sobre la construccin de mquinas o yantras. 13. Al-Jazari en Amid, en el Alto Tigris, escribe en 1926 un libro sobre el conocimiento de invencin mecnica, en donde se describan dispositivos mecnicos, como fuentes y relojes de agua. 14. Alberto Magno (1204-1272) crea un sirviente mecnico. 15. Roger Bacon (1214-1294) construye, despus de 7 aos de trabajo, una cabeza que habla. 16. Villard d'Honnecourt en 1235 hace un libro de esbozos que incluyen secciones de dispositivos mecnicos, como un ngel autmata, e indicaciones para la construccin de figuras humanas y de animales. 17. El reloj con forma de gallo que canta en la catedral de Strasbourg, que funcion desde 1352 hasta 1789. 18. Johanes Mller (1436-1476) construye un guila artificial que vol cuando el Emperador Maximiliano entr en Nuremberg en 1470. 19. Leonardo Da Vinci construye en 1500 un len automtico. 20. Elijah de Chelm, en 1550, construye un Golem. 21. Rabbi Lw de Praga, en 1580, construye un Golem. 22. Salomn de Caus (1576-1626) construye fuentes ornamentales y jardines placenteros, pjaros cantarines e imitaciones de los efectos de la naturaleza. 23. Ren Descartes invent en 1640 un autmata al que se refiere como "mi hijo Francine". 24. En 1662 se abre en Osaka el teatro Takedo de autmatas.
25. Christian Huygens, en 1690, construye fuentes, dispositivos voladores, diligencias y cajas de msica basadas en autmatas. 26. Takedo Omi I, en 1714, construye un tigre artificial que echa aire por la boca. 27. Kara Kuri-Kiman Kaganigusa, en 1730, publica un importante compendio de autmatas japoneses. 28. Maillard disea en 1731, para L'Academie des Sciences, carros con ruedas dentadas, hechas a mano. En 1733 disea un cisne artificial. 29. Jacques de Vaucanson, construye el pato, el autmata ms conocido; un pato hecho de cobre, que bebe, come, grazna, chapotea en el agua y digiere su comida como un pato real. Previamente construye un flautista y un tamborilero en 1738; el primero consista en un complejo mecanismo de aire que causaba el movimiento de dedos y labios, como el funcionamiento normal de una flauta. 30. Lorenz Rosenegger, en 1752, present un teatro de 256 marionetas (activadas hidrulicamente) que representaban en detalle la vida de la poblacin en el siglo XVIII. 31. Friedrich von Knauss, en 1760, construy una mquina de escribir automtica, as como mquinas que hablaban y muecas escritoras. 32. El barn Wolfgang von Kempelen construy una mquina parlante en 1778 y su famoso turco que jugaba al ajedrez (del que nunca se prob si haba dentro un persona manejndolo). 33. Pierre Jaquet-Droz y su hermano Henri-Louis, construyeron el escriba en 1770, el dibujante en 1772 y el muchacho msico en 1773. 34. En 1775 Gendaemon Wakai construye un mueco que sirve el t. 35. Hanzo Hosokawa construy en el siglo XVIII una mueca de t japonesa con ruedas dentadas, resortes y barba de ballenas. 36. Iga-shichi Izuka, en 1790, construy una mueca que sirve sake. 37. En 1792 se construye el tigre de Tipu, que representa a un tigre atacando a un hombre. 38. Johann Nepomuk Maelzel, inventor del metrnomo, construye una orquesta completa con 42 autmatas independientes. Tambin construye un trompetista en 1808.
39. Johan-Gottfried y Friederich Kaufmann construyen en 1810 un trompetista. 40. Les Maillardet (Henri, Jean-David, Julien-Auguste, Jacques-Rodolphe) hicieron su aparicin a finales del XVIII y principios del XIX, construyeron un escritordibujante, con la forma de un chico arrodillado con un lpiz en su mano, escribe en ingls y en francs y dibuja paisajes. Construyen un mecanismo "mgico" que responde preguntas y un pjaro que canta en una caja. 41. Josep Faber, en 1830, construy un autmata que habla. 42. Robert Houdin construye una mueca que escribe. Tambin realiza un pastelero, un acrbata, una bailarina en la cuerda floja, un hombre que apunta con una escopeta y un artista del trapecio. 43. Benkichi Oono construye una mueca que se expresa de forma tctil.
44. 1946, el inventor americano G.C Devol desarroll un dispositivo controlador que poda registrar seales elctricas por medio magnticos y reproducirlas para accionar un mquina mecnica. La patente estadounidense se emiti en 1952. 45. 1952, una mquina prototipo de control numrico fue objetivo de demostracin en el Instituto Tecnolgico de Massachusetts despus de varios aos de desarrollo. 46. 1959, se introdujo el primer robot comercial por Planet Corporation. estaba controlado por interruptores de fin de carrera. 47. 1966, Trallfa, una firma noruega, construy e instal un robot de pintura por pulverizacin. 48. 1968, un robot mvil llamado Shakey se desarrollo en SRI (standford Research Institute), estaba provisto de una diversidad de sensores as como una cmara de visin y sensores tctiles y poda desplazarse por el suelo. 49. 1971, el Standford Arm, un pequeo brazo de robot de accionamiento elctrico, se desarroll en la Standford University.
<http://proton.ucting.udg.mx/home/villanue/robotica1.html >.
III.1.4. CLASIFICACIN DE LOS ROBOTS
Hoy en da existe una amplia gama de robots cuya utilidad depende de las aplicaciones para las cuales fueron diseados. La evolucin de los robots a lo largo de la historia ha dado lugar a muchos tipos de clasificaciones posibles, las cuales la mayor parte de las veces no son rigurosas, y se van modificando conforme avanza la tecnologa. Para efectos de esta investigacin slo haremos dos tipos de clasificaciones (esto por ser unas clasificaciones muy generales) : segn su generacin y segn su arquitectura.
1. Clasificacin de los robots por su generacin : La primera generacin : El sistema de control usado en la primera generacin de robots esta basado en la "paradas fijas" mecnicamente. Esta estrategia es conocida como control de lazo abierto o control "bang bang". Podemos considerar como ejemplo esta primera etapa aquellos mecanismos de relojera que permiten mover a las cajas musicales o a los juguetes de cuerda. Este tipo de control es muy similar al ciclo de control que tienen algunos lavadores de ciclo fijo y son equivalentes en principio al autmata escribiente de H. M. Son tiles para las aplicaciones industriales de tomar y colocar pero estn limitados a un nmero pequeo de movimientos. La segunda generacin : Utiliza una estructura de control de ciclo abierto, pero en lugar de utilizar interruptores y botones mecnicos utiliza una secuencia numrica de control de movimientos almacenados en un disco o cinta magntica. El programa de control entra mediante la eleccin de secuencias de movimiento en una caja de botones o a travs de palancas de control con los que se "camina", la secuencia deseada de movimientos. El mayor nmero de aplicaciones en los que se utilizan los robots de esta generacin son de la industria automotriz, en soldadura, pintado con "spray". Este tipo de robots constituyen la clase ms grande de robots industriales en E.U., incluso algunos autores sugieren que cerca del 90 % de los robots industriales en EU pertenecen a esta 2 generacin de control. La tercera generacin de robots : Utiliza las computadoras para su estrategia de control y tiene algn conocimiento del ambiente local a travs del uso de censores, los cuales miden el ambiente y modifican su estrategia de control, con esta
generacin se inicia la era de los robots inteligentes y aparecen los lenguajes de programacin para escribir los programas de control. La estrategia de control utilizada se denomina de "ciclo cerrado". La cuarta generacin de robots : Ya los califica de inteligentes con ms y mejores extensiones sensoriales, para comprender sus acciones y el mundo que los rodea. Incorpora un concepto de "modelo del mundo" de su propia conducta y del ambiente en el que operan. Utilizan conocimiento difuso y procesamiento dirigido por expectativas que mejoran el desempeo del sistema de manera que la tarea de los sensores se extiende a la supervisin del ambiente global, registrando los efectos de sus acciones en un modelo del mundo y auxiliar en la determinacin de tareas y metas. La quinta generacin : Actualmente est en desarrollo esta nueva generacin de robots, que pretende que el control emerja de la adecuada organizacin y distribucin de mdulos conductuales, esta nueva arquitectura es denominada arquitectura de sumisin, cuyo promotor es Rodney Brooks.
<http://www.geocities.com/loboduke2001/B_Historia.html>.
2.
Clasificacin de los robots por su arquitectura : Los dispositivos y mecanismos que pueden agruparse bajo la denominacin genrica del robot, tal como se ha indicado, son muy diversos y es por tanto difcil establecer una clasificacin coherente de los mismos que resista un anlisis crtico y riguroso. La subdivisin de los robots, con base en su arquitectura, se hace en los siguientes grupos: Poliarticulados, Mviles, Androides, Zoomrficos e Hbridos Poliarticulados : Bajo este grupo estn los robots de muy diversa forma y configuracin cuya caracterstica comn es la de ser bsicamente sedentarios aunque excepcionalmente pueden ser guiados para efectuar desplazamientos limitados - y estar estructurados para mover sus elementos terminales en un determinado espacio de trabajo segn uno o ms sistemas de coordenadas y con un nmero limitado de grados de libertad". En este grupo se encuentran los manipuladores, los robots industriales, los robots cartesianos y algunos robots industriales y se emplean cuando es preciso abarcar una zona de trabajo
relativamente amplia o alargada, actuar sobre objetos con un plano de simetra vertical o deducir el espacio ocupado en el suelo. Mviles : Son robots con gran capacidad de desplazamiento, basados en carros o plataformas y dotados de un sistema locomotor de tipo rodante. Siguen su camino por telemando o guindose por la informacin recibida de su entorno a travs de sus censores. Las tortugas motorizadas diseadas en los aos cincuentas, fueron las precursoras y sirvieron de base a los estudios sobre inteligencia artificial desarrollados entre 1965 y 1973 en la Universidad de Stranford. Estos robots aseguran el transporte de piezas de un punto a otro de una cadena de fabricacin. Guiados mediante pistas materializadas a travs de la radiacin electromagntica de circuitos empotrados en el suelo, o a travs de bandas detectadas fotoelctricamente, pueden incluso llegar a sortear obstculos y estn dotados de un nivel relativamente elevado de inteligencia. Androides : Son robots que intentan reproducir total o parcialmente la forma y el comportamiento cinemtico del ser humano. Actualmente los androides son todava dispositivos muy poco evolucionados y sin utilidad prctica, y destinados, fundamentalmente, al estudio y experimentacin. Uno de los aspectos ms complejos de estos robots, y sobre el que se centra la mayora de los trabajos, es el de la locomocin bpeda. En este caso, el principal problema es controlar dinmica y coordinadamente en el tiempo real el proceso y mantener simultneamente el equilibrio del robot. Zoomrficos : Los robots zoomrficos, que considerados en sentido no restrictivo podran incluir tambin a los androides, constituyen una clase caracterizada principalmente por sus sistemas de locomocin que imitan a los diversos seres vivos. A pesar de la disparidad morfolgica de sus posibles sistemas de locomocin es conveniente agrupar a los robots zoomrficos en dos categoras principales: caminadores y no caminadores. El grupo de los robots zoomrficos no caminadores est muy poco evolucionado. Cabe destacar, entre otros, los experimentados efectuados en Japn basados en segmentos
cilndricos biselados acoplados axialmente entre s y dotados de un movimiento relativo de rotacin. En cambio, los robots zoomrficos caminadores multpedos son muy numeroso y estn siendo experimentados en diversos laboratorios con vistas al desarrollo posterior de verdaderos vehculos terrenos, piloteando o autnomos, capaces de evolucionar en superficies muy accidentadas. Las aplicaciones de estos robots sern interesante en el campo de la exploracin espacial y en el estudio de los volcanes. Hbridos : Estos robots corresponden a aquellos de difcil clasificacin cuya estructura se sita en combinacin con alguna de las anteriores ya expuestas, bien sea por conjuncin o por yuxtaposicin. Por ejemplo, un dispositivo segmentado articulado y con ruedas, es al mismo tiempo uno de los atributos de los robots mviles y de los robots zoomrficos. De igual forma pueden considerarse hbridos algunos robots formados por la yuxtaposicin de un cuerpo formado por un carro mvil y de un brazo semejante al de los robots industriales. En parecida situacin se encuentran algunos robots antropomorfos y que no pueden clasificarse ni como mviles ni como androides, tal es el caso de los robots personales.
< http://www.geocities.com/loboduke2001/Arquitecturas.html>.
III.1.5. APLICACIONES DE LA ROBTICA
Las novelas de ciencia-ficcin nos muestran robots dotados de una inteligencia igual o superior a la de los hombres, capaces de aprender de sus "errores" y mejorar su sistema original, pueden convivir con los seres humano de una manera natural. En la actualidad, estos relatos no estn distantes de la realidad que empezamos a vivir. Los robots empiezan a invadir nuestras vidas, comienzan a aparecer en los lugares menos esperados, comienzan a reemplazar algunas de nuestras labores ms difciles de realizar. La robtica se ha ido desarrollando a pasos agigantados. Los robots comienzan a formar parte de nuestras vidas, y no hay que alarmarnos por esto, sino ms bien hay que sacarle todo el provecho posible para que la ayuda que nos puedan dar, sea bien
aprovechada. Las aplicaciones mencionadas a continuacin no son ni por mucho todas las existentes, dado que puede haber tantas como nuestra imaginacin les quiera dar. <http://www.geocities.com/loboduke2001/Aplicaciones.html>. En 1995 funcionaban unos 700.000 robots en el mundo industrializado. Ms de 500.000 se empleaban en Japn, unos 120.000 en Europa Occidental y unos 60.000 en Estados Unidos. Muchas aplicaciones de los robots corresponden a tareas peligrosas o desagradables para los humanos. En los laboratorios mdicos, los robots manejan materiales que conlleven posibles riesgos, como muestras de sangre u orina. En otros casos, los robots se emplean en tareas repetitivas y montonas en las que el rendimiento de una persona podra disminuir con el tiempo. Los robots pueden realizar estas operaciones repetitivas de alta precisin durante 24 horas al da sin cansarse. Uno de los principales usuarios de robots es la industria del automvil. La empresa General Motors utiliza aproximadamente 16.000 robots para trabajos como soldadura por puntos, pintura, carga de mquinas, transferencia de piezas y montaje. El montaje es una de las aplicaciones industriales de la robtica que ms est creciendo. Exige una mayor precisin que la soldadura o la pintura y emplea sistemas de censores de bajo coste y computadoras potentes y baratas. Los robots se usan por ejemplo en el montaje de aparatos electrnicos, para montar microchips en placas de circuito. Las actividades que entraan gran peligro para las personas, como la localizacin de barcos hundidos, la bsqueda de depsitos minerales submarinos o la exploracin de volcanes activos, son especialmente apropiadas para emplear robots. Los robots tambin pueden explorar planetas distantes. La sonda espacial no tripulada Galileo, de la NASA, viaj a Jpiter en 1996 y realiz tareas como la deteccin del contenido qumico de la atmsfera joviana. Ya se emplean robots para ayudar a los cirujanos a instalar caderas artificiales, y ciertos robots especializados de altsima precisin pueden ayudar en operaciones quirrgicas delicadas en los ojos. La investigacin en teleciruga emplea robots controlados de forma remota por cirujanos expertos; estos robots podran algn da efectuar operaciones en campos de batalla distantes.
<http://www.prodigyweb.net.mx/enrayala/Robotica.htm>.
III.1.6. QUE NOS DEPARA EL FUTURO Las expectativas sobre los robots para el futuro no se centran slo en robots industriales trabajando en fabricas, sino tambin en los robots para uso en emergencias, ayuda y compaa de minusvlidos, personas postradas en cama, etc. Tambin se espera a los robots mascota como compaeros de los humanos. Desde el punto de vista del entretenimiento, tambin puede esperarse la llegada de robots para jugar y deportivos. Hay un nuevo plan para desarrollar un robot futbolista que pueda destronar al equipo campen mundial en la Robo Cup (en 2050). En efecto, en el futuro los robots jugarn un papel ms importante en nuestra sociedad. Debemos recordar que los robots son slo herramientas que nos ayudan a ser ms felices, porque los robots no podrn nunca tener el calor de los humanos y los animales.<http://www.hobbykit.biz/historia-robots.htm>.
III.2. VISIN ARTIFICIAL "La visin artificial es una rama de la inteligencia artificial que tiene por objetivo modelar matemticamente los procesos de percepcin visual en los seres vivos y generar programas que permitan simular estas capacidades visuales por computadora.
<http://www.lania.mx/spanish/actividades/newsletters/1999-primavera-
verano/aplicaciones.html>.
III.2.1. INTRODUCCIN El trmino Visin artificial o Visin por Computadora dentro del campo de la Inteligencia Artificial puede considerarse como el conjunto de todas aquellas tcnicas y modelos que nos permitan el procesamiento, anlisis y explicacin de cualquier tipo de informacin espacial obtenida a travs de imgenes digitales. Desde sus inicios la Visin por Computadora ha inspirado sus desarrollos en el estudio del sistema visual humano el cual sugiere la existencia de diferentes tipos de tratamiento de la informacin visual dependiendo de metas u objetivos especficos, es decir, la informacin visual percibida es
procesada en distintas formas con base en las caractersticas particulares de la tarea a realizar, por lo que la visin por computadora propone varias tcnicas que permiten obtener una representacin del mundo a partir del anlisis de imgenes obtenidas desde cmaras de video. Debido a que la informacin visual es una de las principales fuentes de datos del mundo real, resulta til el proveer a una computadora digital del sentido de la vista (a partir de imgenes tomadas con cmaras digitales o analgicas), que junto con otros mecanismos como el aprendizaje hagan de esta una herramienta capaz de detectar y ubicar objetos en el mundo real, objetivo principal de la Visin por Computadora.
<http://verona.fi-p.unam.mx/fardi/pagina/VISONCOM.htm>.
III.2.2. QUE ES LA VISIN ARTIFICIAL La visin artificial es como el sentido de la vista de la computadora y nos da la oportunidad de automatizar y mejorar muchos procesos, tanto en la industria, como en la medicina. Inclusive, algunas de sus tcnicas se emplean en la integracin de video en las redes de cmputo y en la transmisin de imgenes por televisin. Tambin es comn el uso de la compresin de imgenes para su almacenamiento, transmisin y despliegue en todo Internet. En la automatizacin de oficinas se emplea para acelerar los flujos de informacin y para convertir de viejos esquemas a nuevos, en la digitalizacin masiva de documentos, y en la recuperacin de textos de imgenes escaneadas, empleando reconocimiento ptico de caracteres (OCR, "optical character recognition"). Nuevos servicios en bibliotecas digitales como la recuperacin de imgenes y videos por demanda, son algunas de las nuevas aplicaciones que estn tomando auge. En la industria se emplean cada vez ms los robots, y la visin es uno de los sentidos clave para producir robots ms flexibles y que puedan reaccionar ante situaciones cambiantes. Un ejemplo claro son los vehculos autnomos, que estn siendo desarrollados en Estados Unidos y Europa, y que permitirn un transporte ms rpido, seguro y eficiente.
III.2.3. APLICACIONES El amplio espectro de aplicaciones cubierto por la visin por computadora, se debe a que permite extraer y analizar informacin espectral, espacial y temporal de los distintos objetos. La informacin espectral incluye frecuencia (color) e intensidad (tonos de gris). La informacin espacial se refiere a aspectos como forma y posicin (una, dos y tres dimensiones). La informacin temporal comprende aspectos estacionarios (presencia y/o ausencia) y dependientes del tiempo (eventos, movimientos, procesos). Segn el tipo de aplicacin, sern el tipo de imagen que ser necesario adquirir (imgenes de rayos X, infrarrojo, etc.) y el anlisis que se aplicar. La mayora de las aplicaciones de la visin por mquina podemos clasificarlas por el tipo de tarea en inspeccin (medicin, calibracin, deteccin de fallas), verificacin, reconocimiento, identificacin y anlisis de localizacin (posicin, gua). La medicin o calibracin se refiere a la correlacin cuantitativa con los datos del diseo, asegurando que las mediciones cumplan con las especificaciones del diseo. Por ejemplo, el checar que un cable tenga el espesor recomendado. La deteccin de fallas es un anlisis cualitativo que involucra la deteccin de defectos o artefactos no deseados, con forma desconocida en una posicin desconocida. Por ejemplo, encontrar defectos en la pintura de un auto nuevo, o agujeros en hojas de papel. La verificacin es el chequeo cualitativo de que una operacin de ensamblaje ha sido llevada a cabo correctamente. Por ejemplo, que no falte ninguna tecla en un teclado, o que no falten componentes en un circuito impreso. El reconocimiento involucra la identificacin de un objeto con base en descriptores asociados con el objeto. Por ejemplo, la clasificacin de ctricos (limones, naranjas, mandarinas, etc.) por color y tamao. Otro ejemplo de reconocimiento podra ser aplicado a clulas, por rea y forma. Identificacin es el proceso de identificar un objeto por el uso de smbolos en el mismo. Por ejemplo, el cdigo de barras, o cdigos de perforaciones empleados para distinguir hule espuma de asientos automotrices.
El anlisis de localizacin es la evaluacin de la posicin de un objeto. Por ejemplo, determinar la posicin donde debe insertarse un circuito integrado ("chip"). Otro ejemplo sera la localizacin automtica del contorno de la cabeza en una serie de imgenes de tomografa y su posterior reconstruccin tridimensional. Gua significa proporcionar adaptativamente informacin posicional de retroalimentacin para dirigir una actividad. El ejemplo tpico es el uso de un sistema de visin para guiar un brazo robtico mientras suelda o manipula partes. Otro ejemplo sera la navegacin en vehculos autnomos.
III.2.4. BENEFICIOS DE LA VISIN ARTIFICIAL Motivaciones econmicas. Reduce costos de productos manufacturados al detectar condiciones de rechazo en el punto de menor valor agregado, al reducir tiempos de produccin, al ahorrar en costos de reparacin y mejorar la produccin. Motivaciones de calidad. Mejora la calidad al inspeccionar el 100% de los productos, en lugar de realizar inspeccin por muestreo e incrementa la satisfaccin del cliente. Proporciona predictibilidad en la calidad. Motivaciones de las personas. Evita ambientes peligrosos o dainos, elimina trabajos montonos y repetitivos, agiliza tareas de inspeccin que resultan cuellos de botella en la produccin. Evita errores debidos al juicio del operador, cansancio y falta de atencin. Motivaciones varias. Automatiza el registro de datos de control de calidad y permite obtener estadsticas ms rpidamente. Proporciona seales de retroalimentacin basadas en anlisis de tendencias para controlar los procesos de manufactura. Funciona como los "ojos" de la automatizacin.
III.3. PROCESAMIENTO DEL LENGUAJE NATURAL III.3.1. INTRODUCCIN El procesamiento del lenguaje natural o simplemente P.L.N. es un rea de inteligencia artificial que estudia y desarrolla sistemas que permiten interpretar y generar un lenguaje natural, es decir, el lenguaje utilizado por los humanos (en contraposicin a los lenguajes computacionales, es decir, artificiales), ya sea en portugus, espaol, ingls o cualquier otra lengua. Al abordar las dificultades del P.L.N. intentaremos responder a la pregunta del ttulo para mostrar que la comunicacin con una mquina es mucho ms compleja de lo que uno se imagina. La comprensin y generacin automtica del lenguaje natural an est muy lejos de volverse una realidad, y no podemos prever cundo esto va ocurrir. Ya existen varias aplicaciones originadas de investigaciones en este campo, sin olvidar su importancia intrnseca en cuanto a sus aplicaciones, que sirven como pasos iniciales para la comunicacin con la computadora. Entre las aplicaciones ms sofisticadas, desde el punto de vista de la comprensin y la generacin automtica, se destacan los sistemas para dominios especficos, es decir, sistemas que generan textos en lenguaje natural sobre un determinado asunto en una cierta rea del conocimiento. A esa clase pertenecen los sistemas especializados que ofrecen diagnsticos mdicos en forma automtica (en forma de texto), con base en informaciones obtenidas sobre el paciente. Debe resaltarse que estos textos no son simplemente extrados de mensajes previamente almacenados (scanned text), como es usual en las comunicaciones entre una computadora y los usuarios. Por ejemplo, supongamos que un usuario desea localizar dos archivos en un directorio determinado. Si los archivos no fuesen encontrados, recibir un mensaje del tipo ``sus archivos no fueron encontrados'', ya que este mensaje estara almacenado en la memoria de una computadora para ser exhibida en tales situaciones. Por otro lado, es posible que los archivos estuviesen en otros directorios. Si la computadora pudiese comprender realmente lo que se le est solicitando, podra buscar los archivos, y su respuesta podra ser algo como ``sus archivos estn en el directorio X'' o `èl archivo A est en el directorio X'', o `èl archivo B est en el directorio Y''. Podemos percibir que, para ofrecer tales mensajes, la computadora, adems de tener la informacin
sobre la localizacin de los archivos en los directorios, debera ser capaz de `òriginar'' las oraciones a ser exhibidas, inclusive un conocimiento de gramtica de la lengua, para respetar las reglas de ``concordancia nominal o verbal'', por ejemplo. Aqu sera bueno hacer una advertencia sobre las noticias frecuentemente aparecidas en los medios de comunicacin, que muestran a los sistemas computacionales inteligentes, capaces de reconocer la voz humana y obedecer comandos hablados. Esos sistemas son, generalmente, restringidos a un conjunto bastante pequeo de comandos que tienen su valor sobre todo por el procesamiento de sonido en el reconocimiento de los fonemas de un cierto usuario que habla en determinada lengua, y no por el procesamiento del lenguaje natural. El mito de que la solucin para la comunicacin en lenguaje natural est cerca de ser resuelto, tambin se extiende a la traduccin automtica, rea investigada desde hace varias dcadas, que consiste en la traduccin de textos de determinada lengua a otra. Debe resaltarse nuevamente que los traductores automticos existentes, tambin actan en dominios limitados. Por dominio limitado se entiende un rea particular del conocimiento con un nmero finito y pequeo de palabras, generalmente utilizadas en contextos nicos, sin dar margen a ambigedades, que son comunes en el uso diario de la lengua. Tales ambigedades se resuelven fcilmente en una conversacin entre humanos, en general a travs de un anlisis (tal vez inconsciente) del contexto, lo que constituye un enorme problema para el tratamiento automtico de la lengua. Por ejemplo en la expresin `èl hombre vio una mujer en la montaa con binculos'', no hay duda para un humano, de quin estaba usando los binculos, pero ciertamente una mquina necesitara tener mucho conocimiento para inferir que era el hombre quien usaba los binculos. <http://www.smf.mx/boletin/Jul-98/articles/speak.html>.
III.3.2.
APLICACIONES
DEL
PROCESAMIENTO
DE
LENGUAJE
NATURAL El objetivo final del tratamiento automtico del lenguaje natural seala el deseo de que sus usuarios puedan comunicarse con la computadora a travs del lenguaje cotidiano, es decir el usado diariamente, y no a travs de lenguajes limitados que requieren de cierto
entrenamiento especfico, como seran los llamados lenguajes de programacin. Si eso fuese posible, cualquier persona podra delegar tareas a las computadoras o trabajar conjuntamente con ellas, sin necesidad de entrenamiento previo. As es como suponan los hechos los autores de ciencia ficcin de algunas dcadas atrs. Sin embargo, existen muchas otras aplicaciones posibles de la computadora en la vida cotidiana realizadas por usuarios sin experiencia que pueden beneficiarse del P.L.N. Tal vez un beneficio importante es la creciente utilizacin de la computadora en la educacin. Ese tema ha sido abordado ampliamente en los pases ms desarrollados, debido principalmente a la preocupacin de encontrar formas eficaces de ayuda en el aprendizaje. Se han hecho crticas vehementes a dichos trabajos, principalmente porque la manera en que son abordados consisten tan slo en transferir material didctico de libros, pelculas, etc. a un medio electrnico. De hecho, si quisiramos convertir una computadora en una herramienta eficiente de apoyo a la enseanza, debe irse ms all de producir interfaces agradables y bonitas, y navegar en el universo de los procesos de adquisicin del conocimiento de los usuarios aprendices. Auxiliar a los alumnos en el proceso de alfabetizacin, en el aprendizaje de una lengua extranjera o en el propio proceso de escribir textos, es una tarea bastante compleja. Una forma de utilizacin ms especfica de las computadoras asociadas al procesamiento de textos en lenguaje natural es respecto a las herramientas de auxilio en la escritura. Se han creado varias herramientas de software como auxiliar en la escritura de diversos tipos de texto que incluyen artculos cientficos. En general, las herramientas pueden ser clasificadas en tres categoras: herramientas de pre-procesamiento de texto, mediante las cuales la computadora ofrece soporte para que un escritor organice sus ideas relativas a lo que va a escribir (actividad denominada en ingls brain storming); herramientas de post-procesamiento de texto, que ofrecen ayuda en la correccin y/o revisin de un texto anteriormente preparado; y, los llamados ambientes de auxilio a la escritura (conocidos como Computer- Aided Writing Environments). Estos ltimos son ms sofisticados, y generalmente engloban herramientas de pre y post procesamiento, adems de las herramientas adicionales capaces de auxiliar al escritor para transformar sus ideas iniciales en texto.
Otra aplicacin del P.L.N. radica en el auxilio para la escritura de un texto en lengua extranjera. Por ejemplo, la necesidad que tienen los cientficos de escribir en ingls gener un proyecto en la Universidad de So Paulo, campus de So Carlos, Brasil, para el desarrollo de herramientas que auxiliasen a los escritores, cuya lengua madre no es el ingls, a escribir artculos cientficos en esa lengua. En estas herramientas lo que se busca es ofrecer partes de texto, contextualizados, para evitar que el cientfico haga una ``traduccin'' del contenido del artculo al ingls, bajo una fuerte influencia de su lengua materna, que en el caso del portugus o espaol, presenta caractersticas distintas con relacin a la estructuracin de las oraciones, entre otras diferencias. Por ejemplo, la expresin ``Se observ un aumento en la poblacin'', podra ser traducida como `Ìt was observed an increase in the population'', manteniendo la estructura de la oracin original. Sin embargo, aunque sea correcta gramaticalmente, esta estructura difcilmente sera empleada por un ciudadano de lengua inglesa, que proba- blemente preferir la oracin: `Àn increase in the population was observed''. De entre las herramientas de software de auxilio a la escritura, ciertamente las ms desarrolladas son las de post-procesamiento, es decir, los revisores ortogrficos y gramaticales, muchos de los cuales ya estn en el mercado desde hace varios aos, principalmente para textos escritos en ingls. Estos revisores detectan, en primera instancia, errores ortogrficos provenientes principalmente de fallas de digitacin. Ese tipo de revisores son bastante simples conceptualmente, pues basta comparar las palabras del texto con las de un banco de palabras mantenido en la memoria de la computadora y verificar si existen. La nica dificultad estara, entonces, en la necesidad de almacenar un gran nmero de palabras y realizar consultas al banco de datos de manera rpida. Estos problemas ya fueron superados y los revisores ortogrficos disponibles son bastante eficientes, inclusive ofrecen sugerencias de palabras alternativas a aquella palabra no encontrada, generalmente a travs de un anlisis de similitud entre las palabras buscadas y las palabras que estn disponibles en el banco de datos. Adems de la revisin ortogrfica, existen revisores que detectan errores de mala formacin de oraciones y de concordancia, entre otros. Para la deteccin de este ltimo tipo de errores, hay que ofrecer un conocimiento previo al sistema computacional que deba ser capaz no slo de reconocer las palabras del texto, sino tambin categorizarlas, es decir, dada una palabra, es necesario verificar si esa palabra es un
sustantivo, adjetivo o verbo, si fuese sustantivo, si es masculino, singular, etc. El revisor debe tener tambin un conocimiento de las reglas gramaticales de la lengua en cuestin. A pesar de los enormes avances alcanzados hasta ahora, todava hay mucho que hacer para que la revisin automtica se aproxime a aquella que puede ser hecha por un humano competente en el uso de la lengua. Ms adelante abordaremos en detalle los problemas y soluciones adoptadas en el desarrollo de un revisor para portugus de Brasil y se ilustrarn sus limitaciones. A pesar de ser reciente el inters en el desarrollo de revisores gramaticales, desde el punto de vista de mercado de software, el procesamiento de lenguaje natural en lengua portuguesa, fue iniciado hace muchos aos, casi siempre en trabajos de tipo acadmico. Por esa razn, los tpicos abordados en general tenan un alto grado de complejidad, pues atacaban fenmenos lingsticos de difcil tratamiento, inclusive para los humanos. Son ejemplo de ello los tratamientos de ambigedades, problemas de orden semntico y omisiones de palabras que pueden ser rescatadas en el contexto en que se dan. Considere el ejemplo `Èl hombre volvi de la guerra. Estaba enflaquecido'' Si bien la frase no sea explcita en la segunda oracin, es fcil (para un humano) percibir que el sujeto de la segunda oracin es el mismo ``hombre'' mencionado en la primera frase. Sin embargo, esa conclusin est lejos de ser obvia para un sistema automtico de tratamiento de lenguaje natural y aun hoy presenta serios problemas para un sistema de correccin. Algunos aos atrs una dificultad adicional era la restriccin de los recursos computacionales, en trminos de hardware, capacidad de memoria, etc., mucho ms limitados que los actuales. Eso significa que problemas de fcil solucin, no la tenan hace 5 10 aos. Los algoritmos de bsqueda, extremadamente eficientes, antes indispensables en ciertas situaciones, hoy pueden no ser tan relevantes para esas mismas situaciones. Para darnos una idea de la evolucin de la capacidad computacional, herramientas como el Revisor Gramatical que se presenta a continuacin, actualmente pueden ser utilizados en microcomputadoras tipo PC, mientras que los primeros revisores en la dcada de los ochentas requeran computadoras mainframes para ser ejecutados, lo que restringa severamente su utilizacin en contextos reales. Al hacer una comparacin gramatical, por ejemplo en ingls, en principio se deben esperar dificultades mayores que en el procesamiento de un texto en portugus o espaol.
La semejanza de la lengua espaola y otras lenguas latinas, hace que la lengua portuguesa utilice ms tiempos verbales y flexiones de los sustantivos y adjetivos que la lengua inglesa. Otro factor que hace ms complicado el asunto est en las mltiples posibilidades de estructuracin de una oracin determinada. Entre otros ejemplos, se puede citar la alternancia de posiciones entre sustantivo y adjetivo, que puede llevarnos hasta un cambio en el sentido de la oracin. se es el caso de la expresin ``hombre grande'' que tiene un significado diferente cuando decimos ``grande hombre''. Otra dificultad, ahora comn en muchas lenguas, es la existencia de la polisemia (una misma palabra puede tener varios significados diferentes), o bien de homografa (palabras diferentes pueden ser escritas de la misma manera). El fenmeno conocido como polisemia puede ser ilustrado por la palabra portuguesa cadeiras (silla), tanto en plural como singular, que puede expresar tambin la parte inferior del cuerpo humano (caderas). En cuanto a la homografa puede ejemplificarse por medio de las palabras governo (gobierno en portugus) sustantivo masculino, y governo, primera persona de indicativo del verbo gobernar. Esos dos fenmenos generan un gran nmero de ambigedades, muchas veces slo esclarecidas cuando las asociamos en un contexto. Sin embargo, un anlisis de este ltimo casi siempre es impracticable para los sistemas de tratamiento de lenguaje natural, por lo menos en su estado actual de desarrollo. Eso porque tal anlisis exigira un conocimiento del ``mundo'' que no es fcilmente ``colocado'' en un sistema computacional, a no ser, como ya mencionamos, en contextos de dominios limitados. <http://www.smf.mx/boletin/Jul-98/articles/speak.html>.
GLOSARIO
Algoritmo : Conjunto de reglas bien definidas para la resolucin de un problema. Un programa de software es la trascripcin, en lenguaje de programacin, de un algoritmo.
- Autmata : Mquina que imita la figura y los movimientos de un ser animado. Base de Datos : Conjunto de datos organizados que se puede editar y gestionar para buscar informacin o trabajar con ella.
Ciberntica: Ciencia que estudia el diseo de mquinas automticas o robots con objeto de dotarles de inteligencia humana.
Dato Booleano : Es aquel que puede tomar slo dos valores posibles Falso o Verdadero para operar.
Deep Blue : Computadora capas de jugar ajedrez. Derroto al campen mundial Gary Kasparov en 1997.
Hardware : Es la parte fsica de una computadora, ya sea interna como el microprocesador o externo como la impresora.
Heurstica : Trata de mtodos o algoritmos exploratorios durante la resolucin de problemas en los cuales las soluciones se descubren por la evaluacin del progreso logrado en la bsqueda de un resultado final.
LISP : Lenguaje de programacin que sirve como herramienta de modelado de programas para la Inteligencia Artificial.
Microordenador : Sin. De Microcomputadora. Ordenador : Sin. de Computadora. Programa : Secuencia de instrucciones correspondientes a un algoritmo. Prolog : Es un lenguaje de programacin que es usado para resolver problemas que envuelven objetos y las relaciones entre ellos.
Software : Son todos los programas que se utilizan para el funcionamiento total de una computadora.
CONCLUSIONES
Si bien es cierto el hombre desde ya hace muchos siglos atrs a intentado dar vida artificial a otros seres, en la actualidad no lo a conseguido del todo. La Inteligencia Artificial es una rama del conocimiento que se encarga del estudio de los mtodos ms
adecuados para lograrlo, son grandes los avances que se han alcanzado en algunas reas pero no tan grandes en otras. Algn da seremos desplazados por mquinas inteligentes?, hay quienes piensan que si y quienes piensan que no, la verdad es que de cierta manera ya hemos sido reemplazados en algunos trabajos se son muy peligrosos o demasiado desgastantes para el ser humano, aunque estas mquinas realizan sus trabajos todava manejadas por un operador humano o un programa simple de computadora, en un futuro tal vez no muy lejano tendrn la capacidad de hacerlo por si mismas y slo dependern de nosotros para su mantenimiento o tal vez no -. No hay que olvidar que la I.A. no slo esta presente en los robots, tambin lo estar en automviles capaces de manejarse por si mismos y regular la velocidad de acuerdo al estado de animo de su conductor, en casas capaces de saber donde se encuentran sus habitantes, administrar luz, gas y dems quehaceres, en fin, existen gran nmero de aplicaciones destinadas a estos propsitos, pero slo el tiempo dir hasta donde nos ser posible llegar en nuestro afn de dar vida artificial a seres inanimados. Por el momento la I.A. es una herramienta mas del hombre, pero tal vez en el futuro el hombre slo sea una herramienta para la I.A., eso depender de nosotros.
BIBLIOGRAFIA
http://www.monografias.com/trabajos12/inteartf/inteartf.shtml http://www.dcc.uchile.cl/~abassi/Cursos/IA/Apuntes/apuntes.html http://www.monografias.com/trabajos10/intelart/intelart.shtml http://www.hemerodigital.unam.mx/ANUIES/itam/estudio/estudio10/sec_16.html http://www.imagia.com.mx/hmm/va/VAhist.html http://www.unesco.org/courier/2000_12/sp/medias.htm
http://www.itlp.edu.mx/publica/boletines/actual/inteligencia.html
http://www.servitel.es/inforsalud97/41/41.htm
http://www.dc.uba.ar/people/materias/aa/ http://www.uam.es/personal_pdi/psicologia/adarraga/studs/Xerxes/Pag5.html http://www.dwcolombia.com/orbita/concepto.html http://www.control-automatico.net/recursos/articulos/art085.htm http://www.geocities.com/SiliconValley/Pines/7894/introduccion/expertos.html http://www.informaticaintegral.net/sisexp.html http://www.esi2.us.es/~dco/sistemas.htm http://www.geocities.com/neb22002/nebiap.html http://www.geocities.com/loboduke2001/Aplicaciones.html www.honda.co.jp/english/technology/robot http://www.robotics.freeservers.com/robothoy.htm http://www.smf.mx/boletin/Jul-98/articles/speak.html http://www.lania.mx/spanish/actividades/newsletters/1999-primaveraverano/aplicaciones.html http://verona.fi-p.unam.mx/fardi/pagina/VISONCOM.htm

Inteligencia Artificial

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Inteligencia Artificial

Încărcat de

Drepturi de autor:

Formate disponibile

Por DMoZ

2. Facultad de conocer, analizar y comprender

Artificial 1. Adj. Hecho por el hombre. No natural, falso, ficticio

Lingstica Ciencias de la Computacin <http://cruzrojaguayas.org/inteligencia/>.

Fig. 1 : Alan Mathison Turing (1912-1954).

Fig. 2 : Simbolizacin de la prueba de Turing.

I.2.2.2. EL GRUPO DE DARMOUTH

A continuacin un ejemplo, traducido, de interaccin entre SIR y un usuario:

Fig. 3 : Imagen sobre la cual se lleva el sig. Anlisis.

A continuacin mostramos un ejemplo traducido:

II. RAMAS DE LA INTELIGENCIA ARTIFICIAL

Una computadora aprende de diferentes maneras:

Los paradigmas ms utilizados para el aprendizaje automtico son:

Tcnicas de modelado neuronal y de decisin Aprendizaje orientado a conceptos simblicos

Sistemas de aprendizaje de conocimiento con exploracin de varias tareas de aprendizaje

II.2. REDES NEURONALES ARTIFICIALES

- Elementos de procesamiento sencillos. - Alto grado de interconexin.

- Mensajes simples escalares. - Interaccin adaptable entre elementos.

II.2.4. CARACTERSTICAS DE LAS REDES NEURONALES ARTIFICIALES

II.2.5. APLICACIONES DE LAS R.N.A.

II.2.7. CONFIABILIDAD DE LAS R.N.A.

II.4.4. CARACTERSTICAS DE LOS SISTEMAS EXPERTOS

III. RAMAS DE LA INTELIGENCIA ARTIFICIAL (PARTE II)

III.1.4. CLASIFICACIN DE LOS ROBOTS

III.1.5. APLICACIONES DE LA ROBTICA

S-ar putea să vă placă și