Vous êtes sur la page 1sur 49

SEP

SNEST

DGEST

INSTITUTO TECNOLGICO DE TOLUCA

PROTOCOLO DE INVESTIGACIN

INTELIGENCIA ARTIFICIAL SISTEMAS INTELIGENTES QUE ACTAN RACIONALMENTE EN LA INDUSTRIA.

TALLER DE INVESTIGACIN II Ing. Mecatrnica Presenta: Lpez Velasco Juan Carlos Moreno Flores Gonzalo Abib Tipo de curso : NORMAL 10280708 10281329

Asesora: Garca Rojas Blanca Rosa

ndice:
Prologo.....3 Resumen.....4 Introduccin.....5 Antecedentes......6 Marco referencial....9 Objetivos....13 Hiptesis14 Metas.........15 Metodologa......16 Captulo I18 Capitulo II......23 Capitulo III.38 Recoleccin de datos......47

Prologo
El siguiente trabajo se enfoca en dar a conocer el tema de inteligencia artificial, sistemas que actan racionalmente y sus aplicaciones dentro de la industria, que, consta de cuatro captulos en los que, el primero de ellos se centrara dar a conocer el desarrollo de estos sistemas a y su implementacin en la industria a lo largo del tiempo desde sus orgenes. En el segundo captulo abarcaremos los sistemas que actualmente son implementados en los procesos industriales as como sus ventajas, desventajas y limitaciones, con el propsito de tener bases slidas para los captulos siguientes, que trataran sobre el desarrollo de las partes esenciales para crear un conocimiento que puedo ser implementado y/o ayudar a comprender ms los procesos de los sistemas de inteligencia artificial.

Resumen
Como se sabe en la actualidad las industrias del mundo moderno van creciendo a pasos gigantes en cuanto se refiere a tecnologa y van implementando nuevos sistemas para mejorar la produccin y calidad de sus productos. Pero habr forma de que estas industrias puedan echar mano de la inteligencia artificial? , ser que al implementarla de verdad mejorara la industria?, bueno esa ser la respuesta que buscaremos en esta investigacin, ya que trabajaremos con inteligencia artificial aplicada en las industrias y con la investigaciones nos podremos dar una idea de los beneficios que trae implementar esta disciplina y las desventajas de la misma. Hoy en da las industrias estn prescindiendo mucho de los recursos humanos y estn automatizando casi todos los aspectos de sus procesos. Es por esta razn que la inteligencia artificial es una opcin muy viable para la innovacin de los procesos ya que es capaz de superar el razonamiento humano y a comparacin de los seres humanos no hay fatiga por varias horas laborales. En varias empresas ya se sabe mucho de la implementacin de estos sistemas de inteligencia artificial, sistemas que pueden a hacer un revisin de la calidad un producto hasta tomar decisiones para la industria. Mas sin embargo nosotros nos enfocaremos a algunas industrias de la ciudad de Toluca para saber los beneficios que puede traer esta tecnologa. Se realizara en esta investigacin el completo funcionamiento de esta ciencia, se analizara las ventajas y desventajas de su uso en la industria y si se puede emplear para mejorar algn proceso y tomar las decisiones correctas para la empresa, por lo que ser necesario comprender como es que estos sistemas funcionan y sus tipos de sistemas que existen.

Introduccin
La IA es una rama de las ciencias computacionales encargada de estudiar modelos de cmputo capaces de realizar actividades propias de los seres humanos en base a dos de sus caractersticas primordiales: el razonamiento y la conducta. Existen distintas definiciones de IA de acuerdo a distintos enfoques; algunas de estas definiciones se muestran a continuacin La interesante tarea de lograr que las computadoras piensen ... mquinas con mente, en su amplio sentido literal. (Haugeland, 1985) La automatizacin de actividades que vinculamos con procesos de pensamiento humano, actividades tales como la toma de decisiones, resolucin de problemas, aprendizaje (Bellman, 1978) El estudio de las facultades mentales mediante el uso de modelos computacionales. (Charniak y McDermott, 1985). El estudio de los clculos que permiten, razonar y actuar. (Winston, 1992). El arte de crear mquinas con capacidad de realizar funciones que realizadas por personas requieren de inteligencia. (Kurzweil, 1990). El estudio de cmo lograr que las computadoras realicen tareas que, por el momento, los humanos hacen mejor. (Rich y Knight, 1991). Un campo de estudio que se enfoca a la explicacin y emulacin de la conducta inteligente en funcin de procesos computacionales. (Schalkoff, 1990). La rama de la ciencia de la computacin que se ocupa de la automatizacin de la conducta inteligente. (Luger y Stubblefield, 1993). Las definiciones mostradas estn asociadas a cuatro caractersticas fundamentales: las de la parte superior se refieren a los procesos de la mente y el razonamiento, mientras que los de la parte inferior hacen alusin a la conducta. Por otro lado, las definiciones de la izquierda evalan la condicin deseable en funcin de la eficiencia humana, mientras que las de la derecha lo hacen en base al concepto de inteligencia ideal denominado racionalidad. En estas definiciones se hace especial enfoque hacia las facultades mentales y su relacin con las actividades realizadas por los seres humanos por medio de sistemas de cmputo.

Antecedentes.
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 psicologa: Descartes, Hobbes, Leibniz, y el mismo Hum se refirieron a la mente humana como una forma de mecanismo. Durante el siglo XIX y la primera mitad del XX, las analogas biolgicas y fenomenolgicas desplazaron a la nocin de mecanismo en el estudio de la mente humana. Sin embargo, a partir de la segunda mitad de nuestro siglo, la nocin de mecanismo renov su poder heurstico con la formalizacin de la nocin de "computacin". Como algunas mquinas, especialmente las calculadoras, se disearon para evitar el tener que pensar y para hacer el pensamiento ms rpido y exacto, fue inevitable que desde sus orgenes las calculadoras, y ms adelante las computadoras, se relacionaran con la inteligencia y el pensamiento enfatizando sus similitudes. La IA fue introducida a la comunidad cientfica en 1950 por el ingls Alan Turing en su artculo "Maquinaria Computacional e Inteligencia." A pesar de que la investigacin sobre el diseo y las capacidades de las computadoras comenzaron algn tiempo antes, fue hasta que apareci el artculo de Turing que la idea de una mquina inteligente cautiv la atencin de los cientficos. La pregunta bsica que Turing trat de responder afirmativamente en su artculo era: pueden las mquinas pensar? Los argumentos de Turing en favor de la posibilidad de inteligencia en las mquinas, iniciaron un intenso debate que marc claramente la primera etapa de interaccin entre la IA y la psicologa. Los debates en aquella poca se centraron en el anlisis de la serie de problemas implicados en la aplicacin de trminos mentalistas a las computadoras. La intencin de Turing no era la de usar estos trminos como analogas sino la de eliminar la distincin entre inteligencia natural e inteligencia artificial. Dos de las contribuciones ms importantes de Turing a la IA fueron el diseo de la primera computadora capaz de jugar ajedrez y, ms importante que esto, el establecimiento de la naturaleza simblica de la computacin. El trabajo de Turing, quien falleci prematuramente, fue continuado en los Estados Unidos por John Von Neumann durante la dcada de los cincuentas. Su contribucin central fue la idea de que las computadoras deberan disearse tomando como modelo al cerebro humano. Von Neumann fue el primero en 6

"antropomorfizar" el lenguaje y la concepcin de la computacin al hablar de la "memoria", los "sensores", etc., de las computadoras. Construy una serie de mquinas utilizando lo que a principios de los cincuentas se conoca sobre el cerebro humano, y dise los primeros programas almacenados en la memoria de una computadora. Sin embargo, esta lnea de investigacin pronto encontr serias limitaciones. La concentracin en la imitacin de la constitucin fsico-qumica del cerebro, no permiti ver, a Von Neumann y sus seguidores, que la analoga sera mucho ms eficiente si se estudiaran las funciones del cerebro, es decir, sus capacidades como procesador de informacin. Corresponde a McCulloch, a mediados de los cincuentas, formular una posicin radicalmente distinta al sostener que las leyes que gobiernan al pensamiento deben buscarse entre las reglas que gobiernan a la informacin y no entre las que gobiernan a la materia. Esta idea abri grandes posibilidades a la IA. En esta lnea, Minsky (1959), uno de los padres fundadores de la IA, modific su posicin y sostuvo que la imitacin del cerebro a nivel celular debera ser abandonada. Es ms o menos en esta poca que ocurre un evento que organizara y dara un gran impulso al desarrollo de la IA: el congreso en Darthmouth (1956). En este congreso, en el que se reunieron los padres fundadores de la disciplina, se lleg a la definicin de las presuposiciones bsicas del ncleo terico de la IA: 1. El reconocimiento de que el pensamiento puede ocurrir fuera del cerebro, es decir, en mquinas 2. La presuposicin de que el pensamiento puede ser comprendido de manera formal y cientfica 3. La presuposicin de que la mejor forma de entenderlo es a travs de computadoras digitales Desde fines de los cincuentas la investigacin en IA se expande y se multiplica en direcciones diversas. La capacidad simblica de las computadoras es estudiada, entre otros, por Shanon (1950) y por Newell, Shaw y Simon (1958) quienes disean el primer programa inteligente basado en su modelo de procesamiento de informacin. Este modelo de Newell, Shaw y Simon habra de convertirse pronto en la teora dominante en psicologa cognoscitiva. Algunos investigadores se dedicaron al estudio de la naturaleza del aprendizaje en las computadoras y a los procesos de reconocimiento de patrones visuales. Como resultado de ello Selfridge y Dinneen consiguen disear el primer programa capaz de aprender por experiencia (ver McCorduck, 1979). Basndose en los estudios sobre memoria asociativa, el equipo Newell-ShawSimon construy los primeros lenguajes de procesamiento de informacin (IPL7

I, IPL-II) utilizados en el diseo de su "Logic Theorist Machine" que se convirti en la primera mquina "inteligente". Esta mquina fue capaz no slo de memorizar y aprender, sitio que consigui demostrar de una manera original y "creativa", es decir no prevista por sus creadores, algunos de los teoremas propuestos por Bertrand Russell en los Principios (Russell and Whitehead, 1925). Desde sus orgenes la IA se relacion con juegos como el ajedrez y las damas, probablemente debido a que los juegos de mesa constituyen modelos de situaciones reales en las que hay que calcular, solucionar problemas, tomar decisiones, corregir errores, recordar, etc. A pesar de que esta lnea de investigacin ha sido casi totalmente abandonada en la actualidad, muchos de los avances tericos y metodolgicos de la IA se deben a ella. Por ejemplo, Samuel dise en 1961 un programa que jugaba damas y que era capaz de aprender de sus errores, es decir, era capaz de adaptar su comportamiento en relacin a eventos pasados. Lo pasmoso de este programa fue que, aunada a su capacidad de aprendizaje la de memoria, con el tiempo consigui derrotar invariablemente a su creador. El mismo resultado fue obtenido por Bernstein a travs de un programa que jugaba ajedrez (Boden, 1977). Los grandes "retos" entre computadoras y seres humanos se multiplicaron, siendo el ms famoso de ellos el que ocurri entre Dreyfus (un enconado crtico de la IA) y el programa Machack, en el que Dreyfus fue derrotado en un juego de ajedrez de varias horas. A principios de los sesentas, la IA comienza una fase distinta de su desarrollo. 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 IA, 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 IA 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.. Hacia mediados de los sesentas la IA se convierte en un rea en la que se interesan e interactan especialistas de diversas disciplinas: lgicos, psiclogos, matemticos, lingistas, filsofos, etc. Uno de los grandes temas de IA en esta dcada fue el estudio del lenguaje. En la mayora de los estudios iniciales sobre lenguaje, se atac el problema de disear una mquina que fuera capaz de traducir de un idioma a otro. El nfasis se hizo en el anlisis de la sintaxis, en lugar del significado, estrategia que se abandon relativamente pronto. 8

Marco referencial.
Definicin de la Inteligencia Artificial. Sistemas que actan como humanos El estudio de cmo hacer computadoras que hagan cosas que, de momento, la gente hace mejor (Rich y Knight, 1991). Sistemas que piensan como humanos El esfuerzo por hacer a las computadoras pensar ... mquinas con mentes en el sentido amplio y literal (Haugeland, 1985). Sistemas que piensan racionalmente El estudio de las facultades mentales a travs del estudio de modelos computacionales (Charniak y McDermott, 1985). Sistemas que actan racionalmente Un campo de estudio que busca explicar y emular el comportamiento inteligente en trminos de procesos computacionales (Schalkoff, 1990). Sistemas que actan como humanos El modelo es el hombre, el objetivo es construir un sistema que pase por humano. Test de Turing: Si un sistema lo pasa es inteligente Capacidades necesarias: Procesamiento del Lenguaje Natural, Representacin del conocimiento, Razonamiento, Aprendizaje. No es el objetivo primordial de la IA pasar el test La interaccin de programas con personas hace que sea necesario que estos acten como humanos Sistemas que piensan como humanos El modelo es el funcionamiento de la mente humana, intentamos establecer una teora sobre el funcionamiento de la mente (experimentacin psicolgica). A partir de la teora podemos establecer modelos computacionales (Ciencias Cognitivas). Sistemas que piensan racionalmente Las leyes del pensamiento racional se fundamentan en la lgica La lgica formal est en la base de los programas inteligentes (Logicismo) Se presentan dos obstculos: 9

Es muy difcil formalizar el conocimiento Hay un gran salto entre la capacidad terica de la lgica y surealizacin prctica Sistemas que actan racionalmente Actuar racionalmente significa conseguir unos objetivos dadas unas creencias El paradigma es el agente Un agente percibe y acta, siempre segn el entorno en el que est situado Las capacidades necesarias coinciden con las del test de turing: Procesamiento del lenguaje natural, Representacin del conocimiento, razonamiento, aprendizaje, percepcin. Su visin es ms general, no centrada en el modelo humano. Es la IA posible? La posibilidad de la inteligencia artificial plantea problemas filosficos complejos Las maquinas pensantes poseen consciencia? La habitacin china, (Searle, 1980) Es la inteligencia una propiedad emergente de los elementos biolgicos que la producen? No hay una conclusin definitiva Bases de la Inteligencia Artificial Filosofa Leyes que gobiernan el pensamiento (lgica) La mente est ligada al mundo fsico El conocimiento es fruto de la percepcin(Induccin) Las acciones se basan en la conexin entre conocimiento y objetivos Aristteles Llull Descartes Leibniz Aristteles Russell Hume Bacon Bases de la Inteligencia Artificial Matemtica Matemtica Lgica Boole Frege Complejidad Gdel Turing Probabilidad Fermat Bernoulli Bayes Bases de la Inteligencia Artificial (III) Economa Cmo debemos tomar decisiones que nos beneficien? cuando el beneficio no es inmediato? Teora de la decisin/Teora de juegos/Investigacin operativa 10

Neurociencia Cmo procesa el cerebro la informacin? Neuronas/Especializacin del cerebro Psicologa Cmo piensan y actan las personas? Psicologa cognitiva/ciencias cognitivas: Teoras sobre la conducta, bases del comportamiento racional Bases de la Inteligencia Artificial (IV) Computacin Para la existencia de la IA es necesario un mecanismo para soportarlo (Hardware) Tambin son necesarias herramientas para desarrollar programas de IA Teora de control/Ciberntica Construccin de sistemas autnomos Lingstica Chomsky: Representacin del conocimiento, gramtica de la lengua Lingstica computacional reas de trabajo de la IA reas Bsicas Representacin del conocimiento Resolucin de problemas, Bsqueda reas Especficas Planificacin de tareas Tratamiento del Lenguaje Natural Razonamiento Automtico Sistemas Basados en el Conocimiento Percepcin Aprendizaje Automtico Agentes autnomos Robots autnomos Navegacin autnoma tecnologas asistidas planificacin, coordinacin, tiempo real, ...) tareas complejas (visin,

Reconocimiento de imgenes Caras imgenes mdicas Reconocimiento de escritura Reconocimiento de objetos Juegos de ordenador Bsqueda de caminos Estrategia Coordinacin, cooperacin, aprendizaje, adaptacin. 11

Sistemas de Diagnstico/Control/Diseo/Planificacin Procesos industriales Medicina Diseo industrial Logstica Procesos complejos Manufactura Inteligente EN MXICO: La Sociedad Mexicana de Inteligencia Artificial (SMIA) es una sociedad cientfica cuya misin es promover el cultivo y la aplicacin de la inteligencia artificial en la Repblica Mexicana. Agrupa tanto a profesionales como a acadmicos del rea, a quienes ofrece un marco organizacional y de gestin que les permite compartir y difundir sus proyectos de investigacin, docencia, vinculacin o difusin de la disciplina. Agrupa tambin, a travs de sus captulos nacionales, a estudiantes de nivel licenciatura o posgrado cuyos intereses los orienten a cultivar alguna de las reas de la inteligencia artificial. Para difundir la produccin de sus miembros, tanto en el mbito de la investigacin o desarrollo, como en el de la divulgacin, la SMIA tiene a su cargo diversas publicaciones y organiza anualmente el Congreso Internacional Mexicano de Inteligencia Artificial (MICAI), entre otras actividades. Las labores de la SMIA son coordinadas por la mesa directiva de la misma, cuyos miembros son elegidos cada dos aos.

12

Objetivo general:
Conocer y dar a conocer por medio de la argumentacin escrita, los aspectos negativos y positivos de los sistemas que actan racionalmente con el fin de crear reflexin en el pblico.

Objetivos especficos:
Comprender los sistemas que actan racionalmente. Prepararnos para la innovacin en el rea de inteligencia artificial.

13

Hiptesis:
Es muy probable que la implementacin de sistemas inteligentes en la industria sean muy eficaces, pero podra ser que la aceptacin de estos no tenga un impacto importante debido a todos los contras existentes tanto en los gremios como dentro de la organizacin de cual sea; de las industrias donde se quieran implementar.

Hiptesis nula
A su vez la realizacin de este proyecto solo es afn de obtener mayor informacin sobre la inteligencia artificial y tener un panorama ms amplio de su implementacin en las industrias del estado Mxico, por lo que si no se realiza no afectara en nada a las industrias, pero a nosotros como estudiantes estaremos perdiendo informacin que puede ser de utilidad en nuestro mbito laboral.

14

Metas
Una manera adecuada de recoleccin de informacin sobre este tema. Un planeacin del tiempo para esta investigacin adecuada o acorde a la bitcora de una forma

Un desarrollo de la investigacin formal y bien estructurada Obtencin de informacin valiosa que nos ayude en nuestra carrera para tener una mejor formacin

Tener una adecuada captura de informacin futuras

para investigaciones

Obtener el mayor conocimiento posible sobre los sistemas que actan racionalmente para en un futuro hacer uso de esta informacin o sistema.

15

Metodologa
Para abordar correctamente el anlisis de este proyecto de investigacin es necesario definir qu tipo de proyecto es y qu es lo que va a abarcar en este caso es una investigacin del rea documental y del tipo descriptiva ya que busca un anlisis, sntesis y entendimiento de la informacin obtenida para dar respuesta a la pregunta de investigacin. En primera instancia se busca explicar el comportamiento inteligente de los sistemas computacionales racionales, cuyo estudio est limitado a la industria del Estado de Mxico; Esto implica una investigacin detallada de la maquinaria usada en las distintas fbricas ubicadas en el Estado de Mxico, lo cual abarca una gran cantidad si tomamos en cuenta el parque industrial Toluca 2000 (cuenta con 150 fbricas aprox.), la zona industrial de G.M., Chrysler, NESTLE, BARCEL, BIMBO, etc. Al ver la gran cantidad de industrias a analizar se determin que no era viable, as que pasamos a la segunda opcin que era determinar los beneficios que traera la implementacin de estos sistemas en la industria.

La inteligencia artificial como tal est definida como aquellos sistemas que actan y piensan como lo hara un ser humano, de tal forma en que sean capaces de solucionar problemas y discernir que opcin es la mejor o la ms ptima para la tarea a realizar, si bien los sistemas con IA parecieran ser lo ms convenientes hablando en trminos de eficiencia, calidad de mano de obra, precisin entre otras ventajas, todava presenta algunas limitantes, las principales provenientes de la rama filosfica de la IA se refieren a que si una maquina posee un pensamiento racional esta desarrollara una conciencia o un pensamiento individualista que a la larga vuelva a los seres humanos obsoletos, o si bien se le puede llamar pensamiento racional a la programacin de la maquina ya que se piensa que la inteligencia y el raciocinio solo son posibles en elementos biolgicos, estos son las problemticas ms grandes que existen por el momento dejando de lado el punto de vista social que piensa que la IA es un riesgo para la humanidad debido a la idea de una posible rebelin entre otras cosas pertenecientes a la ciencia ficcin actual y al folklor colectivo sobre lo que es una IA. 16

En Mxico el estudio de la inteligencia artificial est a cargo de La Sociedad Mexicana de Inteligencia Artificial (SMIA) que si bien no se han dado grandes avances ha estudiado a la IA bastante bien, ahora si pensamos que si en Mxico sea benfico o no la implementacin de la IA en la industria tendramos que analizar las ventajas y desventajas que traera tomando en consideracin si habra o no incremento en la produccin, mejoras en la calidad del producto, estos seran los puntos buenos pero considerando como es la industria y sus maneras de mantener la mayor cantidad de capital en la zona de ganancias sabramos que el siguiente paso lgico despus de la implementacin de la IA seran los recortes de personal lo que aumentara la tasa de desempleo aunque esta opcin puede que no sea del todo cierta, aun representa un riesgo potencial y una desventaja ms para la IA, cabe sealar que el uso de operarios para la maquinaria aun ser necesaria ya sea para el mantenimiento o el anlisis de funcionabilidad que requeriran al ser nuevas tecnologas adems que experimentar con nuevos procesos en la fabricacin representa un riesgo para algunas industrias y que pocas estaran dispuestas a tomarlo en consideracin, ya sea por la falta de confiabilidad en datos estadsticos y el hecho de la falta de personal capacitado que entienda su comportamiento, esto representa grandes cantidades de inversin solo para renovacin de maquinaria y personal que si no resulta bien se convierten en perdidas, pero como las tecnologas usadas en la actualidad en algn momento eran solo datos estadsticos y teora y se convirtieron en sustento para la mayora de las industrias puede que con la IA pase lo mismo, dejando de lado sus desventajas y posibles impedimentos respecto a su investigacin e implementacin aun representa la epitome de la tecnologa actual y principal material de discusin para aquellos que gustan hablar sobre lo que nos depara el futuro alimentado nuestras fantasas sobre robots y casas inteligentes que puede que no estn tan lejos de nuestra realidad.

17

Captulo 1 Introduccin a la inteligencia artificial Qu es la inteligencia artificial? Se le llama a la rama de la informtica que desarrolla procesos que imitan a la inteligencia de los seres vivos. La principal aplicacin de esta ciencia es la creacin de mquinas para la automatizacin de tareas que requieran un comportamiento inteligente. Algunos ejemplos se encuentran en el rea de control de sistemas, planificacin automtica, la habilidad de responder a diagnsticos y a consultas de los consumidores, reconocimiento de escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IA actualmente son parte de la rutina en campos como economa, medicina, ingeniera y la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia como ajedrez de computador y otros videojuegos. 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 de idea 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, acuaron el trmino Inteligencia Artificial en 1956. La Inteligencia Artificial trata de conseguir que los ordenadores simulen en cierta manera la inteligencia humana. Se acude a sus tcnicas cuando es necesario incorporar en un sistema informtico, conocimiento o caractersticas propias del ser humano. Escuelas de pensamiento La IA se divide en dos escuelas de pensamiento, la inteligencia artificial convencional y la inteligencia computacional.

Inteligencia artificial convencional Basada en anlisis formal y estadstico del comportamiento humano ante diferentes problemas: Razonamiento basado en casos: ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos. Sistemas expertos: infieren una solucin a travs del conocimiento previo del contexto en que se aplica y de ciertas reglas o relaciones. Redes bayesianas: propone soluciones mediante inferencia estadstica. Inteligencia artificial basada en comportamientos: sistemas complejos que tienen autonoma y pueden auto-regularse y controlarse para mejorar. 18

Inteligencia artificial computacional La inteligencia computacional (tambin conocida como inteligencia artificial subsimblica) implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de los parmetros en sistemas conexionistas). El aprendizaje se realiza basndose en datos empricos. Algunos mtodos de esta rama incluyen: Mquina de vectores soporte: sistemas que permiten reconocimiento de patrones genricos de gran potencia. Redes neuronales: sistemas con grandes capacidades de reconocimiento de patrones. Modelos ocultos de Markov: aprendizaje basado en dependencia temporal de eventos probabilsticos. Sistemas difusos: tcnicas para lograr el razonamiento b ajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras. Computacin evolutiva: aplica conceptos inspirados en la biologa, tales como poblacin, mutacin y supervivencia del ms apto para generar soluciones sucesivamente mejores para un problema. Estos mtodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos genticos) e inteligencia colectiva (ej. algoritmos hormiga)

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

19

El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de explicar discrepancias entre ellas. Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a metas como en planificacin, o el diagnstico de tareas en un sistema del mundo real: con poca informacin, con una solucin cercana y no necesariamente exacta. Principales ares de la IA Las mquinas para ser consideradas inteligentes deben exhibir ciertas habilidades, suficientemente complejas como para ser tratadas como reas independientes. La forma de abordaje de cada una de estas reas suele ser tan dismil, que es difcil reconocerles un origen comn. 1- Procesamiento del Lenguaje Natural 2- Consulta inteligente de base de datos 3- Robtica 4- Programacin Automtica 5- Sistemas Expertos 6- Prueba automtica de teoremas y matemticas simblica 7- Problemas de optimizacin combinatorios y de itinerarios. 8- Percepcin y reconocimiento de patrones 9- Autoaprendizaje Cada una de estas reas desarrolla modelos y herramientas que en la mayora de los casos se apoyan en programas de computadora originando nuevas maneras de programarlas, esto da origen a nuevos modelos computacionales.

20

Estos nuevos modelos computacionales son los que permiten una nueva (distinta) forma de programar computadoras, y pasar de las formas algortmicas (o procedurales) a las formas no algortmicas (o declarativas). Se puede decir que se pasa del procesamiento de datos al procesamiento de conocimientos.

21

Estas nuevas formas de programar nos permite abordar problemas que de otra manera sera ms difcil o imposible abordarlos, hay algunos campos que ya han madurado lo suficiente como para desarrollar tcnicas y herramientas con las cuales se pueden abordar problemas en forma ms o menos rutinaria.

22

Capitulo II: Inteligencia artificial en la actualidad La Inteligencia Artificial (IA) ha tenido en los ltimos aos una implicacin cada vez mayor en el rea de desarrollo de software, tratando de alcanzar un slo objetivo: incorporar inteligencia en agentes no vivos y que sta sea muy similar a la de un ser humano. Ese anhelo por crear software que incorpore procesos que solamente la inteligencia humana puede realizar es un reto y se ha convertido en una actividad atractiva en la que muchos ya estn dando sus primeros resultados. La inteligencia artificial abre un mundo de posibilidades a quien conoce su potencial, ya que proporciona un amplio conjunto de mtodos, tcnicas y algoritmos que, mediante su estudio exhaustivo y cuidadoso, pueden ser incluidas en distintas aplicaciones financieras, educativas, de seguridad informtica, videojuegos, entre otras y que son muestra clara de la intervencin de la IA en nuestras actividades diarias. El desarrollo de Inteligencia Artificial permite aplicarla en proyectos que ayuden a ser capaces de ser desarrollados con software de alta complejidad tecnolgica a evolucionar al siguiente nivel. El pensamiento comn es que la inteligencia artificial no es de mucha ayuda para los problemas cotidianos, sin embargo esta opinion es erronea porque si se sabe utilizar de una manera correcta puede llegar a convertirse en un arma muy poderosa y una herramienta de mucha ayuda para las empresas. Por ejemplo, podemos desarrollar: Sistemas de toma de decisiones. Sistemas para realizar bsquedas complejas en un conjunto de datos de gran tamao Sistemas de reconocimiento de patrones de informacin, de voz, imgenes, seales, etc. Optimizar cualquier tipo de proceso encontrando mximos ptimos. Procesamiento de imgenes digitales. Resolver problemas complejos de clasificacin, agrupamiento. Procesamiento de grandes cantidades de Datos. Sistemas con aprendizaje automtico Entre otros Desarrollo de la inteligencia artificial Base de Conocimiento. Sistemas Basados en Conocimiento. Los mtodos generales desarrollados para la resolucin de problemas y tcnicas de bsqueda al inicio de la era de la Inteligencia Artificial demostraron no ser suficientes para resolver los problemas orientados a las aplicaciones, ni fueron capaces de satisfacer los difciles requerimientos de la investigacin. A este conjunto de mtodos, procedimientos y tcnicas, se lo conoce como Inteligencia Artificial Dbil. La principal conclusin que se deriv de este trabajo inicial fue que los problemas difciles slo podran ser resueltos con la ayuda del conocimiento especfico acerca del dominio del problema. 23

La aplicacin de estas ideas dio lugar al desarrollo de los denominados Sistemas Basados en Conocimiento (Knowledge Based Systems) y al aparecimiento de la Ingeniera Cognoscitiva, como una rama de la Inteligencia Artificial, que estudia los sistemas basados en el conocimiento. La definicin de un sistema basado en conocimiento puede ser la siguiente: Es un sistema computarizado capaz de resolver problemas en el dominio en el cual posee conocimiento especfico. La solucin es esencialmente la misma que hubiera dado un ser humano confrontado con idntico problema, aunque no necesariamente el proceso seguido por ambos puede ser igual. El simple concepto dado, puede causar confusin ya que muchos sistemas basados en programas convencionales podran ser incorrectamente categorizados como sistemas basados en conocimiento. Esta inconsistencia puede ser aclarada, sobre la base de tres conceptos fundamentales que distinguen a los sistemas basados en conocimiento de los programas algortmicos convencionales y de los programas generales basados en bsqueda: Inteligencia Artificial dbil. Primero, la separacin del conocimiento y el modo en que es usado. Segundo, la naturaleza del conocimiento empleado (heurstica antes que algortmica). Tercero, El uso de conocimiento especfico de un determinado dominio. Las caractersticas principales son: amplia difusin del conocimiento fcil modificacin respuestas coherentes disponibilidad casi completa conservacin del conocimiento capacidad de resolver problemas disponiendo de informacin incompleta capacidad de explicar los resultados y la forma de obtenerlos Los principales problemas asociados a este mtodo son: las soluciones no siempre son las mejores o correctas conocimiento limitado frente al dominio de un experto carecen del sentido comn o criterio que puede tener un experto es difcil extraer todo el conocimiento que maneja un experto.

Sistemas Expertos como Sistemas de Informacin Orientados al Servicio. Los principales mtodos de bsqueda en estructuras en rbol, que todava se emplean hoy en los programas de sistemas expertos, estaban ya disponibles en esos aos. Las primeras aplicaciones se hicieron en problemas fciles de describir, pero 24

complejos de resolver, como por ejemplo: juego de ajedrez y demostracin de teoremas matemticos. Los sistemas expertos orientados al servicio derivaron de la necesidad de resolver problemas cada vez ms complejos, con poca informacin estructurada y con resultados probables, donde uno de los caminos era encontrar la mejor solucin a un problema, no necesariamente la nica posible. Los hechos para una base de conocimiento deben ser adquiridos a partir de experiencias humanas a travs de entrevistas y observaciones. Este conocimiento es usualmente representada en la forma de reglas "if-then" (reglas de produccin): " si alguna condicin es verdadera, entonces la siguiente inferencia puede ser hecha (o alguna accin tomada)". La base de conocimientos de un sistema experto mejor incluye miles de reglas. Un factor de probabilidad es con frecuencia unido a las conclusiones de cada regla de produccin, porque la conclusin no es una certeza. Por ejemplo, un sistema para el diagnstico de enfermedades del ojo debe indicar, basado en informacin que apoye esto, un 90% de probabilidad de que una persona tiene glaucoma, y este puede tambin listar conclusiones con ms bajas posibilidades. Un sistema experto puede desplegar la secuencia de reglas a travs de las cuales ste llega a su conclusin. Trazar el flujo ayuda al usuario para apreciar la credibilidad de su recomendacin y es til como una herramienta de aprendizaje para estudiantes. Los expertos humanos frecuentemente emplean las reglas heursticas, o "regla del pulgar", adems de la simple produccin de reglas. Por ejemplo, un administrador de crdito puede saber que un solicitante con una historia pobre de crdito, con un registro limpio desde que adquiri un nuevo empleo, puede actualmente ser un buen sujeto de crdito. Los sistemas expertos han incorporado tales reglas heursticas e incrementndolas tienen la habilidad de aprender a partir de la experiencia. Sin embargo, los sistemas expertos son ms bien soporte o apoyo ms que reemplazos para los expertos humanos. Expertos. La meta conceptual de la industria moderna es la manufactura integrada por computador (CIM). Involucra diseo y desarrollo de ingeniera, manufactura, marketing y ventas, y todo el campo de soporte y servicios. El diseo asistido por computador (CAD) fue aplicado primero en la industria electrnica. Hoy ellos dan forma a las tcnicas de modelacin tridimensional para dibujo y manipulacin de objetos slidos en una pantalla y para derivar stos a programas de diseo de piezas y conjuntos, modelacin estructural y trmica, fabricacin en mquinas CNC (control numrico). Una vez que un producto es diseado, su proceso de produccin puede ser delineado usando sistemas de planificacin de procesos asistidos por 25

computador (CAPP) que ayuden a seleccionar secuencias de operaciones y condiciones de maquinado. Los modelos del sistema de manufactura pueden ser simulado por computadores antes de que sean construidos. Las funciones bsicas de la manufacturacin: maquinado, formado, unin, ensamble e inspeccin, son apoyados por el sistema de manufactura asistida por computador (CAM) y sistemas de manejo de material automatizado. El sistema de control de inventario busca mantener un ptimo stock de partes y materiales para controlar el movimiento del inventario, predecir los requerimientos e iniciar procedimientos de rdenes de compra. La sofisticacin tecnolgica de los sistemas de informacin de manufactura es impresionante y esto incluye incrementadamente aplicaciones robticas, visin de computador y sistemas expertos. Lo central en el concepto de CIM es una base de datos integrada que apoya a las empresas manufactureras y es conectada a otras bases de datos administrativas. En organizaciones de servicio no-manufacturero el tipo de sistemas de informacin que prevalece es el que apoya los procesos de transaccin. Transacciones son sets de entradas discretas, suministradas por usuarios en impredecibles intervalos, los cuales llaman a la base de datos buscando, analizando y modificando. El procesador evala el requerimiento y ejecuta ste inmediatamente. Partes de la funcin de procesamiento pueden ser llevadas a un terminal inteligente que distribuye el requerimiento en la carga computacional. El tiempo de respuesta (el lapso de tiempo entre el final de un requerimiento y el comienzo de la respuesta) es una caracterstica importante de este tipo de sistema de teleproceso en tiempo real. Los sistemas de transaccin por teleproceso constituyen la base de las industrias de servicio tales como bancarios, seguros, seguridad, transporte y bibliotecas. Ellos estn reemplazando el piso del mayor intercambio comercial de stock del mundo, conectando la ms amplia va de telecomunicaciones en lnea en un mercado financiero global. De nuevo, lo central en un sistema de transaccin es su base de datos integrada. El foco del sistema es el recipiente de servicios ms que el operador del sistema. Debido a esto, un agente viajero local es capaz de planear un itinerario completo de un viajero: incluyendo las reservaciones en aerolneas, hoteles, arriendo de autos, programas culturales y deportivos, e incluso restaurantes, en cualquier continente y ajustar stos al programa y presupuesto del viajero. Componentes: software computacional. de interfaz, base de datos, programa

Una relativamente nueva categora de sistemas de informacin orientada al servicio es el sistema experto, llamado as porque su base de datos guarda una descripcin de habilidades en la toma de decisiones de experiencias humanas en un estrecho dominio de procedimientos, tales como interpretacin mdica de imagen, impuestos, diseo de piping, configuracin de hardware en un sistema de computadores, equipamiento para reparar malfuncionamientos o, en la preparacin de cerveza. 26

La motivacin para construir sistemas expertos es el deseo de replicar el escaso, in estructurado y quizs el pobremente documentado conocimiento emprico de especialistas que de este modo puede ser rpidamente usado por otros. Un programa computacional que usa inteligencia artificial resuelve problemas en un dominio especializado que ordinariamente requiere experiencia humana. Los sistemas expertos ahora tienen aplicaciones comerciales en campos tan diversos como diagnstico mdico, ingeniera petrolera e inversin financiera. Para realizar tareas de aparente inteligencia, un sistema experto recurre a tres componentes: un software de interfaz, una base de conocimiento y un motor de inferencia. 1) El software de interfaz, mediante el cual el usuario formula preguntas a ste, el sistema experto solicita ms informacin desde el usuario y ste le explica al usuario el proceso de razonamiento empleado para llegar a una respuesta. 2) La base de datos, llamada la base de conocimiento que consiste de axiomas (hechos) y reglas para hacer inferencias a partir de esos hechos acerca del dominio del sistema. En el transcurso de las tres dcadas pasadas, la tecnologa para soportar el desarrollo de aplicaciones intensivas de datos tuvo una evolucin de cuatro generaciones, sistemas de archivos, sistemas de bases de datos jerrquicos, sistemas de bases de datos en red y sistemas de bases de datos relacionales. En todos los casos, la transicin de una generacin a otra, ha sido motivada por la necesidad de minimizar los costos de desarrollo (que escalan rpidamente), as como los de mantenimiento y mejora de programas de aplicacin. Los sistemas convencionales (relacionales y prerrelacionales) han servido para satisfacer las necesidades de aplicaciones del ambiente para el cual fueron diseadas, es decir, de procesamiento de datos en negocios, tales como control de inventario, nminas, cuentas por cobrar, etc. Sin embargo, tan pronto como esta tecnologa abandon los laboratorios de investigacin y registr su marca en el mercado, serias limitaciones comenzaron a ser expuestas. Una variedad de aplicaciones comenz a ser identificada como difcil para implantarse con el uso de sistemas de bases de datos relacionales. Estas nuevas aplicaciones incluyen diseo asistido por computador, ingeniera de software, gestin y administracin de procesos (CAD, CAE, CASE y CAM), sistemas basados en conocimiento (sistemas expertos y "shell" para sistemas expertos), sistemas multimedia que manejan imgenes, grficas, voz y documentos textuales; modelos estadsticos y cientficos y anlisis de programas, y sistemas de informacin geogrfica, entre otras. Con este nuevo esquema se presentan algunas dificultades atribuibles al modelo de datos que es una representacin lgica de datos, relaciones e 27

interaccin entre los datos . Un lenguaje de base de datos es una sintaxis para representar un modelo y operaciones con una semntica definida sobre el modelo de datos. Las aplicaciones requieren, muchas veces: a) facilidades para modelar y manejar entidades anidadas complejas (tales como diseo de objetos y documentos compuestos); b) un conjunto sofisticado de tipos de datos, por ejemplo, tipos de datos definidos por el usuario, y tipos grandes pero sin estructura (tales como imgenes, audio y documentos textuales); c) representacin de conceptos semnticos (tales como relaciones de generalizacin y agregacin); d) el concepto de evolucin temporal de datos (por ejemplo, dimensin temporal de datos y mantener versiones de datos); etc. Por otra parte, tambin se presentan importantes dificultades que no estn relacionadas con el modelo de datos. Algunas de estas aplicaciones requieren de cmputo altamente intensivo, con un gran volumen de datos en memoria residente, e imponen demandas de ejecucin que no pueden reunir los sistemas administradores de datos relacionales y de datos prerrelacionales. El ambiente de algunas de las aplicaciones tambin requiere de transacciones de larga duracin (por ejemplo, el objeto es tan grande que su actualizacin toma mucho tiempo), transacciones interactivas y cooperativas. Existen dos razones principales por las que la metodologa orientada a objetos es un slido fundamento para la nueva generacin de tecnologa de base de datos. Primero, un modelo de datos orientado a objetos puede representar no solamente los datos, las relaciones y la interaccin de datos de modelos de datos convencionales, sino tambin permite encapsular los datos y programas que operan datos con un protocolo definido y proporcionan una estructura uniforme para el trato de tipos de datos arbitrarios definidos por el usuario. Algunas relaciones en el modelo de datos, que son difciles en sistemas de bases de datos convencionales, son inherentes a un modelo de datos basados en objetos. Una segunda razn, es que a travs de la nocin de encapsulamiento y herencia, esta metodologa est fundamentalmente diseada para reducir la dificultad de desarrollo y evolucin de sistemas complejos de "software". Esto fue, precisamente, la meta que motiv a la tecnologa de administracin de datos, a transformar sistemas de archivos hacia sistemas de bases de datos relacionales. Un modelo de datos orientado a objetos satisface el objetivo de facilitar el diseo y desarrollo de bases de datos complejas, sofisticadas y muy grandes. Pero, muchos de los productos comerciales comunes poseen distintos grados de calidad en cuanto a desempeo y funcionalidad. Con frecuencia, los proveedores ofrecen solamente motores (mquinas) de Bases de Datos con interfaces propietarias para desarrollo de aplicaciones por los programadores; la inclusin de herramientas de desarrollo est comenzando a surgir. Segundo, la fuerza de un modelo de datos orientado a objetos es tambin su 28

debilidad. La riqueza de este modelo hace posible la generacin de unos ms complejos y sus relaciones con las aplicaciones de procesamiento de datos, introducen aspectos complejos que el usuario debe manejar. Tercero, no obstante el alto grado de desarrollo y experimentacin en lenguajes de programacin orientados a objetos y aplicaciones, todava no hay un consenso en la industria sobre la semntica de su paradigma que vaya ms all de un conjunto de conceptos de alto nivel sobre la programacin orientada a objetos, por lo que an no existen estndares en esta tecnologa. El programa computacional, llamado el motor de inferencia, ejecuta el proceso de hacer inferencias, interpreta y evala los hechos en la base de conocimiento para proveer una respuesta. La base de conocimiento es una estructura de reglas conectadas que aplica experiencias humanas, con frecuencia intuitivas, en la solucin de problemas. El proceso de adquisicin de tal conocimiento tpicamente tiene tres fases: Un anlisis funcional del ambiente, usuarios, y las tareas desarrolladas por el experto. Identificacin de los conceptos del dominio de experiencias y su clasificacin de acuerdo a varias relaciones. Una entrevista, por tcnicas humanas o automatizadas del o los expertos en el tema. Los resultados de estos pasos son traducidos en una llamada produccin de reglas (de la forma "si la condicin x existe, entonces la accin y sigue) y es guardado en la base de conocimiento. Cadenas de produccin de reglas forman las bases para las capacidades deductivas automatizadas del sistema experto y para su capacidad para explicar sus acciones a los usuarios. Los sistemas expertos son una variedad comercial de una clase de programas computacionales llamados sistemas basados en conocimiento. El conocimiento en sistemas expertos es altamente in estructurado, esto es, el proceso de solucionar problemas de un dominio no es manifiesto. Y es establecido explcitamente en relaciones o deductivamente inferidos desde la cadena de proposiciones. Dado que cada condicin que puede ser encontrada puede ser descrita por una regla, los sistemas expertos basados en reglas no pueden manejar eventos no anticipados, pero pueden evolucionar con el uso, y permanece limitado a un estrecho dominio de problemas. Otra variante de sistemas expertos, uno que no posee esta limitacin, emplea una base de conocimiento que consiste de descripciones estructuradas de situaciones, de problemas del mundo real y de decisiones actualmente hechas por expertos humanos. En medicina, por ejemplo, el registro de un paciente contiene descripciones de datos personales, exmenes fsicos y de laboratorio, diagnstico clnico, tratamiento propuesto, y los resultados de tales tratamientos. 29

Dada una gran base de datos con tales registros en una especialidad mdica, el mdico puede indagar acerca de eventos anlogos a los relacionados con el paciente. Esto en contraste con el sistema que idealmente intenta reemplazar al ser humano, ya que en casos como estos slo podra usarse este tipo de conocimiento como una herramienta que ayuda en la toma de decisiones. El software requerido para este tipo de sistemas se ha ido complicando con el tiempo ya que su desarrollo demanda tiempo, un buen equipo de programadores y un buen producto final. Se percibe este trabajo como una tarea para el ingeniero y consiste de: Identificacin y anlisis de los requerimientos del usuario. Desarrollo de las especificaciones del sistema (software y hardware). Diseo del software. Implementacin Testeo Mantencin Tareas tpicas para sistemas expertos involucran clasificacin, diagnstico, monitoreo, diseo, inventario y planificacin para esfuerzos especializados. Redes Neuronales. La Inteligencia Artificial simblica se basa en que todo conocimiento se puede representar mediante combinaciones de smbolos, derivadas de otras combinaciones que representan verdades incuestionables o axiomas. As pues, la Inteligencia Artificial tradicional asume que el conocimiento es independiente de la estructura que maneje los smbolos, siempre y cuando la 'mquina' realice algunas operaciones bsicas entre ellos. En contraposicin, los 'conexionistas' intentan representar el conocimiento desde el estrato ms bsico de la inteligencia: el estrato fsico. Creen que el secreto para el aprendizaje y el conocimiento se halla directamente relacionado con la estructura del cerebro: concretamente con las neuronas y la interconexin entre ellas. Trabajan con grupos de neuronas artificiales, llamadas Redes Neuronales. La estructura bsica de una neurona natural es: Para ver el grfico seleccione la opcin "Descargar" del men superior stas funcionan como sigue: Cada neurona puede tener infinitas entradas llamadas Dendritas que condicionan el estado de su nica salida, el Axn. Este Axn puede ir conectado a una Dendrita de otra neurona mediante la Sinapsis correspondiente, de la siguiente manera: El Axn da un nivel elctrico correspondiente a sus entradas y a la importancia que les da a cada una de ellas. De esta forma, una neurona puede no reaccionar ante un nivel muy alto de una de sus entradas, o dar una salida muy favorable cuando otra de ellas est mnimamente activa. 30

En las primeras etapas de nuestra vida, cuando realizamos el aprendizaje de nuestros cerebros, entrenamos nuestras neuronas mediante el xito o fracaso de una accin a unos estmulos sensoriales. Cuando cierta accin realizada en respuesta a alguna entrada sensorial es exitosa (por ejemplo, al beber agua calmamos la sed), las conexiones sinpticas entre un grupo de neuronas se fortalecen, de manera que cuando tengamos una sensacin sensorial parecida, la salida ser la correcta. De esta forma se forman fuertes conexiones entre grupos de neuronas, que pueden servir para realizar otras acciones complejas. El esquema de una neurona artificial es: Para ver el grfico seleccione la opcin "Descargar" del men superior Esta neurona funciona de la siguiente manera: cada entrada x tiene su peso asociado w, que le dar ms o menos importancia en la activacin de la neurona. Internamente se calcula la suma de cada entrada multiplicada por su peso: Para ver la frmula seleccione la opcin "Descargar" del men superior Con este valor de suma ponderada se calcula una funcin de activacin, que ser la salida que dar la neurona. Las dos funciones de activacin ms usada son el Escaln y la Sigmoidea: Para ver el grfico seleccione la opcin "Descargar" del men superior Principalmente se diferencian en que la Sigmoidea (llamada as por su forma de S) es diferenciable en todos sus puntos y la Escaln no. El Perceptrn unicapa. Un Perceptrn unicapa no es ms que un conjunto de neuronas no unidas entre s, de manera que cada una de las entradas del sistema se conectan a cada neurona, produciendo cada una de ellas su salida individual: Para ver el grfico seleccione la opcin "Descargar" del men superior Como se ha dicho, un conjunto de neuronas no sirve para nada si previamente no se le ensea qu debe hacer. Existen tres mtodos de aprendizaje para un Perceptrn: Supervisado, Por Refuerzo y No Supervisado. En el Aprendizaje Supervisado se presentan al Perceptrn unas entradas con las correspondientes salidas que se quiere ste aprenda. De esta manera la red primero, calcula la salida que da ella para esas entradas y luego, conociendo el error que est cometiendo, ajusta sus pesos proporcionalmente al error que ha cometido (si la diferencia entre salida calculada y salida deseada es nula, no se varan los pesos). En el Aprendizaje No Supervisado, solo se presentan al Perceptrn las 31

entradas y, para esas entradas, la red debe dar una salida parecida. En el Aprendizaje Por Refuerzo se combinan los dos anteriores, y de cuando en cuando se presenta a la red una valoracin global de como lo est haciendo.

El Perceptrn multicapa. Esta estructura naci con la intencin de dar solucin a las limitaciones del Perceptrn clsico o unicapa, y supuso el resurgimiento del movimiento conexionista. Como su nombre indica, se trata de un unos cuantos (dos o tres) perceptrones unicapa conectados en cascada, como en la siguiente figura: Para ver el grfico seleccione la opcin "Descargar" del men superior El problema de este tipo de Perceptrn est en su entrenamiento, ya que es difcil modificar correctamente los pesos de la capa oculta (la capa 1 en el ejemplo anterior). Para poder hacer aprender cosas a un Perceptrn de este tipo, se implement el algoritmo de BackPropagation, que tal como su nombre indica tiene la funcin de ir propagando los errores producidos en la capa de salida hacia atrs. El proceso de aprendizaje tiene un gran coste de tiempo. Debido a eso, todava no se ha estudiado a fondo. Las redes neuronales todava se han de desarrollar mucho. An se debe estudiar para qu sirven realmente, conocer en qu tareas pueden resultar realmente tiles, ya que por ejemplo, es difcil saber cunto tiempo necesita una red para aprender cierta tarea, cuntas neuronas se necesitan como mnimo para realizar cierta tarea, etc. Las redes neuronales pueden llegar a ser algo realmente importante, pero todava hace falta tiempo para estudiar cmo almacenan el conocimiento para desarrollar el hardware paralelo especfico que requieren. En la robtica, las redes neuronales tambin parecen prometer mucho, sobre todo en su sonorizacin, para que el robot sea capaz de generalizar lo que siente como estmulos individuales a considerar. Algunas aplicaciones. Un agente, tal como se ha definido anteriormente, puede ser usado de mltiples maneras en el entorno empresarial actual, por ejemplo: Este programa recupera datos especficos. Cuando el usuario indica el tipo de informacin que le interesa, Newstracker comprende el mensaje y, despus de revisar durante horas miles de artculos en peridicos, agencias de noticias o revistas conectadas a Internet, cada maana "edita" un peridico personalizado. Si la seleccin de noticias no satisface por completo al lector, Newstracker toma nota, rectifica y es capaz de aprender de sus errores. Una vez que haya 32

estudiado durante cierto tiempo los hbitos de lectura del usuario, le proporciona informacin a su medida. Los expertos definen a este sofisticado programa como un "asistente polivalente" de la primera generacin. Mind-it. Este servicio gratuito de Internet enva un mensaje por correo electrnico cada vez que una pgina web (u otro documento) ha sido actualizado. Permite seleccionar una parte de la pgina web para saber si ha sido actualizada. Notifica al usuario, de forma automtica, cundo un documento ha sido trasladado a otra direccin. Otro servicio parecido es Informant. Eliza. En 1966, Joseph Weizenbaum, del Instituto de Tecnologa de Massachusetts, cre un programa para estudiar el lenguaje de comunicacin entre el hombre y el computador. Fue programado para simular a un psicoterapeuta y contestar preguntas. El sistema Eliza es muy simple: analiza cada pregunta y proporciona una respuesta adecuada al contexto solicitado. Express. Este programa permite realizar mltiples bsquedas simultneas en diferentes buscadores, y localizar informacin en Internet de manera fcil y rpida a travs de una interfaz sencilla. BargainFinder, representado en la red como una esfera amarilla con un casco de minero, se dedica a buscar Compact Disc baratos en Internet. Pero si el vendedor descubre que se trata de un agente en lugar de un ser humano, puede burlarlo. Est adems, Shopbot que es ms inteligente, aprende de su errores para burlar al vendedor. Mencin aparte merece Letizia, un knowbot ms sofisticado desarrollado por el investigador Henry Lieberman. Leticia, bautizada as en homenaje a un texto de Jorge Luis Borges, est dotada de un talento especial: dispone del suficiente grado de autonoma como para introducir en sus acciones una cierta dosis de azar e improvisacin. Robtica Los robots son dispositivos compuestos de censores que reciben datos de entrada, una computadora que al recibir la informacin de entrada, ordena al robot que efecte una determinada accin. Hoy en da una de las finalidades de la construccin de robots es su intervencin en los procesos de fabricacin, encargados de realizar trabajos repetitivos en las cadenas de proceso de fabricacin, como por ejemplo: pintar al spray, moldear a inyeccin, soldar carroceras de automvil, trasladar materiales, etc, entregando rapidez, calidad y precisin. 33

Perspectivas Futuras. Con poco ms de diez aos de antigedad, la Vida Artificial se ha convertido en un punto de referencia slido de la ciencia actual. Un concepto bsico dentro de este campo es el de comportamiento emergente. El comportamiento emergente aparece cuando se puede generar un sistema complejo a partir de reglas sencillas. Para que se d este comportamiento se requiere que el sistema en cuestin sea iterativo, es decir, que el mismo proceso se repita de forma continua y adems que las ecuaciones matemticas que definen el comportamiento de cada paso sean no lineales. Por otra parte, un autmata celular consiste en un espacio n-dimensional dividido en un conjunto de celdas, de forma que cada celda puede encontrarse en dos o ms estados, dependiendo de un conjunto de reglas que especifican el estado futuro de cada celda en funcin del estado de las celdas que le rodean. Hay dos posturas dentro de la Vida Artificial: la fuerte y la dbil. Para los que apoyan la postura dbil, sus modelos son solamente representaciones simblicas de los sntomas biolgicos naturales, modelos ciertamente muy tiles para conocer dichos sistemas, pero sin mayores pretensiones. Para los que defienden la versin fuerte, dicen que se puede crear vida autntica a partir de un programa de ordenador que reproduzca las caractersticas bsicas de los seres vivos. Desde este punto de vista, la vida se divide en vida hmeda, que es lo que todo el mundo conoce como vida, vida seca, formada por autmatas fsicamente tangibles, y vida virtual, formada por programas de computador. Las dos ltimas categoras son las que integran lo que genricamente se conoce como Vida Artificial. Para defender un punto de vista tan radical, los defensores de la postura fuerte, aluden a un conjunto de reglas que comparten las tres categoras anteriores:

Algoritmos aplicados a Imagenes Digitales La manipulacin de diferentes algoritmos aplicados a imgenes digitales para la obtencin de informacin. Algunos experimentos realizados son: Sistemas de reconocimiento facial. Sistemas de reconocimiento de emociones. Sistemas de reconocimiento de nmeros (placas de automoviles). Con el fin de desarrollar inteligencia artificial que les permita resolver problemas en reas como la medicina y la industria elctrica. El objetivo es estudiar nuevos mtodos para la construccin, inferencia y explicacin de Modelos Grficos Probabilistas Dinmicos, en cuya 34

configuracin se involucran la inteligencia artificial, la estadstica y la matemtica. Estos han sido incorporados a una herramienta de software con el fin de aplicarlos en la solucin de cuatro problemas de alta prevalencia en la medicina, como el anlisis de costo-efectividad de la vacuna contra el Virus del Papiloma Humano (VPH). Adems, la rehabilitacin de personas que han sufrido una embolia cerebral, la prognosis y el tratamiento del cncer de ovario y la seleccin de combinaciones de frmacos contra el VIH. Tambin se busca aplicar estos modelos para resolver problemas complejos en la industria, como la operacin de plantas elctricas.El proyecto tiene como fin desarrollar tcnicas computacionales que se basan en Modelos Grficos Probabilistas Dinmicos. Se esta desarrollando software para trabajar con este tipo de modelos por un lado y, por otro, llevarlos a diversas aplicaciones, en particular en medicina e industria. Asisto es un sistema basado en este tipo de modelos orientado bsicamente a ayuda y entrenamiento de operadores de plantas elctricas. Cuando hay una contingencia en una planta, por ejemplo, con estos modelos se trata de determinar cul es la mejor accin para tomar. Tambin tiene un mdulo de entrenamiento a travs de un simulador en el cual se figuran fallas y situaciones de emergencia, y se desarrolla un modelo que gua al operador y le dice qu hacer. Tambin se han incorporado aspectos de diagnstico de fallas.Otra aplicacin est relacionada con la investigacin del VIH, que se realiza en la Universidad Politcnica de Madrid y en el INAOE. Las tcnicas de inteligencia artificial tienen en su base tratar de automatizar el razonamiento humano, lo que los humanos piensan, analizan y razonan, para tomar los diagnsticos correctos y en consecuencia las decisiones adecuadas. Situacin en Mxico Expertos recomiendan a las universidades introducir la inteligencia artificial en sus planes de estudio, la cual ser fundamental en el desarrollo de empresas ms tecnolgicas en Mxico. Especialistas en la materia coincidieron en que esta disciplina transformar el futuro. La inteligencia artificial, destacaron, se ha convertido en pilar de las llamadas 'tecnologas habilitadoras', como la computacin ubicua (la que se integra en el entorno de la persona), la inteligencia ambiental o los sistemas 35

altamente conectados.Estas tecnologas habilitadoras son capaces de detectar la presencia y responder a las necesidades actuales de los seres humanos, de ah su importancia. 'Dichas tecnologas podrn ser fundamentales en Mxico, porque se constituyen como elemento importante en la realizacin de productos innovadores que pueden generar crecimiento, bienestar y desarrollo a una nacin como Mxico', indicaron. La inteligencia artificial se debe introducir ms en los planes de estudio, debido a que existe una fuerte demanda social para atacar problemas que podran ser solucionados a travs de esta disciplina. En la actualidad el uso de la inteligencia artificial est orientado a reas como la aeronutica, geologa, entre otras actividades que por naturaleza necesitan apoyo de tecnologas inteligentes por los riesgos que conlleva su prctica. La actividad de inteligencia artificial en Mxico es muy dinmica y cuenta con excelentes grupos de investigadores, pero desgraciadamente esto no es muy conocido a nivel internacional. El propsito es transferir conocimientos relacionados con la tecnologa y aplicacin de los sistemas expertos en las reas de finanzas, contabilidad, ingeniera, mercadotecnia, leyes, administracin de informacin, telecomunicaciones, educacin, redes neuronales, qumica, recursos humanos, arqueologa, energa, economa y qumica, entre otras. Los trabajos de investigacin y aplicacin sobre inteligencia artificial de cientficos mexicanos, entre ellos algunos profesores del Centro de Inteligencia Artificial del Tecnolgico En esta edicin especial se presentaron 24 trabajos clasificados en siete categoras relacionadas con las reas de investigacin y desarrollo que se llevan a cabo sobre inteligencia artificial en Mxico: Sistemas expertos, Representacin del conocimiento y razonamiento, Sistemas multiagentes, Lenguaje natural, Robtica y visin computacional, Redes neuronales y Algoritmos genticos. En la categora de Robtica, se reportaron los resultados de una investigacin que realiz El trabajo se titula Rutinas visuales para robots mviles: resultados experimentales. Se incluy trabajos de cientficos de otras instituciones educativas y de investigacin, tales como el Centro de Investigacin en Tecnologas de Informacin y Automatizacin (CENTIA) de la Universidad de Las Amricas, el Centro de Investigacin Computacional (CIC) y el Centro de Investigacin y de Estudios Avanzados (CINVESTAV) del Instituto Politcnico Nacional. Asimismo, participaron en la publicacin cientficos del Instituto de Investigaciones Elctricas (IIE) de la Comisin Federal de Electricidad, la Universidad Veracruzana, el Instituto de Investigacin en Matemticas 36

Aplicadas y Sistemas (IIMAS) de la Universidad Nacional Autnoma de Mxico, el Centro de Investigaciones Cientficas y de Educacin Superior de Ensenada (CICESE) y la Universidad del Valle de Mxico, entre otras instituciones. El trmino Inteligencia Artificial nos puede llevar fcilmente a pensar en pelculas de ciencia ficcin donde mquinas conviven con humanos, sin embargo, ese mbito es mucho ms que eso y en Mxico representa un campo de oportunidad y desarrollo. En Mxico tiene mucho potencial, pues la industria demanda sistemas sofisticados, aunque an queda mucho por hacer para impulsar el desarrollo del sector, coment Ral Monroy, presidente de la Sociedad Mexicana de Inteligencia Artificial. hacer que Mxico eleve sus niveles de competitividad, pero los investigadores son pocos y estn relegados. La falta de manos en la industria se debe a la percepcin de que quienes se dedican a esto son aburridos, a lo que se suma la falta de apoyo econmico gubernamental, que frena la creacin de empresas de base tecnolgica, que son fuentes de empleo para los expertos en la materia. Es necesario que el gobierno cree una red de investigadores slida, pero ello requiere de ms recursos pblicos, no slo de la iniciativa privada. No obstante, se vislumbra tres ventanas de oportunidad: el sector salud, seguridad pblica y educacin. La inteligencia artificial en Mxico siempre se ha enfocado en el desarrollo de software y cmputo, pero la robtica puede aplicarse en esos sectores complementando la labor humana, coment Monroy. El Centro de Investigacin Cientfica y de Educacin Superior de Ensenada (CICESE) posee uno de los proyectos de inteligencia artificial ms avanzados que consiste en el desarrollo de robots aplicados al cuidado de personas de la tercera edad. Es uno de los avances ms interesantes y un ejemplo de la oportunidad de inteligencia artificial en el sector salud, asegur el presidente de la SMIA. El CICESE tiene 13 investigadores y tres tcnicos independientes en reas como computacin cientfica y robtica aplicada a medicina, aeronutica, comunicaciones y gentica.

37

Capitulo III Partes esenciales de la inteligencia artificial. Inteligencia Artificial Convencianal :

Se conoce tambin como IA simblico-deductiva. Est basada en el anlisis formal y estadstico del comportamiento humano ante diferentes problemas: * Sistemas expertos: Infieren una solucin a travs del conocimiento previo del contexto en que se aplica y ocupa de ciertas reglas o relaciones. * Redes bayesianas:

Propone soluciones mediante inferencia estadstica. * Inteligencia artificial basada en comportamientos: que tienen autonoma y pueden a Razonamiento basado en casos: Ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos. * uto-regularse y controlarse para mejorar. * Smart process management: facilita la toma de decisiones complejas, proponiendo una solucin a un determinado problema al igual que lo hara un especialista en la actividad. Inteligencia Artificial Computacional: La inteligencia computacional implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de los parmetros en sistemas conexionistas). El aprendizaje se realiza basndose en datos empricos. Algunos mtodos de esta rama incluyen: Redes neuronales: Son un paradigma de aprendizaje y procesamiento automtico inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexin de neuronas en una red que colabora para producir un estmulo de salida.

Sistemas difusos: Tcnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras.

Computacin evolutiva: Aplica conceptos inspirados en la biologa, tales como poblacin, mutacin y supervivencia del ms apto para generar soluciones sucesivamente mejores 38

para un problema. Estos mtodos a su vez se dividen en algoritmos evolutivos e inteligencia colectiva. Sistemas expertos

No s si lo digo bien, y si alguien me lee y me dice que estoy equivocado podra aceptarlo, pero eso motiv que estudisemos en algn momento la posibilidad de meter lo que saba hacer esa mujer en un ordenador en lo que durante aos se llamaron Sistemas Expertos, en los que tengo una aceptable experiencia. Hoy en Espaa casi nadie habla de estos tipos de sistemas cuando de hecho han sido los ms inteligentes que yo he visto, o al menos lo parecan, que de eso se trata. Naturalmente lo que hacamos era analizar el conocimiento de expertos en un rea y meterlo en un ordenador. Durante muchos aos a la disciplina que enseaba a desarrollar sistemas de estos se la llam Ingeniera del Conocimiento, es decir, se pas de la IA a la IC, aunque la IA abarcaba ms cosas que la IC. Grandes empresas de informtica en nuestro pas (Espaa) tenan un departamento de sistemas expertos, las escuelas y Facultades de Informtica que crecan en nmero en nuestro pas incorporaban esa asignatura a sus programas. En Espaa eso ocurri a finales de los 80 y durante los 90. Sistemas avanzados

Luego ya en el siglo XXI fue desapareciendo el trmino hasta el punto en que recuerdo que una empresa colaboradora de mis trabajos cambi el nombre de Sistemas Expertos por sistemas avanzados, por varios motivos a mi juicio. Uno porque empezaban a aparecer sistemas que se denominaban inteligentes sin que fueran sistemas expertos. No haba una lnea clara que marcara cuando un sistema era inteligente o no, y vino la poca en la que el trmino inteligente pareca que cubra mejor la realidad de las cosas que los sistemas expertos. Una segunda explicacin podra ser de orden prctico. Los sistemas expertos requeran mucho tiempo para su desarrollo. Era difcil encontrar expertos de verdad en un tema (no hay que olvidar que experto es alguien que sabe por la experiencia y si es joven por ejemplo puede tener conocimientos pero no experiencia) y la tendencia era a conseguir sistemas que se desarrollaran rpido. 39

Se comenz un poco a nivel global a dar ms importancia, incluso en el mercado, a los conocimientos sobre la experiencia, con el pretexto de que mucha de la experiencia quedaba obsoleta debido al vertiginoso cambio de la sociedad y de los parmetros que regan los mercados y la sociedad en general. No era verdad, pero estaban viniendo pocas que desdeaban la experiencia a favor del volumen, quizs eliminaban de sus sistemas productivos a la gente que de verdad saba porque le haban pasado cosas dando entrada a generaciones jvenes con responsabilidades de toma de decisiones sobre asuntos que desconocan, ya fuera por nuevos asuntos o por su propia juventud. Fue un fenmeno global, pero en Espaa fue hasta llamativo. Siempre me pregunt por qu las grandes empresas prejubilaban a generaciones enteras en funcin de la edad (generaciones con alrededor de 50 aos que es cuando el conocimiento comienza a tejer redes de razonamiento de altsima calidad) dejndoles adems con su salario ntegro cuando podran formar un bloque corporativo de opinin o consejo, (como adjuntos a los departamentos o incluso a la Presidencia y altos cargos de dichas compaas) sobre los procesos aunque dejasen de tener responsabilidades ejecutivas. Siempre me pareci ese proceso, no un ajuste sino un derroche descomunal del capital intelectual de las empresas. Dej como decamos de haber expertos de verdad en dichas empresas. Poco Sistema Experto se poda desarrollar entonces. Banalizacin del trmino

Quizs una tercera razn para que el trmino desapareciese (sobretodo aqu en Espaa) fue quedarse con las formas de los sistemas y perder en contenido y fue cuando se empez a banalizar el trmino hasta su desprestigio. Eso ocurri en muchos casos porque una de las maneras ms sencillas de modelar el conocimiento de un experto era por medio de reglas de este estilo: SI el enfermo tiene gripe y granos ENTONCES tiene sarampin

Por ejemplo. Acab llamndose Sistema Experto a todo aquello que tena reglas cuando solo se podra decir en condiciones si lo que haba detrs de la regla tena un origen fiable y provena de un experto en un tema. Aunque parezca mentira, este tipo de cosas acab con el prestigio en Espaa de este tipo de sistemas a pesar de los miles de sistemas expertos que se haban desarrollado en el mundo hasta ese momento, con xito. Sin embargo fuera de Espaa siguieron vivos, aunque como siempre siguieron siendo costosos de producir, largos de desarrollar pero muy efectivos en los campos en los que el dominio es estable. En dominios inestables o de corta 40

vida no se deban desarrollar por tener un ciclo de vida demasiado corto. La vorgine de cambios que vino a final de los aos 90 y comienzos de este siglo hizo que se manejasen modelos y sistemas en el mundo sobre los que no haba experiencia y donde por tanto todo era ms especulativo que otra cosa porque no haba dado tiempo a probarse. Se podra decir que la velocidad del cambio en muchas cosas pareca que era signo de avance, cuando en realidad el conjunto de la sociedad comenzaba a sustentarse sobre patas nuevas, poco experimentadas y por tanto de enorme debilidad potencial. Y est claro que ni siquiera los anlisis de riesgos saban o queran contemplar cosas que podan ocurrir y que recientes crisis de todo tipo parecen confirmar. En cualquier caso surgi un concepto que involucraba a todo tipo de organizaciones que era Gestin del Conocimiento. Como tantas banderas anteriores pas a ser un tema en el que haba que estar y como tantas veces antes, haba que definir con claridad en que consista y como se iba a implantar. Curiosamente la gestin de la experiencia no siempre estaba contemplada en los modelos que se iban definiendo de gestin del conocimiento. Robtica Volviendo un poco hacia atrs y casi al hilo del artculo que escrib para Tendencias hace 20 aos, cabra decir las tres grandes reas que se definieron como de aplicacin de la IA. Una fue la robtica, otra el procesamiento del lenguaje natural y otra la Ingeniera del conocimiento. La robtica conoci un desarrollo enorme y con ella toda un rea que sigue trabajando y consiguiendo xitos notables. Desde la fabricacin de coches hasta sistemas que reconocen su huella digital para que usted entre en su ordenador o reconocen su voz hasta el punto de que le abran la puerta a usted y no a otro, o que permiten reconocer a alguien por sus caracteres antropomrficos, y que deriva en que le reconocen a usted para entrar en un edificio por su rostro o bien que saben cundo usted est triste o preocupado o con sistemas muy modernos que pretenden saber cundo alguien miente. Esa ha sido un rea donde se han mezclado ideas que venan de la Ingeniera del conocimiento y que se han conseguido incluso modelizar matemticamente para garantizar una rapidez de respuesta importante. Tambin se ha avanzado mucho en reconocimiento de voz o incluso en sntesis de voz. Nuevas tendencias de IA como las redes de neuronas, con su intrnseca capacidad de aprendizaje, fueron capaces de emular casi cualquier tipo de voz, incluida la 41

suya. Otra gran rea fue la ingeniera del conocimiento que en su momento abarc los ya mencionados sistemas expertos y que hoy se extiende a todas las tcnicas que permitan resolver mejor problemas de todo tipo. Como ya hemos comentado, de una u otra forma existen ya un conjunto de tcnicas o tipos de problemas con una bandeja de tcnicas capaz de resolverlos, pero que en general definira como una rama de la IA aplicada dedicada a estudiar modelos de resolucin de problemas. Procesamiento del lenguaje natural

Una tercera rea que fue en los aos 80 objeto de un optimismo desmesurado fue la del Procesamiento automtico del lenguaje natural. Los avances en este rea fueron mucho ms modestos que en otras. No se lleg al traductor automtico universal de todas las lenguas con todas. El avance en estas reas se hizo basndose en modelos diferentes segn el rea geogrfica. Europa, con su enorme problema de multilingismo, eligi una aproximacin basada en pares de lenguas y se lleg a resultados limitados. Japn sigui una va denominada interlingua que deba ser un lenguaje artificial (capaz de ser entendido por ordenadores) que hiciera de intermedio entre los dems y por medio de dicho lenguaje permitir que unas y otras lenguas se entendiesen entre s. Dicha aproximacin sufri desviaciones importantes (los ordenadores de entonces procesaban informacin decenas de miles de veces ms despacio que los de hoy en da) y se decant aquella aproximacin por usar de interlingua la lengua inglesa y ello deriv en el fracaso de dicha aproximacin. Que los humanos usamos de hecho el ingls como interlingua no quiere decir que un ordenador pueda hacerlo bien. Un ordenador necesita su lenguaje especial. (es una caja tonta que hace las operaciones con mucha rapidez, no lo olvidemos). Aos ms tarde, y aprovechando la aproximacin japonesa, la Universidad de las Naciones Unidas con sede en Tokyo adopt dicha aproximacin como la nica capaz de poder solucionar el problema del acceso a la informacin de manera multilinge en Internet, base sin duda para eliminar o paliar los efectos de la brecha digital, es decir los defectos de acceso a la educacin por parte de comunidades humanas menos desarrolladas. Y, sin duda, la diversidad lingstica contribuye fuertemente a ser una caracterstica de limitar el acceso efectivo a la educacin. Solo la tecnologa y la voluntad de hacerlo podrn resolver conjuntamente el problema de la multilingualidad y el de la conservacin de la diversidad lingstica y cultural. 42

Para eso falta mucho por hacer y no ser rpido. Es uno de los temas que ocupan mi tiempo desde que en 1996 furamos (ni grupo de investigacin) invitados por la Universidad de las Naciones Unidas a desarrollar mdulos y tecnologas relativas a la lengua espaola (entendiendo por la misma el castellano). Pero de eso si quieren ya les cuento otro da. Solo decir que en mi opinin slo la aproximacin de interlingua podr resolver aceptablemente este problema como reconoce Mike Dillinguer, Presidente de la Asociacin Americana de Traduccin Automtica en su informe LISA. Para mi Grupo de investigacin, al que pertenecemos lingistas e Ingenieros aparte de nuestros colegas de otros pases, el modelo Interlingua tiene adems ventajas de capacidad de representacin de contenidos. Nos hace falta poder representar un texto de una manera que no dependa de la lengua original. Trabajamos en sistemas de permitan hacer eso, pero tambin vemos la necesidad de crear sistemas que quizs utilizando tcnicas ms inteligentes sean capaces de capturar contenidos o conocimientos a partir de los textos escritos en cualquier lengua. Otro da les comento un demostrador que estamos instalando basndose en unos trabajos previos hechos para la EOLSS (Enciclopedia de la UNESCO para las ciencias de la vida). Cuando est instalado se los comunico y podran visualizarlo. Hay reas como el llamado text mining o minera de textos, es decir que pretenden extraer conocimiento a partir de un texto, y conocimiento es algo ms que datos, son las relaciones entre los datos, es decir, algo a veces mas neto los datos en s Ingeniera del conocimiento

A nivel particular he trabajado en ingeniera del conocimiento durante aos aunque ahora llevo ya bastantes en las reas que hemos dado en llamar Ingeniera Lingstica, quizs porque la perciba como el conjunto de tcnicas de Inteligencia Artificial encargadas de estudiar y entender el lenguaje natural que percibo como el ltimo eslabn de la inteligencia humana. Quizs por eso, se nos haya atragantado tanto. Se est lejos de tener una mquina que sepa siquiera aprender a leer un texto y con eso quiero decir, que lea y que entienda lo que dice y que sea capaz de guardar lo importante y desechar lo que no lo es.quizs ese da podamos (no lo ver yo) construir mquinas con las que de verdad podamos dialogar y hacer cosas juntos. Imposible? No deberamos ser tan soberbios pienso yo pensando es que eso no podr serque no sepamos cmo funciona nuestra mquina humana no quiere decir que algn da no se sepa. O quizs le pase que se defienda de 43

quienes la estudiamos cambiando lo suficientemente rpido como para que nunca consigamos saberlo todo sobre ella. Cabe cualquier conjetura. Hace no mucho en una presentacin de sistemas avanzados (de estos que se llaman hoy avanzados) alguien me dijo que en treinta aos se podra verter el contenido de un cerebro y poderlo guardar. Lo mir evidentemente incrdulo; me sorprenden esas afirmaciones tan optimistas cuando simplemente ver en el mercado el resultado de unos trabajos que hice en un proyecto europeo hace unos aos ha tardado 9 aos!!! Y cuando que yo sepa (vaya usted a saber si hay alguna forma secreta, pero lo dudo) no se puede saber siquiera lo que hay en un disco duro de un ordenador poniendo unos electrodos en la carcasa del mismo. Y el cerebro es mucho mas complejo que eso Dficit de inteligencia y seguridad

Y terminado por hoy, sabiendo que las lneas de investigacin en las que estamos, aun resolvemos poco de nuestro mundo y son muchas veces sobre cosas muy concretas, calculen ustedes lo que falta por hacer a nivel global. No dejo de sorprenderme como ciudadano de hechos que han ocurrido en esta dcada y que van desde los gigantescos atentados terroristas del 11S hasta la colosal crisis financiera de estos das. Cmo no ha sido posible prever nada de nada de los mismos? No me queda otro remedio que pensar que las organizaciones que aaden a su definicin la palabra inteligencia tienen poca capacidad de previsin mnimamente inteligente o quizs hay pocas ganas de prever. O puede que haya una explicacin mucho ms compleja. Quizs el asunto sea mucho ms difcil de lo que parece. La intervencin de dominios diferentes y aparentemente lejanos como la economa, la religin o las lenguas y quin sabe qu otros, requieren mucha ms investigacin. Quizs nuestros expertos en muchas reas lo sean en reas muy concretas y quin se encarga de relacionar todo esto? No es sencillo, a lo mejor el manejo de ingentes cantidades de informacin requiera de ayudas materiales, de mquinas ms inteligentes que ayuden ms a los gobiernos y organizaciones, quizs haya que inventar un trmino medio nuevo que podra llamarse inteligencia artificial global encargada de descubrir esas relaciones entre las cosas de este mundo que nos parecen ocultas, quizs haya que volver a reconsiderar que las personas maduras saben mucho que no podemos desecharquizs sean ellas las que puedan ayudar a ser Base de Conocimientos de esos nuevos estudios. Solo quizs. 44

Esto no es un alegato de nada. Simplemente recuerdo los tiempos de los sistemas expertos que se hacan antes. An alguno de ellos habindolo diseado yo mismo me pareca alucinante como razonaba y como responda a cuestiones peliagudas. De hecho se utilizaron mucho tiempo para formacin de nuevos profesionales. Recuerdo la perplejidad del experto que haba donado conocimiento al sistema al ver la precisin y la rapidez con que el sistema haca lo mismo que l mismo hara. Y era lgico. Era su conocimiento.

45

Beneficios que aportan a las industrias la inteligencia artificial


En casi todas las industrias del mundo se estn dejando a un lado la mano de obra o los recursos humanos y estn implementando sistemas automatizados de los cuales dependen solo de mantenimiento o de muy poca intervencin de algn usuario. No hay duda que al implementar estos sistemas en las industrias habr grandes prdidas de empleos en las industrias, eso vendra siendo una de las desventajas del empleo de estos sistemas. Sin embargo los beneficios seria muchos no solo para la industria sino tambin para los mismos trabajadores que sigan laborando en dicho desarrollo, ya que si bien es cierto que la inteligencia artificial es la imitacin del razonamiento humano, estos sistemas pueden ayudar a prevenir accidentes laborales por cansancio del usuario, hasta grandes tragedias como la de Pemex. Estos sistemas inteligentes se pueden emplear en al rea de seguridad de las industrias para la prevencin de desastres. Los sistemas que actan racionalmente son capaces de tomar decisiones que sean mejores que la de los seres humanos en cuestin de cifras, clculos, y as evitar hasta los ms mnimos errores que a lo largo del tiempo pueden ser fatales. Por qu el sacrificio de seres humanos cuando se puede mejorar aspectos tan sencillos como seguridad?. Otra de las aportaciones que puede dar estos sistemas es la calidad de productos que se van al mercado, entre mejor sea la calidad de los productos que compremos mejor ser la calidad de vida humana. La principal aportacin que pueden traer la implementacin de estos sistemas es el confort ya que no solo se pueden utilizar en las industrias si no tambin en casas, como ahora est muy de moda hablar de casas inteligentes y si a lo mejor se piensa mucho sobre este tema por el desempleo que puede ocasionar, pero estos sistemas jams podrn imitar las emociones humanas y se debe de pensar ms en todos los beneficios que podra tener la humanidad con esta tecnologa.

46

Instrumento de recoleccin de datos CUESTIONARIO Nombre: _________________________________________________


1.- sabes que es la inteligencia artificial? Si (__) no (___) 2.- trabaja usted en alguna industria? Si (__) no (___) 3.- sabe usted en que industrias del estado de Mxico emplean la inteligencia artificial? Si (__) no (___) 4.- Cul cree que sea el beneficio principal que trae a las industrias la inteligencia artificial?

5.- En qu sector de la industria cree que es ms aplicada esta tecnologa? ejemplo, industria automotriz, textil.

6.- cree que la implementacin de esta tecnologa le afecte a los trabajadores? Si (__) no (___) 7.- cules son los beneficios que trae la implementacin de la inteligencia artificial en la industria?

8.- cree que su aplicacin en el rea de prevencin de accidentes industriales sea un beneficio o desventaja?

9.- conoce el funcionamiento de algn equipo con esta tecnologa? Si (__) no (___) 10.- cree que exista alguna desventaja en el uso de esta tecnologa? Si (__) no (___)

47

Cronograma Semana 1 Semana 2 y 3 Repaso de teora Presentacin informal del protocolo

Semana 4 Semana 5 Semana 6 Semana 7 Semana 8 Semana 9

Anlisis del protocolo Desarrollo del proyecto metodologa Presentacin informal Estructuracin de la informacin Diseo y aplicacin de instrumentos

Semana 10 Semana 11 Semana 12-16

Estructura de proyectos Entrega de proyecto escrito Presentacin formal

48

Bibliografa
Stuart Russell Inteligencia Artificial Un Enfoque Moderno, Segunda Edicin. (Prentice Hall),2004. Wendy B. Ruch inteligencia artificial en empresas y la industria; primera edicin Prentice Hall 1985 Pedro Ponce Cruz inteligencia artificial con aplicacin en la ingeniera quinta edicin Editorial alfaomega 2010

Referencias

49