Fundamentos de La I.A

Inteligencia Artificial y Robtica
Ing. Flix Corts Hernndez
INTELIGENCIA ARTIFICIAL
Fundamentos de la Inteligencia Artificial
INDICE
ILUSTRACIONES......................................................................................................................... 3
INTRODUCCION ........................................................................................................................ 4
1.
2.
INTELIGENCIA ARTIFICIAL .................................................................................................. 5

1.1.
Objetivos de la Inteligencia Artificial .......................................................................... 5
1.2.
Importancia de la Inteligencia Artificial ...................................................................... 5
1.3.
Caractersticas de la Inteligencia Artificial .................................................................. 6
1.4.
Categoras de la Inteligencia Artificial ........................................................................ 6
APLICACIONES DE INTELIGENCIA ARTIFICIAL...................................................................... 8

2.1.
Prueba de Turing ....................................................................................................... 8
2.2.
Agentes ..................................................................................................................... 9
2.3. Bsqueda Heurstica ..................................................................................................... 11

2.3.1. Algoritmo *A.- ....................................................................................................... 12
2.3.2 Algoritmo MINIMAX.- ............................................................................................. 12
2.3.3 Poda.- ..................................................................................................................... 12
2.4. Visin Artificial ............................................................................................................. 13
2.5. Redes Neuronales ........................................................................................................ 13
2.6. Sistemas Expertos ........................................................................................................ 13
2.7. Robtica ....................................................................................................................... 14
2.7.1. Clases: ................................................................................................................... 14
2.7.2. Hardware Robtico: ............................................................................................... 14
2.7.3. Aplicaciones: ......................................................................................................... 15
2.8. Comunicacin............................................................................................................... 16
2.8.1. Tipos de Lenguaje: ................................................................................................. 17
2.8.2. Etapas: .................................................................................................................. 17
2.8.3. Aplicaciones: ......................................................................................................... 17
3.
4.
OTRAS AREAS DE APLICACIONES DE INTELIGENCIA ARTIFICIAL ........................................ 17

3.1.
Procesamiento de lenguaje Natural ......................................................................... 18
3.2.
Percepcin y Reconocimiento de Patrones .............................................................. 18
3.3.
Auto Aprendizaje ..................................................................................................... 18
3.4.
Lgica ...................................................................................................................... 18
3.5.
Lgica difusa ............................................................................................................ 18
3.6.
Algoritmos Genticos .............................................................................................. 18
3.7.
Juegos ..................................................................................................................... 18
INTELIGENCIA ARTIFICIAL CONVENCIONAL ...................................................................... 19

5.
INTELIGENCIA ARTIFICIAL COMPUTACIONAL ................................................................... 19
6.
INTELIGENCIA ARTIFICIAL HUMANA ................................................................................ 19
7.
ELEMENTOS DE LA INTELIGENCIA ARTIFICIAL................................................................... 20
8.
7.1.
Estrategias de comportamiento inteligente: ............................................................ 20
7.2.
Saber: ...................................................................................................................... 20
TECNICAS DE BUSQUEDA EN INTELIGENCIA ARTIFICIAL ................................................... 20

8.1.
Arboles de Bsqueda ............................................................................................... 20
8.2.
Tcnicas Look-Back .................................................................................................. 21
8.2.1.
Backtracking Cronolgico ................................................................................. 21
8.2.2.
Backtracking Guiado por el Grafo de Restricciones ........................................... 22
8.3.
9.
Tcnicas Look-Ahead ............................................................................................... 22
SISTEMA BASADO EN CONOCIMIENTO ............................................................................ 23

9.1. Representacin de un sistema basado en conocimiento ............................................... 24
9.2. Ciclo de vida de los Sistemas basado en conocimiento.................................................. 24
9.3. Problemas fundamentales en la construccin de los SBC .............................................. 25
CONCLUSION .......................................................................................................................... 26
BIBLIOGRAFIA ......................................................................................................................... 27
ILUSTRACIONES
Figura: Prueba Global de Turing ................................................................................................ 9
Figura: Diseo de un agente a base de inferencia .................................................................... 10
Figura. Estructura Look-Back ................................................................................................... 21
Figura. Backtracking Cronolgico ............................................................................................ 22
Figura. Backtracking Guiado .................................................................................................... 22
Figura. Tcnica Look-Ahead..................................................................................................... 23
INTRODUCCION
La Inteligencia Artificial (IA) estudia las estrategias y algoritmos que permiten a los
computadores pensar igual que las personas. Esta disciplina puede ser aplicada en distintas
reas del conocimiento: Medicina, Control automtico, Anlisis de datos, etc. Es por ello que,
el propsito de esta investigacin es aprender las tcnicas adecuadas para ensear al
computador a pensar y conocer su aplicabilidad en el mbito informtico.
Fundamentos de la Inteligencia Artificial, donde se conocern aspectos generales de esta
disciplina, Agentes inteligentes, Resolucin de problemas mediante bsqueda y Estrategias de
bsqueda informada y de exploracin. Seleccionamos estos temas ya que creemos que son la
base fundamental de cmo piensa un computador.
La IA es una nueva generacin de tecnologa informtica, caracterizada no slo por
su arquitectura (hardware), sino tambin por sus capacidades. El nfasis de generaciones
previas fue en las computaciones numricas para aplicaciones cientficas o de negocios. La
nueva generacin de tecnologa informtica incluye adems la manipulacin simblica, con
el objetivo de emular el comportamiento inteligente; y, la computacin en paralelo, para tratar
de conseguir resultados prcticamente en tiempo real. La capacidad predominante de la nueva
generacin, tambin conocida como la Quinta Generacin, es la habilidad de emular (y tal vez
en algunos casos superar) ciertas funciones inteligentes del ser humano.
1. INTELIGENCIA ARTIFICIAL
Inteligencia artificial (IA) es la rama de las Ciencias de la Computacin dedicada al desarrollo de
agentes racionales no vivos.
La IA como un conjunto de habilidades desarrolladas por el hombre para recibir informacin,
analizarla, comprenderla, almacenarla y saberla aplicar en el futuro para la resolucin de
problemas.
La IA es una 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
(manipulacin, razonamiento, percepcin, aprendizaje, creacin).
1.1.
Objetivos de la Inteligencia Artificial
Desarrollar una mquina inteligente capaz de aprender a travs de la experiencia,

exhibir verdadera creatividad, tomar sus propias decisiones e interactuar con el medio
que la rodee.
Elevar el Coeficiente Intelectual de las mquinas (machine-IQ).
Desarrollar las capacidades de la computadora ms all de su uso tradicional actual.
1.2.
Importancia de la Inteligencia Artificial
Conforme el mundo se vuelve ms complejo, debemos usar nuestros recursos materiales

y humanos con ms eficiencia, y para lograrlo, se necesita la ayuda que nos ofrecen los
computadores.
Existe la falsa impresin de que uno de los objetivo del IA es sustituir a los trabajadores
humanos y ahorrar dinero. Pero en el mundo de los negocios, la mayora de personas est ms
entusiasmada ante las nuevas oportunidades que ante el abatimiento de costos. Adems, la
tarea de reemplazar totalmente a un trabajador humano abarca de lo difcil a lo imposible, ya
que no se sabe cmo dotar a los sistemas de IA de toda esa capacidad de percibir, razonar y
actuar que tienen las personas. Sin embargo, debido a que los humanos y los sistemas
inteligentes tienen habilidades que se complementan, podran apoyarse y ejecutar acciones
conjuntas.
Ejemplo:
En la agricultura, controlar plagas y manejar cultivos en forma ms eficiente.
En las fbricas, realizar montajes peligrosos y actividades tediosas (labores de

inspeccin y mantenimiento).
En la medicina, ayudar a los mdicos a hacer diagnsticos, supervisar la condicin de

los pacientes, administrar tratamientos y preparar estudios estadsticos.
En el trabajo domstico, brindar asesora acerca de dietas, compras, supervisin y

gestin de consumo energtico y seguridad del hogar.
En las escuelas, apoyar la formacin de los estudiantes, especialmente en aquellas

materias consideradas complejas.
Ayudar a los expertos a resolver difciles problemas de anlisis o a disear nuevos

dispositivos.
Aprender de los ejemplos para explorar bases de datos en busca de regularidades

explotables.
Proporcionar respuestas a preguntas en lenguaje natural usando datos estructurados y

texto libre.
1.3.
1.4.
Caractersticas de la Inteligencia Artificial

Disponibilidad casi completa
Conservacin del conocimiento
Capacidad de resolver problemas disponiendo de informacin incompleta
Capacidad de explicar los resultados y la forma de obtenerlos
Categoras de la Inteligencia Artificial
Sistemas que piensan como humanos:

Estos sistemas tratan de emular el pensamiento humano; por ejemplo las redes
neuronales artificiales. La automatizacin de actividades que vinculamos con procesos
de pensamiento humano, actividades como la Toma de decisiones, resolucin de
problemas, aprendizaje.
Figura 1: Sistemas que piensan como humanos

A)
B)
Para poder decir que un programa piensa como los humanos. Es necesario
contar con un mecanismo para determinar cmo piensan los humanos. Es
necesario penetrar en el funcionamiento de las mentes humanas.
Hay dos formas de hacerlo: mediante introspeccin (intentando atrapar
nuestros propios pensamientos conforme van apareciendo) y mediante
experimentos psicolgicos.
Sistemas que actan como humanos:

Estos sistemas tratan de actuar como humanos; es decir, imitan el comportamiento
humano; por ejemplo la robtica. El estudio de cmo lograr que los computadores
realicen tareas que, por el momento, los humanos hacen mejor.
El arte de desarrollar maquinas con capacidad para realizar funciones que cuando son
realizadas por personas requieren de inteligencia. (kurzweil, 1990).
Prueba de Turing.
S.E. para justificar un diagnstico.
Mquina de dialogo con los humanos.

Sistemas que piensan racionalmente:
Es decir, con lgica (idealmente), tratan de imitar o emular el pensamiento lgico
racional del ser humano; por ejemplo los sistemas expertos. El estudio de
los clculos que hacen posible percibir, razonar y actuar.
El estudio de las facultades mentales a travs del uso de modelos computacionales".
(Charniak y McDermott, 1985).
El estudio de los clculos que hacen posible percibir, razonar y actuar.
(Winston, 1992).
Sistemas que actan racionalmente (idealmente):
Tratan de emular de forma racional el comportamiento humano; por ejemplo
los agentes inteligentes .Est relacionado con conductas inteligentes en artefactos.
La inteligencia computacional es el estudio del diseo de agentes inteligentes".
(Poole, 1998).
La inteligencia artificial est relacionada con conductas inteligentes en las maquinas".
(Nilsson, 1998).
Figura 2: Agente Inteligente

Un agente racional es aquel que acta con la intencin de alcanzar el mejor
resultado o, cuando hay incertidumbre el mejor resultado esperado.
2. APLICACIONES DE INTELIGENCIA ARTIFICIAL

Prueba de Turing
Agentes
Bsqueda Heurstica
Visin Artificial
Redes Neuronales
Sistemas Expertos
Robtica
La Comunicacin
2.1.
Prueba de Turing
En los comienzos de la I.A se daban grandes listas de lo que un sistema de I.A deba
cumplir para serlo. Alan Turing, propuso un Test en 1950, para acabar con estas listas tan
largas e intiles, ya que lo nico que buscaban era imitar al ser humano y no desarrollar una
I.A cientfica. Turing bas su prueba en una entrevista entre un humano con un computador y
otro humano ocultos, de manera que ninguno se pueda ver. Si el entrevistador no puede
distinguir las respuestas dadas por el hombre y la mquina, se puede hablar de un Sistema
Inteligente. Esta prueba merece ser reconocida, ya que no ha perdido validez hasta hoy. Para
poder superar la Prueba de Turing original, el computador debe contar con:
Procesamiento del Lenguaje Natural que permita comunicarse perfectamente en
ingls.
Representacin del Conocimiento para almacenar lo que se conoce o siente.
Razonamiento Automtico, para usar la informacin almacenada para responder a
preguntas o extraer conclusiones.

Aprendizaje Automtico, para adaptarse a muchas circunstancias y para detallar y
extrapolar patrones.

Figura: Prueba Global de Turing
Existe una variante de la Prueba de Turing: La Prueba Global de Turing, esta adems de exigir
lo anterior, incluye una seal de video que permite evaluar la capacidad de visin del evaluado
y adems le da la capacidad de pasar objetos a travs de una pequea ventana. Para que el
computador pase esta variante, se requiere adems de lo anterior:
Visin Computacional, para percibir objetos.
Robtica, para manipular y mover objetos.
Como se dijo anteriormente esta Prueba mantiene su vigencia hasta hoy (56 aos), sino que
adems revolucion la I.A ya que propuso estudiar la Inteligencia en lugar de emularla. Bajo un
concepto similar, los hermanos Wright, crearon la aviacin: Al comprender los principios
aerodinmicos y al dejar de imitar a los pjaros.
2.2.
Agentes
Un Agente es algo que razona (Viene del latn agere, hacer). Sin embargo los agentes
informticos deben tener algo que los diferencie de los programas comunes. Entre ellos est
tener controles autnomos, percibir su entorno, que persistan por un periodo de tiempo
prolongado, que se adapten a los cambios y que sean capaces de alcanzar objetivos distintos.
Tipos:
Agente Racional: Es el que acta con la intencin de obtener el mejor resultado, o si
hay incertidumbre, el ms apropiado. Estos agentes se basan en Inferencias, aunque

existen situaciones en las que no se puede hacer nada correcto, pero se debe tomar
una decisin; tambin poseen Actos Reflejos, ya que son mucho ms eficientes que
una larga inferencia en algunos casos. Para pasar la Prueba de Turing, los sistemas
deben tener estas caractersticas. Estudiar la I.A en base a Agentes Racionales, es
beneficioso ya que nos hace disear al agente en base a inferencias, una forma
correcta segn las leyes del pensamiento. Sin embargo, por cuestiones de espacio es
imposible disear una personalidad perfecta. En la prctica se usa una racionalidad
l
i
m
i
t
a
d
a
,
p
o
r
r
a
zones de tiempo y espacio.
10
Figura: Diseo de un agente a base de inferencia

Agente Inteligente: Son capaces de percibir un medio ambiente, usando sensores y
actuar usando actuadores, los sensores pueden ser de un agente robot: Teclado, red,
detectores de luz, etc. Y los activadores pueden ser una pantalla o la red. Se dice que
una agente tiene percepcin si puede recibir mltiples entradas en cualquier instante.
En general este agente tomar decisiones de acuerdo a todas las entradas que recibi.
A esta secuencia se le ordena en una tabla, no obstante por lo infinita o grande que
puede llegar a ser, se limitan algunas entradas. El Agente es manejado por el programa
del
Agente, se debe diferenciar entre la funcin que es una descripcin abstracta en el

programa con el propio programa, que es la implementacin real.
11
Figura: Agentes Inteligentes

Agentes de Estmulo-Respuesta: Estos agentes solo reaccionan de acuerdo a los
estmulos que reciben del mundo exterior donde operan, esta es la forma ms sencilla
de I.A.
Tomemos por ejemplo el caso de un robot que puede moverse en una superficie cuadricular,
es capaz de percibir si las celdas estn ocupadas o no y ser capaz de moverse a las
desocupadas. El robot entonces dispondr de 8 entradas que llamaremos S1, S2, S3, S4, S5, S6,
S7, S8. Y que estn numeradas en sentido horario. Adems tiene 4 movimientos posibles:
Norte: Se mueve
una celda arriba.
Sur: Se
una celda abajo.
mueve
Este: Se mueve
una celda a la derecha.

Oeste: Se mueve
una celda a la izquierda.

Caractersticas:
- Percepcin: Segn el
ejemplo anterior hay 8
variables para ubicarnos,
por tanto existen 28=256
combinaciones de valores posibles. Algunos pueden ser descartados, ya que no existen pasillos
estrechos. Podemos elegir 4 caractersticas llamadas X1, X2, X3, X4.
- Accin: De las caractersticas definidas, lo siguiente que debemos hacer es darles alguna
definicin para que puedan cumplir su cometido.
2.3. Bsqueda Heurstica

Se llama Bsqueda Heurstica debido a que usa conocimientos especficos del problema. Con
esta bsqueda podemos encontrar soluciones ms eficientemente en el tiempo ms rpido
posible sin repetir ninguna ciudad. No obstante existe un tope de 30 ciudades, ya que an a 1
ser por solucin, se tardara 1020 aos en resolver el problema. (El universo solo tiene 1,6 x
1010 aos). Una solucin comn es de 9 ciudades, que nos da una combinacin de 9!=362 880
viajes posibles. Como se ve, la Bsqueda Heurstica nos da la ventaja de rapidez en estos casos.
A la aproximacin de la Bsqueda Heurstica, la llamaremos: Bsqueda Primero el Mejor.
Existen algunas variantes:
12
2.3.1. Algoritmo *A.- Es la forma de bsqueda Primero la Mejor ms conocida, sirve

para el pathfinding (Bsqueda de Caminos) y es muy usada en juegos. Un ejemplo es el famoso
juego Pacman: Los fantasmas que persiguen a Pacman buscan el camino ms corto, en lugar
de aparecer en forma aleatoria en el Mapa del Juego, otro ejemplo es el Age of Empires, un
juego de conquista de civilizaciones, los enemigos salvan obstculos para llegar a la ciudad del
adversario. El Algoritmo *A, no desarrolla un camino por interaccin, sino que desarrolla varios
caminos y elige los ms prometedores. (Para ver un ejemplo del Algoritmo *A.
2.3.2 Algoritmo MINIMAX.- Se poseen 2 jugadores: MAX y MIN, primero jugar MAX
y as seguir el flujo hasta acabar el juego. Existe un rbol de juegos que los programas utilizan
para calcular los Movimientos Legales (Permitidos). El valor MINIMAX ser un valor que
determine el estado final del juego (En el ajedrez: -1, 0, 1; que son triunfo, derrota o empate).
En algunos juegos este valor MINIMAX puede ser muy alto (Como en el Back gamn, se estima
algo de -192 a 192 valores).
Incluso el Tic Tac Toe (3 en Raya), es complejo para armar el rbol de juegos. A los niveles del
rbol se les llama capas.
Para determinar la estrategia ptima a seguir se usan valores MINIMAX. MAX adoptar
el valor mximo y MIN el mnimo. La decisin MINIMAX supone que los 2 jugadores son
ptimos, si uno es un novato ser fcilmente derrotado por esta decisin.
El Algoritmo MINIMAX es la forma computacional en la que se calcula el valor
MINIMAX de cada estado de sucesos. Lo interesante del Algoritmo MINIMAX es que no calcula
todo el rbol de juegos, sino que calcula solo un horizonte de k niveles. Un clculo detallado
del rbol de juegos perdera tiempo, ya que como ejemplo, en el ajedrez se calculan algo de
35100 movimientos totales. El objetivo de MAX aqu es ganar a MIN tomando alguna decisin
sobre la mejor jugada que se puede hacer. El Algoritmo MINIMAX no se usa como tal en la
Industria de Juegos, ya que es en algunas ocasiones lento, en vez de este se usan versiones
optimizadas que veremos a continuacin.
2.3.3 Poda.- El resultado del Algoritmo MINIMAX es el valor MINIMAX que nos
permite tomar la decisin ms acertada para el horizonte de bsqueda fijado, no obstante hay
ocasiones en el que la ramificacin del rbol de juegos es muy alta. (En ajedrez se calcula algo
de 35100 o 10154 movimientos). Sera un derroche tratar de probarlos todos, esta es la razn
por la cual el Algoritmo MINIMAX no se usa como tal en la Industria de Juegos.
Afortunadamente se puede simplificar el proceso, evitando algunos nodos. Esto se basa en que
al momento de explorar se determina que el nodo no va a cambiar el valor MINIMAX, es
obviado, ya que no nos va a servir de mucho. Estos nodos quedan Podados, ahorrando as
tiempo de proceso en los programas.
El Algoritmo que implementa la poda se llama Algoritmo, y se basa en ajustar los lmites
llamados: lmite -" y lmite +"; para el nodo raz estos son de -" y "+; ya que el valor MINIMAX
estar entre esos 2 lmites. Estos valores se propagan hacia abajo y se actualizan. Los nodos
MAX actualizan su valor si v> y los nodos MIN actualizan su valor si v<. La situacin de Poda se
detecta si un nodo satisface a " y ello implica obviar la exploracin del sub-rbol siguiente y
devolver como si se tratara de un nodo MIN. Si no existiera Poda (Es decir no se satisface la
expresin"), el algoritmo se comportar como un Algoritmo MINIMAX normal.
13
2.4. Visin Artificial

Hasta ahora los agentes usaban formas sensoriales demasiado limitadas. La Visin por
Computador, es uno de los campos ms extensos de la I.A ya que influyen muchos aspectos. La
Visin para los humanos no es ningn problema, pero para las mquinas es un campo muy
complicado. Influyen Texturas, Luminosidad, Sombras, Objetos Complejos, etc. El primer paso
es captar la imagen mediante una cmara de TV. Las imgenes a color tienen una matriz I(x, y,
t); donde(x, y) nos indican la ubicacin de un punto en la matriz de colores y t, nos indica el
tiempo.
Este proceso obtiene una imagen invertida, pero simplemente rotarla no nos dar la
visin del terreno. Influyen muchos elementos haciendo a este proceso complicado.
En la actualidad, algunos Robots emiten una seal y la reciben generando bajo esto
una especie de espacio, esta forma de ver es muy rstica, pero se sigue usando ya que
desafortunadamente es imposible lograr una reconstruccin de la imagen capturada. Y aunque
as fuera, las computadoras no podran distinguir un objeto de juguete y uno real. Lo peor es
que los modelos que existen tratan de resolver esto de forma muy complicada. Al proceso de
captar imgenes podemos dividirlo en: Bajo Nivel, Nivel Medio y Alto Nivel.
El primero se encarga de suavizar y quitar ruido a la imagen y de extraer caractersticas
de la imagen bidimensional, en particular de las aristas, el segundo se encarga de agrupar estas
aristas para formar imgenes bidimensionales y la tercera de usar estas imgenes para
reconocer objetos del mundo real. Generalmente las imgenes captadas por los robots son
suficientes para sus propsitos.
2.5. Redes Neuronales

En biologa, las neuronas tienen un cuerpo circular y una serie de ramificaciones: El axn y las
dendritas. El axn transporta la seal de salida otra clula y las dendritas permiten que la
informacin llegue a la neurona. Las conexiones intermedias se llaman Sinapsis, si la neurona
pasa el umbral impuesto por la sinapsis, se dispara, caso contrario no hace nada. Esto la
asemeja a dispositivos digitales, siendo esta la base de la Redes Neuronales, que buscan imitar
a la neurona en trminos computacionales. Se hace esto ya que se considera que la neurona es
la base de la capacidad de aprendizaje. No obstante la emulacin de la neurona no es perfecta,
a la fecha se investigan algunas cualidades importantes como la Computacin Distribuida para
tolerar Ruido (Distorsin) en la entrada y para el aprendizaje. Cada conexin Neuronal
computacional posee un peso numrico que limita la fuerza con la que el impulso sale de la
neurona, de no ser as la informacin crecera demasiado con resultados imprevisibles. Las
Redes Neuronales reconocen solo dos estados: 0 (No hay impulso) y 1 (Si lo hay), esto las
asemeja a las compuertas lgicas de cualquier tipo: AND, XOR, OR, etc.
2.6. Sistemas Expertos

Son programas de computacin inteligentes que usan conocimientos y procesos de inferencia,
para resolver problemas sumamente difciles para un humano ya que requeriran de mucha
experiencia. En s un Sistema Experto; emula la capacidad de experiencia de un ser humano
para tomar decisiones. Aunque los Sistemas Expertos se centran el domino del problema, no
tienen conocimientos ms all de donde fueron programados, esto es, no relaciona ningn
otro concepto, a menos que este especficamente indicado. A este conocimiento se le llama
Dominio del Conocimiento y como ya se apunt es muy cerrado. Los Sistemas Expertos se
basan en las Redes Neuronales. Sus partes son: La Base del Conocimiento, el Motor de
Inferencia, el Subsistema de Explicacin y la Interfaz.
14

La Base del Conocimiento: Aqu estn almacenados todos los datos que el Sistema
Experto tiene para tomar decisiones.

El Motor de Inferencias: Contiene todos los procesos que manipulan la Base del
Conocimiento, para deducir la informacin pedida por el usuario. (Por Ejemplo,

resolucin, encadenamiento atrs hacia delante, etc.
El Subsistema de Explicacin analiza la estructura del razonamiento y da una
explicacin al usuario.
La Interfaz, que es el puente de comunicacin entre el sistema y el usuario.
2.7. Robtica
Es uno de los campos de aplicacin ms apasionantes de la I.A; los Robots son agentes fsicos
que realizan tareas mediante la manipulacin fsica del mundo; por ser agentes y realizar su
trabajo en forma autnoma, se excluyen a los robots que son controlados por un operario
humano, como son los que hacen tareas de rutina, ya que la I.A busca robots con sistemas
autnomos.
La palabra Robot, proviene de la voz eslovaca Robota, que significa Trabajador Forzado. En
realidad esta rama comenz como una historia de Ciencia Ficcin, pero interes mucho a los
desarrolladores de I.A. Los primeros Robots, solo podan seguir una lnea blanca pintada en el
suelo. En la actualidad este campo ha avanzado tremendamente.
2.7.1. Clases:
Robots Manipuladores: Son brazos robticos que estn fijos en un lugar de trabajo y
se usan generalmente para ensamblar piezas, aunque tambin hay brazos usados para
ayudar en hospitales o incluso brazos que pintan lienzos con resultados muy originales.
Robots Mviles: Se desplazan por el medio usando ruedas, piernas u otros. Hay 3
variantes: ULV (Vehculo Terrestre sin Tripulacin, en ingls), son robots que permiten
un desplazamiento autnomo por autopistas. UAV (Vehculo Areo sin Tripulacin, en
ingls), son robots que permiten operaciones de fumigacin autnoma, as como de
vigilancia o militares. AUV (Vehculo Submarino sin Tripulacin), son robots que
permiten exploraciones marinas autnomas o incluso paseos planetarios.
Robots Humanoides: Son un tipo de Robots que se asemejan al torso humano. Esta
clase usa sus efectores mejor que los otros tipos, pero son mucho ms complejas que
los otros robots.
2.7.2. Hardware Robtico:

Sensores: Hay 2 clases, los Sensores Pasivos, que solo recogen informacin del medio,
su desventaja es que su margen de error es alto, y los Sensores Activos, que emiten
energa al medio y la reciben para usarla para las mediciones. Su nica desventaja es
que a ms se implementen en un robot, mayor es el riesgo de interferencia. Su ventaja
es que su margen de error es mnimo. Existen algunos que merecen ser mencionados:
Escneres de Rango: Miden la distancia.
Sistemas Tctiles: Sensores sensibles al tacto.
GPS: Calculan la posicin absoluta del robot en la tierra.
15

Sensores de Imagen: Permiten obtener imgenes y procesarlas.
Sensores Perceptores: Informan al robot de su propio estado.
Decodificadores de Ejes: Permiten medir las revoluciones de los motores para
usarlas en mediciones, en edometra. Este proceso es muy propenso a error

debido a desgaste fsico.
Sensores Inerciales: Una alternativa al decodificador de ejes, pero no
soluciona mucho.
Sensores de Fuerza y Tensin: Le indican al robot con cuanta fuerza est
cogiendo algo y con cuanta fuerza lo est girando.

Efectores: Existen varias clases:
o
Articuladores de Revolucin: Generan movimiento rotacional.
Articulacin Prismtica: Genera desplazamiento lateral.
Las personas contamos con los 6 grados de libertad (x, y, z, que nos localizan en el espacio y
desvi, balanceo y cabeceo: Yaw, Roll y Pitch). Los robots tienen todos o algunos de estos
grados de libertad.
Los robots no holomnicos son aquellos que tienen ms grados de libertad efectivos que
controlables, y los holomnicos son los que tienen el mismo nmero, sin embargo los
holomnicos aunque son fciles de manejar, son ms complejos de desarrollar.
Los Robots de Impulsin poseen 2 ruedas; como un tanque y cada rueda se mueve
independientemente de la otra.
La Conduccin Sincronizada se da cuando pueden girar y moverse en su propio eje.
Un Robot es dinmicamente estable si puede mantenerse en pie mientras camina.
Un Robot es estticamente estable, si el centro de gravedad est encima del polgono

que une a sus piernas.
No obstante, no solo las partes hacen funcionar al Robot, se necesita una fuente de energa
para hacer funcionar sus efectores, la ms popular es el motor electrnico, aunque tambin
hay modelos hidrulicos y neumticos.
2.7.3. Aplicaciones:
Industria y Agricultura: Los Robots han sido usados en entornos peligrosos para el
hombre y en muchas ocasiones son ms rentables que trabajadores humanos. En la

Agricultura, los Robots, estn siendo usados para sustituir las grandes mquinas
usadas para excavar, cosechar, etc. Por ahora son prototipos, pero pronto remplazarn
a los humanos en estas tareas.
Transporte: Los robots han servido mucho aqu: Desde helicpteros autnomos hasta
sillas de ruedas automticas, e incluso portadores de carga que superan a humanos

especializados. Incluso algunos ayudan transportando cosas en los hospitales, como el
Robot Helpmate.
16

Entornos Peligrosos: Los Robots ayudaron en la limpieza de lugares de accidentes
nucleares como Chernbil, Three Mile Island. Incluso estuvieron en la bsqueda y

limpieza durante el colapso del World Trade Center, ingresando a entornos muy
peligrosos, adems hay otros que desactivan bombas o limpian campos minados.
Exploracin: Los Robots han explorado lugares inaccesibles para la gente, como Marte
y los Volcanes. Incluso existen los Drones, vehculos areos autnomos usados para
fines militares.
Salud: Los Robots son usados para ayudar en operaciones de alto riesgo, tambin
sirven de ayuda a los ancianos como andadores robticos o juguetes que recuerdan
cuando tomar la medicacin.
Servicios Personales: Algunos robots pueden prestar servicio en el hogar, como aspirar
el hogar, cortar el csped e incluso remplazar los quioscos por quioscos robticos.
Entretenimiento: Los robots han empezado a conquistar la industria de los juguetes,
por ejemplo el robot-perro Sony AIBO; est siendo usado para estudios de I.A en todo
el mundo, siendo a la vez un juguete.
En 1995 se inici el torneo de ftbol de robots autnomos Robocup, cuyo
objetivo es lograr que robots autnomos ganen un partido de ftbol. Esto est
provocando una investigacin ms eficiente de la I.A, como a su vez darle algo de
animacin al campo.
Aumento Humano: Se han creado mquinas que puede transportar gente, adems se
investiga cmo aumentar la fuerza de las personas usando partes robticas. Hay
adems proyectos de Robots que se asemejan al ser humano, aunque en forma muy
superficial. Estos Robot estn en venta por algunas compaas en Japn.
2.8. Comunicacin
Es el medio principal por el que las personas se comunican con los sistemas computacionales
ms inteligentes, sirve para:
Informar: Para no repetir los mismos errores.
Preguntar: Para recabar informacin sobre el resto del mundo.
Compartir experiencias.
Los sistemas computacionales presentan algunos problemas al intentar estudiar el lenguaje:

Descripciones Incompletas: Muchas cosas deben deducirse.
Ambigedad de Significado: La misma frase en contextos distintos significa cosas
diferentes.
No Completitud: Los lenguajes naturales tienen siempre nuevas palabras.
Ambigedad de Expresin: Un mismo significado puede ser dicho de muchas formas.
Dependencia de Idioma: El procesamiento del lenguaje natural ser distinto en otro
idioma.
17

Hay que pensar porqu un agente necesita hablar, cuando puede hacer una accin.
Comunicarse le da las siguientes ventajas:
Aceptacin de Peticiones
Solicitar la realizacin de acciones
Prometer o comprometerse a un plan.
2.8.1. Tipos de Lenguaje:

Lenguajes Formales: Son lenguajes en los que estn muy bien definidos lo que se
puede y no puede decir. Sus definiciones son muy estrictas, a estos lenguajes
pertenecen los Lenguajes de Programacin (ASM, C++, Basic, Java, etc).
Lenguajes Naturales: Son lenguajes que, al contrario de los formales tienen una
gramtica ms flexible y se pueden aadir nuevas palabras. A estos lenguajes

pertenecen los lenguajes del mundo (ingls, dans, espaol, etc).
2.8.2. Etapas:
La comunicacin tiene varias etapas que es preciso conocer. Supongamos que el hablante A
desea comunicarle algo a B; las fases que deberan seguir seran:
Intencin: Por algn motivo A, desea transmitirle informacin a B.
Generacin: A; planifica como transmitirle su mensaje B.
Sntesis: A; pone en prctica su plan para transmitir su mensaje a B. Puede transmitir

el mensaje por medio de la voz, papel, etc.
Percepcin: B recibe el mensaje de A y lo decodifica de acuerdo a la forma en la que

fue transmitido.
Anlisis: B inferir que el mensaje recibido por A, tiene algn significado. Esto puede
causar algunos problemas ya que algunas palabras se interpretan en varios sentidos y
esto da lugar a la ambigedad: No saber el significado de ciertas palabras.
2.8.3. Aplicaciones:
Basadas en Texto: Encontrar documentos relacionados con ciertos temas en una base
de datos documental, extraer informacin de mensajes y artculos, traducir texto entre
idiomas y resumir texto.
Basadas en Dilogo: Sntesis del control en un lenguaje natural, donde la salida puede
ser un comando a un sistema operativo, un robot, etc.; sistema automtico de
mensajes, compras por telfono, sistema de acceso a una base de datos en lenguaje
natural y sistemas tutores.
3. OTRAS AREAS DE APLICACIONES DE INTELIGENCIA ARTIFICIAL

Las definiciones anteriores implican que 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.
18
Procesamiento del Lenguaje Natural

Algoritmos Genticos
Lgica difusa
Lgica
Percepcin y reconocimiento de patrones
Auto aprendizaje
Juegos
3.1.
Procesamiento de lenguaje Natural
Para muchos investigadores, es el ms difcil de alcanzar de todos los objetivos de la

Inteligencia Artificial: Permitir a la computadora comprender el lenguaje humano
directamente; sin el complicado conjunto de lenguajes intermedios.
3.2.
Percepcin y Reconocimiento de Patrones
Engloba un conjunto de tcnicas de la matemtica aplicada y de la informtica, ha

despertado un gran inters en las ltimas dcadas por sus numerosas aplicaciones, entre las
que se pueden citar las siguientes: ayuda al diagnstico mdico, anlisis automtico de
seales, teledeteccin, inspeccin automtica de productos industriales, sistemas de vigilancia
automtica, procesamiento de documentos, bsqueda automtica de informacin digitalizada
etc.
3.3.
Auto Aprendizaje
Esta rea de la Inteligencia Artificial trata de la realizacin de programas que aprendan de

sus errores, de observaciones o por encargo. En este sentido, aprender simplemente significa
hacer a una computadora capaz de beneficiarse de la experiencia.
3.4.
Lgica
Uno de los productos de la I.A. de gran importancia prctica actual son aquellos
programas que se pueden usar para estudiar la correccin lgica de argumentos mediante la
aplicacin de reglas estndar de lgica. Esto incluye demostraciones matemticas, lgica
formal y lgica filosfica.
3.5.
Lgica difusa
Esta rea de la Inteligencia Artificial estudia los problemas de hacer que una computadora
sea capaz de tomar decisiones (pensar) usando conocimiento incompleto o probabilstico.
3.6.
Algoritmos Genticos
Los Algoritmos Genticos son una tcnica computacional inspirada en modelos biolgicos
que han sido utilizados para realizar bsquedas eficientes en espacios de soluciones altamente
complejos y grandes. Los Algoritmos Genticos son mtodos adaptivos que pueden ser
utilizados para implementar bsquedas y problemas de optimizacin. Los Algoritmos
Genticos estn basados en los procesos genticos de los organismos biolgicos, codificando
una posible solucin a un problema en un cromosoma compuesto por una cadena de bits o
caracteres.
3.7.
Juegos
Una de las primeras aplicaciones de I.A. Fueron los juegos, el primer programa para jugar
damas fue concebido en 1947 pero se realiz hasta 1962. Se dice que el primer juego de
19

ajedrez por computadora fue creado por Claude Shannon en 1953. Actualmente la pasin por
los videojuegos es dominante en todo el mundo por nios e inclusive adultos.
4. INTELIGENCIA ARTIFICIAL CONVENCIONAL

Se conoce tambin como IA simblico-deductiva. Est basada en el anlisis formal y estadstico
del comportamiento humano ante diferentes problemas:
Razonamiento basado en casos: Ayuda a tomar decisiones mientras se resuelven
ciertos problemas concretos y aparte de que son muy importantes requieren de un
buen funcionamiento.
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 probabilstica.
Inteligencia artificial basada en comportamientos: que tienen autonoma y pueden
auto-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.
5. INTELIGENCIA ARTIFICIAL COMPUTACIONAL

Es una rama de la inteligencia artificial centrada en el estudio de mecanismos adaptativos para
permitir el comportamiento inteligente de sistemas complejos y cambiantes. Se presenta
como una alternativa a la GOFAI ("Good Old-Fashioned Artificial Intelligence"), tratando de no
confiar en algoritmos heursticos tan habituales en la Inteligencia Artificial ms tradicional.
Dentro de la Inteligencia Computacional podemos encontrar tcnicas como las Redes
Neuronales, Computacin Evolutiva, Swarm Intelligence, Sistemas Inmunes Artificiales o
Sistemas difusos. Tambin se relaciona con tcnicas como los Fractales, Teora del
Caos, Wavelets, Autmata celular, etc.
La Inteligencia Computacional combina elementos de aprendizaje, adaptacin, evolucin
y Lgica difusa para crear programas que son, en cierta manera, inteligentes. La investigacin
en Inteligencia Computacional no rechaza los mtodos estadsticos, pero muy a menudo
aporta una vista complementaria. Las Redes Neuronales son una rama de la inteligencia
computacional muy relacionada con el aprendizaje automtico.
6. INTELIGENCIA ARTIFICIAL HUMANA

Es notable como hoy en da la tecnologa se ha desarrollado hasta puntos quizs inimaginables
algunas dcadas atrs o tan solo aos atrs. La variedad y rapidez de las funciones de una PC
nos llevan a pensar sern nuestros cerebros inferiores a las mquinas.
Creo que si a alguien le hacen esta pregunta y debe responder en una manera
impulsiva y rpida, esta podra llegar a decir que las maquinas son ms inteligentes. No sera
una respuesta totalmente errnea, hoy en da las maquinas realizan, por ejemplo,
complicadsimos clculos matemticos en segundos, buscan informacin tambin en
segundos. Esto podra provocar que la gente irreflexivamente conteste que las ms
inteligentes son las mquinas.
20

Personalmente, me atrevo a criticar esta respuesta. El fundamento es simple, sabemos
que los seres humanos no somos perfectos, no habr una sola vez en la que no comentamos ni
el ms mnimo error; es por eso que algo imperfecto no puede hacer algo perfecto Me
explico? Simplificadamente. Acaso Microsoft no tiene fallas.
7. ELEMENTOS DE LA INTELIGENCIA ARTIFICIAL

En verdad, la inteligencia artificial consiste en la asimilacin de los procesos inductivos y
deductivos del cerebro humano. Este intento de imitacin se enfrenta a duras restricciones del
hardware. Una computadora no es un cerebro; su complejidad electrnica se encuentra a una
distancia abismal de la superior complejidad neurolgica cerebral. La inteligencia artificial
acepta el reto de la imitacin de los procesos del cerebro aplicando mucho ingenio para
aprovechar los medios de que se dispone y que se elaboran.
Sea cual sea la aplicacin de que se trate, la lA se sustenta sobre los dos elementos siguientes:
Estrategias de comportamiento inteligente.
Saber.
Estos elementos forman una construccin coherente: son forma y contenido, estructura y
materia.
7.1. Estrategias de comportamiento inteligente:

Se conjuga en la disposicin de reglas para formular buenas inferencias o conjeturas y,
tambin, en su utilidad para la bsqueda de una solucin a la cuestin o tarea planteada. De
esta forma, las estrategias son la parte estructural o formal.
7.2.
Saber:
Significa lo material o el contenido, y, por tanto, vara en cada caso de un modo ms

profundo; se trata del saber. En realidad, no se puede pretender reunir el saber, sino los
saberes. Por ejemplo, cada sistema experto posee en memoria todos los conocimientos
distintivos que tendra un especialista en la materia, sea un mdico, un abogado o un qumico.
El saber que se recoge tiene un carcter especializado y alcanza un volumen conceptual
considerable.
8. TECNICAS DE BUSQUEDA EN INTELIGENCIA ARTIFICIAL

Tcnicas de Bsqueda de Soluciones
Arboles de Bsqueda
Tcnicas Look-Back
Tcnicas Look-Ahead
Gua de Bsqueda
8.1.
Arboles de Bsqueda
Estructura en forma de rbol que permite construir instanciaciones en un problema

de bsqueda.
Un rbol de bsqueda posee tantos niveles como variables tiene el problema + 1.
Un rbol tiene tantos descendientes por nivel como valores tenga el dominio de cada
variable.
21
8.2.
Tcnicas Look-Back
Los algoritmos con enfoque look-back tratan de explotar la informacin del problema
para comportarse ms ecientemente en las situaciones sin salida. Llevan a cabo el chequeo
de la consistencia hacia atrs, es decir, entre la variable actual y las pasadas.
Figura. Estructura Look-Back
8.2.1. Backtracking Cronolgico

Si asumimos un orden esttico las variables y de los valores en las variables, este algoritmo
trabaja de la siguiente manera. El algoritmo selecciona la siguiente variable de acuerdo al
orden de las variables y le asigna su prximo valor. Esta asignacin de la variable se comprueba
en todas las restricciones en las que forma parte la variable actual y las anteriores. Si todas las
restricciones se han satisfecho, el backtracking cronolgico selecciona la siguiente variable y
trata de encontrar un valor para ella de la misma manera. Si alguna restriccin no se satisface
entonces la asignacin actual se deshace y se prueba con el prximo valor de la variable actual.
Si no se encuentra ningn valor consistente entonces tenemos una situacin sin salida
(dead-end) y el algoritmo retrocede a la variable anteriormente asignada y prueba asignndole
un nuevo valor. Si asumimos que estamos buscando una sola solucin, el backtracking
cronolgico finaliza cuando a todas las variables se les ha asignado un valor, en cuyo caso
devuelve una solucin, o cuando todas las combinaciones de variable-valor se han probado sin
xito, en cuyo caso no existe solucin.
El backtracking cronolgico es un algoritmo muy simple pero es muy ineficiente. El
problema es que tiene una visin local del problema. Solo comprueba restricciones que estn
formadas por la variable actual y las pasadas, e ignora la relacin entre la variable actual y las
futuras. Adems, este algoritmo es ingenuo en el sentido de que no 'recuerda' las acciones
previas, y como resultado, puede repetir la misma accin varias veces innecesariamente. Para
ayudar a combatir este problema, se han desarrollado algunos algoritmos de bsqueda ms
robustos.
22
Figura. Backtracking Cronolgico
8.2.2. Backtracking Guiado por el Grafo de Restricciones

En caso de error sobre una variable se regresa a la variable conectada por una restriccin
ms recientemente instanciada. Mtodo interesante para los grafos de restricciones sparse.
Figura. Backtracking Guiado
8.3.
Tcnicas Look-Ahead
Como ya indicamos anteriormente, los algoritmos look-back tratan de reforzar el

comportamiento de Backtracking mediante un comportamiento ms inteligente cuando se
encuentran en situaciones sin salida. Sin embargo, en todos los casos, el chequeo de la
consistencia se realiza solamente hacia atrs, ignorando las futuras variables.
Los algoritmos con enfoque Look-ahead hacen un chequeo hacia adelante en cada
etapa de la bsqueda, es decir, ellos chequean para obtener las inconsistencias de las variables
futuras involucradas, adems de las variables actual y pasadas. De esta manera, las situaciones
sin salida se pueden identicar antes y adems, los valores inconsistentes se pueden descubrir
y podar en las variables futuras.
23
Figura. Tcnica Look-Ahead
9. SISTEMA BASADO EN CONOCIMIENTO

Los mtodos generales desarrollados para la resolucin de problemas y tcnicas de bsqueda
al inicio de la era de la IA demostraron no ser suficientes para resolver los problemas
orientados a las aplicaciones, ni fueron capaces de satisfacer los difciles requerimientos de la
investigacin.
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.
A este conjunto de mtodos, procedimientos y tcnicas, se lo conoce
como Inteligencia Artificial Dbil.
Figura: Representacin lingstica del conocimiento

Los sistemas basados en conocimiento son excelentes para representar conocimiento
asociativo. Este tipo de experiencia refleja la habilidad heurstica o el conocimiento que es
adquirido mayoritariamente, a travs de la observacin. Puede ser que no se comprenda
exactamente lo que ocurre al interior de un sistema (caja negra), pero se puede asociar
entradas o estmulos con salidas o respuestas, para resolver problemas que han sido
previamente conocidos.
24
Estructura de los SBC
La arquitectura de un sistema basado en conocimiento de alguna manera refleja la

estructura cognitiva y los procesos humanos. La primera parte es la memoria de largo
plazo, en la que guarda los hechos (Razonamiento) y los conocimientos (Base de
Conocimientos) acerca del dominio en el que tiene experiencia.
Figura: Estructura de un sistema basado en conocimiento
9.1. Representacin de un sistema basado en conocimiento

Lo que intentaremos explicar es como traducir o representar los estmulos percibidos (que al
fin y al cabo es la informacin sobre hechos del mundo que nos rodea) en una lengua de
representacin que permita almacenarlo y recuperarlo es caso de necesitar esa informacin.
Podemos representar el conocimiento de varias formas:
Simblicamente podra ser a travs de un lenguaje formal como la lgica de primer
orden o mediante otros mecanismos como las reglas de produccin, las redes
semnticas o los marcos (frames) de Marvin Minsky.
Si partimos del enfoque conexionista el conocimiento, como ya hemos dicho, est
representada en cada una de los nodos de la red neuronal, que la adquiri en el
proceso de entrenamiento o presentndole un cierto patrn de entrada, y si es
aprendizaje supervisado la salida deseada.
9.2. Ciclo de vida de los Sistemas basado en conocimiento

Anlisis del Problema: Evaluar el problema y los recursos disponibles para determinar
la aplicabilidad de una solucin basada en conocimiento. Se debe realizar un anlisis
costo - beneficio del SBC propuesto para saber si su desarrollo puede ser garantizado.
Especificacin de Requerimientos: Formalizar y poner por escrito lo que fue adquirido
durante la fase de anlisis. Esto permite determinar los objetivos del proyecto, ojal,
de una manera inequvoca y establece los medios para obtener dichos objetivos.
25

Diseo Preliminar: Esta etapa considera nicamente las decisiones de alto nivel
necesarias para preparar y desarrollar rpidamente el prototipo inicial.
Especficamente, esta etapa determina el paradigma de representacin del
conocimiento, la herramienta escogida para construir el prototipo, y la seleccin de los
expertos
Prototipo Inicial y Evaluacin: Esta es una etapa clave debido a que todas las
decisiones tomadas en el diseo preliminar deben ser ya sea confirmadas, rectificadas
o desechadas, sobre la base del conocimiento recopilado de los expertos en el proceso
hasta completar esta etapa
Diseo Final: comprende la seleccin de las herramientas y de los recursos necesarios
para desarrollar el sistema a ser entregado. En muchos casos puede ser aplicable y
muy til realizar una descripcin grfica de los diferentes mdulos del sistema,
empleando las herramientas CASE propias de los sistemas de software convencionales
Implementacin: comprende el proceso completo de adquisicin del conocimiento
para todos los mdulos o subsistemas. Es en esta etapa que tiene lugar el desarrollo
incremental.
Pruebas: El asegurar la calidad de un SBC es una tarea muy importante que debe ser
cuidadosamente planificada, especialmente a medida que el SBC es ms grande y
complejo, o es de aplicacin crtica. El plan de pruebas, es bastante similar al que se
prepara para un sistema cconvencional, basndose en la validacin y la verificacin.
Ajustes al Diseo: A medida que el trabajo avanza y los ingenieros cognoscitivos
tienen a la vista los problemas detectados, deben realizar los ajustes necesarios al
inicio de cada iteracin. Si estos ajustes cada vez son relativamente ms pequeos y
no son retroactivos, se tiene una buena medida de que se est progresando. Pero si
ocurre lo contrario, puede representar un serio retardo al proyecto y posiblemente
requerir un cambio de paradigma
Instalacin, Implantacin y Mantenimiento En la etapa final del ciclo de vida de un
SBC se traslada el sistema desarrollado, como un producto operativo hacia el entorno
de los usuarios. Para ello, se deben realizar varias actividades de instalacin,
implantacin y mantenimiento similares a las de un sistema de software convencional.
9.3. Problemas fundamentales en la construccin de los SBC

La adquisicin del conocimiento y cmo representar el conocimiento humano
a una representacin abstracta efectiva.
La representacin del conocimiento en trminos de una estructura de datos
que una maquina pueda procesar.
La generacin de inferencias o cmo hacer uso de esas estructuras abstractas
para generar informacin til en el contexto de un caso especco.
26
CONCLUSION
La I.A tiene muchas aplicaciones en la vida real.
La I.A no es como se ve en las pelculas, falta mucho por hacer.
El mayor campo de aplicacin de la I.A son los juegos.
La robtica es otro de los campos en los que ms se aplica la I.A
Hospitales, Industrias y otros se benefician de la I.A, especficamente en la Robtica.
Los Sistemas Expertos son tiles en muchas ocasiones.
La Visin Artificial es el campo menos desarrollado de la I.A
Las Neuronas humanas son parecidas a las computacionales.
Los Robots estn captando la atencin de muchos debido a lo que pueden hacer
gracias a la I.A (Por ejemplo, el campeonato Robocup).

Existen Robots que ayudan en Hospitales, a personas.
El objetivo de la I.A es lograr un sistema totalmente autnomo.
27
BIBLIOGRAFIA
http://saragarc.blogspot.com/2012/10/fundamentos-basicos-sobre-inteligencia.html
http://es.scribd.com/doc/53748655/65/INTELIGENCIA-ARTIFICIAL-CONVENCIONAL
http://www.dccia.ua.es/dccia/inf/asignaturas/FIA/0506T1.pdf
http://mareli-computacion.blogspot.com/2010/06/que-es-un-sistema-basado-en-el.html
http://www.ramos.utfsm.cl/doc/984/sc/Clase6.pdf
http://www.slideshare.net/progamacioneis/introduccin-a-la-ia-7285773
http://html.rincondelvago.com/aplicaciones-de-la-inteligencia-artificial_1.html
http://elvex.ugr.es/decsai/iaio/slides/A3%20Search.pdf
http://www.ia.urjc.es/grupo/docencia/fia/material/temario_FIA_tema1.pdf
http://es.scribd.com/doc/54470311/Fundamentos-de-La-Inteligencia-Artificial
http://www.monografias.com/trabajos10/trabajos/trabajos.shtml
http://www.monografias.com/trabajos10/trabajos/trabajos.shtml#TECN
http://www.nebrija.es/~cmalagon/inco/Apuntes/sistemas_basados_en_conocimiento.pdf
http://www.cs.us.es/cursos/iic-2003/temas/tema-02-iic04.pdf

Fundamentos de La I.A

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Fundamentos de La I.A

Transféré par

Droits d'auteur :

Formats disponibles

Inteligencia Artificial y Robtica

Ing. Flix Corts Hernndez

Inteligencia Artificial y Robtica

Inteligencia Artificial y Robtica

INTELIGENCIA ARTIFICIAL .................................................................................................. 5

Objetivos de la Inteligencia Artificial .......................................................................... 5

Importancia de la Inteligencia Artificial ...................................................................... 5

Caractersticas de la Inteligencia Artificial .................................................................. 6

Categoras de la Inteligencia Artificial ........................................................................ 6

APLICACIONES DE INTELIGENCIA ARTIFICIAL...................................................................... 8

Prueba de Turing ....................................................................................................... 8

2.3. Bsqueda Heurstica ..................................................................................................... 11

OTRAS AREAS DE APLICACIONES DE INTELIGENCIA ARTIFICIAL ........................................ 17

Procesamiento de lenguaje Natural ......................................................................... 18

Percepcin y Reconocimiento de Patrones .............................................................. 18

Auto Aprendizaje ..................................................................................................... 18

Lgica difusa ............................................................................................................ 18

Algoritmos Genticos .............................................................................................. 18

INTELIGENCIA ARTIFICIAL CONVENCIONAL ...................................................................... 19

Inteligencia Artificial y Robtica

INTELIGENCIA ARTIFICIAL COMPUTACIONAL ................................................................... 19

INTELIGENCIA ARTIFICIAL HUMANA ................................................................................ 19

ELEMENTOS DE LA INTELIGENCIA ARTIFICIAL................................................................... 20

Estrategias de comportamiento inteligente: ............................................................ 20

TECNICAS DE BUSQUEDA EN INTELIGENCIA ARTIFICIAL ................................................... 20

Arboles de Bsqueda ............................................................................................... 20

Tcnicas Look-Back .................................................................................................. 21

Backtracking Cronolgico ................................................................................. 21

Backtracking Guiado por el Grafo de Restricciones ........................................... 22

Tcnicas Look-Ahead ............................................................................................... 22

SISTEMA BASADO EN CONOCIMIENTO ............................................................................ 23

Inteligencia Artificial y Robtica

Inteligencia Artificial y Robtica

Objetivos de la Inteligencia Artificial

Desarrollar una mquina inteligente capaz de aprender a travs de la experiencia,

Importancia de la Inteligencia Artificial

Conforme el mundo se vuelve ms complejo, debemos usar nuestros recursos materiales

En la agricultura, controlar plagas y manejar cultivos en forma ms eficiente.

En las fbricas, realizar montajes peligrosos y actividades tediosas (labores de

En la medicina, ayudar a los mdicos a hacer diagnsticos, supervisar la condicin de

En el trabajo domstico, brindar asesora acerca de dietas, compras, supervisin y

En las escuelas, apoyar la formacin de los estudiantes, especialmente en aquellas

Ayudar a los expertos a resolver difciles problemas de anlisis o a disear nuevos

Inteligencia Artificial y Robtica

Aprender de los ejemplos para explorar bases de datos en busca de regularidades

Proporcionar respuestas a preguntas en lenguaje natural usando datos estructurados y

Caractersticas de la Inteligencia Artificial

Categoras de la Inteligencia Artificial

Sistemas que piensan como humanos:

Figura 1: Sistemas que piensan como humanos

Sistemas que actan como humanos:

Inteligencia Artificial y Robtica

Figura 2: Agente Inteligente

Inteligencia Artificial y Robtica

2. APLICACIONES DE INTELIGENCIA ARTIFICIAL

preguntas o extraer conclusiones.

Inteligencia Artificial y Robtica

hay incertidumbre, el ms apropiado. Estos agentes se basan en Inferencias, aunque

Inteligencia Artificial y Robtica

Figura: Diseo de un agente a base de inferencia

Agente, se debe diferenciar entre la funcin que es una descripcin abstracta en el

Inteligencia Artificial y Robtica

Figura: Agentes Inteligentes

una celda a la derecha.