Inteligencia Artificial Conceptos

Inteligencia articial-conceptos
ndice general
1
Inteligencia articial
1.1
Categoras de la inteligencia articial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Escuelas de pensamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1
Inteligencia articial convencional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2
Inteligencia articial computacional
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Historia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4
La inteligencia articial y los sentimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5
Crticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6
Tecnologas de apoyo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7
Aplicaciones de la inteligencia articial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.8
Investigadores en el campo de la inteligencia articial
. . . . . . . . . . . . . . . . . . . . . . . .
1.9
Inteligencia articial en la ccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10 Vase tambin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.11 Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.12 Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.13 Enlaces externos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.13.1 Publicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.13.2 Asociaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.13.3 Robtica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.13.4 Videos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.13.5 Otros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Ciencias de la computacin
10
2.1
Historia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.1.1
13
2.2
Filosofa
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
Desambiguacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
Campos de las ciencias de la computacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
2.3.1
Teora de la computacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
2.3.2
Teora de la informacin y cdigos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
2.3.3
Algoritmos y estructuras de datos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
2.3.4
Teora de lenguajes de programacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
2.3.5
Mtodos formales
16
2.2.1
2.3
Mayores logros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
i
ii
NDICE GENERAL
2.3.6
Ciencias de la computacin aplicadas
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
2.3.7
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
2.3.8
Arquitectura de computadoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
2.3.9
Anlisis de rendimiento de computadoras . . . . . . . . . . . . . . . . . . . . . . . . . .
17
2.3.10 Cmputo cientco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
2.3.11 Redes de computadoras
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
2.3.12 Sistemas concurrentes, paralelos y distribuidos . . . . . . . . . . . . . . . . . . . . . . . .
18
2.3.13 Bases de datos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
2.3.14 Informtica en salud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
2.3.15 Ciencia de la informacin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
2.4
Relacin con otros campos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
2.5
Vase tambin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
2.6
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
2.7
Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
2.8
Enlaces externos
21
2.3.16 Ingeniera de software
Lgica
23
3.1
Acepciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
3.1.1
Ciencia argumentativa y propedutica . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
3.1.2
Ciencia del pensar
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
3.1.3
Ciencia formal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
3.1.4
Lgica informal
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
3.2
Sistemas lgicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
3.3
Metalgica
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
3.4
Falacias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
3.5
Paradojas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
3.6
Historia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
3.6.1
Edad Antigua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
3.6.2
Edad Media
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
3.6.3
Edad Moderna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
3.6.4
Siglo XIX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
3.6.5
Siglo XX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
3.7
Vase tambin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
3.8
Notas y referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
3.9
Bibliografa adicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34

4
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Inteligencia
34
35
4.1
Etimologa
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
4.2
Denicin de la inteligencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
4.3
mbito psicolgico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
NDICE GENERAL
4.4
4.3.1
Deniciones
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
4.3.2
Teoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
Intentos de medir la inteligencia

4.4.1
4.5
4.6
Sociedades de superdotados en el mundo
39
. . . . . . . . . . . . . . . . . . . . . . . . . .
39
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
4.5.1
Evidencias
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
4.5.2
Grados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
4.5.3
Inteligencia primaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
4.5.4
Inteligencia humana
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
Desarrollo de la inteligencia
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
Principio de lateralidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
4.7
Vase tambin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
4.8
Notas y referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
4.9
Enlaces externos
43
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Sistema inteligente
44
5.1
Capacidades requeridas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
5.2
Ejemplos de sistemas inteligentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
5.3
Vase tambin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
5.4
Enlaces externos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
En ingls . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
5.4.1
6
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Teora de la evolucin de la inteligencia
4.6.1
iii
Algoritmo gentico
46
6.1
Funcionamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
6.2
Cundo usar estos algoritmos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
6.3
Funcionamiento de un algoritmo gentico bsico . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
6.4
Aplicaciones
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
6.5
Vase tambin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
6.6
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
6.7
Enlaces externos
49
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Red neuronal articial
50
7.1
Historia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
7.2
Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
7.2.1
Diseo y programacin de una RNA (red neuronal articial) . . . . . . . . . . . . . . . . .
51
7.2.2
Estructura
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
7.3
Ventajas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
7.4
Tipologa de las RNA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
7.4.1
Modelos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
7.4.2
Topologa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
7.4.3
Aprendizaje
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
7.4.4
Tipo de entrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
iv
NDICE GENERAL
7.5
Aplicaciones
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
7.6
Herramientas de software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
7.7
Vase tambin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
7.8
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
7.9
Enlaces externos
56
7.5.1
Razonamiento
57
8.1
Razonamiento lgico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
57
8.1.1
57
Razonamiento matemtico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.2
Razonamiento no lgico
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
8.3
Razonamiento en medicina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
8.3.1
Razonamiento clnico
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
8.3.2
Razonamiento farmacolgico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
8.4
Razonamiento en psicologa
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
Las ideas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
8.5
Estadstica inferencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
8.6
Vase tambin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
8.7
Referencia
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
Enlaces externos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
8.4.1
8.7.1
9
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Teora de control
60
9.1
Lecturas imprescindibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
60
9.1.1
61
9.2
Para Ingeniera Qumica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Vase tambin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10 Planicacin automtica
10.1 Vase tambin
62
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11 Reconocimiento de escritura
11.1 Vase tambin
62
63
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12 Reconocimiento del habla
63
64
12.1 Diseo de un sistema de RAH

12.1.1 Aprendizaje
61
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
12.1.2 Decodicador acstico-fontico
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
65
12.2 Caractersticas de los sistemas existentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
65
12.3 Clasicacin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
65
12.4 Usos y aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
65
12.5 Curiosidades
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
12.7 Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
12.1.3 Modelo del lenguaje
12.6 Vase tambin
NDICE GENERAL
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13 Reconocimiento de patrones
13.1 Introduccin
66
67
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.2 Sistema bsico de reconocimiento
67
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
67
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
68
13.2.2 Extraccin de caractersticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
68
13.2.3 Seleccin de variables
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
68
13.2.4 Clasicacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
13.2.1 Sensor
13.3 Aplicaciones
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
71
13.4 Notas y referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
13.5 Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
13.7 Texto e imgenes de origen, colaboradores y licencias . . . . . . . . . . . . . . . . . . . . . . . .
73
13.7.1 Texto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
73
13.7.2 Imgenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
75
13.7.3 Licencia de contenido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
Captulo 1
La inteligencia articial (IA) es un rea multidisciplinaria, que a travs de ciencias como las ciencias de la computacin, la matemtica, la lgica y la losofa, estudia la creacin y diseo de sistemas capaces de resolver problemas
cotidianos por s mismas utilizando como paradigma la inteligencia humana.[cita requerida]
General y amplio como eso, rene a amplios campos, los cuales tienen en comn la creacin de mquinas capaces
de pensar. En ciencias de la computacin se denomina inteligencia articial a la capacidad de razonar de un agente
no vivo.[1][2][3] John McCarthy acu la expresin inteligencia articial en 1956, y la deni as: Es la ciencia e
ingenio de hacer mquinas inteligentes, especialmente programas de cmputo inteligentes.[4]
Bsqueda del estado requerido en el conjunto de los estados producidos por las acciones posibles.
Algoritmos genticos (anlogo al proceso de evolucin de las cadenas de ADN).
Redes neuronales articiales (anlogo al funcionamiento fsico del cerebro de animales y humanos).
Razonamiento mediante una lgica formal anlogo al pensamiento abstracto humano.
Tambin existen distintos tipos de percepciones y acciones, que pueden ser obtenidas y producidas, respectivamente,
por sensores fsicos y sensores mecnicos en mquinas, pulsos elctricos u pticos en computadoras, tanto como por
entradas y salidas de bits de un software y su entorno software.
Varios ejemplos se encuentran en el rea de control de sistemas, planicacin 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.
1.1 Categoras de la inteligencia articial

Stuart Russell y Peter Norvig diferencian estos tipos de la inteligencia articial:[5]
Sistemas que piensan como humanos.- Estos sistemas tratan de emular el pensamiento humano; por ejemplo
las redes neuronales articiales. La automatizacin de actividades que vinculamos con procesos de pensamiento
humano, actividades como la Toma de decisiones, Resolucin de problemas y aprendizaje.[6]
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.[7]
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.[8]
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.[9]
1
CAPTULO 1. INTELIGENCIA ARTIFICIAL
1.2 Escuelas de pensamiento

La IA se divide en dos escuelas de pensamiento:
La inteligencia articial convencional
La inteligencia computacional
1.2.1
Inteligencia articial 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: Ineren 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 articial basada en comportamientos: Esta inteligencia contiene autonoma y puede 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 dicha actividad.
1.2.2
Inteligencia articial computacional
La Inteligencia Computacional (tambin conocida como IA subsimblica-inductiva) implica desarrollo o aprendizaje

interactivo (por ejemplo, modicaciones interactivas de los parmetros en sistemas conexionistas). El aprendizaje se
realiza basndose en datos empricos.
1.3 Historia
El trmino inteligencia articial fue acuado formalmente en 1956 durante la conferencia de Darthmounth,
ms para entonces ya se haba estado trabajando en ello durante cinco aos en los cuales se haba propuesto
muchas deniciones distintas que en ningn caso haban logrado ser aceptadas totalmente por la comunidad
investigadora. La IA es una de las disciplinas ms nuevas junto con la gentica moderna.
Las ideas ms bsicas se remontan a los griegos, antes de Cristo. Aristteles (384-322 a. C.) fue el primero
en describir un conjunto de reglas que describen una parte del funcionamiento de la mente para obtener conclusiones racionales, y Ctesibio de Alejandra (250 a. C.) construy la primera mquina autocontrolada, un
regulador del ujo de agua (racional pero sin razonamiento).
En 1315 Ramon Llull en su libro Ars magna tuvo la idea de que el razonamiento poda ser efectuado de manera
articial.
En 1936 Alan Turing disea formalmente una Mquina universal que demuestra la viabilidad de un dispositivo
fsico para implementar cualquier cmputo formalmente denido.
En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas articiales, el cual se considera
el primer trabajo del campo, an cuando todava no exista el trmino. Los primeros avances importantes
comenzaron a principios del ao 1950 con el trabajo de Alan Turing, a partir de lo cual la ciencia ha pasado
por diversas situaciones.
En 1955 Herbert Simon, Allen Newell y J.C. Shaw, desarrollan el primer lenguaje de programacin orientado
a la resolucin de problemas, el IPL-11. Un ao ms tarde desarrollan el LogicTheorist, el cual era capaz de
demostrar teoremas matemticos.
1.3. HISTORIA
En 1956 fue inventado el trmino inteligencia articial por John McCarthy, Marvin Minsky y Claude Shannon
en la Conferencia de Dartmouth, un congreso en el que se hicieron previsiones triunfalistas a diez aos que
jams se cumplieron, lo que provoc el abandono casi total de las investigaciones durante quince aos.
En 1957 Newell y Simon continan su trabajo con el desarrollo del General Problem Solver (GPS). GPS era
un sistema orientado a la resolucin de problemas.
En 1958 John McCarthy desarrolla en el Instituto de Tecnologa de Massachusetts (MIT) el LISP. Su nombre
se deriva de LISt Processor. LISP fue el primer lenguaje para procesamiento simblico.
En 1959 Rosenblatt introduce el Perceptrn.
A nales de los 50 y comienzos de la dcada del 60 Robert K. Lindsay desarrolla Sad Sam, un programa
para la lectura de oraciones en ingls y la inferencia de conclusiones a partir de su interpretacin.
En 1963 Quillian desarrolla las redes semnticas como modelo de representacin del conocimiento.
En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el cual era capaz de
inferir conocimiento basado en informacin que se le suministra. Bobrow desarrolla STUDENT.
A mediados de los aos 60, aparecen los sistemas expertos, que predicen la probabilidad de una solucin bajo
un set de condiciones. Por ejemplo DENDRAL, iniciado en 1965 por Buchanan, Feigenbaum y Lederberg, el
primer Sistema Experto, que asista a qumicos en estructuras qumicas complejas euclidianas, MACSYMA,
que asista a ingenieros y cientcos en la solucin de ecuaciones matemticas complejas.
Posteriormente entre los aos 1968-1970 Terry Winograd desarroll el sistema SHRDLU, que permita interrogar y dar rdenes a un robot que se mova dentro de un mundo de bloques.
En 1968 Minsky publica Semantic Information Processing.
En 1968 Seymour Papert, Danny Bobrow y Wally Feurzeig desarrollan el lenguaje de programacin LOGO.
En 1969 Alan Kay desarrolla el lenguaje Smalltalk en Xerox PARC y se publica en 1980.
En 1973 Alain Colmenauer y su equipo de investigacin en la Universidad de Aix-Marseille crean PROLOG
(del francs PROgrammation en LOGique) un lenguaje de programacin ampliamente utilizado en IA.
En 1973 Shank y Abelson desarrollan los guiones, o scripts, pilares de muchas tcnicas actuales en Inteligencia
Articial y la informtica en general.
En 1974 Edward Shortlie escribe su tesis con MYCIN, uno de los Sistemas Expertos ms conocidos, que
asisti a mdicos en el diagnstico y tratamiento de infecciones en la sangre.
En las dcadas de 1970 y 1980, creci el uso de sistemas expertos, como MYCIN: R1/XCON, ABRL, PIP,
PUFF, CASNET, INTERNIST/CADUCEUS, etc. Algunos permanecen hasta hoy (Shells) como EMYCIN,
EXPERT, OPSS.
En 1981 Kazuhiro Fuchi anuncia el proyecto japons de la quinta generacin de computadoras.
En 1986 McClelland y Rumelhart publican Parallel Distributed Processing (Redes Neuronales).
En 1988 se establecen los lenguajes Orientados a Objetos.
En 1997 Gari Kasprov, campen mundial de ajedrez, pierde ante la computadora autnoma Deep Blue.
En 2006 se celebr el aniversario con el Congreso en espaol 50 aos de Inteligencia Articial - Campus
Multidisciplinar en Percepcin e Inteligencia 2006.
En el ao 2009 ya hay en desarrollo sistemas inteligentes teraputicos que permiten detectar emociones para
poder interactuar con nios autistas.
En el ao 2011 IBM desarroll una supercomputadora llamada Watson , la cual gan una ronda de tres juegos
seguidos de Jeopardy!, venciendo a sus dos mximos campeones, y ganando un premio de 1 milln de dlares
que IBM luego don a obras de caridad.[10]

Existen personas que al dialogar sin saberlo con un chatbot no se percatan de hablar con un programa, de
modo tal que se cumple la prueba de Turing como cuando se formul: Existir Inteligencia Articial cuando
no seamos capaces de distinguir entre un ser humano y un programa de computadora en una conversacin a
ciegas.
Como ancdota, muchos de los investigadores sobre IA sostienen que la inteligencia es un programa capaz de
ser ejecutado independientemente de la mquina que lo ejecute, computador o cerebro.
1.4 La inteligencia articial y los sentimientos

El concepto de IA es an demasiado difuso. Contextualizando, y teniendo en cuenta un punto de vista cientco,
podramos englobar a esta ciencia como la encargada de imitar una persona, y no su cuerpo, sino imitar al cerebro,
en todas sus funciones, existentes en el humano o inventadas sobre el desarrollo de una mquina inteligente.
A veces, aplicando la denicin de Inteligencia Articial, se piensa en mquinas inteligentes sin sentimientos, que
obstaculizan encontrar la mejor solucin a un problema dado. Muchos pensamos en dispositivos articiales capaces
de concluir miles de premisas a partir de otras premisas dadas, sin que ningn tipo de emocin tenga la opcin de
obstaculizar dicha labor.
En esta lnea, hay que saber que ya existen sistemas inteligentes. Capaces de tomar decisiones acertadas.
Aunque, por el momento, la mayora de los investigadores en el mbito de la Inteligencia Articial se centran slo
en el aspecto racional, muchos de ellos consideran seriamente la posibilidad de incorporar componentes emotivos
como indicadores de estado, a n de aumentar la ecacia de los sistemas inteligentes.
Particularmente para los robots mviles, es necesario que cuenten con algo similar a las emociones con el objeto de
saber en cada instante y como mnimo qu hacer a continuacin [Pinker, 2001, p. 481].
Al tener sentimientos y, al menos potencialmente, motivaciones, podrn actuar de acuerdo con sus intenciones
[Mazlish, 1995, p. 318]. As, se podra equipar a un robot con dispositivos que controlen su medio interno; por
ejemplo, que sientan hambre al detectar que su nivel de energa est descendiendo o que sientan miedo cuando
aquel est demasiado bajo.
Esta seal podra interrumpir los procesos de alto nivel y obligar al robot a conseguir el preciado elemento [JohnsonLaird, 1993, p. 359]. Incluso se podra introducir el dolor o el sufrimiento fsico, a n de evitar las torpezas de
funcionamiento como, por ejemplo, introducir la mano dentro de una cadena de engranajes o saltar desde una cierta
altura, lo cual le provocara daos irreparables.
Esto signica que los sistemas inteligentes deben ser dotados con mecanismos de retroalimentacin que les permitan tener conocimiento de estados internos, igual que sucede con los humanos que disponen de propiocepcin,
interocepcin, nocicepcin, etctera. Esto es fundamental tanto para tomar decisiones como para conservar su propia integridad y seguridad. La retroalimentacin en sistemas est particularmente desarrollada en ciberntica, por
ejemplo en el cambio de direccin y velocidad autnomo de un misil, utilizando como parmetro la posicin en cada
instante en relacin al objetivo que debe alcanzar. Esto debe ser diferenciado del conocimiento que un sistema o
programa computacional puede tener de sus estados internos, por ejemplo la cantidad de ciclos cumplidos en un loop
o bucle en sentencias tipo do... for, o la cantidad de memoria disponible para una operacin determinada.
A los sistemas inteligentes el no tener en cuenta elementos emocionales les permite no olvidar la meta que deben
alcanzar. En los humanos el olvido de la meta o el abandonar las metas por perturbaciones emocionales es un problema
que en algunos casos llega a ser incapacitante. Los sistemas inteligentes, al combinar una memoria durable, una
asignacin de metas o motivacin, junto a la toma de decisiones y asignacin de prioridades con base en estados
actuales y estados meta, logran un comportamiento en extremo eciente, especialmente ante problemas complejos y
peligrosos.
En sntesis, lo racional y lo emocional estn de tal manera interrelacionados entre s, que se podra decir que no slo
no son aspectos contradictorios sino que son hasta cierto punto complementarios.
1.5 Crticas
Las principales crticas a la inteligencia articial tienen que ver con su capacidad de imitar por completo a un ser
humano. Estas crticas ignoran que ningn humano individual tiene capacidad para resolver todo tipo de problemas,
1.6. TECNOLOGAS DE APOYO
y autores como Howard Gardner han propuesto que existen inteligencias mltiples. Un sistema de inteligencia articial
debera resolver problemas. Por lo tanto es fundamental en su diseo la delimitacin de los tipos de problemas que
resolver y las estrategias y algoritmos que utilizar para encontrar la solucin.
En los humanos la capacidad de resolver problemas tiene dos aspectos: los aspectos innatos y los aspectos aprendidos. Los aspectos innatos permiten por ejemplo almacenar y recuperar informacin en la memoria y los aspectos
aprendidos el saber resolver un problema matemtico mediante el algoritmo adecuado. Del mismo modo que un
humano debe disponer de herramientas que le permitan solucionar ciertos problemas, los sistemas articiales deben
ser programados de modo tal que puedan resolver ciertos problemas.
Muchas personas consideran que el test de Turing ha sido superado, citando conversaciones en que al dialogar con un
programa de inteligencia articial para chat no saben que hablan con un programa. Sin embargo, esta situacin no es
equivalente a un test de Turing, que requiere que el participante est sobre aviso de la posibilidad de hablar con una
mquina.
Otros experimentos mentales como la Habitacin china de John Searle han mostrado cmo una mquina podra
simular pensamiento sin tener que tenerlo, pasando el test de Turing sin siquiera entender lo que hace. Esto demostrara
que la mquina en realidad no est pensando, ya que actuar de acuerdo con un programa preestablecido sera suciente.
Si para Turing el hecho de engaar a un ser humano que intenta evitar que le engaen es muestra de una mente
inteligente, Searle considera posible lograr dicho efecto mediante reglas denidas a priori.
Uno de los mayores problemas en sistemas de inteligencia articial es la comunicacin con el usuario. Este obstculo es
debido a la ambigedad del lenguaje, y apareci ya en los inicios de los primeros sistemas operativos informticos. La
capacidad de los humanos para comunicarse entre s implica el conocimiento del lenguaje que utiliza el interlocutor.
Para que un humano pueda comunicarse con un sistema inteligente hay dos opciones: o bien el humano aprende el
lenguaje del sistema como si aprendiese a hablar cualquier otro idioma distinto al nativo, o bien el sistema tiene la
capacidad de interpretar el mensaje del usuario en la lengua que el usuario utiliza.
Un humano durante toda su vida aprende el vocabulario de su lengua nativa. Un humano interpreta los mensajes a
pesar de la polisemia de las palabras utilizando el contexto para resolver ambigedades. Sin embargo, debe conocer
los distintos signicados para poder interpretar, y es por esto que lenguajes especializados y tcnicos son conocidos
solamente por expertos en las respectivas disciplinas. Un sistema de inteligencia articial se enfrenta con el mismo
problema, la polisemia del lenguaje humano, su sintaxis poco estructurada y los dialectos entre grupos.
Los desarrollos en inteligencia articial son mayores en los campos disciplinares en los que existe mayor consenso
entre especialistas. Un sistema experto es ms probable de ser programado en fsica o en medicina que en sociologa o
en psicologa. Esto se debe al problema del consenso entre especialistas en la denicin de los conceptos involucrados
y en los procedimientos y tcnicas a utilizar. Por ejemplo, en fsica hay acuerdo sobre el concepto de velocidad y cmo
calcularla. Sin embargo, en psicologa se discuten los conceptos, la etiologa, la psicopatologa y cmo proceder ante
cierto diagnstico. Esto diculta la creacin de sistemas inteligentes porque siempre habr desacuerdo sobre lo que
se esperara que el sistema haga. A pesar de esto hay grandes avances en el diseo de sistemas expertos para el
diagnstico y toma de decisiones en el mbito mdico y psiquitrico (Adaraga Morales, Zaccagnini Sancho, 1994).
1.6 Tecnologas de apoyo

Interfaces de usuario
Visin articial
Smart process management
1.7 Aplicaciones de la inteligencia articial

Lingstica computacional
Minera de datos (Data Mining)
Industriales.
Medicina

Mundos virtuales
Procesamiento de lenguaje natural (Natural Language Processing)
Robtica
Mecatrnica
Sistemas de apoyo a la decisin
Videojuegos
Prototipos informticos
Anlisis de sistemas dinmicos.
Smart Process Management
Simulacin de multitudes
1.8 Investigadores en el campo de la inteligencia articial

Je Hawkins
John McCarthy
Marvin Minsky
Judea Pearl
Alan Turing, discpulo de John von Neumann, dise el Test de Turing que debera utilizarse para comprender
si una mquina lgica es inteligente o no.
Joseph Weizenbaum
Ral Rojas
Ray Kurzweil
1.9 Inteligencia articial en la ccin

En Portal y Portal 2, GLaDOS es una IA que conduce al jugador a travs de las cmaras de prueba.
Inteligencia articial, la pelcula de Steven Spielberg.
Suean los androides con ovejas elctricas?, y su adaptacin al cine Blade Runner. Comienza con la aplicacin
del Test de Turing.
Ghost in the Shell, anime, pelculas y serie
J.A.R.V.I.S., la inteligencia articial que, en la serie Iron Man, de Marvel Comics, permite maniobrar el trajearmadura pilotado por Pepper Potts: el Mark 1616 o Rescate. Tambin aparece en la triloga de pelculas
basadas en el comic book, ayudando a Tony Stark a pilotar las diversas versiones de su armadura IronMan,
adems de servir como mayordomo.
The Matrix, la triloga
Resident Evil, la saga
2001: Una odisea espacial, novela y pelcula
Cortana
Cdigo Lyoko
1.10. VASE TAMBIN
Vida y Obra de Multivac, Isaac Asimov

Yo, robot, Isaac Asimov
El hombre bicentenario, Isaac Asimov
En Metal Gear Solid 2, Los Patriots los controla una IA
Mass Eect
The Terminator, Director: James Cameron
Neuromante, William Gibson
Her, Actor Principal: Joaquin Phoenix
Transcendence, Actor Principal: Johnny Depp, Director: Wally Pster
Lucy, Actor Principal: Scarlett Johansson, Director: Luc Besson
Autmata, Actor Principal: Antonio Banderas, Director: Gabe Ibez
Chappie (pelcula), Director: Neill Blomkamp
Person of Interest, La Maquina y Samaritan, creados como sistemas informaticos a peticin del gobierno de
E.E.U.U., como una estrategia para detectar y detener ataques terroristas.
Ex-machina, Actor Principal: Alicia Vikander, Director: Alex Garland
Avengers- Age Of Ultron (Pelicula y Comics) - Director: Josh Whedon
1.10 Vase tambin

Aprendizaje
Aprendizaje automtico
Bot conversacional
Cerebro articial
Ciberntica
Dinmica de sistemas
Dr. Abuse
Eliza
Inteligencia computacional
Inteligencia sinttica
Razonamiento automatizado
Sistema complejo
Sistema dinmico
Sistema inteligente
1.11 Referencias
[1] http://www.csail.mit.edu/
[2] http://decsai.ugr.es/
[3] http://ai.stanford.edu/
[4] Basic Questions. Consultado el 27 de octubre de 2011. )
[5] Stuart Russell and Peter Norvig, Inteligencia Articial: Un Enfoque Moderno http://aima.cs.berkeley.edu/contents.html
[6] Bellman, 1978
[7] Rich y knight, 1991
[8] Winston, 1992
[9] Nilsson, 1998
[10] http://es.blog.pinggers.com/2011/02/21/watson-y-otros-sistemas-que-mejoran-nuestras-vidas-con-inteligencia-artificial/
1.12 Bibliografa
Tirso de Andrs, Homo Cybersapiens. La Inteligencia articial y la humana, 2002, ISBN 84-313-1982-8
Luis M Gonzalo, Inteligencia Humana e Inteligencia Articial, Madrid, 1987. ISBN 84-7118-490-7
Vctor Gmez Pin, Entre lobos y autmatas. La causa del hombre, Espasa, Madrid, 2006. ISBN 978-84-6702303-9
Revista Inteligencia Articial Revista Iberoamericana de Inteligencia Articial. ISSN 1137-3601
Adaraga Morales P., Zaccagnini Sancho J. L., Psicologa e inteligencia articial, Editorial Trotta, Madrid, 1994.
ISBN 84-87699-77-4
Alberto Garca Serrano, Inteligencia Articial. Fundamentos, prctica y aplicaciones., Editorial RC Libros,
2012. ISBN 978-84-939450-2-2
Wikimedia Commons alberga contenido multimedia sobre Inteligencia articial. Commons
Wikilibros
1.13.1
Wikilibros alberga un libro o manual sobre Ingeniera del conocimiento.
Publicaciones
Revista Inteligencia Articial. Revista iberoamericana de inteligencia articial.

Pgina sobre inteligencia articial. Web que desde 1998 trata este tema de forma diversicada. Tiene enlaces
a proyectos.
1.13.2
Asociaciones
AEPIA - Asociacin Espaola de Inteligencia Articial.
1.13. ENLACES EXTERNOS
1.13.3
Robtica
Robots Sitio de robtica con artculos de contenido tcnico y didctico (en espaol).
1.13.4
Videos
Inteligencia Articial - Qu es, usos y peligros

Inteligencia articial - El futuro, la fusin del alma y la tecnologa 2008- Redes, n. 10, en RTVE a la carta.
1.13.5
Otros
Luis Piscoya, Lgica e inteligencia articial.

Una nueva tecnologa percibe la informacin antes de que llegue al consciente.
Introduzione all'intelligenza articiale (en italiano).
Inteligencia articial. Una mirada al futuro del hombre.
Lista de pelculas con mencin a la IA (en ingls).
Grupo de investigacin en sistemas inteligentes.
Mquinas de computacin, creatividad articial y cine digital.
Sistemas expertos en medicina (un uso para la inteligencia articial).
Captulo 2
Ciencias de la computacin
Las Ciencias de la computacin estudian los fundamentos tericos de la informacin y el cmputo, junto con tcnicas
prcticas para la implementacin y aplicacin de estos fundamentos tericos.
Las ciencias de la computacin o ciencias computacionales son aquellas que abarcan las bases tericas de la
informacin y la computacin, as como su aplicacin en sistemas computacionales.[1][2][3] El cuerpo de conocimiento
de las ciencias de la computacin es frecuentemente descrito como el estudio sistemtico de los procesos algortmicos
que describen y transforman informacin: su teora, anlisis, diseo, eciencia, implementacin y aplicacin.[4]
Es el estudio sistemtico de la factibilidad, estructura, expresin y mecanizacin de procedimientos metdicos (o
algoritmos) que subyacen en la adquisicin, representacin, procesamiento, almacenamiento, comunicacin y acceso
a la informacin si dicha informacin est codicada en forma de bits en una memoria de computadora o especicada
en una estructura de genes y protenas en una clula biolgica.[5]
Existen diversos campos o disciplinas dentro de las ciencias de la computacin o ciencias computacionales; algunos
resaltan los resultados especcos del cmputo (como los grcos por computadora), mientras que otros (como la
teora de la complejidad computacional) se relacionan con propiedades de los algoritmos usados al realizar cmputo
y otros se enfocan en los problemas que requieren la implementacin de sistemas computacionales. Por ejemplo, los
estudios de la teora de lenguajes de programacin describen un cmputo, mientras que la programacin de computadoras aplica lenguajes de programacin especcos para desarrollar una solucin a un problema computacional
especco. Un cientco de la computacin o computlogo se especializa en teora de la computacin y en el diseo
e implementacin de sistemas de computacionales.[6]
Segn Peter J. Denning, la cuestin fundamental en que se basa la ciencia de la computacin es: Qu puede ser
(ecientemente) automatizado?.[7]
2.1 Historia
La historia de la ciencia de la computacin antecede a la invencin del computador digital moderno. Antes de la
dcada de 1920, el trmino computador se refera a un ser humano que realizaba clculos.[8] Los primeros cimientos
de lo que se convertira en ciencias de la computacin son anteriores a la invencin de la computadora digital moderna.
Se trataba de mquinas para el clculo de las tareas numricas jas, como el baco han existido desde la antigedad,
ayudando en clculos tales como la multiplicacin y la divisin. Adems, los algoritmos para realizar clculos han
existido desde la antigedad, incluso antes de que se crearan equipos de computacin sosticados. Los antiguos
snscritos tratadistas Shulba Sutras, o Reglas de la cuerda, es un libro de algoritmos escritos en 800 a. C. para la
construccin de objetos geomtricos como altares utilizando una clavija y cuerda, un precursor temprano del campo
moderno de la geometra computacional.
Blaise Pascal dise y construyo la primera calculadora mecnica de trabajo, la Pascalina, en 1642.[9] En 1673
Gottfried Leibniz cre una calculadora mecnica digital, llamada el 'Stepped Reckoner'.[10] l puede ser considerado
el primer computlogo y terico de la informacin, entre otras razones, porque fue el primero en documentar el
sistema numrico binario. En 1820, Charles Xavier Thomas de Colmar lanz la calculadora mecnica industrial[11]
cuando lanz su simplicado aritmmetro, que fue la primera mquina de calcular lo sucientemente fuerte y lo
sucientemente conable para ser usada a diario en un entorno industrial. Charles Babbage inici el diseo de la
10
2.1. HISTORIA
11
Charles Babbage es reconocido por inventar la primera computadora mecnica.
primera calculadora automtica mecnica, su mquina diferencial, en 1822, que nalmente le dio la idea de la primera calculadora mecnica programable, su mquina analtica.[12] l comenz a desarrollar esta mquina en 1834
y en menos de dos aos que haba esbozado muchas de las caractersticas ms destacadas del moderno equipo. Un
paso fundamental fue la adopcin de un sistema de tarjetas perforadas derivado del telar de Jacquard"[13] hacindolo
innitamente programable.[14] En 1843, durante la traduccin de un artculo francs sobre la mquina analtica, Ada
Lovelace escribi, en una de las muchas notas que incluye el artculo, un algoritmo para calcular los nmeros de
Bernoulli, que es considerado como el primer programa de ordenador.[15] Al rededor de 1885, Herman Hollerith
invent la mquina tabuladora, que usaba tarjetas perforadas para procesar informacin estadstica; nalmente, su
compaa se convirti en parte de IBM. En 1937, cien aos despus del sueo imposible de Babbage, Howard Aiken
convencidos por IBM, que estaban manufacturando todo tipo de equipos de tarjetas perforadas y as como la calculadora de negocio [16] para desarrollar su calculadora programable gigante, el ASCC/Harvard Mark I, se bas en la
mquina analtica de Babbage, que a su vez utiliza las tarjetas perforadas y una unidad central de clculo. Cuando
se termin de construir la mquina, algunas personas lo aclamaron como el sueo de Babbage hecho realidad.[17]
Durante la dcada de 1940, conforme se desarrollaban nuevas y ms poderosas mquinas para computar, el trmino
computador se comenz a utilizar para referirse a las mquinas y ya no a sus antecesores humanos.[18] Cuando se hizo
evidente que las computadoras no solamente podran utilizarse para realizar clculos matemticos, el campo de las
ciencias de la computacin se ampli para estudiar cmputo en general. Las ciencias de la computacin empezaron
a establecerse como una disciplina acadmica distinta de las dems en la dcada de 1950 y principios de 1960.[7][19]
12
CAPTULO 2. CIENCIAS DE LA COMPUTACIN
Ada Lovelace es reconocida por escribir el primer algoritmo procesado por una computadora.
Entonces surgi el primer programa de grado universitario mundo, el Cambridge Diploma in Computer Science, se
inici en la Universidad de Cambridge en el Cambridge Computer Lab (departamento de ciencias de la computacin)
en 1953. El primer programa de grado universitario en ciencias de la computacin en los Estados Unidos se form en
Universidad de Purdue en 1962.[20] Desde que se dispone ordenadores prcticos, muchas aplicaciones la computacin
se han convertido en las distintas reas de estudio en sus propios trminos.
2.1. HISTORIA
13
La disciplina cientca de las ciencias de la computacin nace a principios de 1940 con la conuencia de la teora de
algoritmos, lgica matemtica y la invencin del programa almacenado en una computadora electrnica.[4] Ejemplos
de esto son los trabajos de Alan Turing, Alonzo Church y Kurt Gdel en 1930 acerca de los algoritmos y su trabajo en
sistemas de reglas (vase Clculo Lambda, Mquina de Turing y Problemas Indecidibles), los algoritmos creados por
Augusta Ada sesenta aos antes, la computadora analgica construida por Vannevar Bush en 1920 y las computadoras
elctricas construidas por Howard Aiken y Konrad Zuse en 1930. Los escritos de John Von Neumann dieron una
profundidad intelectual considerable a esta disciplina emergente a mediados de la dcada de 1940.
En 1960, haba sucientemente cuerpo de conocimiento que ameritaba la creacin de departamentos acadmicos
y programas de grado universitario para esta disciplina.[4] IBM es reconocida como la marca que form parte de
la revolucin de las ciencias de la computacin durante ese tiempo. IBM (abreviacin de International Business
Machines) lanz la IBM 704[21] y ms tarde la IBM 709[22] computadoras, que fueron ampliamente utilizadas durante
el perodo de exploracin de este tipo de dispositivos. Sin embargo, el trabajo con la IBM [equipo] era frustrante
... si te equivocas en una letra de alguna instruccin, el programa se arruinara, y se tendra que empezar todo el
proceso otra vez.[23] < Durante la dcada de 1950, la disciplina de las ciencias de la computacin estaba en su etapa
de desarrollo, y estos problemas eran algo comn. El tiempo ha dado mejoras signicativas en la capacidad de uso
y la ecacia de la tecnologa de la computacin. La sociedad moderna ha presenciado un cambio signicativo en los
usuarios de la tecnologa en cmputo, de ser utilizada nicamente por expertos, profesionales y cientcos, a una
base de usuarios que es casi omnipresente a la teora con la cual se desarroll y funciona este tipo de tecnologa.
Inicialmente, las computadoras eran bastante costosas, y era necesario un cierto grado de ayuda humana para el uso
eciente - en parte de operadores de computadoras profesionales. Como la adopcin equipo se hizo ms generalizado
y asequible, se necesitaba menos asistencia humana en el uso comn.
2.1.1
Mayores logros
A pesar de su corto tiempo de ser una disciplina cientca formal, las ciencias de la computacin han hecho un gran
nmero de contribuciones importantes a la ciencia y la sociedad de hecho, junto con la electrnica, es una ciencia
fundacional de la poca actual de la historia humana llamada Era de la informacin y la Revolucin de la Informacin,
visto como el tercer gran salto en el progreso tecnolgico humano despus de la Revolucin Industrial (1750-1850)
y la revolucin neoltica (8000-5000 a. C.).
Estas contribuciones a la humanidad incluyen:
El comienzo de la "Revolucin digital", la cual incluye la actual Era de la informacin y el Internet.[25]
Una denicin formal de computacin y computabilidad, y una demostracin formal de que existen problemas
que son computacionalemente irresolubles e intratables.[26]
El concepto de lenguaje de programacin, una herramienta para la expresin precisa de informacin metodolgica a varios niveles de abstraccin.[27]
En criptologa, el criptoanlisis de Enigma fue un factor importante, el cual contribuy a la victoria Aliada en
la Segunda Guerra Mundial.[24]
Cmputo Cientco permiti la evaluacin de procesos y situaciones de gran complejidad, as como la experimentacin mediante software. Tambin permiti el avance en investigacin de la mente humana y el mapeo
del genoma humano junto el Proyecto Genoma Humano.[25] proyectos de Cmputo Distribuido tales como
Folding@home que estudiaron el plegamiento de protenas.
El Comercio algortmico ha incrementado la eciencia y la liquidez de los mercados nancieros mediante
tcnicas de inteligencia articial, aprendizaje automtico, y otros mtodos estadsticos y numricos a gran
escala.[28] Alta frecuencia de comercio algortmico tambin puede exacerbar la volatilidad nanciera.[29]
Computacin grca e imgenes generadas por computadora se han convertido omnipresentes en la era moderna del entretenimiento, sobre todo en televisin, cine, publicidad, animacin y videojuegos. [cita requerida]
Simulacin de varios procesos, incluyendo dinmica de uidos computacionales, sistemas fsicos, elctricos,
electrnicos y de circuitos, as como las sociedades y las situaciones sociales (sobre todo juegos de guerra),
junto con sus hbitats, entre muchos otros. Las computadoras modernas permiten la optimizacin de diseos
tales como aviones completos. Se destaca el diseo de circuitos elctricos y electrnicos con SPICE, as como
software para la realizacin fsica de nuevos diseos. Este ltimo incluye software de diseo esencial para
circuito integrados.
14
El ejrcito alemn uso la mquina enigma durante la Segunda Guerra Mundial; su sistema de cifrado fue nalmente descubierto
por Alan Turing, considerado el padre de la Computacin. La lectura de la informacin que contenan los mensajes supuestamente
encriptados son considerados, a veces, como la causa de haber podido concluir la Segunda Guerra Mundial al menos dos aos antes
de lo que hubiera acaecido sin su descifrado. El descifrado a gran escala del trco de Enigma en Bletchley Park fue uno de los
factores ms importantes que contribuyeron a la victoria Aliada.[24]
La Inteligencia articial (IA) es cada vez ms importante, ya que se hace ms eciente y compleja. Existen
muchas aplicaciones de la IA, algunas se pueden ver en el hogar, tales como aspiradores robticos. Tambin
est presente en los videojuegos y en el campo de batalla moderno en aviones no tripulados, sistemas antimisiles,
2.2. FILOSOFA
15
y robots de apoyo para escuadrones.
2.2 Filosofa
Un gran nmero de cientcos de la computacin han argumentado a favor de la distincin de tres paradigmas diferentes en ciencias de la computacin. Peter Wegner ha argumentado que esos paradigmas son la ciencia, la tecnologa
y las matemticas.[30] El grupo de investigacin de Peter Denning argument que son la abstraccin (modelado), y
diseo. Amnon H. Eden lo describe como el paradigma racionalista (el cual trata a las ciencias de la computacin
como una rama de las matemticas, la cual prevalence en ciencias de la computacin terica y principalmente emplea el razonamiento deductivo), el paradigma tecnocrtico (que podra ser encontrado en enfoques ingenieriles,
ms prominente en la ingeniera de software) y el paradigma cientco (que se enfoca a objetos relacionados con la
computacin desde la perspectiva emprica de las ciencias naturales identicable en algunas ramas de la inteligencia
articial.
2.2.1
Desambiguacin
El trmino ciencias de la computacin aparece en 1959 en un artculo de la revista Communications of the ACM
(prestigiada publicacin cientca destinada a lectores con experiencia en todos los mbitos de la computacin y los
sistemas de informacin),[31] en el cual Louis Fein discute sobre la creacin de una Escuela de Estudios de Posgrado
en Ciencias Computacionales anloga a la creacin de Harvard Business School en 1921,[32] justicando el nombre
con el argumento de que: Como la ciencia administrativa, el tema o rea de conocimiento puede ser aplicado, es de
carcter interdisciplinario y que cuenta con las caractersticas tpicas de una disciplina acadmica.[33] Sus esfuerzos y
los de otros, como el analista numrico George Forsythe, fueron recompensados : universidades pasaron a crear este
tipo de programas de estudio, a partir de 1962 en Purdue.[34] A pesar del nombre de esta disciplina acadmica, una
cantidad signicativa de tpicos en ciencias de la computacin no involucran el estudio de las computadoras, por esta
razn muchos nombres alternativos han sido propuestos.[35]
Algunos departamentos de universidades preeren el trmino ciencias de la computacin para hacer nfasis en esta
diferencia. El cientco dans Peter Naur sugiri el trmino datologa,[36] para reejar el hecho de que esta disciplina cientca gira en torno a los datos y a al tratamiento de estos, mientras que no necesariamente involucra a las
computadoras. La primer institucin cientca en usar el trmino fue el Departamento de Datologa de la Universidad de Copenhague, fundado en 1969, con Peter Naur como profesor de datologa. El trmino es usado en pases
escandinavos. En los primeros aos de la computacin, un nmero de terminus para los practicantes del campo de
la computacin fueron propuestos en la revista Communications of the ACM turingeniero, turologo, hombre de los
diagramas de ujo, matemtico meta-aplicado, and epistemologo aplicado.[37] Tres meses despus en esa misma publicacin cientca, el trmino computlogo fue sugerido. El siguiente ao en la misma publicacin surgi el trmino
hypologo.[38] El trmino computica tambin ha sido sugerido.[39] En Europa, trminos derivados de traducciones de
la expresin automatic information (e.g. informazione automatica en Italiano) or informacin y matemticas
son frecuentemente usados, e.g. informatique (francs), Informatik (alemn), Informatica (Italia, Pases Bajos), Informtica (Espaa y Portugal), informatika (lenguas eslavas) o pliroforiki (, que signica informtica)
en Griego. Palabras similares han sido adoptadas en algunos lugares del Reino Unido, por ejemplo en la Universidad
de Edimburgo.[40] Pero estas no reejan el aspecto de la computabilidad, por esta razn en un contexto de investigacin cientca tanto acadmica como industrial el trmino ciencias de la computacin es mayormente usado en
publicaciones y conferencias cientcas.
2.3 Campos de las ciencias de la computacin

Como disciplina cientca, las ciencias de la computacin abarcan una gama de temas, desde los estudios tericos de los algoritmos y los lmites de la computacin a los problemas prcticos de la implementacin de sistemas
computacionales en hardware y software.[41][42] Computing Sciences Acreditation Board o la Junta de Acreditacin
en Ciencias de la Computacin. Compuesta por representantes de la Association for Computing Machinery (ACM),
y la Sociedad de Computacin IEEE (IEEE-CS) [43] identica cuatro reas que considera cruciales para la disciplina
de ciencias de la computacin: teora de la computacin, algoritmos y estructuras de datos, metodologa y lenguajes de
programacin, arquitectura de computadoras. Adems de estas cuatro reas, C.S.A.B. tambin identica mbitos como la ingeniera de software, inteligencia articial, redes de computadoras y de telecomunicaciones, sistemas de bases
16
de datos, computacin paralela, computacin distribuida, la interaccin persona-computador, grcos por ordenador,
sistemas operativos, clculo numrico y simblico siendo importantes reas de las ciencias de la computacin.[41]
Ciencias de la computacin tericas El campo ms amplio de la ciencia de la computacin terica abarca tanto
la teora clsica de la computacin y una amplia gama de otros temas que se centran en los aspectos ms abstractos,
lgicos y matemticos de la computacin.
2.3.1
Teora de la computacin
De acuerdo a Peter J. Denning, la pregunta fundamental en ciencias de la computacin es, Que puede ser ecientemente automatizado?[7] El estudio de la teora de la computacin esta enfocado en responder preguntas fundamentales acerca de que puede ser computado y que cantidad de recursos son requeridos para ejecutar tales cmputos.
En un esfuerzo por resolver esta pregunta, la teora de la computabilidad examina que problemas computacionales
se pueden resolver en varios modelos tericos de cmputo. La segunda pregunta est dirigida por la teora de la
complejidad computacional, que estudia los costos de tiempo y espacio asociados a diferentes enfoques para resolver
una multitud de problemas computacionales.
El famoso problema "P=NP?" es uno de los Problemas del milenio,[44] es un problema abierto en ciencias de la
computacin.
2.3.2
Teora de la informacin y cdigos
La teora de la informacin esta relacionada a la cuanticacin de la informacin. Fue desarrollada por Claude E.
Shannon para desarrollar los lmites fundamentales del procesamiento de seales as como sus operaciones, tales
como compresin y almacenamiento de datos as como la comunicacin de los datos de manera able.[45] La teora
de cdigos es el estudio de las propiedades de los cdigos (sistemas para conversin de informacin de un lugar a otro)
y su ajuste para una aplicacin especca. Los cdigos son usados para comprimir datos, criptografa, deteccin y
correccin de errores y ms recientemente para la codicacin de redes. Los cdigos son estudiados para el propsito
de disear mtodos ecientes y seguros para la transmisin de datos.
2.3.3
Algoritmos y estructuras de datos
Los algoritmos y las estructuras de datos son el estudio de mtodos computacionales comnmente usados as como
su eciencia computacional.
2.3.4
Teora de lenguajes de programacin
La teora del lenguaje de programacin es una rama de las ciencias de la computacin que se ocupa del diseo, implementacin, anlisis, caracterizacin y clasicacin de los lenguaje de programacin y sus caractersticas individuales,
cae dentro de la disciplina de las ciencias de la computacin, tanto en dependencia de las matemticas y la lingstica.
Es un rea de investigacin activa, con numerosas revistas acadmicas y conferencias especializadas en el tema.
2.3.5
Mtodos formales
Los mtodos formales son un tipo particular de la tcnica basada en las matemticas para la especicacin formal,
desarrollo y vericacin formal de los sistemas de software y hardware. El uso de mtodos formales para el diseo de
software y hardware est motivado por la expectativa de que, como en otras disciplinas de la ingeniera, la realizacin
de un anlisis matemtico adecuado puede contribuir a la abilidad y robustez de un diseo. Estos forman una importante base terica para la ingeniera de software, especialmente cuando est involucrado la seguridad o robustez. Los
mtodos formales son un complemento til para las pruebas de software, ya que ayudan a evitar errores y tambin
pueden dar un marco para hacer pruebas. Para su uso industrial, se requiere el apoyo de herramientas. Sin embargo,
el alto costo de la utilizacin de mtodos formales signica que por lo general slo se utilizan en el desarrollo de
sistemas crticos de alta integridad donde la vida o la seguridad es de muy alta importancia. Los mtodos formales se
describen mejor como la aplicacin de un bastante amplia variedad de tericos fundamentales de la informtica, en
2.3. CAMPOS DE LAS CIENCIAS DE LA COMPUTACIN
17
particular, los clculos lgica, los lenguajes formales, la teora de autmatas, y la semntica de los programas, sino
tambin de tipo de sistemas y tipos de datos algebraicos a los problemas en el software y hardware de especicacin
y vericacin.
Los mtodos formales se describen mejor como la aplicacin de una amplia variedad de fundamentos tericos de las
ciencias de la computacin, en particular la lgica computacinal, lenguajes formales, teora de autmatas y Semntica
de lenguajes de programacin pero tambin reas como sistemas de tipos y tipos de datos algebraicos a problemas en
la especicacin y vericacin de software y hardware.
2.3.6
Ciencias de la computacin aplicadas
Las ciencias de la computacin aplicadas tratan de identicar ciertos aspectos conceptuales y tericos de las ciencias
de la computacin que pueden ser aplicados directamente para resolver problemas del mundo real.
2.3.7
Esta rama de las ciencias de la computacin pretende o es requerida para la sntesis de procesos meta-orientados
tales como la resolucin de problemas, toma de decisiones, la adaptacin del medio ambiente, el aprendizaje y la
comunicacin que se encuentran en los seres humanos y los animales. Desde sus orgenes en la ciberntica y en la
Conferencia de Dartmouth (1956), la investigacin en inteligencia articial (IA) ha sido necesariamente multidisciplinaria, aprovechando reas de especializacin, tales como las matemticas, la lgica simblica, la semitica, la
ingeniera elctrica, la losofa de la mente, la neurosiologa, y la inteligencia social. La IA errneamente es asociada en la mente popular con el desarrollo robtico, pero el principal campo de aplicacin prctica ha sido como
un componente integrado en las reas de desarrollo de software que requieren la comprensin y modelacin computacional, tales como las nanzas y la economa, la minera de datos y las ciencias fsicas. El trmino fue acuado por
el cientco de la computacin y matemtico John McCarthy en 1955.
2.3.8
Arquitectura de computadoras
Arquitectura de computadores u organizacin de computadoras digitales, es el diseo conceptual y la estructura

operacional fundamental de un sistema cmputo. Se centra en gran medida de la manera en que la unidad central de
procesamiento realiza internamente y accede a las direcciones en la memoria.[46] El campo involucra disciplinas de
la ingeniera en computacin y la ingeniera elctrica, la seleccin y la interconexin de los componentes de hardware
para crear los equipos que cumplen funciones, de rendimiento, y costes.
2.3.9
Anlisis de rendimiento de computadoras
Anlisis de rendimiento del equipo es el estudio del trabajo que uye a travs de los equipos con el objetivo general de
mejora de rendimiento y control de tiempo de respuesta, utilizando los recursos de manera eciente, la eliminacin
de los cuellos de botella, y la prediccin de rendimiento bajo cargas mximas previstas.[47]
2.3.10
Cmputo cientco
La ciencia computacional (o computacin cientca) es el campo de estudio que trata con la construccin de modelos
matemticos y tcnicas de anlisis cuantitativos as como el uso de computadoras para analizar y resolver problemas
cientcos. En el uso prctico, es tpicamente la aplicacin de simulacin por ordenador y otras formas de clculo a
los problemas en diversas disciplinas cientcas.
2.3.11
Redes de computadoras
Esta rama de las ciencias de la computacin que tiene como objetivo gestionar las redes entre computadoras en todo
el mundo.
18
2.3.12
Sistemas concurrentes, paralelos y distribuidos
Concurrencia es una propiedad de los sistemas en los que varios clculos estn ejecutando de forma simultnea, y,
potencialmente, que interactan entre s. Un nmero de modelos matemticos han sido desarrollados para el clculo
concurrente general, incluyendo las redes de Petri, clculos de proceso y del modelo de mquina de acceso aleatorio
en paralelo. Un sistema distribuido se extiende la idea de la simultaneidad en varios ordenadores conectados a travs
de una red. Computadoras dentro del mismo sistema distribuido tienen su propia memoria privada, y la informacin
es a menudo intercambian entre s para lograr un objetivo comn.
2.3.13
Bases de datos
Una base de datos tiene la intencin de organizar, almacenar y recuperar grandes cantidades de datos de forma
sencilla. Bases de datos digitales se gestionan mediante sistemas de gestin de base de datos para almacenar, crear,
mantener y consultar los datos, a travs de modelos de bases de datos y lenguajes de consulta. Una base de datos es
un conjunto de datos interrelacionados entre si mismos.
2.3.14
Informtica en salud
Informtica de la Salud se ocupa de las tcnicas computacionales para la solucin de problemas en el cuidado de la
salud.
2.3.15
Ciencia de la informacin
El campo estudia la estructura, algoritmos, comportamiento e interacciones de los sistemas naturales y articiales que
guardan, procesan, acceden a y comunican informacin. Tambin desarrolla sus propios fundamentos conceptuales
y tericos y emplea fundamentos desarrollados en otros campos.
2.3.16
Ingeniera de software
La ingeniera de software es el estudio de todos los aspectos involucrados en la produccin de software. Cubre desde
la deduccin de requerimientos hasta fases posteriores de la puesta en servicio. Incluye diseo, codicacin, pruebas
e implantacin. Normalmente el foco de la calidad se centra en la mantenibilidad del producto, pero, dependiendo
del proyecto, el foco de la calidad podra estar en ms de un requerimiento no funcional (NFR), como por ejemplo
escalabilidad, robustez, eciencia, seguridad, o interoperabilidad. Se trata de un enfoque sistemtico para la construccin de software, que implica la aplicacin de buenas prcticas y trazabilidad del proceso. Por su amplia cobertura
muchas veces se entiende como una disciplina de Ingeniera donde, una de sus Ciencias de base, son las Ciencias de
Computacin.
2.4 Relacin con otros campos

Por ser una disciplina reciente, existen varias deniciones alternativas para la ciencia de la computacin. Esta puede
ser vista como una forma de ciencia, matemticas o una nueva disciplina que no puede ser categorizada siguiendo los
modelos actuales.
Las ciencias de la computacin frecuentemente se cruzan con otras reas de investigacin, tales como la fsica y
la lingstica. Pero es con las matemticas con las que se considera que tiene un grado mayor de relacin. Eso es
evidenciado por el hecho de que los primeros trabajos en el rea fueran fuertemente inuenciados por matemticos
como Kurt Gdel y Alan Turing. En la actualidad sigue habiendo un intercambio de ideas til entre ambos campos
en reas como la lgica matemtica, la teora de categoras, la teora de dominios, el lgebra y la geometra.
Otro punto a destacar es que, a pesar de su nombre, las ciencias de la computacin raramente involucran el estudio
mismo de las mquinas conocidas como computadoras. De hecho, el renombrado cientco Edsger Dijkstra es muy
citado por la frase Las ciencias de la computacin estn tan poco relacionadas con las computadoras como la astronoma con los telescopios. La investigacin en ciencias de la computacin tambin suele relacionarse con otras
disciplinas, como la ciencia cognitiva, la fsica (vase computacin cuntica), la lingstica, etctera.
2.5. VASE TAMBIN
19
La relacin entre las ciencias de la computacin y la ingeniera de software es un tema muy discutido, por disputas
sobre lo que realmente signica el trmino ingeniera de software y sobre cmo se dene a las ciencias de la computacin. Algunas personas creen que la ingeniera de software sera un subconjunto de las ciencias de la computacin.
Otras, tomando en cuenta la relacin entre otras disciplinas cientcas y de la ingeniera, creen que el principal objetivo de las ciencias de la computacin sera estudiar las propiedades del cmputo en general, mientras que el objetivo
de la ingeniera de software sera disear cmputos especcos para lograr objetivos prcticos, con lo que se convertira en disciplinas diferentes. Este punto de vista es el que sostiene, por ejemplo, Parnas (1998). Incluso hay otros
que sostienen que no podra existir una ingeniera de software.
Los aspectos acadmicos, polticos y de nanciamiento en las reas de ciencias de la computacin tienden a verse
inuidos drsticamente por el criterio del departamento encargado de la investigacin y la educacin en cada universidad, que puede estar orientado a la matemtica o a la ingeniera. Los departamentos de ciencias de la computacin
orientados a la matemticas tericas suelen alinearse del lado de la computacin cientca y las aplicaciones de clculo
numrico.
El trmino computacin cientca, que no debe confundirse con ciencia de la computacin, designa a todas aquellas
prcticas destinadas a modelar, plantear experimentos y validar teoras cientcas sirvindose de medios computacionales. En estos casos la computacin es una mera herramienta y el esfuerzo se dirige a avanzar en los campos
objetivo (fsica, biologa, mecnica de uidos, radiotransmisin,...), ms que en la propia ciencia de la computacin.
Finalmente, el pblico en general algunas veces confunde la ciencia de la computacin con reas vocacionales que
trabajan con computadoras o piensan que trata acerca de su propia experiencia con las computadoras, lo cual suele
incluir actividades como los juegos, la navegacin web y el procesamiento de texto. Sin embargo, el punto central de la
ciencia de la computacin va ms all de entender las propiedades de los programas que se emplean para implementar
aplicaciones de software como juegos y navegadores web, y utiliza ese entendimiento para crear nuevos programas o
mejorar los existentes.[48]
2.5 Vase tambin

Informtico terico
Matemticas
Ingeniera en computacin
Programacin
Teora de la computacin
Teora de la complejidad computacional
Problema de la cena de los lsofos
Problemas no resueltos de las Ciencias de la Computacin
Anexo:Informticos tericos
Premio Turing
2.6 Referencias
[1] "Computer science is the study of information" Department of Computer and Information Science, Guttenberg Information
Technologies
[2] "Computer science is the study of computation." Computer Science Department, College of Saint Benedict, Saint Johns
University
[3] "Computer Science is the study of all aspects of computer systems, from the theoretical foundations to the very practical aspects
of managing large software projects." Massey University
[4] Anthony Ralston, Edwin D. Reilly, David Hemmendinger (2000). Encyclopedia of Computer Science. Wiley. 978-0-47086412-8.
20
[5] http://www.cs.bu.edu/AboutCS/WhatIsCS.pdf.
[6] WordNet Search - 3.1. Wordnetweb.princeton.edu. Consultado el 14 de mayo de 2012.
[7] Denning, P.J. (2000). Computer Science: The Discipline (PDF). Encyclopedia of Computer Science.
[8] David Alan Grier (2005). When computers were human. Princeton University Press. ISBN 84-89660-00-X.
[9] Blaise Pascal. School of Mathematics and Statistics University of St Andrews, Scotland.
[10] A Brief History of Computing.
[11] En 1851
[12] Science Museum - Introduction to Babbage. Archivado desde el original el 8 de septiembre de 2006. Consultado el 24
de septiembre de 2006.
[13] Anthony Hyman (1982). Charles Babbage, pioneer of the computer.
[14] La introduccin de tarjetas perforadas en el nuevo motor era importante no slo como una forma ms conveniente de
control que los tambores, si no porque se podra programar de forma ilimitada, y estos programas podran ser almacenados
y repetidos sin el peligro de introducir errores en la conguracion a mano de la mquina; era importante tambin porque
sirvi para cristalizar sensacin de Babbage que haba inventado algo realmente nuevo, algo mucho ms que una mquina
calculadora sosticada. Bruce Collier, 1970
[15] A Selection and Adaptation From Adas Notes found in Ada, The Enchantress of Numbers, by Betty Alexandra Toole
Ed.D. Strawberry Press, Mill Valley, CA. Consultado el 4 de mayo de 2006. (enlace roto disponible en Internet Archive;
vase el historial y la ltima versin).
[16] En este sentido Aiken necesitaba de IBM, cuya tecnologa incluida el uso de tarjetas perforadas, la acumulacin de datos
numricos, y la transferencia de los datos numricos de un registro a otro ", Bernard Cohen, p.44 (2000)
[17] Brian Randell, p. 187, 1975
[18] La Association for Computing Machinery (ACM) fue fundada en 1947.
[19] Some EDSAC statistics. Cl.cam.ac.uk. Consultado el 19 de noviembre de 2011.
[20] Computer science pioneer Samuel D. Conte dies at 85. Purdue Computer Science. 1 de julio de 2002. Consultado el 12
de diciembre de 2014.
[21] IBM 704 Electronic Data Processing System - CHM Revolution. Computerhistory.org. Consultado el 7 de julio de 2013.
[22] IBM 709: a powerful new data processing system. Computer History Museum. Consultado el 12 de diciembre de 2014.
[23] Levy, Steven (1984). Hackers: Heroes of the Computer Revolution. Doubleday. ISBN 0-385-19195-2.
[24] David Kahn, The Codebreakers, 1967, ISBN 0-684-83130-9.
[25] http://www.cis.cornell.edu/Dean/Presentations/Slides/bgu.pdf
[26] Constable, R.L. (March 2000). Computer Science: Achievements and Challenges circa 2000 (PDF).
[27] Abelson, H.; G.J. Sussman with J. Sussman (1996). Structure and Interpretation of Computer Programs (2nd edicin). MIT
Press. ISBN 0-262-01153-0. La revolucin de la computadora es una revolucin en la manera de pensar y en la forma en
que expresamos lo que pensamos. La esencia de este cambio es la aparicin de lo que podra llamarse mejor epistemologa
procedimental el estudio de la estructura del conocimiento desde un punto de vista imperativo, en oposicin al punto de
vista ms declarativo tomada por temas matemticos clsicos.
[28] Black box traders are on the march. The Telegraph, 26 de agosto de 2006.
[29] The Impact of High Frequency Trading on an Electronic Market. Papers.ssrn.com. doi:10.2139/ssrn.1686004. Consultado el 14 de mayo de 2012.
[30] Wegner, P. (October 1315, 1976). Research paradigms in computer science. Proceedings of the 2nd international Conference on Software Engineering. San Francisco, California, United States: IEEE Computer Society Press, Los Alamitos,
CA.
[31] Louis Fine (1959). The Role of the University in Computers, Data Processing, and Related Fields. Communications of
the ACM 2 (9): 714. doi:10.1145/368424.368427.
2.7. BIBLIOGRAFA
21
[32] Stanford University Oral History. Stanford University. Consultado el 30 de mayo de 2013.
[33] id., p. 11
[34] Donald Knuth (1972). George Forsythe and the Development of Computer Science. Comms. ACM.
[35] Matti Tedre (2006). The Development of Computer Science: A Sociocultural Perspective, p.260
[36] Peter Naur (1966). The science of datalogy. Communications of the ACM 9 (7): 485. doi:10.1145/365719.366510.
[37] Communications of the ACM 1(4):p.6
[38] Communications of the ACM 2(1):p.4
[39] IEEE Computer 28(12):p.136
[40] P. Mounier-Kuhn, LInformatique en France, de la seconde guerre mondiale au Plan Calcul. Lmergence dune science,
Paris, PUPS, 2010, ch. 3 & 4.
[41] Computing Sciences Accreditation Board (28 de mayo de 1997). Computer Science as a Profession. Archivado desde el
original el 17 de junio de 2008. Consultado el 23 de mayo de 2010.
[42] Committee on the Fundamentals of Computer Science: Challenges and Opportunities, National Research Council (2004).
Computer Science: Reections on the Field, Reections from the Field. National Academies Press. ISBN 978-0-309-09301-9.
[43] Csab, Inc. Csab.org. 3 de agosto de 2011. Consultado el 19 de noviembre de 2011.
[44] Clay Mathematics Institute P=NP
[45] P. Collins, Graham. Claude E. Shannon: Founder of Information Theory. Scientic American, Inc.
[46] A. Thisted, Ronald. COMPUTER ARCHITECTURE. The University of Chicago. Consultado el 7 de abril de 1997.
[47] Wescott, Bob (2013). The Every Computer Performance Book, Chapter 3: Useful laws. CreateSpace. ISBN 1482657759.
[48] "Common myths and preconceptions about Cambridge Computer Science" Computer Science Department, University of
Cambridge.
2.7 Bibliografa
Abelson, H. y Sussman, G.J. con Sussman, J. (1996). Structure and Interpretation of Computer Programs, 2nd
Ed. EUA: MIT Press. ISBN 0-262-01153-0.
Constable, R. L. (1997). Nature of the Information Sciences.
Constable, R. L. (2000, marzo). Computer Science: Achievements and Challenges circa 2000.
Parnas, D. L. (1998). Software engineering programmes are not computer science programmes. Annals of
Software Engineering 6: 1937. doi:10.1023/A:1018949113292.
Wikimedia Commons alberga contenido multimedia sobre Ciencias de la computacin. Commons
Wikiversidad alberga proyectos de aprendizaje sobre Ciencias de la computacin.Wikiversidad
Ciencias de la computacin en Open Directory Project.

Vigilancia
Scholarly Societies in Computer Science
Best Papers Awards in Computer Science since 1996
Photographs of computer scientists by Bertrand Meyer
22

EECS.berkeley.edu
Fuentes bibliogrcas y motores de bsqueda acadmicos enfocados a ciencias de la computacin
CiteSeerx (artculo): motor de bsqueda, biblioteca digital y repositorio de artculos cientcos y acadmicos
enfocados a las ciencias de la computacin y de la informacin.
DBLP Computer Science Bibliography (artculo): bibliografa sobre ciencias de la computacin alojada en
Universitt Trier, en Alemania.
Coleccin de Ciencias de la Computacin Bibliografas (artculo)
Organizaciones Profesionales
Association for Computing Machinery
IEEE Computer Society
Informatics Europe
Otros
Computer Science - Stack Exchange comunidad de preguntas y respuestas sobre ciencias de la computacin
Que son las ciencias de la computacin?
Departamento de ciencias de la computacin del MIT
Departamento de Ciencias de la Computacin de la universidad de Cambridge
Captulo 3
Lgica
La lgica es una ciencia formal que estudia los principios de la demostracin e inferencia vlida. La palabra deriva
del griego antiguo logik, que signica dotado de razn, intelectual, dialctico, argumentativo, que a su vez
viene de (lgos), palabra, pensamiento, idea, argumento, razn o principio.
As como el objeto de estudio tradicional de la qumica es la materia, y el de la biologa la vida, el de la lgica es la
inferencia. La inferencia es el proceso por el cual se derivan conclusiones a partir de premisas.[1] La lgica investiga
los principios por los cuales algunas inferencias son aceptables, y otras no. Cuando una inferencia es aceptable, lo
es por su estructura lgica, y no por el contenido especco del argumento o el lenguaje utilizado. Por esta razn la
lgica se considera una ciencia formal, como la matemtica, en vez de una ciencia emprica.
La lgica tradicionalmente se consider una rama de la losofa. Pero desde nales del siglo XIX, su formalizacin
simblica ha demostrado una ntima relacin con las matemticas, y dio lugar a la lgica matemtica. En el siglo XX
la lgica ha pasado a ser principalmente la lgica simblica, un clculo denido por smbolos y reglas de inferencia,
lo que ha permitido su aplicacin a la informtica. Hasta el siglo XIX, la lgica aristotlica y estoica mantuvieron
siempre una relacin con los argumentos formulados en lenguaje natural. Por eso aunque eran formales, no eran
formalistas.[2] Hoy esa relacin se trata bajo un punto de vista completamente diferente. La formalizacin estricta ha
mostrado las limitaciones de la lgica tradicional o aristotlica, que hoy se interpreta como una parte pequea de la
lgica de clases.
3.1 Acepciones
3.1.1
Ciencia argumentativa y propedutica
El trmino lgica, se encuentra en los antiguos peripatticos y estoicos como una teora de la argumentacin o
argumento cerrado.[3] De este modo la forma argumentativa responde al principio de conocimiento que supone que
representa adecuadamente la realidad.[4] Por ello, sin perder su condicin de formalidad, no son formalistas y no
acaban de desprenderse de las estructuras propias del lenguaje.[2]
Con el nombre de Dialctica, en la Edad Media, la Lgica mantiene la condicin de ciencia propedutica. As se
estudia en la estructura de las enseanzas del Trivium como una de las artes liberales.
En la Edad Moderna la lgica tradicional aristotlica adquiere un nuevo enfoque en las interpretaciones racionalistas
de Port Royal, en el siglo XVII, pero tampoco supusieron un cambio radical en el concepto de la Lgica como ciencia.
3.1.2
Ciencia del pensar
Los lsofos racionalistas, sin embargo, al situar el origen de la reexin losca en la conciencia, aportaron, a
travs del desarrollo del anlisis como mtodo cientco del pensar,[5] los temas que van a marcar el desarrollo
de la lgica formal. Son de especial importancia la idea de Descartes de una Mathesis universalis[6] y de Leibniz que,
con su Characteristica Universalis supone la posibilidad de un lenguaje universal, especicado con precisin matemtica sobre la base de que la sintaxis de las palabras debera estar en correspondencia con las entidades designadas
como individuos o elementos metafsicos, lo que hara posible un clculo o computacin mediante algoritmo en el
23
24
CAPTULO 3. LGICA
Gottfried Leibniz (1646-1716).
descubrimiento de la verdad.[7][8]
Aparecen los primeros intentos y realizaciones de mquinas de clculo, (Pascal, Leibniz) y, aunque su desarrollo no
fue ecaz, sin embargo la idea de una Mathesis Universal o Caracterstica Universal, es el antecedente inmediato del
desarrollo de la lgica simblica a partir del siglo XX.
Leibnitz y Descartes seguan muy de cerca la escuela jesuita, sobre todo a Surez, quienes a su vez utilizaban la Lgica
Mexicana, de Fray Antonio de Rubio, lsofo mexicano (Novohispano).[9]
A dems se considera que las lgicas modernizantes nunca lograron la precisin de estos estudios. Sander Pierce,
Gottlob Frege, Saussure y Witgeinstein siguieron criterios neoescolsticos para formular sus teoras lgicas, ms
3.2. SISTEMAS LGICOS
25
acabadas.[10]
La palabra lgica ha sido utilizada como lgica trascendental por Kant, en el sentido de investigar los conceptos
puros a priori del entendimiento o categoras trascendentales.
Hegel considera la lgica dentro del absoluto como proceso dialctico del Absoluto, entendido ste como Principio
Absoluto, Espritu Absoluto, y Sujeto, como Sujeto Absoluto.[11][12] La lgica, la epistemologa y la ontologa van
unidas y son expuestas en la losofa entendida sta como Sistema Absoluto.
3.1.3
Ciencia formal
En el ltimo tercio del siglo XIX la Lgica va a encontrar su transformacin ms profunda de la mano de las investigaciones matemticas y lgicas, junto con el desarrollo de la investigacin de las estructuras profundas del lenguaje,
la lingstica, convirtindose denitivamente en una ciencia formal.
3.1.4
Lgica informal
En el lenguaje cotidiano, expresiones como lgica o pensamiento lgico, aporta tambin un sentido alrededor de
un pensamiento lateral comparado, haciendo los contenidos de la armacin coherentes con un contexto, bien sea
del discurso o de una teora de la ciencia, o simplemente con las creencias o evidencias transmitidas por la tradicin
cultural.
Del mismo modo existe el concepto sociolgico y cultural de lgica como, p.e. la lgica de las mujeres, lgica
deportiva, etc. que, en general, podramos considerar como lgica cotidiana - tambin conocida como lgica del
sentido comn.
En estas reas la lgica suele tener una referencia lingstica en la pragmtica.
Un argumento en este sentido tiene su lgica cuando resulta convincente, razonable y claro; en denitiva cuando
cumple una funcin de ecacia. La habilidad de pensar y expresar un argumento as corresponde a la retrica, cuya
relacin con la verdad es una relacin probable.[13]
3.2 Sistemas lgicos

Existe un debate sobre si es correcto hablar de una lgica, o de varias lgicas, pero en el siglo XX se han desarrollado
no uno, sino varios sistemas lgicos diferentes, que capturan y formalizan distintas partes del lenguaje natural. Se
podra denir a un sistema lgico como un conjunto de cosas, que nos ayudan en la toma de decisiones que sean lo
ms convenientemente posible.
Un sistema lgico est compuesto por:
1. Un conjunto de smbolos primitivos (el alfabeto, o vocabulario).
2. Un conjunto de reglas de formacin (la gramtica) que nos dice cmo construir frmulas bien formadas a partir
de los smbolos primitivos.
3. Un conjunto de axiomas o esquemas de axiomas. Cada axioma debe ser una frmula bien formada.
4. Un conjunto de reglas de inferencia. Estas reglas determinan qu frmulas pueden inferirse de qu frmulas.
Por ejemplo, una regla de inferencia clsica es el modus ponens, segn el cual, dada una frmula A, y otra
frmula A B, la regla nos permite armar que B.
Estos cuatro elementos completan la parte sintctica de los sistemas lgicos. Sin embargo, todava no se ha dado
ningn signicado a los smbolos discutidos, y de hecho, un sistema lgico puede denirse sin tener que hacerlo. Tal
tarea corresponde al campo llamado semntica formal, que se ocupa de introducir un quinto elemento:
1. Una interpretacin formal. En los lenguajes naturales, una misma palabra puede signicar diversas cosas dependiendo de la interpretacin que se le d. Por ejemplo, en el idioma espaol, la palabra banco puede
signicar un edicio o un asiento, mientras que en otros idiomas puede signicar algo completamente distinto
26
CAPTULO 3. LGICA
o nada en absoluto. En consecuencia, dependiendo de la interpretacin, variar tambin el valor de verdad de
la oracin el banco est cerca. Las interpretaciones formales asignan signicados inequvocos a los smbolos,
y valores de verdad a las frmulas.
Lgicas clsicas
Los sistemas lgicos clsicos son los ms estudiados y utilizados de todos, y se caracterizan por incorporar ciertos
principios tradicionales que otras lgicas rechazan. Algunos de estos principios son: el principio del tercero excluido,
el principio de no contradiccin, el principio de explosin y la monoticidad de la implicacin. Entre los sistemas
lgicos clsicos se encuentran:
Lgica proposicional
Lgica de primer orden
Lgica de segundo orden
Lgicas no clsicas
Los sistemas lgicos no clsicos son aquellos que rechazan uno o varios de los principios de la lgica clsica. Algunos
de estos sistemas son:
Lgica difusa: Es una lgica plurivalente que rechaza el principio del tercero excluido y propone un nmero
innito de valores de verdad.
Lgica relevante: Es una lgica paraconsistente que evita el principio de explosin al exigir que para que un
argumento sea vlido, las premisas y la conclusin deben compartir al menos una variable proposicional.
Lgica cuntica: Desarrollada para lidiar con razonamientos en el campo de la mecnica cuntica; su caracterstica ms notable es el rechazo de la propiedad distributiva.
Lgica no monotnica: Una lgica no monotnica es una lgica donde, al agregar una frmula a una teora
cualquiera, es posible que el conjunto de consecuencias de esa teora se reduzca.
Lgica intuicionista: Enfatiza las pruebas, en vez de la verdad, a lo largo de las transformaciones de las proposiciones.
Lgicas modales
Las lgicas modales estn diseadas para tratar con expresiones que calican la verdad de los juicios. As por ejemplo,
la expresin siempre calica a un juicio verdadero como verdadero en cualquier momento, es decir, siempre. No
es lo mismo decir est lloviendo que decir siempre est lloviendo.
Lgica modal: Trata con las nociones de necesidad, posibilidad, imposibilidad y contingencia.
Lgica dentica: Se ocupa de las nociones morales de obligacin y permisibilidad.
Lgica temporal: Abarca operadores temporales como siempre, nunca, antes, despus, etc.
Lgica epistmica: Es la lgica que formaliza los razonamientos relacionados con el conocimiento.
Lgica doxstica: Es la lgica que trata con los razonamientos acerca de las creencias.
3.3 Metalgica
Mientras la lgica se encarga, entre otras cosas, de construir sistemas lgicos, la metalgica se ocupa de estudiar las
propiedades de dichos sistemas. Las propiedades ms importantes que se pueden demostrar de los sistemas lgicos
son:
3.4. FALACIAS
27
Consistencia
Un sistema lgico tiene la propiedad de ser consistente cuando no es posible deducir una contradiccin dentro del
mismo. Es decir, dado un lenguaje formal con un conjunto de axiomas y un aparato deductivo (reglas de inferencia),
no es posible demostrar una frmula y su negacin.
Decidibilidad
Se dice de un sistema que es decidible cuando, para cualquier frmula dada en el lenguaje del sistema, existe un
mtodo efectivo para determinar si esa frmula pertenece o no al conjunto de las verdades del sistema. Cuando una
frmula no puede ser probada verdadera ni falsa, se dice que la frmula es independiente, y que por lo tanto el sistema
es no decidible. La nica manera de incorporar una frmula independiente a las verdades del sistema es postulndola
como axioma. Dos ejemplos muy importantes de frmulas independientes son el axioma de eleccin en la teora de
conjuntos, y el quinto postulado de la geometra euclidiana.
Completitud
Se habla de completitud en varios sentidos, pero quizs los dos ms importantes sean los de completitud semntica y
completitud sintctica. Un sistema S en un lenguaje L es semnticamente completo cuando todas las verdades lgicas
de L son teoremas de S. En cambio, un sistema S es sintcticamente completo si, para toda frmula A del lenguaje
del sistema, A es un teorema de S o A es un teorema de S. Esto es, existe una prueba para cada frmula o para su
negacin. La lgica proposicional y la lgica de predicados de primer orden son ambas semnticamente completas,
pero no sintcticamente completas. Por ejemplo, ntese que en la lgica proposicional, la frmula p no es un teorema,
y tampoco lo es su negacin, pero como ninguna de las dos es una verdad lgica, no afectan a la completitud semntica
del sistema. El segundo teorema de incompletitud de Gdel demuestra que ningn sistema (denido recursivamente)
con cierto poder expresivo puede ser a la vez consistente y completo.
3.4 Falacias
Una falacia es un argumento que si bien puede ser convincente o persuasivo,[14] no es lgicamente vlido. Esto no
quiere decir que la conclusin de los argumentos falaces sea falsa, sino que el argumento mismo es malo, no es
vlido.[15]
Existen varias maneras de clasicar a la gran cantidad de falacias conocidas, pero quizs la ms neutral y general
(aunque tal vez un poco amplia), sea la que divide a las falacias en formales e informales.
Falacias formales
Las falacias formales son aquellas cuyo error reside en la forma o estructura de los argumentos. Algunos ejemplos
conocidos de falacias formales son:
Armacin del consecuente: Un ejemplo de esta falacia podra ser:
1. Si Mara estudia, entonces aprobar el examen.
2. Mara aprob el examen.
3. Por lo tanto, Mara estudi.
Esta falacia resulta evidente cuando advertimos que puede haber muchas otras razones de por qu Mara aprob
el examen. Por ejemplo, pudo haber copiado, o quiz tuvo suerte, o quiz aprob gracias a lo que recordaba de
lo que escuch en clase, etc. En tanto es una falacia formal, el error en este argumento reside en la forma del
mismo, y no en el ejemplo particular de Mara y su examen. La forma del argumento es la siguiente:
1. Si p, entonces q.
2. q
3. Por lo tanto, p.
28
CAPTULO 3. LGICA
Generalizacin apresurada: En esta falacia, se intenta concluir una proposicin general a partir de un nmero
relativamente pequeo de casos particulares. Por ejemplo:
1. Todas las personas altas que conozco son rpidas.
2. Por lo tanto, todas las personas altas son rpidas.
El lmite entre una generalizacin apresurada y un razonamiento inductivo puede ser muy delgado, y encontrar
un criterio para distinguir entre uno y otro es parte del problema de la induccin.
Falacias informales
Las falacias informales son aquellas cuya falta est en algo distinto a la forma o estructura de los argumentos. Esto
resulta ms claro con algunos ejemplos:
Falacia ad hominem: se llama falacia ad hominem a todo argumento que, en vez de atacar la posicin y las
armaciones del interlocutor, ataca al interlocutor mismo. La estrategia consiste en descalicar la posicin del
interlocutor, al descalicar a su defensor. Por ejemplo, si alguien argumenta: Usted dice que robar est mal,
pero usted tambin lo hace, est cometiendo una falacia ad hominem (en particular, una falacia tu quoque),
pues pretende refutar la proposicin robar est mal mediante un ataque al proponente. Si un ladrn dice que
robar est mal, quizs sea muy hipcrita de su parte, pero eso no afecta en nada a la verdad o la falsedad de la
proposicin en s.
Falacia ad verecundiam: se llama falacia ad verecundiam a aquel argumento que apela a la autoridad o al prestigio de
alguien o de algo a n de defender una conclusin, pero sin aportar razones que la justiquen.
Falacia ad ignorantiam: se llama falacia ad ignorantiam al argumento que deende la verdad o falsedad de una
proposicin porque no se ha podido demostrar lo contrario.
Falacia ad baculum: Se llama falacia ad baculum a todo argumento que deende una proposicin basndose en la
fuerza o en la amenaza.
Falacia circular: se llama falacia circular a todo argumento que deende una conclusin que se verica recprocamente con la premisa, es decir que justica la vericidad de la premisa con la de la conclusin y viceversa, cometiendo
circularidad.
Falacia del hombre de paja: Sucede cuando, para rebatir los argumentos de un interlocutor, se distorsiona su posicin
y luego se refuta esa versin modicada. As, lo que se refuta no es la posicin del interlocutor, sino una distinta que
en general es ms fcil de atacar. Tmese por ejemplo el siguiente dilogo:
Persona A: Sin duda estars de acuerdo en que los Estados Unidos tienen el sistema legal ms justo y el
gobierno ms organizado.
Persona B: Si los Estados Unidos son el mejor pas del mundo, eso slo signica que las opciones son
muy pocas y muy pobres.
En este dilogo, la persona B puso en la boca de la persona A algo que sta no dijo: que los Estados Unidos son el
mejor pas del mundo. Luego atac esa posicin, como si fuera la de la persona A.
3.5 Paradojas
Una paradoja es un razonamiento en apariencia vlido, que parte de premisas en apariencia verdaderas, pero que
conduce a una contradiccin o a una situacin contraria al sentido comn.[16] Los esfuerzos por resolver ciertas
paradojas han impulsado desarrollos en la lgica, la losofa, la matemtica y las ciencias en general.
3.6 Historia
Histricamente la palabra lgica ha ido cambiando de sentido. Comenz siendo una modelizacin de los razonamientos, propuesta por los lsofos griegos, y posteriormente ha evolucionado hacia diversos sistemas formales.
3.6. HISTORIA
29
Etimolgicamente la palabra lgica deriva del trmino griego logiks, que a su vez deriva de logos
'razn, palabra, discurso'.[17]
En un principio la lgica no tuvo el sentido de estructura formal estricta.
3.6.1
Edad Antigua
La lgica, como un anlisis explcito de los mtodos de razonamiento, se desarroll originalmente en tres civilizaciones
de la historia antigua: China, India y Grecia, entre el siglo V y el siglo I a. C.
En China no dur mucho tiempo: la traduccin y la investigacin escolar en lgica fue reprimida por la dinasta Qin,
acorde con la losofa legista. En India, la lgica dur bastante ms: se desarroll (por ejemplo con la nyya) hasta
que en el mundo islmico apareci la escuela de Asharite, la cual suprimi parte del trabajo original en lgica. A
pesar de lo anterior, hubo innovaciones escolsticas indias hasta principios del siglo XIX, pero no sobrevivi mucho
dentro de la India colonial. El tratamiento sosticado y formal de la lgica moderna aparentemente proviene de la
tradicin griega.
Se considera a Aristteles el fundador de la lgica como propedutica o herramienta bsica para todas las ciencias.
Aristteles fue el primero en formalizar los razonamientos, utilizando letras para representar trminos. Tambin fue
el primero en emplear el trmino lgica para referirse al estudio de los argumentos dentro del lenguaje apofntico
como manifestador de la verdad en la ciencia. Sostuvo que la verdad se maniesta en el juicio verdadero y el argumento
vlido en el silogismo: Silogismo es un argumento en el cual, establecidas ciertas cosas, resulta necesariamente de
ellas, por ser lo que son, otra cosa diferente.[18] Se reri en varios escritos de su rganon a cuestiones tales como
concepto, la proposicin, denicin, prueba y falacia. En su principal obra lgica, los Primeros analticos, desarroll el
silogismo, un sistema lgico de estructura rgida. Aristteles tambin formaliz el cuadro de oposicin de los juicios y
categoriz las formas vlidas del silogismo. Adems, Aristteles reconoci y estudi los argumentos inductivos, base
de lo que constituye la ciencia experimental, cuya lgica est estrechamente ligada al mtodo cientco. La inuencia
de los logros de Aristteles fue tan grande, que en el siglo XVIII, Immanuel Kant lleg a decir que Aristteles haba
prcticamente completado la ciencia de la lgica.[19]
Los lsofos estoicos introdujeron el silogismo hipottico y anunciaron la lgica proposicional, pero no tuvo mucho
desarrollo.
Por otro lado, la lgica informal fue cultivada por la retrica, la oratoria y la losofa, entre otras ramas del conocimiento. Estos estudios se centraron principalmente en la identicacin de falacias y paradojas, as como en la
construccin correcta de los discursos.
En el periodo romano la lgica tuvo poco desarrollo, ms bien se hicieron sumarios y comentarios a las obras recibidas,
siendo los ms notables: Cicern, Porrio y Boecio. En el perodo bizantino, Filopn.
3.6.2
Edad Media
Con el nombre de Dialctica en la Edad Media la Lgica mantiene la condicin de ciencia propedutica. As se estudia
en la estructura de las enseanzas del Trivium como una de las artes liberales pero sin especiales aportaciones en la
Alta Edad Media.
En su evolucin hacia la Baja Edad Media son importantes las aportaciones rabes de Al-Farab; Avicena[20] y
Averroes, pues fueron los rabes quienes reintrodujeron los escritos de Aristteles en Europa.
En la Baja Edad Media su estudio era requisito para entrar en cualquier universidad. Desde mediados del siglo XIII
se incluyen en la lgica tres cuerpos separados del texto. En la logica vetus y logica nova es tradicional escritos
lgicos, especialmente el rganon de Aristteles y los comentarios de Boecio y Porrio. La parva logicalia puede ser
considerada como representativa de la lgica medieval.
La evolucin crtica que se va desarrollando a partir de las aportaciones de Abelardo dinamizaron la problemtica
lgica y epistemolgica a partir del siglo XIII (Pedro Hispano, Raimundo Lulio[21] Lambert de Auxerre, Guillermo
de Sherwood) que culminaron en toda la problemtica del siglo XIV: Guillermo de Ockham, Jean Buridan, Alberto
de Sajonia.
Aqu estn tratados una cantidad de nuevos problemas en la frontera de la lgica y la semntica que no fueron tratados
por los pensadores antiguos. De especial relevancia es la problemtica respecto a la valoracin de los trminos del
lenguaje en relacin con los conceptos universales, as como el estatuto epistemolgico y ontolgico de stos y el
30
CAPTULO 3. LGICA
Averroes, uno de los principales rabes en rescatar la lgica aristotlica y regresarla a Occidente.
problema de la individuacin.
3.6.3
Edad Moderna
Un nuevo enfoque adquiere esta lgica en las interpretaciones racionalistas de Port Royal, en el siglo XVII, (Antoine
Arnauld; Pierre Nicole) pero tampoco supusieron un cambio radical en el concepto de la Lgica como ciencia.
Los lsofos racionalistas, sin embargo, aportaron a travs del desarrollo del anlisis y su desarrollo en las matemticas (Descartes, Pascal y Leibniz) los temas que van a marcar el desarrollo posterior. Son de especial importancia
la idea de Descartes de una Mathesis universalis[22] y de Leibniz en la bsqueda de un lenguaje universal, especicado con precisin matemtica sobre la base de que la sintaxis de las palabras debera estar en correspondencia con
las entidades designadas como individuos o elementos metafsicos, lo que hara posible un clculo o computacin
mediante algoritmo en el descubrimiento de la verdad.[23]
Aparecen los primeros intentos y realizaciones de mquinas de clculo, (Pascal, Leibniz) y, aunque su desarrollo no
fue ecaz, sin embargo la idea de una Mathesis Universal o Caracterstica Universal, es el antecedente inmediato
del desarrollo de la lgica a partir del siglo XX.
Kant consideraba que la lgica por ser una ciencia a priori haba encontrado su pleno desarrollo prcticamente con la
lgica aristotlica, por lo que apenas haba sido modicada desde entonces.[24]
Pero hace un uso nuevo de la palabra lgica como lgica trascendental, en el sentido de investigar los conceptos
puros del entendimiento o categoras trascendentales.
La lgica del pensar trascendental acaba situndose en un proceso dialctico como idealismo subjetivo en Fichte;
idealismo objetivo en Schelling y, nalmente un idealismo absoluto en
Hegel considera la lgica dentro del Absoluto como un proceso dialctico del Espritu Absoluto[25] que produce sus
determinaciones como concepto y su realidad como resultado en el devenir de la Idea del Absoluto como Sujeto[26]
3.7. VASE TAMBIN
31
cuya verdad se maniesta en el resultado del movimiento mediante la contradiccin en tres momentos sucesivos,
tesis-anttesis-sntesis. La epistemologa y la ontologa van unidas y expuestas en la Filosofa entendida sta como
Sistema Absoluto.
3.6.4
Siglo XIX
A partir de la segunda mitad del siglo XIX, la lgica sera revolucionada profundamente. En 1847, George Boole
public un breve tratado titulado El anlisis matemtico de la lgica, y en 1854 otro ms importante titulado Las
leyes del pensamiento. La idea de Boole fue construir a la lgica como un clculo en el que los valores de verdad se
representan mediante el 0 (falsedad) y el 1 (verdad), y a los que se les aplican operaciones matemticas como la suma
y la multiplicacin.
Al mismo tiempo, Augustus De Morgan publica en 1847 su obra Lgica formal, donde introduce las leyes de De
Morgan e intenta generalizar la nocin de silogismo. Otro importante contribuyente ingls fue John Venn, quien en
1881 public su libro Lgica Simblica, donde introdujo los famosos diagramas de Venn.
Charles Sanders Peirce y Ernst Schrder tambin hicieron importantes contribuciones.
Sin embargo, la verdadera revolucin de la lgica vino de la mano de Gottlob Frege, quien frecuentemente es considerado como el lgico ms importante de la historia, junto con Aristteles. En su trabajo de 1879, la Conceptografa,
Frege ofrece por primera vez un sistema completo de lgica de predicados. Tambin desarrolla la idea de un lenguaje
formal y dene la nocin de prueba. Estas ideas constituyeron una base terica fundamental para el desarrollo de las
computadoras y las ciencias de la computacin, entre otras cosas. Pese a esto, los contemporneos de Frege pasaron
por alto sus contribuciones, probablemente a causa de la complicada notacin que desarroll el autor. En 1893 y
1903, Frege publica en dos volmenes Las leyes de la aritmtica, donde intenta deducir toda la matemtica a partir
de la lgica, en lo que se conoce como el proyecto logicista. Su sistema, sin embargo, contena una contradiccin (la
paradoja de Russell).
3.6.5
Siglo XX
El siglo XX sera uno de enormes desarrollos en lgica. A partir del siglo XX, la lgica pas a estudiarse por su inters
intrnseco, y no slo por sus virtudes como propedutica, por lo que estudi a niveles mucho ms abstractos.
En 1910, Bertrand Russell y Alfred North Whitehead publican Principia mathematica, un trabajo monumental en el
que logran gran parte de la matemtica a partir de la lgica, evitando caer en las paradojas en las que cay Frege.
Los autores reconocen el mrito de Frege en el prefacio. En contraste con el trabajo de Frege, Principia mathematica
tuvo un xito rotundo, y lleg a considerarse uno de los trabajos de no ccin ms importantes e inuyentes de todo
el siglo XX. Principia mathematica utiliza una notacin inspirada en la de Giuseppe Peano, parte de la cual todava
es muy utilizada hoy en da.
Si bien a la luz de los sistemas contemporneos la lgica aristotlica puede parecer equivocada e incompleta, Jan
ukasiewicz mostr que, a pesar de sus grandes dicultades, la lgica aristotlica era consistente, si bien haba que
interpretarse como lgica de clases, lo cual no es pequea modicacin. Por ello la silogstica prcticamente no tiene
uso actualmente.
Adems de la lgica proposicional y la lgica de predicados, el siglo XX vio el desarrollo de muchos otros sistemas
lgicos; entre los que destacan las muchas lgicas modales.
3.7 Vase tambin
Portal:Lgica. Contenido relacionado con Lgica.
Lgica binaria
Lgica dialctica
Lgica formal
Lgica dentica
32
CAPTULO 3. LGICA
Lgica informal
Lgica matemtica
Lgica polivalente
Consecuencia lgica
Clculo lgico
Sistema formal
Constante lgica
Apora
Silogismo
Metodologa
MC-14, mtodo cientco en 14 etapas
Argumento
Contraargumento
Declaracin (lgica)
3.8 Notas y referencias

[1] Robert Audi, ed., Inference (en ingls), The Cambridge Dictionary of Philosophy (2nd Edition), Cambridge University
Press
[2] Correia, Manuel (2006). La actualidad de la lgica de Aristteles. Revista de losofa online 62: 139150.
[3] Kuno Lorenz: Logik, II.. Die antike Logik in Historisches Wrterbuch der Philosophie, Bd. 5, 362 nach E. Kapp: Der
Ursprung der Logik bei den Griechen, 1965, 25 und mit Verweis auf Cicero: De nibus 1, 7, 22
[4] Como dice Aristteles respecto al silogismo:
Silogismo es un argumento en el cual, establecidas ciertas cosas, resulta necesariamente de ellas, por ser
lo que son, otra cosa diferente
Aristteles An. Pr. I 24 b 18-23
[5] Descartes, Pascal y, sobre todo, Leibniz que hicieron posible la aplicacin del clculo a la experiencia dando lugar al
desarrollo de la lgica emprica como mtodo cientco que hizo posible la Ciencia Moderna
[6] Regulae ad directionem ingenii. Regla IV
[7] T. Honderich. op. cit.
[8] Sobre el supuesto de que en el alma existen unos principios del pensar (ideas innatas) que se corresponden a los principios
del ser, pues en el fondo responden a Dios, que no puede engaarse ni engaarnos, segn Descartes o a una Armona
Preestablecida, segn Leibniz, o a una unidad del pensar y ser en una nica Sustancia sive Deus sive Natura, segn Baruch
Spinoza
[9] Beuchot, Mauricio. (2006). Lgica y Metafsica en la Nueva Espaa. IIF-UNAM. Mxico. P. 28 Y 29-31
[10] Beuchot, Mauricio. (2006). Lgica y Metafsica en la Nueva Espaa. IIF-UNAM. Mxico. P. 56-61
3.8. NOTAS Y REFERENCIAS
[11]
33
El puro ser y la pura nada son, por lo tanto, la misma cosa.- Lo que constituye la verdad no es ni el ser ni
la nada, sino aquello que no traspasa, sino que ha traspasado; vale decir, el ser [traspasado] en la n ada y la
nada [traspasada] en el ser. Pero, al mismo tiempo, la verdad no es su indistincin, sino el que ellos no son lo
mismo sino que son separables, e inmediatamente cada uno desaparece en su opuesto. Su verdad, pues, consiste
en este movimiento del inmediato desaparecer de uno en otro: el devenir; un movimiento donde los dos son
diferentes, pero por va de una diferencia que el mismo tiempo se ha resuelto inmediatamente.
Hegel Wissenschaft der Logik. Ciencia de la Lgica. Libro I: La doctrina del ser. Seccin I: Determinacin
(cualidad). Captulo I: c) Devenir. 1.- La unidad del ser y la nada. Cita y traduccin : Clemente Fernndez,
S.I.Los lsofos modernos, seleccin de textos Tomo II. 1970. Madrid. BAC. Cursivas en el original citado
[12] Para una exposicin sinttica del pensamiento de Hegel: Zubiri. Naturaleza, Historia y Dios. 1963. Editora Nacional. Hegel
y el problema metafsico. p.223 y ss.
[13] Aristteles
[14] Entendiendo por convincente que maniesta, o pretende manifestar, un conocimiento como verdadero; y persuasivo
que mueve a actuar conforme se pretende mediante dicho argumento falaz
[15] De hecho, el armar que una conclusin es falsa, porque es la conclusin de un argumento falaz, es en s mismo una falacia
(en ingls llamada argument from fallacy).
[16] Robert Audi, ed., paradox (en ingls), The Cambridge Dictionary of Philosophy (2nd Edition), Cambridge University
Press, A seemingly sound piece of reasoning based on seemingly true assuptions that leads to a contradiction (or other
obviously false conclusin).
[17] Diccionario etimolgico chileno en lnea.
[18] Aristteles. Primeros analticos. I 24b 18-23.
[19] Kant. Crtica de la Razn Pura, 1781
[20] De especial relevancia es su distincin entre ser de esencia y ser de existencia de gran importancia en la interpretacin de la
lgica.
[21] Con la idea de confeccionar unas tablas o Ars Magna, a modo de mquina que permitiera la deduccin de todas las
verdades, incluidas las de la Fe
[22] Regulae ad directionem ingenii. Regla IV
[23] Enciclopedia Oxford de Filosofa. op. cit.
[24] As lo expresa:
La lgica de Aristteles no ha tenido que retroceder un solo paso.... Es tambin digno de atencin que
tampoco haya podido dar, hasta ahora, ningn paso hacia adelante, y que, segn toda apariencia, parece ya cerrada y acabada. Cuando algunos modernos han tratado de extenderla introduciendo captulos, slo han hecho
palpable la ignorancia que tienen de la propia naturaleza de esta ciencia. Cuando se traspasan los lmites de una
ciencia y se entra en otra no es un aumento lo que se produce, antes bien una desnaturalizacin. >Los lmites
de la lgica estn claramente determinados, el ser una ciencia que slo expone y demuestra rigurosamente las
reglas formales del pensar
Kant. Crtica de la Razn Pura, 1781
[25]
El puro ser y la pura nada son, por lo tanto, la misma cosa.- Lo que constituye la verdad no es ni el ser
ni la nada, sino aquello que no traspasa, sino que ha traspasado; vale decir, el ser [traspasado] en la n ada y
la nada [traspasada ] en el ser. Pero, al mismo tiempo, la verdad no es su indistincin, sino el que ellos no
son lo mismo sino que son separables, e inmediatamente cada uno desaparece en su opuesto. Su verdad, pues,
consiste en este movimiento del inmediato desaparecer de uno en otro: el devenir; un movimiento donde los
dos son diferentes, pero por va de una diferencia que el mismo tiempo se ha resuelto inmediatamente.
Hegel Wissenschaft der Logik. Ciencia de la Lgica. Libro I: La doctrina del ser. Seccin I: Determinacin
(cualidad). Captulo I: c) Devenir. 1.- La unidad del ser y la nada. Cita y traduccin : Clemente Fernndez,
S.I.Los lsofos modernos, seleccin de textos Tomo II. 1970. Madrid. BAC. Cursivas en el original citado
[26] El Absoluto se ha de entender como Sujeto, no como sustancia; frente a la idea aristotlica del ser que ha predominado en
la losofa tradicional. Para una exposicin sinttica del pensamiento de Hegel: Zubiri. Naturaleza, Historia y Dios. 1963.
Editora Nacional.Hegel y el problema metafsico. p.223 y ss.
34
CAPTULO 3. LGICA
3.9 Bibliografa adicional

Priest, Graham (2008). An introduction to non-classical logic: From if to is (2 edicin). Nueva York: Cambridge
University Press. ISBN 978-0521854337.
Ferrater Mora, J. (1984). Diccionario de Filosofa (4 tomos). Barcelona. Alianza Diccionarios. ISBN 84-2065299-7.
Honderich, T.(Editor) (2001). Enciclopedia Oxford de Filosofa. Trd. Carmen Garca Trevijano. Madrid. Editorial Tecnos. ISBN 84-309-3699-8.
Wikimedia Commons alberga contenido multimedia sobre Lgica. Commons
Wikcionario tiene deniciones y otra informacin sobre lgica.Wikcionario
Wikiquote alberga frases clebres de o sobre lgica. Wikiquote

Wikiversidad alberga proyectos de aprendizaje sobre Lgica.Wikiversidad
Aprende Lgica (Autor: Francisco Jos Calzado Fernndez)

Breve Historia de la Lgica
Captulo 4
Inteligencia
La inteligencia (del latn, intellegenta) es la capacidad de pensar, entender, asimilar, elaborar informacin y emplear
el uso de la lgica. El Diccionario de la lengua espaola de la Real Academia Espaola dene la inteligencia, entre
otras acepciones, como la capacidad para entender o comprender y como la capacidad para resolver problemas.[1]
La inteligencia tambin est ligada a otras funciones mentales como la percepcin o capacidad de recibir informacin,
y la memoria, o capacidad de almacenarla.[2]
4.1 Etimologa
La palabra inteligencia proviene del latn intellegere, trmino compuesto de inter 'entre' y legere 'leer, escoger', por
lo que, etimolgicamente, inteligente es quien sabe escoger algo. La inteligencia permite elegir las mejores opciones
para resolver una cuestin.
La palabra inteligencia fue introducida por Cicern para describir el concepto de capacidad intelectual. Su espectro
semntico es muy amplio, reejando la idea clsica segn la cual, por la inteligencia el hombre es, en cierto modo,
todas las cosas que existen. Sair Supitero.
4.2 Denicin de la inteligencia

Denir qu es la inteligencia ha sido siempre objeto de polmica; ante un escenario tan diversicado de opiniones,
Vernon (1960) sugiri una clasicacin de las principales deniciones. La denicin se hizo en base a tres grupos: las
psicolgicas, mostrando a la inteligencia como la capacidad cognitiva, de aprendizaje y relacin; las biolgicas, que
consideran la capacidad de adaptacin a nuevas situaciones; y las operativas, que son aquellas que dan una denicin
circular diciendo que la inteligencia es "...aquello que es medido en las pruebas de inteligencia.
El concepto de inteligencia articial gener hablar de sistemas, y para que se pueda aplicar el adjetivo inteligente a
un sistema, ste debe poseer varias caractersticas, tales como la capacidad de razonar, planear, resolver problemas,
pensar de manera abstracta, comprender ideas y lenguajes, y aprender.
Tal diversidad indica el carcter complejo de la inteligencia, la cual slo puede ser descrita parcialmente mediante
enumeracin de procesos o atributos que, al ser tan variados, hacen inviable una denicin nica y delimitada, dando
lugar a singulares deniciones, tales como: la inteligencia es la capacidad de adquirir capacidad, de Woodrow, o
la inteligencia es lo que miden los test de inteligencia, de Bridgman.
4.3 mbito psicolgico

4.3.1
Deniciones
Las deniciones psicolgicas han sido elaboradas bajo diversas perspectivas:

35
36
CAPTULO 4. INTELIGENCIA
El Pensador, de Auguste Rodin.
La psicologa experimental, se ocupa del pensamiento y de la solucin de problemas, las leyes generales
cognoscitivas y el comportamiento inteligente;
La psicologa diferencial, de carcter psicomtrico, trata de medir y explicar las diferencias entre las personas
y fundamentar la elaboracin de diagnsticos y pronsticos;
La psicologa gentica, estudia los procesos de constitucin y desarrollo del ser humano.
4.3. MBITO PSICOLGICO
37
Denicin diferencial de la American Psychological Association

La American Psychological Association (APA), una organizacin cientca y profesional de psiclogos de EEUU, lo
expuso as:[3]
Los individuos dieren los unos de los otros en habilidad de comprender ideas complejas, de adaptarse ecazmente al entorno, as como el de aprender de la experiencia, en encontrar varias formas de
razonar, de superar obstculos mediante la reexin. A pesar de que estas diferencias individuales puedan ser sustanciales, stas nunca son completamente consistentes: las caractersticas intelectuales de una
persona variarn en diferentes ocasiones, en diferentes dominios, y juzgarn con diferentes criterios. El
concepto de inteligencia es una tentativa de aclarar y organizar este conjunto complejo de fenmenos.
Denicin general del Mainstream Science on Intelligence
Denicin que fue suscrita por cincuenta y dos investigadores en 1994:[4]
Una capacidad mental muy general que, entre otras cosas, implica la habilidad de razonar, planear,
resolver problemas, pensar de manera abstracta, comprender ideas complejas, aprender rpidamente
y aprender de la experiencia. No es un mero aprendizaje de los libros, ni una habilidad estrictamente acadmica, ni un talento para superar pruebas. Ms bien, el concepto se reere a la capacidad de
comprender el propio entorno.
4.3.2
Teoras
A nales del siglo XX surgen varias teoras psicolgicas que cobran gran celebridad: la Teora de las inteligencias
mltiples, la Teora trirquica de la inteligencia y la que trata de la Inteligencia emocional.
Inteligencias mltiples
Howard Gardner, psiclogo norteamericano de la Universidad de Harvard, escribi en 1983 Las estructuras de la
mente, un trabajo en el que consideraba el concepto de inteligencia como un potencial que cada ser humano posee
en mayor o menor grado, planteando que sta no poda ser medida por instrumentos normalizados en test de CI[5] y
ofreci criterios, no para medirla, sino para observarla y desarrollarla.
Segn Howard Gardner, creador de la Teora de las inteligencias mltiples, la inteligencia es la capacidad para resolver problemas o elaborar productos que puedan ser valorados en una determinada cultura. Propuso varios tipos de
inteligencia, igualmente importantes:
Inteligencia lingstica: capacidad de usar las palabras de manera adecuada.
Caracteriza a escritores y poetas. Implica la utilizacin de ambos hemisferios cerebrales.
Inteligencia lgica-matemtica: capacidad que permite resolver problemas de lgica y matemtica.
Es fundamental en cientcos y lsofos. Al utilizar este tipo de inteligencia se hace uso del
hemisferio lgico.
Era la predominante en la antigua concepcin unitaria de inteligencia.
Inteligencia musical: capacidad relacionada con las artes musicales.
Es el talento de los msicos, cantantes y bailarines. Es conocida comnmente como buen
odo.
Inteligencia espacial: la capacidad de distinguir aspectos como: color, lnea, forma, gura, espacio, y sus relaciones en tres dimensiones.
38
Esta inteligencia se relaciona con campos tan diversos como el diseo, la arquitectura, la
geografa, la ingeniera, la escultura, la ciruga o la marina.
Inteligencia corporal-cinestsica: capacidad de controlar y coordinar los movimientos del cuerpo y expresar
sentimientos con l.
Es el talento de los actores, mimos, o bailarines. Implica a deportistas o cirujanos.
Inteligencia intrapersonal o emocional: est relacionada con las emociones, y permite entenderse a s mismo.
Relacionada con las ciencias psicolgicas.
Inteligencia interpersonal o social: capacidad para entender a las dems personas con empata; est relacionada
con las emociones.
Es tpica de los buenos vendedores, polticos, profesores o terapeutas.
Posteriormente aadi:
Inteligencia naturalista: la utilizamos al observar y estudiar la naturaleza para organizar y clasicar.
Los bilogos y naturalistas son quienes ms la desarrollan.
Inteligencia existencial o losca: la capacidad para situarse a s mismo con respecto al cosmos y autosugestionarse.
Teora trirquica de la inteligencia

Robert J. Sternberg, psiclogo estadounidense profesor de la Universidad de Yale, en su Teora trirquica de la inteligencia de 1985, estableci tres categoras para describir la inteligencia:
Inteligencia componencial-analtica: la capacidad para planicar, ejecutar y el logro del conocimiento.
Inteligencia experiencial-creativa: habilidad fundada en la experiencia para tratamiento de la novedad y la
automatizacin de procesos.
Inteligencia contextual-prctica: relacionada con la conducta adaptativa al mundo real.
Inteligencia emocional
Daniel Goleman, psiclogo estadounidense, public en 1995 el libro Emotional Intelligence, "Inteligencia emocional",
que adquiri fama mundial, aunque fueron Peter Salowey y John D. Mayer los que acuaron la citada expresin
Inteligencia emocional, en 1990. Anteriormente, el psiclogo Edward Thorndike, haba manejado un concepto
similar en 1920, la Inteligencia social.
Para Goleman la inteligencia emocional es la capacidad para reconocer sentimientos propios y ajenos, y la habilidad para manejarlos. Considera que la inteligencia emocional puede organizarse en cinco capacidades: conocer las
emociones y sentimientos propios, reconocerlos, manejarlos, crear la propia motivacin, y manejar las relaciones.
Goleman ensea que tener inteligencia emocional es la capacidad que el ser humano tiene para decir las cosas en el
momento correcto, de la manera correcta, con la intensidad correcta y en el lugar correcto a las personas correctas.
4.4. INTENTOS DE MEDIR LA INTELIGENCIA
39
4.4 Intentos de medir la inteligencia

La psicometra es la disciplina que se encarga de las mediciones psicolgicas. Los primeros trabajos de psicometra
surgieron para evaluar la inteligencia mediante diversos test cuya aplicacin permita estimar el cociente intelectual de
los individuos, una medida que se supona aproximada al constructo de la inteligencia. Los criterios de cienticidad
ms extendidos en psicometra para la aceptacin de los tests de inteligencia son la abilidad y la validez, medidas
obtenidas generalmente a travs de tcnicas estadsticas basadas en la correlacin, como el anlisis factorial o la
regresin lineal.
Algunos de estos test ofrecen una nica medida, un "factor general de inteligencia", (o Factor G en trminos de la
Teora bifactorial de Charles Spearman) que se determina comparando el rendimiento del sujeto con el obtenido
por su grupo de referencia, en condiciones similares. Otros tests, sin embargo, estn diseados bajo un marco terico
diferente, y en consecuencia permiten la estimacin de varias medidas independientes correspondientes a los distintos
tipos de inteligencia.
Controversias
Los test para evaluar el cociente intelectual fueron empleados, inicialmente, para predecir el rendimiento escolar. Los
creadores no creyeron que estuvieran midiendo una inteligencia esttica y, a pesar de ello, los crticos argumentan
que los test de inteligencia han sido empleados para justicar teoras genticas en las que la inteligencia sera una
cualidad nica y ja. [6]
Las investigaciones acerca de la inteligencia humana crean gran preocupacin en el pblico y generan ms crticas que
los estudios cientcos de otras reas. As, hay numerosos estudios que han puesto en tela de juicio la relevancia de
los test psicomtricos. Hay controversias sobre los factores genticos en la inteligencia, particularmente en cuestiones
sobre si estas diferencias se relacionan con la raza y el sexo, o cmo interpretar el incremento en las puntuaciones de
los test, conocido como el efecto Flynn.
Los crticos de la visin psicomtrica sealan que la gente tiene un concepto distinto de inteligencia del que se mide en
los test. Argumentan que esta visin slo mide una parte de lo que comnmente se entiende por inteligencia. Adems,
cuando se realiza un test, hay diversas circunstancias que inuyen en el resultado, como el estado de nimo, la salud,
o el conocimiento previo de pruebas similares.
Stephen Jay Gould fue una de la voces ms crticas de los test de inteligencia; argumentaba que sta no es mensurable,
rebata los puntos de vista hereditarios, rechazaba el anlisis factorial como criterio cientcamente vlido en la investigacin psicomtrica, expona el fuerte fundamento poltico que subyace a gran parte de la investigacin histrica
sobre la inteligencia y termina denunciando los abusos de la Psicologa, que ha invocado criterios pretendidamente
cientcos para justicar prejuicios meramente sociales.[7]
4.4.1
Sociedades de superdotados en el mundo
Las asociaciones de superdotados son organizaciones que limitan la membresa a personas que hayan alcanzado un
determinado percentil en un test de CI, lo cual incluira en teora a las personas con mayor CI del mundo. La asociacin
ms antigua, ms grande y mejor conocida de este tipo, es Mensa Internacional, fundada en 1946 por Roland Berrill
y Lancelot Ware.[8]
4.5 Teora de la evolucin de la inteligencia

Para que la inteligencia se desarrollara y evolucionara, por ejemplo en los mamferos, tendra que haber tenido una
ventaja que permitiera al individuo con mayor inteligencia tener una ventaja en la seleccin natural.
En el caso de los primates, se atribua la evolucin de la inteligencia al cambio de estilo de vida de algunos primates,
como por ejemplo la impuesta por el bipedismo o el cambio de dieta.[9] Sin embargo, los investigadores Aiello y
Dunbar encontraron ms bien una relacin directa entre el tamao del neocrtex (y presumiblemente el grado de
inteligencia) y la cantidad de miembros que forman grupos sociales.[9] Mientras ms grandes los grupos sociales,
mayor es el neocrtex (y por tanto la inteligencia). Esto da un indicio de que el desarrollo y evolucin de la inteligencia
fue impulsado principalmente por la necesidad de mantener complejas relaciones sociales (como la cooperacin, la
competencia, la alianza, el engao, etc).[9]
40
4.5.1
Evidencias
La naturaleza no desarrolla formas de vida inteligentes por premeditacin; los seres ms simples reaccionan ante el
medio mediante programacin gentica, miedos y anidades instintivas. Un pequeo cambio en estos instintos implica
muchas generaciones. La seleccin natural ha favorecido la rapidez en la adaptacin al medio. Esta criba de seres vivos
ha seleccionado aquellos que disponen de un sistema nervioso central como los seres superiores dentro de la escala
trca de alimentacin. Dentro de esta escala, la seleccin ha dejado en la cumbre a aquellos que disponen de un
sistema nervioso central con cerebro e identidad de individuos. Esta disposicin del sistema nervioso les hace capaces
de administrar en mayor o menor medida sus comportamientos, aprendiendo y reaccionando en consecuencia, esto
es, con inteligencia, un resultado consecuente del ahorro energtico que supone memorizar y recordar para luego
aplicar resultados.
La inteligencia no es una cualidad nicamente humana (solipsismo humano), en mayor o menor medida todos los seres
vivos la tienen, basada en las hormonas, visceralidad, el sistema nervioso perifrico o el central, incluso con zonas
especcas del sistema nervioso central para procesos concretos. Muchos animales tienen signos claros de inteligencia
instintiva, e incluso pueden lograr algunas etapas racionales primarias bajo entrenamiento. Algunos casos de animales
domsticos que se antropizan pueden llegar a adquirir algunos rasgos de inteligencia racional.
4.5.2
Grados
Las distintas cualidades psquicas y sus distintos grados de desarrollo pueden considerarse como las distintas formas
de inteligencia, utilizadas para un uso prctico, ldico o perverso, pero en todos los casos, inteligencia.
La naturaleza nos muestra que la inteligencia es una cuestin de grado; podemos encontrar rasgos inteligentes en
aquellas situaciones en el que el ecosistema alberga sistemas biolgicos capaces de ahorrar energa frente a otras
alternativas ms costosas. El hecho de encontrar el camino ms corto entre dos puntos, es una muestra de que se est
aplicando algn tipo de lgica, cuyo procesamiento da evidencias de un grado de inteligencia.[10]
La inteligencia depende de las variaciones del sistema, que se sujeta a la teora general de sistemas, estableciendo
una lgica y, a su vez, la lgica depende de un diferencial. En la naturaleza encontramos constantes indicios de
diferenciales. Las unidades biolgicas reactivas ante la variacin de los diferenciales del medio, se podran catalogar
como unidades de funcionamiento condicionado o lgico. En otras palabras, ante una variacin concreta de un valor
del medio, esa unidad biolgica actuar siempre de la misma manera. Se puede decir, que la unidad de la inteligencia
es la lgica, que a su vez se basa en la termodinmica del medio, o sea algo totalmente natural.[11]
4.5.3
Inteligencia primaria
El grado mnimo de inteligencia se le otorga al moho mucilaginoso, que est en la frontera de hongo y animal (miclogos y zologos no se ponen de acuerdo). Dentro de esta categora an se distinguen dos grupos: los plasmodiales
y los celulares.
Se han realizado en Japn experimentos con Physarum Polycephalum.[12] Estos plasmodiales son organismos unicelulares con mltiples ncleos que son capaces de encontrar el camino ms corto en un laberinto. Es el mejor ejemplo
de procesamiento de informacin sin poseer un sistema nervioso.
4.5.4
Inteligencia humana
Existe una discusin sobre si la inteligencia humana contiene algn aspecto que la diferencie de forma cualitativa de
las dems especies o incluso de la inteligencia articial.
Slo a partir de Darwin se ha comprendido que no somos la especie elegida, sino una especie nica entre otras muchas
especies nicas, aunque maravillosamente inteligente.[13]
Ciertamente el concepto de inteligencia humana puede variar mucho dependiendo de la prospectiva del ser y su punto
de vista, es por esto que grandes pensadores escogen su propio concepto idneo de la palabra intentando generalizar
lo ms ampliamente posible.
4.6. DESARROLLO DE LA INTELIGENCIA
41
4.6 Desarrollo de la inteligencia

La pedagoga es la ciencia que estudia la educacin humana y elabora tcnicas que faciliten el aprendizaje; los
pedagogos muestran gran inters en los diferentes aspectos relacionados con la inteligencia y sus factores condicionantes, tanto psicolgicos y biolgicos como socio-culturales. Algunos de estos condicionantes son:
Factores hereditarios: el carcter hereditario no signica una relacin lineal ni que se encuentre predeterminado. La combinacin de genes ofrece multitud de posibilidades. Estudios realizados con gemelos idnticos
(monocigticos) y mellizos (dicigticos) ayudan a establecer estas diferencias.[14] Es un factor ms, no determinante.
Otros factores biolgicos: la migracin de mayor densidad de neuronas especializadas en almacenar conocimiento, desde el tronco enceflico hacia la corteza cerebral, crea conexiones sinpticas ms entrelazadas en
los primeros meses de vida.
Factores ambientales: el entorno del individuo es crucial para el desarrollo de la inteligencia; situaciones muy
opresivas pueden limitarla al generar inestabilidad emocional. El medio sociocultural es muy importante en
el desarrollo intelectual de un individuo. Un sujeto que se desarrolle en un ambiente con adecuados estmulos
cognitivos puede desarrollar mayores aptitudes intelectuales frente a un sujeto que se cre en un ambiente con
pobreza de estmulos (Vase: Kaspar Hauser).
Educacin: una educacin esmerada puede proporcionar valiosas herramientas para desenvolverse.
Motivacin: un individuo puede desarrollar mejor su inteligencia si es motivado por su familia o personas
de su entorno a mejorar su percepcin cognitiva.
Hbitos saludables: una dieta sana genera mejores condiciones para desarrollarse. Dormir adecuadamente
facilita el desarrollo de los procesos cerebrales. El alcohol y otras drogas pueden llegar a incapacitar al
individuo.
4.6.1
Principio de lateralidad
El neurosilogo Roger Sperry en sus trabajos demostr que nuestros dos hemisferios cerebrales se nutren de las
mismas informaciones bsicas, pero que las procesan de forma distinta. Cada uno de nosotros tiene un hemisferio
dominante (predisposicin gentica). El hemisferio cerebral izquierdo domina aspectos como el lenguaje, la solucin
de problemas lgicos y el pensamiento analtico; mientras que en el hemisferio derecho destacan la comprensin
espacial, musical o el dibujo.
La creatividad
En el proceso creativo, los hemisferios cerebrales se encuentran en actividad al mismo tiempo, funcionando de forma coherente e integrada en el acto creador, aunque cada hemisferio es dominante en ciertas actividades, los dos
estn bsicamente capacitados en todas las reas y las habilidades mentales se hallan distribuidas por toda la corteza
cerebral.[15]
Las personas creativas son capaces de lograr, mediante asociacin o imaginacin, soluciones novedosas diferentes a
las que se habra llegado mediante el pensamiento convergente que rene datos y conocimiento, lgica y experiencia,
que se ubicaran en el hemisferio izquierdo. El pensamiento creativo y divergente, por el contrario, es expansivo; y
la diferencia entre ambos pensamientos est en la ruptura de los lmites.[16]
La enseanza
Sefchovich y Waisburd estiman que los programas de las escuelas y en general la educacin, se han apoyado principalmente en las habilidades del hemisferio cerebral izquierdo, mientras que el otro hemisferio se ha desarrollado por
s solo, lo que ha ocasionado que se hayan quedado fuera habilidades y funcionamientos que son indispensables para
el desarrollo creativo.[15]
42
4.7 Vase tambin

Cerebro
Cociente intelectual
Creatividad
Entendimiento
Inteligencia colectiva
Inteligencia sanitaria
Mediacin cultural
Memoria
Mensa (organizacin)
Mente
Psicometra
Robert Sternberg
Superdotacin intelectual
Talento
Intelectual
oligofrenia
frenologa

[1] inteligencia, Diccionario de la lengua espaola (22. edicin), Real Academia Espaola, 2001, http://lema.rae.es/drae/
srv/search?key=inteligencia.
[2] Manual de psiquiatra mdica (2 ed.), de Jeerson, J. y Moore, D.
[3] APA Task Force Report, Intelligence: Knowns and Unknowns.
[4] Mainstream Science on Intelligence reprinted in Gottfredson (1997). Intelligence p. 13.
[5] El cociente de inteligencia es un ndice que pretende establecer la relacin entre la edad mental y la edad cronolgica.
[6] The myth of intelligence. The Psychological Record, vol. 53, 2003.
[7] http://www.xtec.es/~{}lvallmaj/academia/gould2.htm
[8] Percival, Matt (2006-09-08). Consultado el 2006-09-26.
[9] Libro La especie elegida, 1998, de Juan Luis Arsuaga e Ignacio Martnez. Captulo 11 La inteligencia social, subttulo
Tamao del cerebro y tamao del grupo social, aproximadamente en el sitio 60 % del libro.
[10] Eduardo Punset, El viaje a la felicidad.
[11] Eduardo Punset. Como crear un superorganismo. Redes.
[12] Cellular memory hints at the origins of intelligence
[13] J. L. Arsuaga, I. Martinez. La especie elegida, 1998, Ed. Temas de hoy, pag. 336.
[14] Mientras en gemelos el grupo sanguneo es igual (100%), en mellizos es el 66%. El color de los ojos 99% y 28%.
4.9. ENLACES EXTERNOS
43
[15] 2007/pdf/CREATIVA.pdf M.C.D. Cynthia P. Villagmez: Pedagoga creativa en el mbito de las artes y el diseo.
[16] Silvia Leal y Jorge Urrea Ingenio y Pasin (2013), Ed. Lid. p.106
Fuentes Consultadas
Punset, Eduardo. (2006) El viaje a la felicidad. Las nuevas claves cientcas. Ed. Destino. Octava Edicin.
ISBN 84-233-3777-4.
La inteligencia, en psicoactiva.com
Lederman, Leon M. y Hill, Christopher T. (2006) La simetra y la belleza del universo. Ed. TusQuets. 1
Edicin. Patrocinado por Cosmo Caixa - Fundacin la Caixa. Coleccin Metatemas. ISBN 84-8310-351-6.
Bibliografa de referencia
Gardner, Howard (2003) Inteligencias mltiples, Paidos, ISBN 950-12-5012-1.
Sternberg, R. J. (1985) A Triarchic Theory of Intelligence. Cambridge University Press.
Goleman, Daniel (1996) Inteligencia emocional. Kairos. Barcelona.
Bonner, John T. (1980) The evolution of Culture in Animals. Princenton University Press.
En espaol: Bonner, John T. (1982) La revolucin de la cultura de los animales, Alianza Editorial.
Wikimedia Commons alberga contenido multimedia sobre Inteligencia. Commons
Wikcionario tiene deniciones y otra informacin sobre inteligencia.Wikcionario
Wikiquote alberga frases clebres de o sobre Inteligencia. Wikiquote
Historia y variedad de estudios experimentales de la evaluacin intelectual.

CTY Espaa, Johns Hopkis University, Center for Talented Youth International Charter Member
BBC Mundo | Ciencia | Inteligencia y materia gris
Captulo 5
Sistema inteligente
Un sistema inteligente es un programa de computacin que rene caractersticas y comportamientos asimilables al
de la inteligencia humana o animal.
La expresin sistema inteligente se usa a veces para sistemas inteligentes incompletos, por ejemplo para una casa
inteligente o un sistema experto.
Un sistema inteligente completo incluye sentidos que le permiten recibir informacin de su entorno. Puede actuar, y
tiene una memoria para archivar el resultado de sus acciones. Tiene un objetivo e, inspeccionando su memoria, puede
aprender de su experiencia. Aprende cmo lograr mejorar su rendimiento y eciencia.
5.1 Capacidades requeridas

Para que un sistema inteligente pueda ser considerado completo, debe incluir diversas funcionalidades que incluyan
Inteligencia: Hay muchas deniciones de inteligencia. Para usos prcticos usamos esta: La inteligencia es el
nivel del sistema en lograr sus objetivos.
Sistematizacin: Un sistema es parte del universo, con una extensin limitada en espacio y tiempo. Las partes
del sistema tienen ms, o ms fuertes, correlaciones con otras partes del mismo sistema; que con partes fuera
del sistema.
Objetivo: Un objetivo es una cierta situacin que el sistema inteligente quiere lograr. Normalmente hay muchos
niveles de objetivos, puede haber un objetivo principal y muchos subobjetivos.
Capacidad sensorial: Un sentido es la parte del sistema que puede recibir comunicaciones del entorno. Se
necesitan los sentidos para que el sistema inteligente puede conocer su entorno y actuar interactivamente.
Conceptualizacin: Un concepto es el elemento bsico del pensamiento. Es el almacenamiento fsico, material
de informacin (en neuronas o electrones). Todos los conceptos de la memoria estn interrelacionados en red.
La capacidad de conceptualizar implica el desarrollo de niveles de abstraccin.
Reglas de actuacin: Una regla de actuacin es el resultado de una experiencia o el resultado de interpretar la
propia memoria. Relaciona situacin y consecuencias de la accin.
Memoria: La memoria es un almacenaje fsico de conceptos y reglas de actuacin. Esto incluye la experiencia
del sistema.
Aprendizaje: El aprendizaje es probablemente la capacidad ms importante de un sistema inteligente. El sistema
aprende conceptos a partir de la informacin recibida de los sentidos. Aprende reglas de actuacin a base de
su experiencia. La actuacin, a veces hecha al azar, se almacena con su valor. Una regla de actuacin aumenta
44
5.2. EJEMPLOS DE SISTEMAS INTELIGENTES
45
en valor si permiti el logro de un objetivo. El aprendizaje incluye la jacin de conceptos abstractos, a base de
ejemplos concretos y la creacin de conceptos compuestos que contienen los conceptos de partes de un objeto.
El aprendizaje tambin es la capacidad de detectar relaciones (patrones) entre la parte situacin y la parte
situacin futura de una regla de actuacin.
5.2 Ejemplos de sistemas inteligentes

Los seres humanos y animales son sistemas inteligentes naturales, y los sistemas articiales tratan progresivamente
de emular sus capacidades. Los sistemas inteligentes se caracterizan por su capacidad de adaptarse a situaciones
cambiantes, capacidad que todava no logran cabalmente los sistemas articiales. La dicultad principal se encuentra
en el desarrollo de la capacidad de aprendizaje.
5.3 Vase tambin

Aprendizaje automtico
Cognicin
Sistema
Inteligencia
Inteligencia computacional
Sistema experto
Androide
Robot

Blog Madri+D - Sistemas Inteligentes (Informtica).**
JT Intelligent Systems - casas inteligentes.
Sistemas inteligentes y sus sociedades.
Inteligencia articial.
Agentes autnomos o softbots.
Grupo de desarrollo - Agentes Inteligentes.
Grupo de investigacin - Sistemas Inteligentes.
5.4.1
En ingls
Intelligent Systems Program.

IRIS: Institute of Robotics and Intelligent Systems.
Android World.
NASAs Intelligent Systems Division at Ames Research Center.
Captulo 6
Algoritmo gentico
Un algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solucin a un
problema especco. En los aos 1970, de la mano de John Henry Holland, surgi una de las lneas ms prometedoras
de la inteligencia articial, la de los algoritmos genticos.[1][2] Son llamados as porque se inspiran en la evolucin
biolgica y su base gentico-molecular. Estos algoritmos hacen evolucionar una poblacin de individuos sometindola
a acciones aleatorias semejantes a las que actan en la evolucin biolgica (mutaciones y recombinaciones genticas),
as como tambin a una seleccin de acuerdo con algn criterio, en funcin del cual se decide cules son los individuos
ms adaptados, que sobreviven, y cules los menos aptos, que son descartados. Los algoritmos genticos se enmarcan
dentro de los algoritmos evolutivos, que incluyen tambin las estrategias evolutivas, la programacin evolutiva y la
programacin gentica.
6.1 Funcionamiento
Los algoritmos genticos funcionan entre el conjunto de soluciones de un problema llamado fenotipo, y el conjunto
de individuos de una poblacin natural, codicando la informacin de cada solucin en una cadena, generalmente
binaria, llamada cromosoma. Los smbolos que forman la cadena son llamados los genes. Cuando la representacin
de los cromosomas se hace con cadenas de dgitos binarios se le conoce como genotipo. Los cromosomas evolucionan a travs de iteraciones, llamadas generaciones. En cada generacin, los cromosomas son evaluados usando
alguna medida de aptitud. Las siguientes generaciones (nuevos cromosomas), son generadas aplicando los operadores
genticos repetidamente, siendo estos los operadores de seleccin, cruzamiento, mutacin y reemplazo.
6.2 Cundo usar estos algoritmos

Los algoritmos genticos son de probada ecacia en caso de querer calcular funciones no derivables (o de derivacin
muy compleja) aunque su uso es posible con cualquier funcin.
Deben tenerse en cuenta tambin las siguientes consideraciones:
Si la funcin a optimizar tiene muchos mximos/mnimos locales se requerirn ms iteraciones del algoritmo
para asegurar el mximo/mnimo global.
Si la funcin a optimizar contiene varios puntos muy cercanos en valor al ptimo, solamente podemos asegurar que encontraremos uno de ellos (no necesariamente el ptimo).
6.3 Funcionamiento de un algoritmo gentico bsico

Un algoritmo gentico puede presentar diversas variaciones, dependiendo de cmo se aplican los operadores genticos
(cruzamiento, mutacin), de cmo se realiza la seleccin y de cmo se decide el reemplazo de los individuos para
formar la nueva poblacin. En general, el pseudocdigo consiste de los siguientes pasos:
46
6.3. FUNCIONAMIENTO DE UN ALGORITMO GENTICO BSICO
47
i
f(X)
Re
f(X)
Mu
X*
Se
Cr
Algoritmo gentico i: inicializacin, f(X): evaluacin, ?: condicin de trmino, Se: seleccin, Cr: cruzamiento, Mu: mutacin, Re:
reemplazo, X*: mejor solucin.
Inicializacin: Se genera aleatoriamente la poblacin inicial, que est constituida por un conjunto de cromosomas los cuales representan las posibles soluciones del problema. En caso de no hacerlo aleatoriamente, es
importante garantizar que dentro de la poblacin inicial, se tenga la diversidad estructural de estas soluciones
para tener una representacin de la mayor parte de la poblacin posible o al menos evitar la convergencia
prematura.
Evaluacin: A cada uno de los cromosomas de esta poblacin se aplicar la funcin de aptitud para saber
cmo de buena es la solucin que se est codicando.
Condicin de trmino El AG se deber detener cuando se alcance la solucin ptima, pero sta generalmente
se desconoce, por lo que se deben utilizar otros criterios de detencin. Normalmente se usan dos criterios:
correr el AG un nmero mximo de iteraciones (generaciones) o detenerlo cuando no haya cambios en la
poblacin. Mientras no se cumpla la condicin de trmino se hace lo siguiente:
Seleccin Despus de saber la aptitud de cada cromosoma se procede a elegir los cromosomas que sern
cruzados en la siguiente generacin. Los cromosomas con mejor aptitud tienen mayor probabilidad de
ser seleccionados.
Recombinacin o Cruzamiento La recombinacin es el principal operador gentico, representa la reproduccin sexual, opera sobre dos cromosomas a la vez para generar dos descendientes donde se combinan las caractersticas de ambos cromosomas padres.
Mutacin modica al azar parte del cromosoma de los individuos, y permite alcanzar zonas del espacio
de bsqueda que no estaban cubiertas por los individuos de la poblacin actual.
Reemplazo una vez aplicados los operadores genticos, se seleccionan los mejores individuos para conformar la poblacin de la generacin siguiente
48
CAPTULO 6. ALGORITMO GENTICO
6.4 Aplicaciones
Diseo automatizado, incluyendo investigacin en diseo de materiales y diseo multiobjetivo de componentes
automovilsticos: mejor comportamiento ante choques, ahorros de peso, mejora de aerodinmica, etc.
Diseo automatizado de equipamiento industrial.
Diseo automatizado de sistemas de comercio en el sector nanciero.
Construccin de rboles logenticos.
Optimizacin de carga de contenedores.
Diseo de sistemas de distribucin de aguas.
Diseo de topologas de circuitos impresos.
Diseo de topologas de redes computacionales.
En Teora de juegos, resolucin de equilibrios.
Anlisis de expresin de genes.
Aprendizaje de comportamiento de robots.
Aprendizaje de reglas de Lgica difusa.
Anlisis lingstico, incluyendo induccin gramtica, y otros aspectos de Procesamiento de lenguajes naturales,
tales como eliminacin de ambigedad de sentido.
Infraestructura de redes de comunicaciones mviles.
Optimizacin de estructuras moleculares.
Planicacin de produccin multicriteria.
Prediccin.
Aplicacin de Algoritmos Genticos al Dilema del prisionero Iterado
Optimizacin de sistemas de compresin de datos, por ejemplo, usando wavelets.
Prediccin de Plegamiento de protenas.
Optimizacin de Layout.
Prediccin de estructura de ARN.
En bioinformtica, Alineamiento mltiple de secuencias.
Aplicaciones en planicacin de procesos industriales, incluyendo planicacin job-shop.
Seleccin ptima de modelos matemticos para la descripcin de sistemas biolgicos.
Manejo de residuos slidos.
Ingeniera de software.
Construccin de horarios en grandes universidades, evitando conictos de clases.
Problema del viajante.
Hallazgo de errores en programas.
Optimizacin de produccin y distribucin de energa elctrica.
Diseo de redes geodsicas (Problemas de diseo).
Calibracin y deteccin de daos en estructuras civiles.
6.5. VASE TAMBIN
49
6.5 Vase tambin

Redes neuronales
Lgica difusa
Red bayesiana
Mnimo/mximo local
Inteligencia Articial
Robtica Evolutiva
Emergencia
Autmata celular
6.6 Referencias
[1] J. H. Holland. University of Michigan Press, Ann Arbor. 1975. Adaptation in Natural and Articial Systems.
[2] D. E. Goldberg. Addison-Wesley Longman Publishing Co., Inc., Boston, MA, USA. 1989. Genetic Algorithms in Search,
Optimization and Machine Learning.

En esta Web se exponen varios algoritmos genticos junto a sus cdigos de programacin y como se pueden
usar para encontrar el punto ptimo de un proceso.
Aplicacin de los algoritmos genticos a la optimizacin de laminados de material compuesto
Juego de estrategia masivo multijugador en lnea basado en evolucionar y enfrentar especmenes mediante
Algoritmos Genticos
(en ingls) A Practical Genetic Algorithm Tutorial Programming step by step a Genetic Algorithm.
(en ingls) Introduction to Genetic Algorithms with interactive Java applets
Tutorial de algoritmos genticos
Un tutorial sencillo en espaol sobre los algoritmos genticos
Introduccin a los Algoritmos Genticos
Algoritmos genticos y computacin evolutiva
Robot con Sistema de Navegacin a base de Algoritmos Genticos
Algoritmos genticos en Ruby
Arquimedex.com Explicacin sencilla y prctica de los algoritmos genticos
Poli, R., Langdon, W. B., McPhee, N. F. (2008), A Field Guide to Genetic Programming, freely available via
Lulu.com, ISBN 978-1-4092-0073-4
(en ingls) Global Optimization Algorithms - Theory and Application
Programacin de un Algoritmo Gentico
Captulo 7
Red neuronal articial perceptrn multicapa con n neuronas de entrada, m neuronas en su capa oculta y una neurona de escape.
Las redes de neuronas articiales (denominadas habitualmente como RNA o en ingls como: ANN[1] ) 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 que colaboran entre s para producir un estmulo
de salida. En inteligencia articial es frecuente referirse a ellas como redes de neuronas o redes neuronales.
7.1 Historia
Los primeros modelos de redes neuronales datan de 1943 por los neurlogos Warren McCulloch y Walter Pitts. Aos
ms tarde, en 1949, Donald Hebb desarroll sus ideas sobre el aprendizaje neuronal, quedando reejado en la regla de
Hebb. En 1958, Rosemblatt desarroll el perceptrn simple, y en 1960, Widrow y Ho desarrollaron el ADALINE,
que fue la primera aplicacin industrial real.
En los aos siguientes, se redujo la investigacin, debido a la falta de modelos de aprendizaje y el estudio de Minsky
y Papert sobre las limitaciones del perceptrn. Sin embargo, en los aos 80, volvieron a resurgir las RNA gracias al
desarrollo de la red de Hopeld, y en especial, al algoritmo de aprendizaje de retropropagacin (BackPropagation)
ideado por Rumelhart y McLellan en 1986 que fue aplicado en el desarrollo de los perceptrones multicapa. [2]
50
7.2. PROPIEDADES
51
7.2 Propiedades
Perceptrn con 2 entradas.
Una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una serie de entradas a travs de
interconexiones y emite una salida. Esta salida viene dada por tres funciones:
1. Una funcin de propagacin (tambin conocida como funcin de excitacin), que por lo general consiste en el
sumatorio de cada entrada multiplicada por el peso de su interconexin (valor neto). Si el peso es positivo, la
conexin se denomina excitatoria; si es negativo, se denomina inhibitoria.
2. Una funcin de activacin, que modica a la anterior. Puede no existir, siendo en este caso la salida la misma
funcin de propagacin.
3. Una funcin de transferencia, que se aplica al valor devuelto por la funcin de activacin. Se utiliza para acotar
la salida de la neurona y generalmente viene dada por la interpretacin que queramos darle a dichas salidas.
Algunas de las ms utilizadas son la funcin sigmoidea (para obtener valores en el intervalo [0,1]) y la tangente
hiperblica (para obtener valores en el intervalo [1,1]).
7.2.1
Diseo y programacin de una RNA (red neuronal articial)
Con un paradigma convencional de programacin en ingeniera del software, el objetivo del programador es modelar
matemticamente (con distintos grados de formalismo) el problema en cuestin y posteriormente formular una solucin (programa) mediante un algoritmo codicado que tenga una serie de propiedades que permitan resolver dicho
problema. En contraposicin, la aproximacin basada en las RNA parte de un conjunto de datos de entrada sucientemente signicativo y el objetivo es conseguir que la red aprenda automticamente las propiedades deseadas.
En este sentido, el diseo de la red tiene menos que ver con cuestiones como los ujos de datos y la deteccin de
condiciones, y ms que ver con cuestiones tales como la seleccin del modelo de red, la de las variables a incorporar
y el pre-procesamiento de la informacin que formar el conjunto de entrenamiento. Asimismo, el proceso por el que
los parmetros de la red se adecuan a la resolucin de cada problema no se denomina genricamente programacin
sino que se suele denominar entrenamiento neuronal.
Por ejemplo en una red que se va a aplicar al diagnstico de imgenes mdicas; durante la fase de entrenamiento el
sistema recibe imgenes de tejidos que se sabe que son cancerosos y tejidos que se sabe que son sanos, as como las
respectivas clasicaciones de dichas imgenes. Si el entrenamiento es el adecuado, una vez concluido, el sistema podr
recibir imgenes de tejidos no clasicados y obtener su clasicacin sano/no sano con un buen grado de seguridad.
Las variables de entrada pueden ser desde los puntos individuales de cada imagen hasta un vector de caractersticas
de las mismas que se puedan incorporar al sistema (por ejemplo, procedencia anatmica del tejido de la imagen o la
edad del paciente al que se le extrajo la muestra).
En la industria tambin presentan aplicaciones muy importantes, como puede ser la cuanticacin de la aromaticidad de los anillos aromticos, como el benceno, a travs de la estabilizacin de energa y la exaltacin donde la
52
CAPTULO 7. RED NEURONAL ARTIFICIAL
susceptibilidad magntica se reduce al mnimo.[3]
7.2.2
Estructura
La mayora de los cientcos coinciden en que una RNA es muy diferente en trminos de estructura de un cerebro
animal. Al igual que el cerebro, una RNA se compone de un conjunto masivamente paralelo de unidades de proceso
muy simples y es en las conexiones entre estas unidades donde reside la inteligencia de la red. Sin embargo, en
trminos de escala, un cerebro es muchsimo mayor que cualquier RNA creada hasta la actualidad, y las neuronas
articiales tambin son ms simples que su contrapartida animal.
Biolgicamente, un cerebro aprende mediante la reorganizacin de las conexiones sinpticas entre las neuronas que
lo componen. De la misma manera, las RNA tienen un gran nmero de procesadores virtuales interconectados que
de forma simplicada simulan la funcionalidad de las neuronas biolgicas. En esta simulacin, la reorganizacin de
las conexiones sinpticas biolgicas se modela mediante un mecanismo de pesos, que son ajustados durante la fase
de aprendizaje. En una RNA entrenada, el conjunto de los pesos determina el conocimiento de esa RNA y tiene la
propiedad de resolver el problema para el que la RNA ha sido entrenada.
Por otra parte, en una RNA, adems de los pesos y las conexiones, cada neurona tiene asociada una funcin matemtica denominada funcin de transferencia. Dicha funcin genera la seal de salida de la neurona a partir de las seales
de entrada. La entrada de la funcin es la suma de todas las seales de entrada por el peso asociado a la conexin de
entrada de la seal. Algunos ejemplos de entradas son la funcin escaln de Heaviside, la lineal o mixta, la sigmoide y
la funcin gaussiana, recordando que la funcin de transferencia es la relacin entre la seal de salida y la de entrada.
7.3 Ventajas
Las redes neuronales articiales (RNA) tienen muchas ventajas debido a que estn basadas en la estructura del sistema
nervioso, principalmente el cerebro.
Aprendizaje: Las RNA tienen la habilidad de aprender mediante una etapa que se llama etapa de aprendizaje.
Esta consiste en proporcionar a la RNA datos como entrada a su vez que se le indica cul es la salida (respuesta)
esperada.
Auto organizacin: Una RNA crea su propia representacin de la informacin en su interior, quitndole esta
tarea al usuario.
Tolerancia a fallos: Debido a que una RNA almacena la informacin de forma redundante, sta puede seguir
respondiendo de manera aceptable aun si se daa parcialmente.
Flexibilidad: Una RNA puede manejar cambios no importantes en la informacin de entrada, como seales
con ruido u otros cambios en la entrada (por ejemplo si la informacin de entrada es la imagen de un objeto, la respuesta correspondiente no sufre cambios si la imagen cambia un poco su brillo o el objeto cambia
ligeramente).
Tiempo real: La estructura de una RNA es paralela, por lo cual si esto es implementado con computadoras o
en dispositivos electrnicos especiales, se pueden obtener respuestas en tiempo real.
7.4 Tipologa de las RNA

7.4.1
Modelos
Existe una serie de modelos que aparecen en la mayora de estudios acadmicos y la bibliografa especializada.
Perceptrn
Adaline
Perceptrn multicapa
7.4. TIPOLOGA DE LAS RNA
53
Memorias asociativas
Mquina de Boltzmann
Mquina de Cauchy
Propagacin hacia atrs (backpropagation)
Redes de Elman
Redes de Hopeld
Red de contrapropagacin
Redes de neuronas de base radial
Redes de neuronas de aprendizaje competitivo
Mapas Autoorganizados (RNA) (Redes de Kohonen)
Crecimiento dinmico de clulas
Gas Neuronal Creciente
Redes ART (Adaptative Resonance Theory)
7.4.2
Topologa
Una primera clasicacin de las redes de neuronas articiales que se suele hacer es en funcin del patrn de conexiones
que presenta. As se denen tres tipos bsicos de redes:
Dos tipos de redes de propagacin hacia delante o acclicas en las que todas las seales van desde la capa
de entrada hacia la salida sin existir ciclos, ni conexiones entre neuronas de la misma capa de red neuronal y
su clasicacin.
Monocapa. Ejemplos: perceptrn, Adaline.
Multicapa. Ejemplos: perceptrn multicapa.
Las redes recurrentes que presentan al menos un ciclo cerrado de activacin neuronal. Ejemplos: Elman,
Hopeld, mquina de Boltzmann.
7.4.3
Aprendizaje
Una segunda clasicacin que se suele hacer es en funcin del tipo de aprendizaje de que es capaz (si necesita o no
un conjunto de entrenamiento supervisado). Para cada tipo de aprendizaje encontramos varios modelos propuestos
por diferentes autores:
Aprendizaje supervisado: necesitan un conjunto de datos de entrada previamente clasicado o cuya respuesta
objetivo se conoce. Ejemplos de este tipo de redes son: el perceptrn simple, la red Adaline, el perceptrn
multicapa, red backpropagation, y la memoria asociativa bidireccional.
Aprendizaje no supervisado o autoorganizado: no necesitan de tal conjunto previo. Ejemplos de este tipo de
redes son: las memorias asociativas, las redes de Hopeld, la mquina de Boltzmann y la mquina de Cauchy,
las redes de aprendizaje competitivo, las redes de Kohonen o mapas autoorganizados y las redes de resonancia
adaptativa (ART).
Redes hbridas: son un enfoque mixto en el que se utiliza una funcin de mejora para facilitar la convergencia.
Un ejemplo de este ltimo tipo son las redes de base radial.
Aprendizaje reforzado: se sita a medio camino entre el supervisado y el autoorganizado.
54
7.4.4
Tipo de entrada
Finalmente tambin se pueden clasicar las RNAs segn sean capaces de procesar informacin de distinto tipo en:
Redes analgicas: procesan datos de entrada con valores continuos y, habitualmente, acotados. Ejemplos de
este tipo de redes son: Hopeld, Kohonen y las redes de aprendizaje competitivo.
Redes discretas: procesan datos de entrada de naturaleza discreta; habitualmente valores lgicos booleanos.
Ejemplos de este segundo tipo de redes son: las mquinas de Boltzmann y Cauchy, y la red discreta de Hopeld.
7.5 Aplicaciones
Las caractersticas de las RNA las hacen bastante apropiadas para aplicaciones en las que no se dispone a priori de
un modelo identicable que pueda ser programado, pero se dispone de un conjunto bsico de ejemplos de entrada
(previamente clasicados o no). Asimismo, son altamente robustas tanto al ruido como a la disfuncin de elementos
concretos y son fcilmente paralelizables.
Esto incluye problemas de clasicacin y reconocimiento de patrones de voz, imgenes, seales, etc. Asimismo se
han utilizado para encontrar patrones de fraude econmico, hacer predicciones en el mercado nanciero, hacer predicciones de tiempo atmosfrico, etc.
Tambin se pueden utilizar cuando no existen modelos matemticos precisos o algoritmos con complejidad razonable,
por ejemplo la red de Kohonen ha sido aplicada con un xito ms que razonable al clsico problema del viajante (un
problema para el que no se conoce solucin algortmica de complejidad polinmica).
Otro tipo especial de redes neuronales articiales se ha aplicado en conjuncin con los algoritmos genticos (AG)
para crear controladores para robots. La disciplina que trata la evolucin de redes neuronales mediante algoritmos
genticos se denomina Robtica Evolutiva. En este tipo de aplicacin el genoma del AG lo constituyen los parmetros de la red (topologa, algoritmo de aprendizaje, funciones de activacin, etc.) y la adecuacin de la red viene
dada por la adecuacin del comportamiento exhibido por el robot controlado (normalmente una simulacin de dicho
comportamiento).
7.5.1
Ejemplos
Quake II Neuralbot
Un bot es un programa que simula a un jugador humano. El Neuralbot es un bot para el juego Quake II que utiliza
una red neuronal articial para decidir su comportamiento y un algoritmo gentico para el aprendizaje. Es muy fcil
probarlo para ver su evolucin. Ms informacin aqu
Clasicador No Sesgado de Protenas
Es un programa que combina diversas tcnicas computacionales con el objetivo de clasicar familias de protenas.
Un posible mtodo consiste en utilizar mtricas adaptativas como por ejemplo: mapas autoorganizados y algoritmos
genticos.
El problema de clasicacin no sesgada basada en la expresin de las protenas en Aminocidos puede reducirse,
conceptualmente, a lo siguiente:
La identicacin de grupos de protenas que compartan caractersticas comunes.
La determinacin de las razones estructurales por las cuales las protenas en cuestin se agrupan de la manera
indicada.
Evitar la idea de establecer criterios de clasicacin (sesgados) fundamentados en ideas preconcebidas para
lograr su clasicacin. En este sentido, hay dos asuntos que considerar:
Cmo lograr la caracterizacin de las protenas de manera no sesgada
7.6. HERRAMIENTAS DE SOFTWARE
55
Cmo lograr lo anterior sin apelar a medidas de agrupamiento que, a su vez, impliquen algn tipo de
sesgo sobre dicho agrupamiento.
Las RNA han sido aplicadas a un nmero en aumento de problemas en la vida real y de considerable complejidad,
donde su mayor ventaja es en la solucin de problemas que son bastante complejos para la tecnologa actual, tratndose
de problemas que no tienen una solucin algortmica o cuya solucin algortmica es demasiado compleja para ser
encontrada.
En general, debido a que son parecidas a las del cerebro humano, las RNA son bien nombradas ya que son buenas para resolver problemas que el humano puede resolver pero las computadoras no. Estos problemas incluyen el
reconocimiento de patrones y la prediccin del tiempo. De cualquier forma, el humano tiene capacidad para el reconocimiento de patrones, pero la capacidad de las redes neuronales no se ve afectada por la fatiga, condiciones de
trabajo, estado emocional, y compensaciones.
Se conocen cinco aplicaciones tecnolgicas extendidas:
1. Reconocimiento de textos manuscritos
2. Reconocimiento del habla
3. Simulacin de centrales de produccin de energa
4. Deteccin de explosivos
5. Identicacin de blancos de radares
7.6 Herramientas de software

Existen muchas herramientas de software que implementan redes neuronales articiales, tanto libres como comerciales como, por ejemplo:
7.7 Vase tambin

Dinmica de sistemas
Sistema complejo
Sistema dinmico
Robtica evolutiva
Conformacin de haces (beamforming)
Cerebro articial
Redes neuronales convolucionales
7.8 Referencias
[1] Aunque en francs se utiliza el acrnimo ANN (de Articial Neural Networks) para referirse a este campo de la computacin
en este artculo se utilizar su equivalente castellano RNA.
[2] Redes de Neuronas Articiales, Redes de Neuronas Articiales, UC3M, RAI 2012.
[3] Chemical applications of neural networks: aromaticity of pyrimidine derivatives., Alonso M, Miranda C, Martn N, Herradn B. Phys Chem Chem Phys. 2011 Dec 14;13(46):20564-74.
56
Wikimedia Commons alberga contenido multimedia sobre Red neuronal articialCommons.
Redes Neuronales Articiales - Implementacin con C# (catellano)

Tutorial de la Universidad Politcnica de Madrid (castellano)
Introduccin a las redes de neuronas articiales (castellano)
Artculos sobre redes neuronales articiales (ingls)
Sitio Web sobre redes neuronales articiales, ejemplos y aplicaciones (castellano)
Introduccin a las Redes Neuronales y sus Modelos (castellano)
Sistema nervioso articial
Qu son las redes neuronales?(castellano)
Redes Neuronales Articiales con MATLAB
Captulo 8
Razonamiento
En sentido amplio, se entiende por razonamiento a la facultad que permite resolver problemas, extraer conclusiones
y aprender de manera consciente de los hechos, estableciendo conexiones causales y lgicas necesarias entre ellos.
En sentido ms restringido se puede hablar de diferentes tipos de razonamiento:
El razonamiento argumentativo en tanto actividad mental se corresponde con la actividad lingstica de
argumentar. En otras palabras, un argumento es la expresin lingstica de un razonamiento.
El razonamiento lgico o causal es un proceso de lgica mediante el cual, partiendo de uno o ms juicios, se
deriva la validez, la posibilidad o la falsedad de otro juicio distinto. El estudio de los argumentos corresponde a
la lgica, de modo que a ella tambin le corresponde indirectamente el estudio del razonamiento. Por lo general,
los juicios en que se basa un razonamiento expresan conocimientos ya adquiridos o, por lo menos, postulados
como hiptesis.[1] Es posible distinguir entre varios tipos de razonamiento lgico. Por ejemplo el razonamiento
deductivo (estrictamente lgico), el razonamiento inductivo (donde interviene la probabilidad y la formulacin
de conjeturas) y razonamiento abductivo, entre otros.
8.1 Razonamiento lgico

En un sentido restringido, se llama razonamiento lgico al proceso mental de realizar una inferencia de una conclusin
a partir de un conjunto de premisas. La conclusin puede no ser una consecuencia lgica de las premisas y aun as
dar lugar a un razonamiento, ya que un mal razonamiento an es un razonamiento en sentido amplio, no en el sentido
de la lgica. Los razonamientos pueden ser vlidos correctos o no vlidos incorrectos dando por todo.
En general, se considera vlido un razonamiento cuando sus premisas ofrecen soporte suciente a su conclusin.
Puede discutirse el signicado de soporte suciente, aunque cuando se trata de un razonamiento no deductivo
no podemos hablar de validez sino de fortaleza o debilidad del razonamiento dependiendo de la solidez de las
premisas, la conclusin podr ser ms o menos probable pero jams necesaria, solo es aplicable el trmino vlido a
razonamientos del tipo deductivo. En el caso del razonamiento deductivo, el razonamiento es vlido cuando la verdad
de las premisas implica necesariamente la verdad de la conclusin.
Los razonamientos no vlidos que, sin embargo, parecen serlo, se denominan falacias.
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la experiencia. Tambin sirve
para justicar o aportar razones en favor de lo que conocemos o creemos conocer. En algunos casos, como en las
matemticas, el razonamiento nos permite demostrar lo que sabemos.
El trmino razonamiento es el punto de separacin entre el instinto y el pensamiento, el instinto es la reaccin de
cualquier ser vivo. Por otro lado el razonar nos hace analizar,y desarrollar un criterio propio, el razonar es a su vez la
separacin entre un ser vivo y el hombre.
8.1.1
Razonamiento matemtico
El razonamiento matemtico puede referirse tanto al razonamiento formal como al razonamiento no estrictamente
formal usado para demostrar proposiciones y teoremas matemticos. Generalmente las mayor parte de textos sobre
57
58
CAPTULO 8. RAZONAMIENTO
matemticas no usan pruebas puramente formales en que los resultados se derivan directamente de axiomas, ya
que son poco intituitivas y difciles de comprobar, por el contrario usan trminos derivados y deniciones as como
construcciones informales y usan frecuentemente la reductio ad absurdum y el principio del tertium exclusum. En la
actualidad, las demostraciones matemticas complejas requieren a veces meses completos de vericacin, as sucedi
por ejemplo la demostracin del ltimo teorema de Fermat por parte de Andrew Wiles (la primera demostracin de
1993 que ofreci al ser revisada result ser incorrecta en algunos detalles que fueron enmendados en 1995).
8.2 Razonamiento no lgico

Existe otro tipo de razonamiento denominado razonamiento no lgico o informal, el cual no slo se basa en premisas
con una nica alternativa correcta (razonamiento lgico-formal, el descrito anteriormente), sino que es ms amplio
en cuanto a soluciones, basndose en la experiencia y en el contexto. Los niveles educativos ms altos suelen usar el
razonamiento lgico, aunque no es excluyente. Algunos autores llaman a este tipo de razonamiento argumentacin.
Como ejemplo para ilustrar estos dos tipos de razonamiento, podemos situarnos en el caso de una clasicacin de
alimentos, el de tipo lgico-formal los ordenar por verduras, carnes, pescados, fruta, etc. en cambio el tipo informal
lo har segn lo ordene en el frigorco, segn lo vaya cogiendo de la tienda, etc.
En este razonamiento se generaliza para todos los elementos de un conjunto la propiedad observada en un nmero
nito de casos. Ahora bien, la verdad de las premisas (10.000 observaciones favorables) no convierte en verdadera la
conclusin, ya que en cualquier momento podra aparecer una excepcin. De ah que la conclusin de un razonamiento
inductivo slo pueda considerarse probable y, de hecho, la informacin que obtenemos por medio de esta modalidad
de razonamiento es siempre una informacin incierta y discutible. El razonamiento slo es una sntesis incompleta
de todas las premisas.
En un razonamiento inductivo vlido, por lo tanto, es posible armar las premisas y, simultneamente, negar la
conclusin sin contradecirse. Acertar en la conclusin ser una cuestin de probabilidades reales.
8.3 Razonamiento en medicina

8.3.1
Razonamiento clnico
Razonamiento clnico es el trmino usado para describir a el proceso de inferencia de los clnicos expertos llevan a
cabo para resolver un problema mdico. En la medicina actual se acepta que el razonamiento clnico es un componente
central de las competencia del mdico y algunos lo denen como el proceso por el cual los mdicos encausan su
pensamiento hacia un diagnstico probable. Se le considera una mezcla entre el razonamiento hipottico-deductivo
y el reconocimiento de patrones clnicos.[2]
8.3.2
Razonamiento farmacolgico
Se acepta que el razonamiento farmacolgico constituye el fundamento del uso racional de los frmacos en la
prevencin, diagnstico y tratamiento de las enfermedades.
8.4 Razonamiento en psicologa

8.4.1
Las ideas
Son objetos mentales que nacen de la dinmica entre el medio exterior y el sistema cerebral interno. Gracias a estos
estmulos externos, percibidos por cualquiera de las vas inteligentes, se activa la razn. sta trata de discernir las
propiedades de cada objeto ideal y de discernir las relaciones entre las distintas ideas en base a la necesidad del
propio individuo, los datos externos memorizados y los recuerdos naturales. Todo ello da forma al razonamiento.
8.5. ESTADSTICA INFERENCIAL
59
8.5 Estadstica inferencial

Los razonamientos lleva a hiptesis esperables de los datos empricos, no siempre resulta inmediato de unos datos
decidir si corroboran o desmienten cierto razonamiento. Cuando el razonamiento es sucientemente concreto para
hacer una prediccin cuantitativa existe la posibilidad de tomar datos empricos y someterlos a tests estadsticos para
decidir si dichos datos conrman o desmienten una cierta hiptesis deducida mediante razonamiento. El proceso de
decisin no siempre es un proceso estrictamente lgico, ya que por ejemplo la existencia de correlacin no implica causalidad, y pueden existir incoherencias (si A est correlacionado con B y B est correlacionado con C, no
necesariamente A est correlacionado con C).
8.6 Vase tambin

Argumento
Razonamiento circular
Pensamiento
Pensamiento crtico
Razonamiento diagramtico
8.7 Referencia
[1] Qu es el razonamiento? Ramn Ruiz Limn, El conocimiento silencioso.
[2] Rodolfo Rodrguez Carranza; Nicandro Mendoza Patio (2011 de septiembre). El razonamiento clnico y el razonamiento farmacolgico en medicina (PDF). escrito en Mxico. En Departamento de farmacologa. Manual de prcticas de
laboratorio (Distrito federal: Facultad de Medicina de la UNAM): 457472. Consultado el 8 de abril de 2012. (requiere
suscripcin).
8.7.1
Enlaces externos
Wikiquote alberga frases clebres de o sobre Razonamiento. Wikiquote
Captulo 9
Teora de control
La teora de control es un campo interdisciplinario de la ingeniera y las matemticas, que trata con el comportamiento de sistemas dinmicos. A la entrada de un sistema se le llama referencia. Cuando una o ms variables de
salida de un sistema necesitan seguir cierta referencia sobre el tiempo, un controlador manipula la entrada al sistema
para obtener el efecto deseado en la salida del sistema (retroalimentacin). La retroalimentacin puede ser negativa
(regulacin autocompensatoria) o positiva (efecto bola de nieve o crculo vicioso). Es de gran importancia en el
estudio de la ecologa trca y de poblaciones.
El concepto del lazo de control para controlar el comportamiento dinmico de la referencia: se trata de realimentacin negativa,
pues al valor sensado se le resta el valor deseado para crear la seal de error, que es amplicada por el controlador.
9.1 Lecturas imprescindibles

William S. (1996). The Control Handbook. New York: CRC Press. ISBN 978-0-849-38570-4.
Karl J. strm and Richard M. Murray (2008). Feedback Systems: An Introduction for Scientists and Engineers..
Princeton University Press. ISBN 0691135762.
Christopher Kilian (2005). Modern Control Technology. Thompson Delmar Learning. ISBN 1-4018-5806-6.
Vannevar Bush (1929). Operational Circuit Analysis. John Wiley and Sons, Inc.
Robert F. Stengel (1994). Optimal Control and Estimation. Dover Publications. ISBN 978-0-486-68200-6.
Franklin et al. (2002). Feedback Control of Dynamic Systems (4 edicin). New Jersey: Prentice Hall. ISBN
0-13-032393-4.
Joseph L. Hellerstein, Dawn M. Tilbury, and Sujay Parekh (2004). Feedback Control of Computing Systems.
John Wiley and Sons. ISBN 978-0-471-26637-2.
Diederich Hinrichsen and Anthony J. Pritchard (2005). Mathematical Systems Theory I - Modelling, State Space
Analysis, Stability and Robustness. Springer. ISBN 0-978-3-540-44125-0 |isbn= incorrecto (ayuda).
Andrei, Neculai (2005). Modern Control Theory - A historical Perspective. Consultado el 10 de octubre de 2007.
60
9.2. VASE TAMBIN
61
Sontag, Eduardo (1998). Mathematical Control Theory: Deterministic Finite Dimensional Systems. Second Edition. Springer. ISBN 0-387-984895.
Goodwin, Graham (2001). Control System Design. Prentice Hall. ISBN 0-13-958653-9.
9.1.1
Para Ingeniera Qumica
Luyben, William (1989). Process Modeling, Simulation, and Control for Chemical Engineers. Mc Graw Hill.
ISBN 0-07-039159-9.
9.2 Vase tambin

automatismo
ciberntica
Captulo 10
Planicacin automtica
La planicacin automtica (Automated planning) es una disciplina de la inteligencia articial que tiene por objeto
la produccin de planes (es decir, un planicacin), tpicamente para la ejecucin de un robot u otro agente. Los
programas de planicacin que incorporan estos algoritmos se denominan planicadores.
Un planicador tpicamente considera 3 entradas:
una descripcin del estado inicial del mundo
una descripcin del objetivo a alcanzar
un conjunto de acciones posibles
Generalmente, cada accin especica precondiciones que se deben cumplir como requisito a tal accin, as como
postcondiciones, que constituyen el efecto sobre el estado actual del mundo.
Ejemplos de problemas de planicacin pueden ser determinar la trayectoria de un robot en un espacio con obstculos,
o el problema de las torres de Hani.
10.1 Vase tambin

Planicacin por Red jerrquica de tareas (HTN).
62
Captulo 11
Reconocimiento de escritura
El reconocimiento de escritura es la capacidad de un ordenador de recibir la entrada manuscrita. La imagen del texto
escrito se puede detectar fuera de lnea de un pedazo de papel por un escaneado ptico (OCR). Alternativamente,
los movimientos de la punta de una pluma pueden ser detectados en lnea, por ejemplo por una pantalla tctil.
El reconocimiento de escritura exige principalmente el reconocimiento ptico de caracteres. Sin embargo, un sistema
completo de reconocimiento de escritura tambin maneja el formato, realiza la segmentacin correcta en caracteres
y encuentra las palabras ms plausibles.
11.1 Vase tambin

Reconocimiento de escritores
63
Captulo 12
Reconocimiento del habla

El reconocimiento automtico del habla (RAH) o reconocimiento automtico de voz es una disciplina de la
inteligencia articial que tiene como objetivo permitir la comunicacin hablada entre seres humanos y computadoras.
El problema que se plantea en un sistema de este tipo es el de hacer cooperar un conjunto de informaciones que provienen de diversas fuentes de conocimiento (acstica, fontica, fonolgica, lxica, sintctica, semntica y pragmtica),
en presencia de ambigedades, incertidumbres y errores inevitables para llegar a obtener una interpretacin aceptable
del mensaje acstico recibido.
Un sistema de reconocimiento de voz es una herramienta computacional capaz de procesar la seal de voz emitida por
el ser humano y reconocer la informacin contenida en sta, convirtindola en texto o emitiendo rdenes que actan
sobre un proceso. En su desarrollo intervienen diversas disciplinas, tales como: la siologa, la acstica, la lingstica,
el procesamiento de seales, la inteligencia articial y la ciencia de la computacin.
12.1 Diseo de un sistema de RAH

12.1.1
Aprendizaje
Un aspecto crucial en el diseo de un sistema de RAH es la eleccin del tipo de aprendizaje que se utilice para
construir las diversas fuentes de conocimiento. Bsicamente, existen dos tipos:
Aprendizaje deductivo: Las tcnicas de Aprendizaje Deductivo se basan en la transferencia de los conocimientos que un experto humano posee a un sistema informtico. Un ejemplo paradigmtico de las metodologas
que utilizan tales tcnicas lo constituyen los Sistemas Basados en el Conocimiento y, en particular, los Sistemas
Expertos.
Aprendizaje inductivo: Las tcnicas de Aprendizaje Inductivo se basan en que el sistema pueda, automticamente, conseguir los conocimientos necesarios a partir de ejemplos reales sobre la tarea que se desea modelizar.
En este segundo tipo, los ejemplos los constituyen aquellas partes de los sistemas basados en los modelos ocultos de Mrkov o en las redes neuronales articiales que son conguradas automticamente a partir de muestras
de aprendizaje.
En la prctica, no existen metodologas que estn basadas nicamente en el Aprendizaje Inductivo, de hecho, se
asume un compromiso deductivo-inductivo en el que los aspectos generales se suministran deductivamente y la caracterizacin de la variabilidad inductivamente.
12.1.2
Decodicador acstico-fontico
Las fuentes de informacin acstica, fontica, fonolgica y posiblemente lxica, con los correspondientes procedimientos interpretativos, dan lugar a un mdulo conocido como decodicador acstico-fontico (o en ocasiones a un
decodicador lxico). La entrada al decodicador acstico-fontico es la seal vocal convenientemente representada; para ello, es necesario que sta sufra un preproceso de parametrizacin. En esta etapa previa es necesario asumir
algn modelo fsico, contndose con modelos auditivos y modelos articulatorios.
64
12.2. CARACTERSTICAS DE LOS SISTEMAS EXISTENTES
12.1.3
65
Modelo del lenguaje
Las fuentes de conocimiento sintctico, semntico y pragmtico dan lugar al modelo del lenguaje del sistema. Cuando
la representacin de la Sintaxis y de la Semntica tiende a integrarse, se desarrollan sistemas de RAH de gramtica
restringida para tareas concretas.
Los modelos del lenguaje ms complejos necesitan para su correcto funcionamiento grandes corpora de voz y de
texto escrito para el aprendizaje y la evaluacin de los correspondientes sistemas. Gracias a ellos, se pueden abordar
gramticas ms complejas y acercarse al Procesamiento de lenguajes naturales.
12.2 Caractersticas de los sistemas existentes

Los sistemas comerciales han estado disponibles desde 1990. A pesar del aparente xito de estas tecnologas, muy
pocas personas utilizan el sistema del reconocimiento del habla en sus computadoras. Parece ser que muchos de los
usuarios utilizan el ratn y el teclado para guardar o redactar documentos, porque les resulta ms cmodo y rpido a
pesar del hecho de que todos podemos hablar a ms velocidad de la que tecleamos. Sin embargo, mediante el uso de
ambos, el teclado y el reconocimiento del habla, nuestro trabajo sera mucho ms efectivo.
Este sistema donde est siendo ms utilizado es en aplicaciones telefnicas: agencias de viajes, atencin al cliente,
informacin etc. La mejora de estos sistemas de reconocimiento del habla ha ido aumentando y su ecacia cada vez
es mayor.
12.3 Clasicacin
Los sistemas de reconocimiento de voz pueden clasicarse segn los siguientes criterios:
Entrenabilidad: determina si el sistema necesita un entrenamiento previo antes de empezar a usarse.
Dependencia del hablante: determina si el sistema debe entrenarse para cada usuario o es independiente del
hablante.
Continuidad: determina si el sistema puede reconocer habla continua o el usuario debe hacer pausas entre
palabra y palabra.
Robustez: determina si el sistema est diseado para usarse con seales poco ruidosas o, por el contrario,
puede funcionar aceptablemente en condiciones ruidosas, ya sea ruido de fondo, ruido procedente del canal o
la presencia de voces de otras personas.
Tamao del dominio: determina si el sistema est diseado para reconocer lenguaje de un dominio reducido
(unos cientos de palabras p. e. reservas de vuelos o peticiones de informacin meteorolgica) o extenso (miles
de palabras).
12.4 Usos y aplicaciones

Aunque en teora cualquier tarea en la que se interacte con un ordenador puede utilizar el reconocimiento de voz,
actualmente las siguientes aplicaciones son las ms comunes:
Dictado automtico: El dictado automtico es, hasta hoy, el uso ms comn de las tecnologas de reconocimiento de voz. En algunos casos, como en el dictado de recetas mdicas y diagnsticos o el dictado de textos
legales, se usan corpus especiales para incrementar la precisin del sistema.
Control por comandos: Los sistemas de reconocimiento de habla diseados para dar rdenes a un computador (p.e. Abrir Firefox, cerrar ventana) se llaman Control por comandos. Estos sistemas reconocen un
vocabulario muy reducido, lo que incrementa su rendimiento.
66
CAPTULO 12. RECONOCIMIENTO DEL HABLA

Telefona: Algunos sistemas PBX permiten a los usuarios ejecutar comandos mediante el habla, en lugar de
pulsar tonos. En muchos casos se pide al usuario que diga un nmero para navegar un men.
Sistemas porttiles: Los sistemas porttiles de tamao reducido, como los relojes o los telfonos mviles,
tienen unas restricciones muy concretas de tamao y forma, as que el habla es una solucin natural para
introducir datos en estos dispositivos.
Sistemas diseados para discapacitados: Los sistemas de reconocimiento de voz pueden ser tiles para personas con discapacidades que les impidan teclear con uidez, as como para personas con problemas auditivos,
que pueden usarlos para obtener texto escrito a partir de habla. Esto permitira, por ejemplo, que los aquejados
de sordera pudieran recibir llamadas telefnicas.
12.5 Curiosidades
Los investigadores del grupo de reconocimiento de voz de Apple solan llevar una camiseta en la que se poda
leer I helped Apple wreck a nice beach (Yo ayud a Apple a estropear una buena playa), cuya pronunciacin es
prcticamente idntica a I helped Apple recognize speech (Yo ayud a Apple a reconocer habla). Esta broma
ilustra la dicultad de desambiguar cadenas fonticas.
12.6 Vase tambin

Sntesis de voz
Lingstica computacional
Procesamiento de lenguaje natural
Reconocimiento de locutores
Siri
12.7 Referencias
Francisco Casacuberta Nolla. Congreso de la Lengua Espaola, Sevilla, 1992
Asuncin Moreno. Congreso de la Lengua Espaola, Sevilla, 1992
http://www.tldp.org/HOWTO/Speech-Recognition-HOWTO/
Tordera Yllescas, Juan Carlos (2011): Lingstica computacional. Tratamiento del habla. Valencia: Universtitat de Valncia.

Reconocedor y Analizador de Voz. Fernando Peralta, Anibal Cotrina. Universidad Nacional Mayor de San
Marcos, Oct 2002.
Voice tools Project.
Gua de programas de sntesis y reconocimiento de voz para Linux (en ingls)
Proyecto de una base de datos acsticos de la lengua espaola. Joaquim Llisterri, Dolors Poch. Congreso de la
Lengua Espaola, Sevilla, 1992
Congurar el reconocimiento de voz en Windows
Reconocimiento de voz de Windows Vista: mejor, igual o peor que Dragon Naturally Speaking?Comandos
de voz De iOSSiri
Captulo 13
Reconocimiento de patrones
El reconocimiento de patrones es la ciencia que se ocupa de los procesos sobre ingeniera, computacin y matemticas
relacionados con objetos fsicos o abstractos, con el propsito de extraer informacin que permita establecer propiedades de entre conjuntos de dichos objetos.
13.1 Introduccin
El reconocimiento de patrones tambin llamado lectura de patrones, identicacin de guras y reconocimiento de formas[1] consiste en el reconocimiento de patrones de seales. Los patrones se obtienen a partir de los
procesos de segmentacin, extraccin de caractersticas y descripcin dnde cada objeto queda representado por una
coleccin de descriptores. El sistema de reconocimiento debe asignar a cada objeto su categora o clase (conjunto
de entidades que comparten alguna caracterstica que las diferencia del resto). Para poder reconocer los patrones se
siguen los siguientes procesos:
1. adquisicin de datos
2. extraccin de caractersticas
3. toma de decisiones
El punto esencial del reconocimiento de patrones es la clasicacin: se quiere clasicar una seal dependiendo de
sus caractersticas. Seales, caractersticas y clases pueden ser de cualquiera forma, por ejemplo se puede clasicar
imgenes digitales de letras en las clases A a Z dependiendo de sus pxeles o se puede clasicar ruidos de cantos
de los pjaros en clases de rdenes aviares dependiendo de las frecuencias.
Componentes bsicos de un sistema de reconocimiento de patrones
13.2 Sistema bsico de reconocimiento

Un sistema completo de reconocimiento de patrones incluye un sensor que recoja elmente los elementos del universo a ser clasicado, un mecanismo de extraccin de caractersticas cuyo propsito es extraer la informacin til,
eliminando la informacin redundante e irrelevante, y nalmente una etapa de toma de decisiones en la cual se asigna
a la categora apropiada los patrones de clase desconocida a priori.
67
68
13.2.1
CAPTULO 13. RECONOCIMIENTO DE PATRONES
Sensor
El sensor es el dispositivo encargado de la adquisicin de datos. Ha de ser capaz de transformar magnitudes fsicas o
qumicas, llamadas variables de instrumentacin, en magnitudes elctricas. Las variables de instrumentacin dependen
del tipo de sensor y pueden ser por ejemplo: temperatura, intensidad lumnica, distancia, aceleracin, inclinacin,
desplazamiento, presin, fuerza, torsin, humedad, etc.
El sistema intenta imitar a los sensores biolgicos y procesos cognitivos de los seres humanos
13.2.2
Extraccin de caractersticas
Es el proceso de generar caractersticas que puedan ser usadas en el proceso de clasicacin de los datos. En ocasiones
viene precedido por un preprocesado de la seal, necesario para corregir posibles deciencias en los datos debido
a errores del sensor, o bien para preparar los datos de cara a posteriores procesos en las etapas de extraccin de
caractersticas o clasicacin.
Las caractersticas elementales estn explcitamente presentes en los datos adquiridos y pueden ser pasados directamente a la etapa de clasicacin. Las caractersticas de alto orden son derivadas de las elementales y son generadas
por manipulaciones o transformaciones en los datos.
13.2.3
Seleccin de variables
Consiste en seleccionar cul es el tipo de caractersticas o rasgos ms adecuados para describir los objetos. Para ello,
se deben localizar los rasgos que inciden en el problema de manera determinante.
Esta etapa tambin puede ser diseada dentro de la clasicacin.
La seleccin de variables puede diferenciarse segn los objetivos buscados:
Para la clasicacin: la seleccin de caractersticas relevantes, a partir del conjunto total de caractersticas que describen a los objetos, se hace con dos motivos fundamentales: mejorar la clasicacin o aumentar la velocidad de procesamiento.
Para la representacin: decidir qu caractersticas representan mejor a cierto tipo de objetos.
Estrategias de seleccin de variables:
wrapper: la seleccin de caractersticas se hace usando informacin del mecanismo de clasicacin.
lter: la seleccin se hace con un criterio independiente del clasicador. Incluye algunos mtodos
como:
13.2. SISTEMA BSICO DE RECONOCIMIENTO
69
Tablas de decisin: le busca un subconjunto mnimo de variables que no introduzca

confusin entre clases.
ID3: le crea un rbol de decisin y se selecciona un conjunto de variables que permita
discriminar entre clases.
Teora de testores: le buscan todos los subconjuntos de variables discriminantes minimales, con estos se evala la relevancia de cada variable y se seleccionan aquellas con
mayor relevancia.
Existen multitud de procesos para la seleccin de variables, pero agrupadas en dos losofas
13.2.4
Clasicacin
La clasicacin trata de asignar las diferentes partes del vector de caractersticas a grupos o clases, basndose en
las caractersticas extradas. En esta etapa se usa lo que se conoce como aprendizaje automtico, cuyo objetivo es
desarrollar tcnicas que permitan a las computadoras aprender.
Utiliza habitualmente uno de los siguientes procedimientos:
Geomtrico (Clustering): Los patrones deben ser gracables. En ste enfoque se emplea el clculo
de distancias, geometra de formas, vectores numricos, puntos de atraccin, etc.
Estadstico: Se basa en la teora de la probabilidad y la estadstica, utiliza anlisis de varianzas,
covarianzas, dispersin, distribucin, etc.
Supone que se tiene un conjunto de medidas numricas con distribuciones de probabilidad conocidas y a partir de
ellas se hace el reconocimiento.
Sintcticoestructural: se basa en encontrar las relaciones estructurales que guardan los objetos de
estudio, utilizando la teora de lenguajes formales, teora de autmatas, etc. El objetivo es construir
una gramtica que describa la estructura del universo de objetos.
Neuroreticular: se utilizan redes neuronales que se entrenan para dar una cierta respuesta ante
determinados valores.
Lgicocombinatorio: se basa en la idea de que el modelado del problema debe ser lo ms cercano
posible a la realidad del mismo, sin hacer suposiciones que no estn fundamentadas. Se utiliza para
conjuntos difusos y utiliza lgica simblica, circuitos combinacionales y secuenciales, etc.
70
Segn tengamos constancia o no de un conjunto previo que permita al sistema aprender, la clasicacin pueder ser
supervisada, parcialemente supervisada o no supervisada.
a) Clasicacin supervisada: tambin es conocida como clasicacin con aprendizaje. Se
basa en la disponibilidad de reas de entrenamiento. Se trata de reas de las que se conoce a
priori la clase a la que pertenecen y que servirn para generar una signatura espectral caracterstica de cada una de las clases. Se denominan clases informacionales en contraposicin a
las clases espectrales que genera la clasicacin no supervisada.
Algunos mtodos de la clasicacin supervisada:
Funciones discriminantes: si son dos clases, se busca obtener una funcin g tal
que para un nuevo objeto O, si g(O) 0 se asigna a la clase 1 y en otro caso
a la 2. Si son mltiples clases se busca un conjunto de funciones gi y el nuevo
objeto se ubica en la clase donde la funcin tome el mayor valor.
Vecino ms cercano: un nuevo objeto se ubica en la clase donde est el objeto
de la muestra original que ms se le parece.
Redes neuronales articiales: denominadas habitualmente RNA o en sus siglas en ingls ANN. Se supone que imitan a las redes neuronales reales en el
desarrollo de tareas de aprendizaje.
Algunos mtodos de la clasicacin supervisada.
b) Clasicacin parcialmente supervisada: tambin conocida como de aprendizaje parcial.

En stos problemas existe una muestra de objetos slo en algunas de las clases denidas.
c) Clasicacin no supervisada: tambin conocida como clasicacin sin aprendizaje. Se
utilizan algoritmos de clasicacin automtica multivariante en los que los individuos ms
prximos se van agrupando formando clases.
Restringida: el nmero de clases en la que se estructurar la muestra est previamente denido.
Libre: el nmero de clases en la que se estructurar la muestra depende exclusivamente de los datos.
Algunos mtodos de la clasicacin no supervisada:
13.3. APLICACIONES
71
Simple Link y Complete Link: parten de grupos unitarios de objetos y van

uniendo los grupos ms parecidos en cada etapa, hasta cumplir alguna condicin.
ISODATA: se van formando grupos que se ajustan iterativamente usando teora
de probabilidades. En alguna versiones se puede hacer la unin o divisin de
algn grupo.
C-means: se dene un grupo de semillas, se asocia cada objeto al grupo de
la semilla ms parecida, se toman los centroides de cada grupo como nuevas
semillas y se itera hasta que se estabilice.
Criterios lgico-combinatorios: los criterios que se imponen a los grupos son
tales como ser conexos, completos maximales, compactos, etc.
Los algoritmos de la clasicacin no supervisada son computacionalmente ms costosos y de una complejidad mayor
El reconocimiento de patrones es ms complejo cuando se usan plantillas para generara variantes. Por ejemplo, en
castellano, las frases a menudo siguen el patrn sujeto-predicado, pero se requiere cierto conocimiento de la lengua
para detectar el patrn. El reconocimiento de patrones se estudia en muchos campos, incluyendo psicologa, etologa,
informtica y procesamiento digital de seales.
13.3 Aplicaciones
Los sistemas de reconocimiento de patrones tienen diversas aplicaciones. Algunas de las ms relevantes y utilizadas
actualmente son:
Previsin meteorolgica: poder clasicar todos los datos meteorolgicos segn diversos patrones, y con el
conocimiento a priori que tenemos de las diferentes situaciones que pueden aparecer nos permite crear mapas
de prediccin automtica.
Reconocimiento de caracteres escritos a mano o a mquina: es una de las utilidades ms populares de los
sistemas de reconocimiento de patrones ya que los smbolos de escritura son fcilmente identicables.
Reconocimiento de voz: el anlisis de la seal de voz se utiliza actualmente en muchas aplicaciones, un ejemplo
claro son los teleoperadores informticos.
Aplicaciones en medicina: anlisis de biorritmos, deteccin de irregularidades en imgenes de rayos-x, deteccin de clulas infectadas, marcas en la piel...
72

Reconocimiento de huellas dactilares: utilizado y conocido por la gran mayora, mediante las huellas dactilares todos somos identicables y con programas que detectan y clasican las coincidencias, resulta sencillo
encontrar correspondencias.
Reconocimiento de caras: utilizado para contar asistentes en una manifestacin o simplemente para detectar
una sonrisa, ya hay diferentes cmaras en el mercado con esta opcin disponible.
Interpretacin de fotografas areas y de satlite: gran utilidad para propuestas militares o civiles, como la
agricultura, geologa, geografa, planicacin urbana...
Prediccin de magnitudes mximas de terremotos.
Reconocimiento de objetos: con importantes aplicaciones para personas con discapacidad visual.
Reconocimiento de msica: identicar el tipo de msica o la cancin concreta que suena.

[1] Ernesto A. Meyer: Glosario de trminos tcnicos, Entrada P, pattern recognition. Grupo de Informtica Aplicada al
Ingls Tcnico, la Argentina, 1995, bajo la licencia de documentacin libre GNU
13.5 Bibliografa
Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classication (2 edicin), Wiley, New York,
ISBN 0-471-05669-3.
Dietrich Paulus and Joachim Hornegger (1998) Applied Pattern Recognition (2 edicin), Vieweg. ISBN 3-52815558-2
J. Schuermann: Pattern Classication: A Unied View of Statistical and Neural Approaches, Wiley&Sons, 1996,
ISBN 0-471-13534-8
Sholom Weiss and Casimir Kulikowski (1991) Computer Systems That Learn, Morgan Kaufmann. ISBN 155860-065-5

Lista de webs sobre reconocimiento de patrones
Journal of Pattern Recognition Research
Recuperacin y Extraccin de la informacin no supervisada
Extraccin de Informacin con Clasicacin Supervisada
Librera virtual de artculos sobre reconocimiento de patrones
Notas del seminario de Reconocimiento de Patrones de Grupo de Tratamiento de Imgenes del Instituto de
Ingeniera Elctrica. Univ. de Surrey
The Neural Approach to Pattern Recognition
Laboratorio de cmputo de la Universidad La Salle de Mxico
Ejemplo de algoritmo capaz de reconocer patrones (OCR bsico) escrito en Java y de licencia GPL
Curso de Reconocimiento de Patrones de la Ponticia Universidad Catlica de Chile
13.7. TEXTO E IMGENES DE ORIGEN, COLABORADORES Y LICENCIAS
73
13.7 Texto e imgenes de origen, colaboradores y licencias

13.7.1
Texto
Inteligencia articial Fuente: https://es.wikipedia.org/wiki/Inteligencia_artificial?oldid=83335569 Colaboradores: Mac, PACO, Pino,

Pacoqueen, Oblongo, Moriel, Sauron, JorgeGG, Pilaf, Torheit, Lourdes Cardenal, ManuelGR, Julie, Sanbec, Zwobot, Javier Carro, Dodo, Ejmeza, Jonik, Yearofthedragon, Stoni, Ascnder, Sms, Tostadora, Tano4595, RGLago, Robotito, Enric Naval, Marcelo Huerta,
Dianai, Gengiskanhg, Xatufan, TuringTest, Cinabrium, Lanjoe9, Fmariluis, Loco085, Balderai, Desatonao, Boticario, Deleatur, Petronas, Topopardo, AlfonsoERomero, Airunp, JMPerez, Taichi, Emijrp, Rembiapo pohyiete (bot), Susana.gandara, Magister Mathematicae,
Kokoo, RobotQuistnix, Platonides, Itnas19, Alhen, Dromero, Fergon, Amads, BOT-Superzerocool, FlaBot, Varano, Vitamine, BOTijo, YurikBot, Icvav, GermanX, Paleoj, KnightRider, Trebol6, Carutsu, Mriosriquelme, Jesuja, Tigerfenix, Miguel.chaman, Claudiapat1,
Cacuija~eswiki, HECTOR ARTURO AZUZ SANCHEZ, Zimio, Jos., Purodha, Morza, Maldoror, Er Komandante, Tomatejc, Jarke,
Eloy Adrian, Boja, Paintman, Aloneibar, Wing Leader, Aleator, BOTpolicia, Alejandrosanchez, KLD~eswiki, Chguer, CEM-bot, Alejandrosilvestri, Laura Fiorucci, Ignacio Icke, Norikesh, Erick91, Eamezaga, Karshan, Antur, Pompilos, AndyVec, Jorge, Julian Mendez,
Jazmin82, Ivanius, Erodrigufer, Sol-rac, MAYRA PANIAGUA ROMAN, Kokitocris, BetoG, Chixna, Rygo, Victor penagos, Uriestrada777, Montgomery, FrancoGG, Ingenioso Hidalgo, Thijs!bot, Kyriah, Esenabre, Mahadeva, Yeza, Isha, Egaida, DavidLeeLambert,
Hameryko, JAnDbot, Jugones55, Kved, Mansoncc, Xavigivax, Gsrdzl, TXiKiBoT, Jorgenumata~eswiki, Exrm, Bincoit, ColdWind, Elisardojm, Humberto, Netito777, Pabloallo, Sincro, Plux, BL, Gerwoman, Gao.mza, Manuel Trujillo Berges, Jtico, Biasoli, Bucephala,
VolkovBot, Technopat, C'est moi, El lloco, Samaruga.sebastian, Matdrodes, Synthebot, Mrexcel, Nelsito777, Lucien leGrey, Alejandro313, AlleborgoBot, Muro Bot, Edmenb, Racso, SieBot, Mushii, Loveless, Macarrones, Modicador, Cobalttempest, El rojo capo,
Silvae, BOTarate, Mel 23, Gurgut, Manw, Correogsk, Garber, Adrigm, Joseluisfb, Bur123gos, Belb, Mafores, Scarton, XalD, HUB,
Juliabis, Antn Francho, Nicop, Axelbangle, Farisori, Janopo, Eduardosalg, P4K1T0, Wedrey, Leonpolanco, Gallowolf, Pan con queso,
Alejandrocaro35, Petruss, Walter closser, Alexbot, Paporrubio, Nerika, Aipni-Lovrij, Gelpgim22, Memo8ulrich, Camilo, UA31, AVBOT, David0811, Gabrielforever, Zut581, MastiBot, Sephirotmundi, Diegusjaimes, MelancholieBot, IATG, Jorge.maturana, Arjuno3,
Facumf, Luckas-bot, Hetery, Vini 17bot5, Roinpa, Pravdaverita, Ptbotgourou, Jotterbot, Sergiportero, Vic Fede, FRANKEULER, Dangelin5, Fazer, Yonidebot, Nixn, ArthurBot, SuperBraulio13, Almabot, Ortisa, Xqbot, Jkbw, Dreitmen, Victorsulca, Irbian, Ricardogpn,
Metronomo, Zendex, Botarel, Stuy, MauritsBot, BreadMaker, Hprmedina, TobeBot, Halfdrag, WALL-E2700, PatruBOT, Dianelismoreno, Atapuerca, Foundling, GrouchoBot, Frandzi.rangel, Axvolution, EmausBot, Savh, AVIADOR, Allforrous, Sergio Andres Segovia,
Adcasaa, Alrik, J. A. Glvez, JackieBot, Writkas, Rubpe19, Deap27m, Mecamtico, Jcaraballo, Gjusto, Simonlm22, Morispolanco,
MadriCR, Waka Waka, WikitanvirBot, MindZiper, Daimond, CavesNX, Alberto Lopez Vials, MerlIwBot, KLBot2, TeleMania, Renly,
AvicBot, UAwiki, RicardoEn, Travelour, Gins90, MetroBot, 13fenix1990, Invadibot, Eagle c5, Federicobond, 1309daniel, Acratta, LlamaAl, Helmy oved, RomanLier, Albertosape, Naugthall, Aaron Zuiga, Rotlink, GuidoGS, Legobot, Emferr, Perrita77, Meroccisoma,
Ivanretro, Luisatrollers, Faritalbavi, ConnieGB, TheManInTheAnthill, Cypherpunx, Miguel.mendivild, Elisa.salazarr1, JulinDelRusso,
Madcapjoc, Ramon djrb, Gjmdp, Hunza~eswiki, Geraldine27, Jarould, Egis57, Lospenesvoladores, Learning40, Imjakenator, Martinmontesmay, Betojarcor, Gabriel Quicazan y Annimos: 659
Ciencias de la computacin Fuente: https://es.wikipedia.org/wiki/Ciencias_de_la_computaci%C3%B3n?oldid=83629896 Colaboradores: Maveric149, Youssefsan, Edulix, Xavier~eswiki, EL Willy, Sabbut, ManuelGR, Comae, Janus~eswiki, Cookie, Tano4595, Rodrigouf,
Trylks, Balderai, Benjavalero, Taragui, AlfonsoERomero, Magister Mathematicae, Kelden, Jarlaxle, Superzerocool, Dromero, Yrbot,
Varano, Vitamine, BOTijo, Juan.res~eswiki, Jesuja, Er Komandante, Paintman, Kn, Jstitch, l, CEM-bot, Pinar~eswiki, Apaz~eswiki,
JMCC1, -jem-, Salvador alc, Cristianrock2, Rastrojo, AndyVec, Thijs!bot, Escarbot, RoyFocker, IrwinSantos, LMLM, Cratn, Isha, El
loko, JAnDbot, Chien, Miguelo on the road, Kved, Death Master, Muro de Aguas, TXiKiBoT, Hidoy kukyo, NaBUru38, Netito777,
Pedro Nonualco, Idioma-bot, Plux, Jtico, Cinevoro, Aibot, Technopat, Matdrodes, Rafael.heras, Muro Bot, SieBot, Mushii, PaintBot,
Djblack!, Bigsus-bot, Cmonzonc, Correogsk, Greek, Mafores, Jim88Argentina, Tirithel, Antn Francho, Farisori, McMalamute, Eduardosalg, Leonpolanco, Alejandrocaro35, Botito777, Furti, Walter closser, Poco a poco, Rge, Damian cf, UA31, AVBOT, LucienBOT,
Louperibot, Ezarate, Diegusjaimes, Arjuno3, Mdd, Andreasmperu, Luckas-bot, Aquila ltda, FariBOT, Ruud Koot, Ruy Pugliesi, Jefrcast,
SuperBraulio13, Ortisa, Xqbot, Jkbw, Dreitmen, Chester269, Botarel, Slastic, AstaBOTh15, BOTirithel, Aledesanfer95, Halfdrag, Vubo,
Smileegar, Greenbreen, Leugim1972, PatruBOT, AldanaN, KamikazeBot, RCramiro, LilyKitty, Tarawa1943, HIPATIA2006, Kulos,
EmausBot, Sergio Andres Segovia, Africanus, Lapaxangacity, Rubpe19, Agviquez86, MercurioMT, El Ayudante, Davidzodelin, Emiduronte, Cedecomsa, Waka Waka, WikitanvirBot, Jorgexx123, RonaldoExtreme, Antonorsi, MerlIwBot, Edc.Edc, Sosqartxa, Lautaroo,
MetroBot, Maury11rock, Jose Aragon, Seasz, Acratta, Natalia Villarroel, Brainup, Elvisor, DIANA ALCANTARA, Helmy oved, Marcoantoniothomas, MaKiNeoH, Dezember, Francisco2289, Ravotm, Addbot, Surekilt, Balles2601, ConnieGB, Cypherpunx, Giliofelix,
Jarould, Egis57, BenjaBot, Sfr570 y Annimos: 274
Lgica Fuente: https://es.wikipedia.org/wiki/L%C3%B3gica?oldid=83134912 Colaboradores: AstroNomo, Zeno Gantner, Mac, ILVI,
Zuirdj, Joseaperez, 4lex, Sabbut, Moriel, JorgeGG, Julie, Robbot, Juan Manuel, Niceforo, Zwobot, Cirachu, Dodo, Ascnder, Sms, Netgrino, Tostadora, Elwikipedista, Julian Colina, Tano4595, Jsanchezes, Galio, Cinabrium, Pgimeno, Balderai, Chewie, FAR, Digigalos,
Soulreaper, Orgullomoore, AlfonsoERomero, Airunp, Emijrp, Rembiapo pohyiete (bot), Magister Mathematicae, RobotQuistnix, Alhen, Chobot, CSTAR, Unicacion, Yrbot, Zam, Beto29, Tigerfenix, Txo, MONIMINO 1, Baneld, Basquetteur, Ummowoa, Kepler
Oort, Jos., Cheveri, Smoken Flames, Tomatejc, Zanaqo, Axxgreazz, BOTpolicia, Alejandrosanchez, Reynaldo Villegas Pea, Eufrosine, CEM-bot, Laura Fiorucci, Eli22, Roberpl, FranciscoPadilla, Eamezaga, Davius, Antur, JulianMendez, Jorge Acevedo Guerra, Julian
Mendez, FrancoGG, Thijs!bot, Marcosd~eswiki, Alvaro qc, Pera6, Lauranrg, Escarbot, RoyFocker, Zifra, Isha, Hanjin, Gusgus, Jurgens~eswiki, JAnDbot, Terroristlluvia, DerHexer, Segedano, Homo logos, Muro de Aguas, TXiKiBoT, Joel Nava, HiTe, Bot-Schafter,
Elisardojm, Humberto, Netito777, Juan Ramn P.C., Rulo86, Rei-bot, Joniale, MONIMINO, Nioger, Idioma-bot, Genociderf9, Plux,
Dhidalgo, Biasoli, AlnoktaBOT, Elchuy, VolkovBot, Technopat, Galandil, Queninosta, Mr. Benq, Matdrodes, Synthebot, DJ Nietzsche, BlackBeast, AlleborgoBot, 3coma14, IIM 78, Muro Bot, Gerakibot, Jmvgpartner, SieBot, PaintBot, Rigenea, Huaren, Bigsus-bot,
FowlStar, BOTarate, Marcelo, STBot~eswiki, Edu91, Greek, Aleposta, Mafores, PipepBot, Ivanics, Tirithel, Morenita x, Haksecryjo,
HUB, Fonsi80, Farisori, Eduardosalg, Veon, Neodop, Manuelunc, Leonpolanco, Walter closser, Alexbot, Spitetests, Julio Ostal, UA31,
Krysthyan, AVBOT, Xenocrates, David0811, LucienBOT, Angel GN, Diegusjaimes, Fernando H, Enelndelmundo, Saloca, Andreasmperu, Luckas-bot, Duca3, Jotterbot, Dangelin5, Jorge 2701, Barteik, Yaya1, 67wkii, Vandal Crusher, Animadelpurgatorio, Jnubiola,
Nixn, Luis Felipe Schenone, ArthurBot, SuperBraulio13, Manuelt15, Xqbot, Jkbw, GhalyBot, Mafalda22, Dreitmen, Ammonio, AMarcial, Kinkayu, Botarel, Epistemion, Romero15, D'ohBot, TiriBOT, MAfotBOT, Hprmedina, TobeBot, P2prules, Jerowiki, Fitoschido,
KamikazeBot, TjBot, TruebadiX, NicolsTM, Foundling, Wikilptico, Velual, EmausBot, Savh, ZroBot, Egossvm, Grillitus, JackieBot,
Rubpe19, Emiduronte, Elojah, ChuispastonBot, WikitanvirBot, Mjbmrbot, Oyauguru, CocuBot, Pegaso2005, Movses-bot, Metrnomo,
74
Xerox 5B, MerlIwBot, Cajiaoo, Roberrpm, Gins90, MetroBot, Lolosam33, DerKrieger, Gusama Romero, Acratta, Mega-buses, Helmy
oved, Adad-1990, Eyetheunlord, Addbot, Hans Topo1993, Sapientiacr, Churrasco italiano, Jarould, Crystallizedcarbon, RpYo, Stefania
rubiano, Lectorina y Annimos: 429
Inteligencia Fuente: https://es.wikipedia.org/wiki/Inteligencia?oldid=83574200 Colaboradores: Joseaperez, Sabbut, Moriel, JorgeGG,
Renato Caniatti~eswiki, Vivero, Zwobot, Mozstyle, Ivn, Dodo, Ejrrjs, Ascnder, Cookie, Tostadora, Jjmerelo, Tano4595, Barcex, Melocoton, Mandramas, Netzahualcoyotl, Edupedro, Mnts, FAR, Saie, Taragui, Boticario, Petronas, Airunp, Hari Seldon, Taichi, Emijrp,
Rembiapo pohyiete (bot), Magister Mathematicae, PaulaGG, RobotQuistnix, Alhen, Superzerocool, Ryavara, Caiserbot, Unicacion, Yrbot, Oscar ., FlaBot, Varano, Vitamine, BOTijo, YurikBot, Mortadelo2005, Icvav, LoquBot, The Photographer, Txo, Baneld, Avegae,
Er Komandante, Cheveri, Rolf obermaier, Tomatejc, Aleator, BOTpolicia, Mampato, CEM-bot, Laura Fiorucci, Pinar~eswiki, JMCC1,
Efeg, Jjvaca, Pacostein, Turok314159, Davius, Rastrojo, Jorge, Julianmid, Montgomery, Fsd141, Resped, MILO, Aremesal, Xabier,
Papouten, Rolldi~eswiki, Remiau, Yeza, RoyFocker, IrwinSantos, Nisima, Cratn, Isha, Bernard, Gusgus, Mpeinadopa, JAnDbot, Segedano, NoCoin, Jsafer, Raimundo Pastor, Xavigivax, TXiKiBoT, Humberto, Netito777, Xsm34, Nioger, Behemot leviatan, Idioma-bot,
Plux, Gerwoman, Jashiph, Delphidius, Tomas Snchez, Cinevoro, Snakeyes, Technopat, C'est moi, Queninosta, Raystorm, Matdrodes,
Synthebot, DJ Nietzsche, BlackBeast, Agarralagabarra, Muro Bot, J.M.Domingo, Bucho, Dario111, SieBot, Mr Trukit0, Kokranino23,
Macarrones, Carmin, CASF, BOTarate, Mel 23, Xavierjabo, Manw, Garber, Camolon, JuliaPonga, Relleu, Aleposta, Belb, Mafores, Pla
y Grande Covin, Tirithel, JaviMad, XalD, Jarisleif, Javierito92, Orwelldevigo, GRHugo, Fufufu~eswiki, Eduardosalg, Wedrey, Leonpolanco, Gallowolf, Mar del Sur, GBE90, Ener6, Solyc, Fidelbotquegua, Anbeye, Ravave, Camilo, UA31, Shalbat, Misigon, AVBOT,
Nigtz, David0811, Votinus, LucienBOT, Salazare~eswiki, Millosa, Angel GN, Diegusjaimes, CarsracBot, Jose maria guillen, Arjuno3,
Usamasaad, LOTC, Andreasmperu, Luckas-bot, FariBOT, Esquilo cortes, Sessho-akat, Beniscelli, Jorge 2701, Zanzamar, Fascelli, Barteik, Jmos, Leiro & Law, Ouiyesi, Nixn, Diogeneselcinico42, SuperBraulio13, Manuelt15, Xqbot, Jkbw, Serolillo, Dreitmen, Lorenzo
Garca, Kanematic, Igna, Groucho Marx, Mfgonzalez, AstaBOTh15, Hprmedina, Halfdrag, Abece, CVBOT, Delphinus1997, Angelito7,
Ambeirao, JUANFRAyTOTI, Tarawa1943, Foundling, Luisgabus, Miss Manzana, Edslov, EmausBot, Savh, AVIADOR, Coltx, ZroBot,
Allforrous, Sergio Andres Segovia, Alrik, J. A. Glvez, Ramosdesal, JackieBot, Javier Camiruaga, Rubpe19, Emanuel ori, Jcaraballo,
Simonlm22, Workforce, Waka Waka, WikitanvirBot, Santimonse, Kyeah16, Pataconejo, Palissy, Movses-bot, Helena reino, Jennyfer
juliana, Carolina Ortiz, Antonorsi, Rezabot, ELiiCoptero, MerlIwBot, KLBot2, TeleMania, BrokenHelghan, Renly, Sebrev, Kevincamilo14, Invadibot, Bambadee, Gusama Romero, Kaizernegro, Grachifan, Creosota, Helmy oved, Dofus20, Makecat-bot, 2rombos, Syum90,
Vicentemarchante, MoisesAqD, Emilytaraba, Su Years, DiegoThatsmyname, Carmenmccv, Fdelafue, ConnieGB, MarcLlopRo, Gustavodesousa, Leonardo S Landers, JacobRodrigues, Susy.vzbs, Karin2do, Regalizzz, Hola123XL, Laberinto16, Revisordespam, Eduwht,
Jarould, Matiia, 193 HC 44, Aixa pacho, Wilner21, Raul Ray, Bryan Mabel, Oliverhoyos, Alo turner bugg, Learning40, Urielecoq, Enriquearamaio, Lectorina, Sfr570, Smith Chaves y Annimos: 542
Sistema inteligente Fuente: https://es.wikipedia.org/wiki/Sistema_inteligente?oldid=76776809 Colaboradores: Tano4595, Enric Naval, Omega~eswiki, Varano, BOTijo, Claudiapat1, CEM-bot, Antur, Muro de Aguas, Fixertool, Walter1927, Synthebot, Shooke, STBot~eswiki, Fadesga, Nicop, Farisori, Jkbw, PatruBOT, Jorge c2010, AVIADOR, KLBot2 y Annimos: 19
Algoritmo gentico Fuente: https://es.wikipedia.org/wiki/Algoritmo_gen%C3%A9tico?oldid=82005958 Colaboradores: Kyokpae~eswiki,
Moriel, Riviera, Dodo, Triku, Ascnder, Sms, Jjmerelo, Tano4595, Enric Naval, Cinabrium, Chewie, Renabot, Rutrus, AlfonsoERomero, Rembiapo pohyiete (bot), Caiser, NekroByte, Orgullobot~eswiki, RobotQuistnix, Alhen, Superzerocool, Caiserbot, Palmerabollo,
YurikBot, KnightRider, Focojoaco, Chlewbot, BOTpolicia, Qwertyytrewqqwerty, CEM-bot, Jorgelrm, Gonmator, Thijs!bot, Botones,
Miguelangelwww~eswiki, PabloGN, JAnDbot, TXiKiBoT, Rei-bot, Plux, AlnoktaBOT, VolkovBot, Snakeyes, Technopat, Miguepietro, Matdrodes, Muro Bot, Davidmosen, SieBot, Carrero, Mikirb, Loveless, Macarrones, Cobalttempest, Manw, Greek, Tirithel, Javierito92, Kikobot, DragonBot, Brayan Jaimes, Farisori, Quijav, Botelln, Frei sein, Aipni-Lovrij, AVBOT, A ver, Louperibot, MastiBot,
HanPritcher, Ezarate, Sephirotmundi, Diegusjaimes, Jorge.maturana, Luckas-bot, MystBot, Nallimbot, ArthurBot, Jkbw, Tipomuyduro,
Javilondo5, TobeBot, RedBot, Dinamik-bot, Stiwi grin, Lexinerus, MerlIwBot, Invadibot, Acratta, Elvisor, Raiuc3m12, Addbot, Karl
Schneider, BenjaBot y Annimos: 106
Red neuronal articial Fuente: https://es.wikipedia.org/wiki/Red_neuronal_artificial?oldid=83625938 Colaboradores: Joseaperez, Moriel, Sauron, Nathan~eswiki, Dodo, Yearofthedragon, Fortran~eswiki, Ascnder, Sms, Rsg, Tostadora, Zorak, Tano4595, RGLago, Daniel
G., Enric Naval, Gengiskanhg, Cinabrium, Ecemaml, DamianFinol, Renabot, Petronas, JMPerez, Taichi, Emijrp, Rembiapo pohyiete
(bot), Anrfernandez, Alhen, Changcho, LuchoX, Yrbot, DerkeNuke, BOT-Superzerocool, Oscar ., Varano, Mortadelo2005, Icvav, GermanX, Lobillo, No s qu nick poner, Claudiapat1, Maldoror, Alcojol, Lancaster, Paintman, Lionni, Tamorlan, CEM-bot, Pinar~eswiki,
Osepu, Rosarinagazo, YoniG, Thijs!bot, Gngora, PabloGN, JAnDbot, Xavigivax, Juan renombrado, HiTe, Jorgenumata~eswiki, NaBUru38, Humberto, Fixertool, Chabbot, Plux, Cinevoro, Aibot, Technopat, Jose gueredo, Matdrodes, DJ Nietzsche, Muro Bot, Srbanana,
Ensada, Cobalttempest, Beepath, Danypalma1984, Manw, Chico512, Farisori, Danidvt, Nerika, BodhisattvaBot, UA31, AVBOT, Jorge.maturana, Trec~eswiki, Saloca, Luckas-bot, CayoMarcio, Gacpro, Finderlog, SuperBraulio13, Jkbw, Theboss edgar18, Ricardogpn,
Botarel, Hprmedina, PatruBOT, Ganmedes, Hombresigma, Humbefa, Tarawa1943, EmausBot, Verenjeno, Alrik, Jcaraballo, WikitanvirBot, MerlIwBot, Pedromanuelbaeza, KLBot2, Ivanwalkesmc, Deu2000, Elvisor, JurgenNL, Alejandro.cartas, Joma.huguet, Augt.pelle,
Jarould, Pfernand, Phyllum y Annimos: 170
Razonamiento Fuente: https://es.wikipedia.org/wiki/Razonamiento?oldid=83046333 Colaboradores: Lourdes Cardenal, Rsg, Mariano
Deheza, Perico Baranda, Magister Mathematicae, Yrbot, Oscar ., Vitamine, Baneld, Ummowoa, Maldoror, Filipo, BOTpolicia, CEM-bot,
JoRgE-1987, Zendel, Davius, Wmaster32, Isha, Kved, Muro de Aguas, Mercenario97, Netito777, MONIMINO, Nioger, MotherForker,
Plux, Dhidalgo, Bucephala, Technopat, Queninosta, Matdrodes, DJ Nietzsche, Mauriciome, Muro Bot, Mushii, Carmin, Bigsus-bot,
Correogsk, Greek, Pla y Grande Covin, Tirithel, Jarisleif, FCPB, Veon, Leonpolanco, Rge, Osado, UA31, Armando-Martin, AVBOT,
David0811, Votinus, LucienBOT, Angel GN, Diegusjaimes, Davidgutierrezalvarez, Jose manuel poblete cornejo, FariBOT, LordboT,
Beniscelli, Dangelin5, Fascelli, Luis Felipe Schenone, SuperBraulio13, Manuelt15, Jkbw, Maguzma, Electronicmega, Botarel, TiriBOT,
Abece, PatruBOT, ArturoJurezFlores, Angelito7, Tarawa1943, Jorge c2010, Foundling, Alfredomalagon, Workforce, Benjamin.recinos,
MerlIwBot, KLBot2, Travelour, Gusama Romero, Maquedasahag, Acratta, Helmy oved, Baute2010, Addbot, Carly LeBoom, Balles2601,
Ashley1D, Bryanrene, M Rengifo, Sapientiacr, Ludacor, JacobRodrigues, Hola123XL, Gaby felipe, Revisordespam, Jarould, Alex176ps,
XD,LOL,TROLL y Annimos: 206
Teora de control Fuente: https://es.wikipedia.org/wiki/Teor%C3%ADa_de_control?oldid=82456182 Colaboradores: Locutus Borg,
CEM-bot, Zifra, JAnDbot, Ignacioerrico, VolkovBot, PaintBot, Derlis py, DragonBot, Eu felipao, VanBot, MelancholieBot, CarsracBot,
Luckas-bot, Nallimbot, DiegoFb, Mcapdevila, ArthurBot, Jkbw, Ricardogpn, ChuispastonBot, WikitanvirBot, Jeposadap, MerlIwBot,
KLBot2, MetroBot, Invadibot, Prexxo, AHX, Acratta, BenjaBot, Lectorina y Annimos: 10
Planicacin automtica Fuente: https://es.wikipedia.org/wiki/Planificaci%C3%B3n_autom%C3%A1tica?oldid=73216491 Colaboradores: Orgullomoore, Paintman, Tamorlan, CEM-bot, 333, Rei-bot, Muro Bot, Jorge.maturana, Gacpro, KLBot2 y Annimos: 2
75
Reconocimiento de escritura Fuente: https://es.wikipedia.org/wiki/Reconocimiento_de_escritura?oldid=60415818 Colaboradores: Digigalos, Fixertool, Muro Bot, PaintBot, Farisori, MFZBCN y Annimos: 1
Reconocimiento del habla Fuente: https://es.wikipedia.org/wiki/Reconocimiento_del_habla?oldid=80098726 Colaboradores: Pilaf, Comae, Nahia de miguel dez, Jynus, Cookie, Tano4595, Enric Naval, FAR, Digigalos, Taichi, Rembiapo pohyiete (bot), LeCire, Ainara
Torres, RobotQuistnix, Chobot, YonDemon, YurikBot, GermanX, Kabri, Eskimbot, Santiagocapel, CEM-bot, Chabacano, Especiales,
Thijs!bot, Roberto Fiadone, RoyFocker, Erwin, TXiKiBoT, Sirpuppet, Plux, Carl dnf, Biasoli, Cinevoro, VolkovBot, Technopat, Queninosta, Matdrodes, Lucien leGrey, Muro Bot, SieBot, Loveless, Fadesga, StarBOT, Kikobot, Farisori, Diego.viola, AVBOT, EjsBot, Lionelrovezzi, MastiBot, An17a, Diegusjaimes, ArthurBot, Xqbot, ChenzwBot, Engoal, Lilo197, RedBot, Acotrin, HIPATIA2006, EmausBot, WikitanvirBot, Diamondland, Cordwainer, KLBot2, MetroBot, Abr pr90, Johnbot, Osmaga, Flashlack, F7peralta, Zadl3r, Lagoset,
Arturocl y Annimos: 45
Reconocimiento de patrones Fuente: https://es.wikipedia.org/wiki/Reconocimiento_de_patrones?oldid=78433709 Colaboradores: Vanbasten 23, Dodo, Emijrp, RobotQuistnix, Varano, YurikBot, GermanX, Jesuja, Ajrs, Tomatejc, BOTpolicia, CEM-bot, Chabacano, Osepu, N~eswiki, Thijs!bot, Metheoro~eswiki, Jorgebarrios, TARBOT, AlnoktaBOT, VolkovBot, 3coma14, BotMultichill, Miguel olivares,
SieBot, Loveless, Farisori, SilvonenBot, Pssuils, LucienBOT, Luckas-bot, DSisyphBot, ArthurBot, Caritdf, Halfdrag, Elisfm, Elena bernardo, EmausBot, ZroBot, 1, KLBot2, Gins90, Domingomery, Acratta, Elvisor y Annimos: 26
13.7.2
Imgenes
Archivo:1u04-argonaute.png Fuente: https://upload.wikimedia.org/wikipedia/commons/0/02/1u04-argonaute.png Licencia: CC-BYSA-3.0 Colaboradores: Self created from PDB entry 1U04 using the freely available visualization and analysis package VMD raytraced
with POV-Ray 3.6 Artista original: Opabinia regalis
Archivo:3-Tastenmaus_Microsoft.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/a/aa/3-Tastenmaus_Microsoft.jpg
Licencia: CC BY-SA 2.5 Colaboradores: Trabajo propio Artista original: Darkone
Archivo:Ada_lovelace.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/0/0f/Ada_lovelace.jpg Licencia: Public domain
Colaboradores: www.fathom.com Artista original: Alfred Edward Chalon
Archivo:Auguste_Rodin_-_Grubleren_2005-02.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/3/37/Auguste_Rodin_
-_Grubleren_2005-02.jpg Licencia: Public domain Colaboradores: Trabajo propio Artista original: Rodin (1840-1917) User:Hansjorn
(Hans Andersen)
Archivo:AverroesColor.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/8/82/AverroesColor.jpg Licencia: Public domain Colaboradores: ? Artista original: ?
Archivo:Babbage40.png Fuente: https://upload.wikimedia.org/wikipedia/commons/6/67/Babbage40.png Licencia: Public domain Colaboradores: The Mechanics Magazine, Museum, Register, Journal and Gazette, October 6, 1832-March 31, 1833. Vol. XVIII. Artista
original: AGoon, derivative work, original was 'Engraved by Roe, by permifsion from an original Family Painting' 1833
Archivo:Blochsphere.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/f/f3/Blochsphere.svg Licencia: CC-BY-SA-3.0 Colaboradores: Transferido desde en.wikipedia a Commons. Artista original: MuncherOfSpleens de Wikipedia en ingls
Archivo:Commons-emblem-question_book_yellow.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/d/dd/Commons-emblem-question_
book_yellow.svg Licencia: CC BY-SA 3.0 Colaboradores: <a href='//commons.wikimedia.org/wiki/File:Commons-emblem-query.svg'
class='image'><img alt='Commons-emblem-query.svg' src='https://upload.wikimedia.org/wikipedia/commons/thumb/c/c5/Commons-emblem-query.
svg/25px-Commons-emblem-query.svg.png' width='25' height='25' srcset='https://upload.wikimedia.org/wikipedia/commons/thumb/c/
c5/Commons-emblem-query.svg/38px-Commons-emblem-query.svg.png 1.5x, https://upload.wikimedia.org/wikipedia/commons/thumb/
c/c5/Commons-emblem-query.svg/50px-Commons-emblem-query.svg.png 2x' data-le-width='48' data-le-height='48' /></a> + <a
href='//commons.wikimedia.org/wiki/File:Question_book.svg' class='image'><img alt='Question book.svg' src='https://upload.wikimedia.
org/wikipedia/commons/thumb/9/97/Question_book.svg/25px-Question_book.svg.png' width='25' height='20' srcset='https://upload.wikimedia.
org/wikipedia/commons/thumb/9/97/Question_book.svg/38px-Question_book.svg.png 1.5x, https://upload.wikimedia.org/wikipedia/commons/
thumb/9/97/Question_book.svg/50px-Question_book.svg.png 2x' data-le-width='252' data-le-height='199' /></a> Artista original: GNOME
icon artists, Linfocito B
Archivo:Commons-logo.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/4/4a/Commons-logo.svg Licencia: Public domain Colaboradores: This version created by Pumbaa, using a proper partial circle and SVG geometry features. (Former versions used to
be slightly warped.) Artista original: SVG version was created by User:Grunt and cleaned up by 3247, based on the earlier PNG version,
created by Reidab.
Archivo:Compiler.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/6/6b/Compiler.svg Licencia: CC-BY-SA-3.0 Colaboradores: self-made SVG version of Image:Ideal compiler.png by User:Raul654. Incorporates Image:Computer n screen.svg and Image:
Nuvola mimetypes source.png. Artista original: Surachit
Archivo:Computer.Science.AI.Neuron.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/f/f0/Computer.Science.AI.Neuron.
svg Licencia: CC-BY-SA-3.0 Colaboradores: ? Artista original: User:Yearofthedragon
Archivo:Corner.png Fuente: https://upload.wikimedia.org/wikipedia/commons/5/5f/Corner.png Licencia: Public domain Colaboradores: http://en.wikipedia.org/wiki/File:Corner.png Artista original: Retardo
Archivo:DFAexample.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/9/9d/DFAexample.svg Licencia: Public domain
Colaboradores: Trabajo propio Artista original: Cepheus
Archivo:Earth.png Fuente: https://upload.wikimedia.org/wikipedia/commons/1/1e/Earth.png Licencia: Public domain Colaboradores:
? Artista original: ?
Archivo:Emp_Tables_(Database).PNG Fuente: https://upload.wikimedia.org/wikipedia/commons/8/87/Emp_Tables_%28Database%
29.PNG Licencia: Public domain Colaboradores: Trabajo propio Artista original: Jamesssss
Archivo:English.png Fuente: https://upload.wikimedia.org/wikipedia/commons/0/0a/English.png Licencia: Public domain Colaboradores: ? Artista original: ?
76
Archivo:Enigma.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/a/ae/Enigma.jpg Licencia: Public domain Colaboradores: User:Jszigetvari Artista original: ?
Archivo:Evolutionary_algorithm.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/5/58/Evolutionary_algorithm.svg Licencia: CC-BY-SA-3.0 Colaboradores: Trabajo propio Artista original: Johann "nojhan" Dro
Archivo:Fivestagespipeline.png Fuente: https://upload.wikimedia.org/wikipedia/commons/2/21/Fivestagespipeline.png Licencia: CCBY-SA-3.0 Colaboradores: ? Artista original: ?
Archivo:Flowchart.png Fuente: https://upload.wikimedia.org/wikipedia/commons/9/9d/Flowchart.png Licencia: CC SA 1.0 Colaboradores: ? Artista original: ?
Archivo:Gottfried_Wilhelm_von_Leibniz.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/6/6a/Gottfried_Wilhelm_von_
Leibniz.jpg Licencia: Public domain Colaboradores: /gbrown/philosophers/leibniz/BritannicaPages/Leibniz/LeibnizGif.html Artista original: Christoph Bernhard Francke
Archivo:HONDA_ASIMO.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/0/05/HONDA_ASIMO.jpg Licencia: CCBY-SA-3.0 Colaboradores: ? Artista original: ?
Archivo:Ideal_compiler.png Fuente: https://upload.wikimedia.org/wikipedia/commons/2/20/Ideal_compiler.png Licencia: CC-BY-SA3.0 Colaboradores: ? Artista original: ?
Archivo:Julia_iteration_data.png Fuente: https://upload.wikimedia.org/wikipedia/commons/4/47/Julia_iteration_data.png Licencia:
GFDL Colaboradores: Trabajo propio Artista original: Adam majewski
Archivo:KnnClassification.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/e/e7/KnnClassification.svg Licencia: CCBY-SA-3.0 Colaboradores: Trabajo propio Artista original: Antti Ajanki AnAj
Archivo:Lambda_lc.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/3/39/Lambda_lc.svg Licencia: Public domain Colaboradores: The Greek alphabet Artista original: User:Luks
Archivo:Lazo_de_control_realimentado.png Fuente: https://upload.wikimedia.org/wikipedia/commons/8/88/Lazo_de_control_realimentado.
png Licencia: GFDL Colaboradores: Trabajo propio Artista original: Jeposadap
Archivo:Lorenz_attractor_yb.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/5/5b/Lorenz_attractor_yb.svg Licencia:
CC-BY-SA-3.0 Colaboradores: ? Artista original: ?
Archivo:MeningiomaMRISegmentation.png Fuente: https://upload.wikimedia.org/wikipedia/commons/e/e4/MeningiomaMRISegmentation.
png Licencia: CC BY-SA 3.0 Colaboradores:
Trabajo propio de la persona que subi originalmente el archivo
I used the open source package 3D slicer to segment the meningiom in a data set
Artista original: Rkikinis
Archivo:NASA_Mars_Rover.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/d/d8/NASA_Mars_Rover.jpg Licencia: Public domain Colaboradores: http://photojournal.jpl.nasa.gov/catalog/PIA04413 (image link) Artista original: NASA/JPL/Cornell University, Maas Digital LLC
Archivo:NOR_ANSI.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/6/6c/NOR_ANSI.svg Licencia: Public domain Colaboradores: Own Drawing, made in Inkscape 0.43 Artista original: jjbeard
Archivo:Naphthalene-3D-balls.png Fuente: https://upload.wikimedia.org/wikipedia/commons/3/3e/Naphthalene-3D-balls.png Licencia: Public domain Colaboradores: ? Artista original: ?
Archivo:Network_Library_LAN.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/b/b9/Network_Library_LAN.svg Licencia: CC BY-SA 4.0 Colaboradores: <a href='//commons.wikimedia.org/wiki/File:NETWORK-Library-LAN.png' class='image'><img
alt='NETWORK-Library-LAN.png' src='//upload.wikimedia.org/wikipedia/commons/thumb/2/27/NETWORK-Library-LAN.png/100px-NETWORK-Librar
png' width='100' height='74' srcset='//upload.wikimedia.org/wikipedia/commons/thumb/2/27/NETWORK-Library-LAN.png/150px-NETWORK-Library-LA
png 1.5x, //upload.wikimedia.org/wikipedia/commons/thumb/2/27/NETWORK-Library-LAN.png/200px-NETWORK-Library-LAN.
png 2x' data-le-width='1465' data-le-height='1090' /></a> Artista original: Fred the Oyster
Archivo:Neuron.png Fuente: https://upload.wikimedia.org/wikipedia/commons/6/67/Neuron.png Licencia: Public domain Colaboradores: Originally Neuron.svg -> originally Neuron.jpg taken from the US Federal (public domain) Artista original: Caiguanhao
Archivo:Neuron.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/b/b5/Neuron.svg Licencia: CC-BY-SA-3.0 Colaboradores: ? Artista original: ?
Archivo:Nicolas_P._Rougier{}s_rendering_of_the_human_brain.png Fuente: https://upload.wikimedia.org/wikipedia/commons/
7/73/Nicolas_P._Rougier%27s_rendering_of_the_human_brain.png Licencia: GPL Colaboradores: http://www.loria.fr/~{}rougier Artista original: Nicolas Rougier
Archivo:Operating_system_placement.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/e/e1/Operating_system_placement.
svg Licencia: CC BY-SA 3.0 Colaboradores: Trabajo propio Artista original: Golftheman
Archivo:Padlock.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/5/59/Padlock.svg Licencia: CC0 Colaboradores: http:
//www.openclipart.org/detail/17931 Artista original: AJ Ashton
Archivo:Pattern_2.JPG Fuente: https://upload.wikimedia.org/wikipedia/commons/7/7e/Pattern_2.JPG Licencia: Public domain Colaboradores: Trabajo propio Artista original: Elisfm
Archivo:Pattern_3.JPG Fuente: https://upload.wikimedia.org/wikipedia/commons/7/74/Pattern_3.JPG Licencia: Public domain Colaboradores: Trabajo propio Artista original: Elisfm
Archivo:Pattern_4.JPG Fuente: https://upload.wikimedia.org/wikipedia/commons/c/c4/Pattern_4.JPG Licencia: Public domain Colaboradores: Trabajo propio Artista original: Elisfm
77
Archivo:Portal.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/c/c9/Portal.svg Licencia: CC BY 2.5 Colaboradores:
Portal.svg
Artista original: Portal.svg: Pepetps
Archivo:Python_add5_syntax.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/e/e1/Python_add5_syntax.svg Licencia:
Copyrighted free use Colaboradores: http://en.wikipedia.org/wiki/Image:Python_add5_syntax.png Artista original: Xander89
Archivo:Quark_wiki.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/c/cb/Quark_wiki.jpg Licencia: CC BY-SA 3.0 Colaboradores: Trabajo propio Artista original: Brianzero
Archivo:RedNeuronalArtificial.png Fuente: https://upload.wikimedia.org/wikipedia/commons/6/64/RedNeuronalArtificial.png Licencia: CC-BY-SA-3.0 Colaboradores: Transferido desde es.wikipedia a Commons. Artista original: The original uploader was Gengiskanhg
de Wikipedia en espaol
Archivo:Roomba_original.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/f/f5/Roomba_original.jpg Licencia: CC BYSA 3.0 Colaboradores: 2006 Larry D. Moore Artista original: Larry D. Moore
Archivo:SIMD.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/2/21/SIMD.svg Licencia: CC-BY-SA-3.0 Colaboradores:
Own work in Inkscape Artista original: en:User:Cburnett
Archivo:SimplexRangeSearching.png Fuente: https://upload.wikimedia.org/wikipedia/commons/4/48/SimplexRangeSearching.png Licencia: Public domain Colaboradores: Transferred from en.wikipedia Artista original: Original uploader was Gfonsecabr at en.wikipedia.
Later version(s) were uploaded by McLoaf at en.wikipedia.
Archivo:Singly-linked-list.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/6/6d/Singly-linked-list.svg Licencia: Public
domain Colaboradores: Trabajo propio Artista original: Lasindi
Archivo:Sky.png Fuente: https://upload.wikimedia.org/wikipedia/commons/0/08/Sky.png Licencia: CC BY-SA 2.5 Colaboradores: selbst
gemacht. own work. Artista original: Manuel Strehl
Archivo:Sorting_quicksort_anim.gif Fuente: https://upload.wikimedia.org/wikipedia/commons/6/6a/Sorting_quicksort_anim.gif Licencia: CC-BY-SA-3.0 Colaboradores: originally upload on the English Wikipedia Artista original: Wikipedia:en:User:RolandH
Archivo:Sorting_quicksort_anim_frame.png Fuente: https://upload.wikimedia.org/wikipedia/commons/1/1e/Sorting_quicksort_anim_
frame.png Licencia: CC-BY-SA-3.0 Colaboradores: Image:Sorting quicksort anim.gif Artista original: en:User:RolandH
Archivo:Spanish_Wikiquote.SVG Fuente: https://upload.wikimedia.org/wikipedia/commons/1/13/Spanish_Wikiquote.SVG Licencia:
CC BY-SA 3.0 Colaboradores: derived from Wikiquote-logo.svg Artista original: James.mcd.nz
Archivo:TOPIO_2.0.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/c/cc/TOPIO_2.0.jpg Licencia: CC BY-SA 3.0 Colaboradores: Trabajo propio Artista original: Lylodo
Archivo:TSP_Deutschland_3.png Fuente: https://upload.wikimedia.org/wikipedia/commons/c/c4/TSP_Deutschland_3.png Licencia:
Public domain Colaboradores: https://www.cia.gov/cia/publications/factbook/maps/gm-map.gif Artista original: The original uploader
was Kapitn Nemo de Wikipedia en alemn
Archivo:User-FastFission-brain.gif Fuente: https://upload.wikimedia.org/wikipedia/commons/c/c7/User-FastFission-brain.gif Licencia: CC-BY-SA-3.0 Colaboradores: ? Artista original: ?
Archivo:Utah_teapot_simple_2.png Fuente: https://upload.wikimedia.org/wikipedia/commons/5/5f/Utah_teapot_simple_2.png Licencia: CC BY-SA 3.0 Colaboradores: Trabajo propio Artista original: Dhateld
Archivo:Wacom_graphics_tablet_and_pen.png Fuente: https://upload.wikimedia.org/wikipedia/commons/d/d4/Wacom_graphics_tablet_
and_pen.png Licencia: CC BY-SA 3.0 Colaboradores:
Wacom_Pen-tablet_without_mouse.jpg Artista original: Wacom_Pen-tablet_without_mouse.jpg: *Wacom_Pen-tablet.jpg: photographed
by Tobias Rtten,Metoc
Archivo:Wang_tiles.png Fuente: https://upload.wikimedia.org/wikipedia/commons/0/06/Wang_tiles.png Licencia: Public domain Colaboradores: ? Artista original: ?
Archivo:Wikibooks-logo.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/f/fa/Wikibooks-logo.svg Licencia: CC BY-SA
3.0 Colaboradores: Trabajo propio Artista original: User:Bastique, User:Ramac et al.
Archivo:Wikiversity-logo-Snorky.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/1/1b/Wikiversity-logo-en.svg Licencia: CC BY-SA 3.0 Colaboradores: Trabajo propio Artista original: Snorky
Archivo:Wiktionary-logo-es.png Fuente: https://upload.wikimedia.org/wikipedia/commons/0/06/Wiktionary-logo-es.png Licencia: CC
BY-SA 3.0 Colaboradores: originally uploaded there by author, self-made by author Artista original: es:Usuario:Pybalo
13.7.3
Licencia de contenido
Creative Commons Attribution-Share Alike 3.0

Inteligencia Artificial Conceptos

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

Inteligencia Artificial Conceptos

Transféré par

Droits d'auteur :

Formats disponibles

Inteligencia articial-conceptos

Categoras de la inteligencia articial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Inteligencia articial convencional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Inteligencia articial computacional

La inteligencia articial y los sentimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Aplicaciones de la inteligencia articial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Investigadores en el campo de la inteligencia articial

Inteligencia articial en la ccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.10 Vase tambin

1.13 Enlaces externos

Campos de las ciencias de la computacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Teora de la informacin y cdigos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Algoritmos y estructuras de datos

Teora de lenguajes de programacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ciencias de la computacin aplicadas

Anlisis de rendimiento de computadoras . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.10 Cmputo cientco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.11 Redes de computadoras

2.3.12 Sistemas concurrentes, paralelos y distribuidos . . . . . . . . . . . . . . . . . . . . . . . .

2.3.13 Bases de datos

2.3.14 Informtica en salud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.15 Ciencia de la informacin

Relacin con otros campos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.16 Ingeniera de software

Ciencia argumentativa y propedutica . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ciencia del pensar

3.10 Enlaces externos

Intentos de medir la inteligencia

Sociedades de superdotados en el mundo

Ejemplos de sistemas inteligentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Teora de la evolucin de la inteligencia

Cundo usar estos algoritmos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Funcionamiento de un algoritmo gentico bsico . . . . . . . . . . . . . . . . . . . . . . . . . . .

Red neuronal articial

Diseo y programacin de una RNA (red neuronal articial) . . . . . . . . . . . . . . . . .

Tipologa de las RNA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Para Ingeniera Qumica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12 Reconocimiento del habla

12.1 Diseo de un sistema de RAH

12.1.2 Decodicador acstico-fontico

12.2 Caractersticas de los sistemas existentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12.4 Usos y aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12.1.3 Modelo del lenguaje

12.6 Vase tambin

12.8 Enlaces externos

13.2 Sistema bsico de reconocimiento

13.2.2 Extraccin de caractersticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13.2.3 Seleccin de variables

13.4 Notas y referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13.6 Enlaces externos

13.7 Texto e imgenes de origen, colaboradores y licencias . . . . . . . . . . . . . . . . . . . . . . . .

13.7.3 Licencia de contenido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1 Categoras de la inteligencia articial

CAPTULO 1. INTELIGENCIA ARTIFICIAL

1.2 Escuelas de pensamiento

Inteligencia articial convencional

Inteligencia articial computacional

La Inteligencia Computacional (tambin conocida como IA subsimblica-inductiva) implica desarrollo o aprendizaje

CAPTULO 1. INTELIGENCIA ARTIFICIAL

1.4 La inteligencia articial y los sentimientos

1.6. TECNOLOGAS DE APOYO

1.6 Tecnologas de apoyo

1.7 Aplicaciones de la inteligencia articial

CAPTULO 1. INTELIGENCIA ARTIFICIAL