Vous êtes sur la page 1sur 19

En ciencias de la computacin se denomina inteligencia artificial (IA) a la capacidad de razonar

de un agente no vivo.1 2 3 John McCarthy, acu el trmino en 1956, la defini: "Es la ciencia e
ingeniera de hacer mquinas inteligentes, especialmente programas de cmputo inteligentes."4
Para explicar la definicin anterior, entindase a un Agente inteligente que permite
pensar, evaluar y actuar conforme a ciertos principios deoptimizacin y consistencia, para
satisfacer algn objetivo o finalidad
Con lo cual , y de manera ms especfica la inteligencia artificial es la disciplina que se
encarga de construir procesos que al ser ejecutados sobre una arquitectura fsica producen
acciones o resultados que maximizan una medida de rendimiento determinada, basndose
en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura

La Inteligencia Artificial (IA) es la rama de las ciencias de la


computacin que se ocupa de construir sistemas que permitan
exhibir
un
comportamiento
cada
vez
ms
inteligente.
En general las definicin de inteligencia es recursiva,
etimolgicamente deriva de la voz latina "legere" que significa
recolectar y por lo tanto elegir, "intellegere" significa elegir entre
varias cosas. Inteligencia sera entonces la capacidad de discernir,
discriminar, evaluar pero a medida que el conocimiento humano se
fue ampliando, el concepto de inteligencia fue abarcando cada vez
mayor cantidad de facetas del comportamiento no automtico o
repetitivo, cada vez mas asociado a la resolucin de problemas y al
proceso creativo.
La Inteligencia Artificial trata de conseguir que los ordenadores simulen en cierta manera la inteligencia
humana. Se acude a sus tcnicas cuando es necesario incorporar en un sistema informtico,conocimiento o
caractersticas propias del ser humano.
Caractersticas de la Inteligencia Artificial.

1.

Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de los mtodos numricos es
el uso de smbolos no matemticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de
programas como los compiladores y sistemas de bases de datos,tambinprocesan smbolos y no se considera que
usen tcnicas de Inteligencia Artificial.

2.

El comportamiento de los programas no es descrito explcitamente por el algoritmo. La secuencia de pasos


seguidos por el programa es influenciado por el problema particular presente. El programa especifica cmo
encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste
con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica,
explcitamente, cmo encontrar las variables de salida para cualquier variable dada de entrada (programa de
procedimiento).

3.

Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente por las conclusiones
intermedias alcanzadas durante las consideraciones al problema especfico. Los lenguajes orientados al objeto
comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia Artificial.

4.

El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del
mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito
especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir
entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de
explicar discrepancias entre ellas.

5.

Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no
pueden trabajar con este tipo de problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a
metas como en planificacin, o el diagnstico de tareas en un sistema del mundo real: con poca informacin, con
una solucin cercana y no necesariamente exacta.

Importancia de la Inteligencia Artificial

Las computadoras son fundamentales hoy da en nuestras vidas afectando todos los
aspectos de esta. La Inteligencia Artificial se crea con la implementacin en las
computadoras para realizar mecanismo de computacin que utiliza programas fijos y
contiene una seria de reglas que lo hacen funcionar. Esto permite a las computadoras a ser
creadas en maquinas artificiales que desempean tareas montonas, repetitivas y simples
mas eficiente y efectivas que un ser humano. Estudios sobre trabajos o tareas repetitivas
han demostrado que el ser humano no le agrada este tipo de trabajo y al pasar el tiempo son
ms susceptibles a cometer errores en el mismo. Para situaciones complejas el objetivo se
hace mas complejo debido a que la inteligente artificial dada a las computadoras tienen
dificultad en entender ciertas situaciones o problemas especficos y como reaccionar a
estas. Tambien ocurre que dentro de un problema tienen la variabilidad del mismo y no
pueden adaptarece a un cambio que pueda ocurrir. Estos problemas son de suma
importancia para la Inteligencia Artificial que busca el mejorar, aprender, entender y el
razonamiento del comportamiento de las computadoras en situaciones complejas. El campo
de la ciencia de Inteligencia Artificial esta todava en etapas de crecimiento comparadas
con otras ramas de computadoras pero poco a poco el estudio del comportamiento humano
dar paso para aplicar estos conocimientos a las computadoras y estas lograr de manera
primitiva razonas sobre diferentes situaciones. La complejidad en aplicarle conocimientos
del ser humano a las computadoras es la capacidad de estos de ser impredecible y las
maneras diferentes que se actua ante una posible situacin y estas reacciones hacen que no
se pueda implementar un patrn dentro de la memoria de una computadora. Hasta ahora no

existe la posibilidad de predecir o almacenar todo tipo de comportamiento de un ser


humano a todas las situaciones que se enfrenta durante su existencia

1. Introduccin
La robtica es un concepto de dominio publico. La mayor parte de la gente tiene una idea de lo
que es la robtica, sabe sus aplicaciones y el potencial que tiene; sin embargo, no conocen el
origen de la palabra robot, ni tienen idea del origen de las aplicaciones tiles de la robtica
como ciencia.
La robtica como hoy en da la conocemos, tiene sus orgenes hace miles de anos. Nos
basaremos en hechos registrados a travs de la historia, y comenzaremos aclarando que
antiguamente los robots eran conocidos con el nombre de autmatas, y la robtica no era
reconocida como ciencia, es mas, la palabra robot surgi hace mucho despus del origen de los
autmatas.
Desde el principio de los tiempos, el hombre ha deseado crear vida artificial. Se ha empeado
en dar vida a seres artificiales que le acompaen en su morada, seres que realicen sus tareas
repetitivas, tareas pesadas o difciles de realizar por un ser humano. De acuerdo a algunos
autores, como J. J. C. Smart y Jasia Reichardt, consideran que el primer autmata en toda la
historia fue Adn creado por Dios. De acuerdo a esto, Adn y Eva son los primero autmatas
inteligentes creados, y Dios fue quien los program y les dio sus primeras instrucciones que
debieran de seguir. Dentro de lamitologa griega se puede encontrar varios relatos sobre la
creacin de vida artificial, por ejemplo, Prometeo creo el primer hombre y la primer mujercon
barro y animados con el fuego de los cielos. De esta manera nos damos cuenta de que la
humanidad tiene la obsesin de crear vida artificial desde el principio de los tiempos. Muchos
han sido los intentos por lograrlo.
Los hombres creaban autmatas como un pasatiempo, eran creados con el fin de entretener a
su dueo. Los materiales que se utilizaban se encontraban al alcance de todo el mundo, esto es,
utilizaban maderas resistentes, metales como el cobre y cualquier otro material moldeable, esto
es, que no necesitara o requiriera de algn tipo de transformacin para poder ser utilizado en la
creacin de los autmatas.
Estos primeros autmatas utilizaban, principalmente, la fuerza bruta para poder realizar sus
movimientos. A las primeras maquinas herramientas que ayudaron al hombre a facilitarle
su trabajo no se les daba el nombre de autmata, sino ms bien se les reconoca como
artefactos o simples maquinas.
o

Areas donde se aplica la robotica:

1.

Robotica Industrial. El campo de la robtica industrial puede definirse


como el estudio, diseo y uso de robots para la ejecucin de procesos
industriales. Ms formalmente, el estndar ISO, define un robot

industrial como un manipulador programable en tres o ms ejes


multipropsito, controlado automticamente y reprogramable
(monografias,2010).
2.

Robotica automotriz. La robtica automotriz es uno de esos campos en


donde precisamente las mquinas han evolucionado a la par de las
exigencias mecnicas, y por esa razn hay una gran cantidad de
estos aparatos en las plantas japonesas de produccin
industrial(iearobotics, 2008).

3. Robtica mdica. La
utilizacin de robots para la realizacin de intervenciones quirrgicas. Entre
las consecuciones de la robtica mdica, podemos destacar dos: la
teleciruga y la ciruga mnimamente invasiva(Robotecs, 2010).
4. Robtica espacial.
Esta diseado para desarrollar capacidades de la tele robtica para la
movilidad y manipulacin a distancia, uniendo la robtica y las tele
operaciones y creando nuevas tecnologas en tele robtica. (NASA, 2009).

En el campo de la medicina, o bien podramos llamarle asistencia individual


se destacan por la ayuda en la asistencia mdica de personas paralticas,
personas con partes del cuerpo amputadas. La robtica entonces cubre
campos como:
- Prtesis: creacin de manos y piernas artificiales.
- rtesis: estructuras rgidas motorizadas que se ponen alrededor del
miembro paralizado y lo arrastran en su movimiento.
- Teltesis: destinadas a los paralticos de los cuatro miembros(tetrapljicos)
y son robots que el afectado controla a distancia a partir de las zonas de
motrocidad voluntaria que haya podido conservar(por ejemplo: la lengua,
los msculos de los ojos).

Sistema experto
Los sistemas expertos son llamados as porque emulan el razonamiento de un experto en un dominio
concreto y en ocasiones son usados por stos. Con los sistemas expertos se busca una mejor calidad y
rapidez en las respuestas dando as lugar a una mejora de la productividad del experto.

Sistema Experto (SE)


Es una aplicacin informtica capaz de solucionar un conjunto de problemas que exigen un gran
conocimiento sobre un determinado tema. Un sistema experto es un conjunto de programas que,
sobre una base de conocimientos, posee informacin de uno o ms expertos en un rea
especfica. Se puede entender como una rama de la inteligencia artificial, donde el poder de
resolucin de un problema en un programa de computadora viene del conocimiento de un dominio
especfico. Estos sistemas imitan las actividades de un humano para resolver problemas de distinta
ndole (no necesariamente tiene que ser de inteligencia artificial). Tambin se dice que un SE se
basa en el conocimiento declarativo (hechos sobre objetos, situaciones) y el conocimiento de
control (informacin sobre el seguimiento de una accin).
Para que un sistema experto sea herramienta efectiva, los usuarios deben interactuar de una forma
fcil, reuniendo dos capacidades para poder cumplirlo:
1. Explicar sus razonamientos o base del conocimiento: los sistemas expertos se
deben realizar siguiendo ciertas reglas o pasos comprensibles de manera que se
pueda generar la explicacin para cada una de estas reglas, que a la vez se basan
en hechos.
2. Adquisicin de nuevos conocimientos o integrador del sistema: son mecanismos de
razonamiento que sirven para modificar los conocimientos anteriores. Sobre la base
de lo anterior se puede decir que los sistemas expertos son el producto de
investigaciones en el campo de la inteligencia artificial ya que sta no intenta
sustituir a los expertos humanos, sino que se desea ayudarlos a realizar con ms
rapidez y eficacia todas las tareas que realiza.
Debido a esto en la actualidad se estn mezclando diferentes tcnicas o aplicaciones
aprovechando las ventajas que cada una de estas ofrece para poder tener empresas ms seguras.
Un ejemplo de estas tcnicas sera los agentes que tienen la capacidad de negociar y navegar a
travs de recursos en lnea; y es por eso que en la actualidad juega un papel preponderante en los
sistemas expertos.

Estructura bsica de un SE
Un Sistema Experto est conformado por:

Base de conocimientos (BC): Contiene conocimiento modelado


extrado del dilogo con un experto.

Base de hechos (Memoria de trabajo): contiene los hechos sobre un


problema que se ha descubierto durante el anlisis.

Motor de inferencia: Modela el proceso de razonamiento humano.

Mdulos de justificacin: Explica el razonamiento utilizado por el


sistema para llegar a una determinada conclusin.

Interfaz de usuario: es la interaccin entre el SE y el usuario, y se


realiza mediante el lenguaje natural.
[editar]

Tipos de SE
Principalmente existen tres tipos de sistemas expertos:

Basados en reglas previamente establecidas.

Basados en casos o CBR (Case Based Reasoning).

Basados en redes bayesianas.

En cada uno de ellos, la solucin a un problema planteado se obtiene:

Aplicando reglas heursticas apoyadas generalmente en lgica


difusa para su evaluacin y aplicacin.

Aplicando el razonamiento basado en casos, donde la solucin a un


problema similar planteado con anterioridad se adapta al nuevo
problema.

Aplicando redes bayesianas, basadas en estadstica y el teorema de


Bayes.
[editar]Ventajas

y limitaciones de los Sistemas

Expertos
[editar]Ventajas

Permanencia: A diferencia de un experto humano un SE (sistema


experto) no envejece, y por tanto no sufre prdida de facultades con el
paso del tiempo.

Replicacin: Una vez programado un SE lo podemos replicar infinidad


de veces.

Rapidez: Un SE puede obtener informacin de una base de datos y


realizar clculos numricos mucho ms rpido que cualquier ser
humano.

Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias
a la capacidad de duplicacin el coste finalmente es bajo.

Entornos peligrosos: Un SE puede trabajar en entornos peligrosos o


dainos para el ser humano.

Fiabilidad: Los SE no se ven afectados por condiciones externas, un


humano s (cansancio, presin, etc.).

Consolidar varios conocimientos.

Apoyo Acadmico.
[editar]Limitaciones

Sentido comn: Para un Sistema Experto no hay nada obvio. Por


ejemplo, un sistema experto sobre medicina podra admitir que un
hombre lleva 40 meses embarazado, a no ser que se especifique que esto
no es posible ya que un hombre no puede gestar hijos.

Lenguaje natural: Con un experto humano podemos mantener una


conversacin informal mientras que con un SE no podemos.

Capacidad de aprendizaje: Cualquier persona aprende con relativa


facilidad de sus errores y de errores ajenos, que un SE haga esto es muy
complicado.

Perspectiva global: Un experto humano es capaz de distinguir cuales


son las cuestiones relevantes de un problema y separarlas de cuestiones
secundarias.

Capacidad sensorial: Un SE carece de sentidos.

Flexibilidad: Un humano es sumamente flexible a la hora de aceptar


datos para la resolucin de un problema.

Conocimiento no estructurado: Un SE no es capaz de manejar


conocimiento poco estructurado.
[editar]

Tareas que realiza un Sistema Experto


[editar]Monitorizacin
La monitorizacin es un caso particular de la interpretacin, y consiste en la comparacin continua
de los valores de las seales o datos de entrada y unos valores que actan como criterios de
normalidad o estndares. En el campo del mantenimiento predictivo los Sistemas Expertos se
utilizan fundamentalmente como herramientas de diagnstico. Se trata de que el programa pueda
determinar en cada momento el estado de funcionamiento de sistemas complejos, anticipndose a
los posibles incidentes que pudieran acontecer. As, usando un modelo computacional del
razonamiento de un experto humano, proporciona los mismos resultados que alcanzara dicho
experto.
[editar]Diseo
Diseo es el proceso de especificar una descripcin de un artefacto que satisface varias
caractersticas desde un nmero de fuentes de conocimiento.
El diseo se concibe de distintas formas:

El diseo en ingeniera es el uso de principios cientficos, informacin tcnica e


imaginacin en la definicin de una estructura mecnica, mquina o sistema que ejecute
funciones especficas con el mximo de economa y eficiencia.

El diseo industrial busca rectificar las omisiones de la ingeniera, es un intento


consciente de traer forma y orden visual a la ingeniera de hardware donde la tecnologa
no provee estas caractersticas.

Los SE en diseo ven este proceso como un problema de bsqueda de una solucin ptima o
adecuada. Las soluciones alternas pueden ser conocidas de antemano o se pueden generar
automticamente probndose distintos diseos para verificar cules de ellos cumplen los
requerimientos solicitados por el usuario, sta tcnica es llamada generacin y prueba, por lo
tanto estos SE son llamados de seleccin. En reas de aplicacin, la prueba se termina cuando se
encuentra la primera solucin; sin embargo, existen problemas ms complejos en los que el
objetivo es encontrar la solucin ptima.

[editar]Planificacin
La planificacin es la realizacin de planes o secuencias de acciones y es un caso particular de la
simulacin. Est compuesto por un simulador y un sistema de control. El efecto final es la
ordenacin de un conjunto de acciones con el fin de conseguir un objetivo global.
Los problemas que presentan la planificacin mediante SE son los siguientes:

Existen consecuencias no previsibles, de forma que hay que explorar y explicar


varios planes.

Existen muchas consideraciones que deben ser valoradas o incluirles un factor de


peso.

Suelen existir interacciones entre planes de subobjetivos diversos, por lo que deben
elegirse soluciones de compromiso.

Trabajo frecuente con incertidumbre, pues la mayora de los datos con los que se
trabaja son ms o menos probables pero no seguros.

Es necesario hacer uso de fuentes diversas tales como bases de datos.


[editar]Control

Un sistema de control participa en la realizacin de las tareas de interpretacin, diagnstico y


reparacin de forma secuencial. Con ello se consigue conducir o guiar un proceso o sistema. Los
sistemas de control son complejos debido al nmero de funciones que deben manejar y el gran
nmero de factores que deben considerar; esta complejidad creciente es otra de las razones que
apuntan al uso del conocimiento, y por tanto de los SE.
Cabe aclarar que los sistemas de control pueden ser en lazo abierto, si en el mismo la
realimentacin o el paso de un proceso a otro lo realiza el operador, o en lazo cerrado si no tiene
que intervenir el operador en ninguna parte del mismo. Reparacin, correcta o terapia.
La reparacin, correccin, terapia o tratamiento consiste en la proposicin de las acciones
correctoras necesarias para la resolucin de un problema. Los SE en reparacin tienen que cumplir
diversos objetivos, como son: Reparacin lo ms rpida y econmicamente posible. Orden de las
reparaciones cuando hay que realizar varias. Evitar los efectos secundarios de la reparacin, es
decir la aparicin de nuevas averas por la reparacin.
[editar]Simulacin
La simulacin es una tcnica que consistente en crear modelos basados en hechos, observaciones
e interpretaciones sobre la computadora, a fin de estudiar el comportamiento de los mismos
mediante la observacin de las salidas para un conjunto de entradas. Las tcnicas tradicionales de

simulacin requieren modelos matemticos y lgicos, que describen el comportamiento del sistema
bajo estudio.
El empleo de los SE para la simulacin viene motivado por la principal caracterstica de los SE, que
es su capacidad para la simulacin del razonamiento de un experto humano, que es un proceso
complejo.
En la aplicacin de los SE para simulacin hay que diferenciar cinco configuraciones posibles:
1. Un SE puede disponer de un simulador con el fin de comprobar las soluciones y en
su caso rectificar el proceso que sigue.
2. Un sistema de simulacin puede contener como parte del mismo a un SE y por lo
tanto el SE no tiene que ser necesariamente de simulacin.
3. Un SE puede controlar un proceso de simulacin, es decir que el modelo est en la
base de conocimiento del SE y su evolucin es funcin de la base de hechos, la
base de conocimientos y el motor de inferencia, y no de un conjunto de ecuaciones
aritmtico lgicas.
4. Un SE puede utilizarse como consejero del usuario y del sistema de simulacin.
5. Un SE puede utilizarse como mscara o sistema frontal de un simulador con el fin de
que el usuario reciba explicacin y justificacin de los procesos.
[editar]Instruccin
Un sistema de instruccin realizara un seguimiento del proceso de aprendizaje. El sistema detecta
errores ya sea de una persona con conocimientos e identifica el remedio adecuado, es decir,
desarrolla un plan de enseanza que facilita el proceso de aprendizaje y la correccin de errores.
[editar]Recuperacin

de informacin

Los Sistemas Expertos, con su capacidad para combinar informacin y reglas de actuacin, han
sido vistos como una de las posibles soluciones al tratamiento y recuperacin de informacin, no
slo documental. La dcada de 1980 fue prolija en investigacin y publicaciones sobre
experimentos de este orden, inters que continua en la actualidad.
Lo que diferencia a estos sistemas de un sistema tradicional de recuperacin de informacin es
que stos ltimos slo son capaces de recuperar lo que existe explcitamente, mientras que un
Sistema Experto debe ser capaz de generar informacin no explcita, razonando con los elementos
que se le dan. Pero la capacidad de los SE en el mbito de la recuperacin de la informacin no se
limita a la recuperacin. Pueden utilizarse para ayudar al usuario, en seleccin de recursos de
informacin, en filtrado de respuestas, etc. Un SE puede actuar como un intermediario inteligente
que gua y apoya el trabajo del usuario final.

Lgica difusa
La lgica difusa o lgica heuristica se basa en lo relativo de lo observado como posicin diferencial.
Este tipo de lgica toma dos valores aleatorios, pero contextualizados y referidos entre s. As, por
ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente se ha tomado
el valor de persona baja y se ha establecido en 1 metro. Ambos valores estn contextualizados a
personas y referidos a una medida mtrica lineal.

Funcionamiento
La lgica difusa ("fuzzy logic" en ingls) se adapta mejor al mundo real en el que vivimos, e incluso
puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy
alto", "el ritmo del corazn est un poco acelerado", etc.
La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de nuestro
lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco").
En la teora de conjuntos difusos se definen tambin las operaciones
de unin, interseccin, diferencia, negacin o complemento, y otras operaciones sobre conjuntos
(ver tambin subconjunto difuso), en los que se basa esta lgica.
Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus elementos, que
indican en qu medida el elemento forma parte de ese conjunto difuso. Las formas de las funciones
de pertenencia ms tpicas son trapezoidal, lineal y curva.
Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente), donde el
antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o resultado de operar
con ellos. Sirvan como ejemplos de regla heurstica para esta lgica (ntese la importancia de las
palabras "muchsimo", "drsticamente", "un poco" y "levemente" para la lgica difusa):

SI hace muchsimo calor ENTONCES aument drsticamente la temperatura.

SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.

Los mtodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los
resultados de dichos mtodos son un rea final, fruto de un conjunto de reas solapadas entre s
(cada rea es resultado de una regla de inferencia). Para escoger una salida concreta a partir de
tanta premisa difusa, el mtodo ms usado es el del centroide, en el que la salida final ser el
centro de gravedad del rea total resultante.
Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser formuladas
por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso de redes
neuronales para fortalecer las futuras tomas de decisiones.

Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de un
sistema. El motor de inferencias se basa en chips difusos, que estn aumentando
exponencialmente su capacidad de procesamiento de reglas ao a ao.
Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente manera:

Funcionamiento de un sistema de control difuso.

En la figura, el sistema de control hace los clculos con base en sus reglas heursticas,
comentadas anteriormente. La salida final actuara sobre el entorno fsico, y los valores sobre el
entorno fsico de las nuevas entradas (modificado por la salida del sistema de control) seran
tomadas por sensores del sistema.
Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un coche que se
autorregula segn las necesidades: Los chips difusos del climatizador recogen los datos de
entrada, que en este caso bien podran ser la temperatura y humedad simplemente. Estos datos se
someten a las reglas del motor de inferencia (como se ha comentado antes, de la forma SI...
ENTONCES... ), resultando un rea de resultados. De esa rea se escoger el centro de gravedad,
proporcionndola como salida. Dependiendo del resultado, el climatizador podra aumentar la
temperatura o disminuirla dependiendo del grado de la salida.

Lgica difusa en inteligencia artificial


En Inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la resolucin de una
variedad de problemas, principalmente los relacionados con control de procesos industriales
complejos y sistemas de decisin en general, la resolucin y la compresin de datos. Los sistemas
de lgica difusa estn tambin muy extendidos en la tecnologa cotidiana, por ejemplo en cmaras
digitales, sistemas de aire acondicionado, lavarropas, etc. Los sistemas basados en lgica difusa
imitan la forma en que toman decisiones los humanos, con la ventaja de ser mucho ms rpidos.
Estos sistemas son generalmente robustos y tolerantes a imprecisiones y ruidos en los datos de
entrada. Algunos lenguajes de programacin lgica que han incorporado la lgica difusa seran por
ejemplo las diversas implementaciones de Fuzzy PROLOG o el lenguaje Fril.

Consiste en la aplicacin de la lgica difusa con la intencin de imitar el razonamiento humano en


la programacin de computadoras. Con la lgica convencional, las computadoras pueden
manipular valores estrictamente duales, como verdadero/falso, s/no o ligado/desligado. En la
lgica difusa, se usan modelos matemticos para representar nociones subjetivas,
como caliente/tibio/fro, para valores concretos que puedan ser manipuladas por los ordenadores.
En este paradigma, tambin tiene un especial valor la variable del tiempo, ya que los sistemas de
control pueden necesitar retroalimentarse en un espacio concreto de tiempo, pueden necesitarse
datos anteriores para hacer una evaluacin media de la situacin en un perodo anterior...

Ramas de Inteligencia Artificial


Aqu se brinda una lista de algunos de las muchas que existen dentro del estudio de la
Inteligencia Artificial e inclusive muchos de estos son considerados conceptos o tpicos
por muchos.
Inteligencia Artificial Logstica
Sistemas con programacin que tiene una base de datos con conocimiento general sobre el
mundo que los rodean y dentro de estos tienen data de cmo reaccionar a las situaciones
especficas. El fin de estos sistemas es representar en oraciones soluciones a problemas
mediante un lenguaje matemtico tal como algoritmo. El nfasis se hace mediante el
anlisis de informacin y la reaccin de este segn su fuente de datos.
Investigacin
Los sistemas de Inteligencia Artificial muchos de ellos se basan en examinar grandes
nmeros de posibilidades dentro de la bsqueda de una solucin o movimiento por parte
del sistema. Un ejemplo de estos es la capacidad de analizar un movimiento de fichas en un
juego de ajedrez, donde evala millones de posibilidad en un segundo y de acuerdo al
razonamiento de esta toma su decisin.
Representacin:
Los sistemas van a ilustrar en sus tareas hechos del mundo que los rodean y los que estos
tengan la data suficiente para poder representar la informacin en un lenguaje matemtico.
Inferir:
Los sistemas en ciertas ocasiones obtiene datos que son factibles pero en a veces estos no
existen para poder lograr entender el proceso de decisin. El ser esto as el sistema basado
en acciones pasadas puede llegar a deducir ciertas tareas o soluciones de acuerdo con

clculos matemticos hechas por el sistema. Para lograr estos tiene que haber estado en
situaciones similares de lo contrario no reaccionara a la situacin. Esto es lo que se le
conoce Inferencia Monotonica donde se llega a una conclusin marroneando las
alternativas y de acuerdo a la situacin se puede cambiar.
El conocimiento, sentido comn y razonamiento
Aunque realmente estn lejos del ser humano en cuanto a estas capacidades el fin de toda al
Indiligencia Artificial comienza y termina aqu. Menciona esto porque el lograr que una
computadora logre a analizar y reaccionar a diferentes situaciones este es el fin comn
de todo este campo.
Aprendizaje por experiencia
Los sistemas van aprender a reaccionar y actuar de acuerdo a situaciones anteriores, es
decir el sistema tomara en cuenta decisiones pasadas para reaccionar a situaciones
corrientes. A medida que va obteniendo experiencia en situaciones similares las archiva en
su base de datos como memoria.
Planificacin
Los sistemas en este campo contienen data que contiene una serie de niveles y de acuerdo a
la data en estos niveles es que el sistema reacciona a la situacin. El sistema reacciona a la
situacin mediante el nivel que este la situacin en particular y en este busca en su base de
datos las alternativas para este.
Epistemologa
Es el estudio de los diferentes conocimientos que se tiene para resolver problemas en
nuestro medio ambiente.
Ontologa
Estudio de las cosas existentes en el mundo, donde se estudia las diferentes clases de
objetos y su relacin con el ambiente que los rodean.
Programas genticos
Son sistema que tiene una programacin tcnica que resuelve tareas de acuerdo a las
alternativas utilizadas previamente en otras tareas o problemas.

II Ramas de la Inteligencia Artificial

1) Origen

El nacimiento de la Inteligencia Artificial se sita en una reunin celebrada en


el Dartmouth College (Hanover, EEUU) en 1956, en la que se plante la
posibilidad de construir mquinas inteligentes. Llama la atencin que en esa fecha la
informtica apenas se haba desarrollado, y ya se planteaba la posibilidad de disear
mecanismos inteligentes. En aquella reunin se encontraban entre otros,
Claude Shannon, padre de la Teora de la Informacin; Marvin Minsky, que ms tarde
demostrara las limitaciones de ciertos modelos de redes neuronales; Herbert Simon,
premio Nobel de Economa quien adems desarroll el primer programa de Inteligencia
Artificial y un largo etctera de investigadores.

2) Tronco comn con varias ramas

Desde entonces son muchas las ramas que surgen del tronco comn de la Inteligencia
Artificial. Las Ciencias de la Computacin han asistido continuamente al
nacimiento de nuevas ramas y se habla de sistemas expertos, vida artificial,
algoritmos genticos, computacin molecular o redes neuronales. En algunas de estas
ramas los resultados tericos van muy por encima de las realizaciones prcticas.

3) Los sistemas expertos

Los sistemas expertos son la rama ms conocida. Parten de la premisa de que los
expertos humanos utilizan gran cantidad de conocimientos especficos de un campo
que deben ser incorporados en el sistema experto. Para los defensores ms radicales
de este paradigma, la inteligencia es un programa que debe funcionar
independientemente del lugar donde se ejecute: ordenador o cerebro.
La forma deductiva en que representan el conocimiento, habitualmente
mediante smbolos y reglas, es apropiada cuando es posible extraer un conjunto de
reglas y normas. En la Contabilidad existen subdominios en los que es fcil o al menos
posible extraer una serie de reglas y otros en los que es menos factible.

4) Las redes neuronales artificiales

Las redes neuronales artificiales tratan de representar el conocimiento replicando la


estructura neuronal del cerebro humano. En ellas lo fundamental es el aprendizaje
mediante patrones o ejemplos.
Las redes neuronales artificiales tratan de resolver tareas como el reconocimiento de
patrones, problemas de optimizacin o clasificacin que la computacin algortmica
tradicional e Inteligencia Artificial convencional no han resuelto de un modo
suficientemente satisfactorio.
En las redes neuronales artificiales el conocimiento no se programa de forma directa en
la red sino que se adquiere mediante ejemplos por medio de una regla de aprendizaje
que va ajustando parmetros. Como vemos es un mtodo inductivo muy diferente
al que siguen los sistemas expertos. Diversas parcelas de la Contabilidad utilizan
frecuentemente el mtodo inductivo por lo que se justifica conocer qu nos pueden
ofrecer las redes neuronales.

La inteligencia artificial es un campo amplio que incluye varios elementos fundamentales,


tales como: los sistemas expertos, la robtica, los sistemas de visin, el procesamiento
del lenguaje natural, los sistemas de aprendizaje y las redes neuronales.
Un sistema experto consiste de equipos y software que almacenan conocimientos y
hacen inferencias, en forma similar a un experto humano.
La robtica incluye desarrollar dispositivos mecnicos o de computacin que tengan la
capacidad de realizar funciones y tareas que requieren de un alto grado de precisin o
que son tediosas o peligrosas para los humanos.
Los sistemas de visin incluyen equipos y software que permiten a las computadoras
capturar, almacenar y manipular imgenes visuales y fotografas.
El procesamiento de lenguaje natural le permite a la computadora comprender y
reaccionar a instrucciones o comandos elaborados en un lenguaje natural, tal como
algn idioma.
Los sistemas de aprendizaje usan una combinacin de equipos y software que le
permiten a la computadora cambiar su modo de funcionar o reaccionar a situaciones,
basado en la retroalimentacin que recibe.
Una red neuronal es un sistema de computacin que puede actuar en la misma forma
que funciona el cerebro humano, o simularlo.

Objetivos de la Inteligencia Artificial


Ciencia multidisciplinar: matemticas, filosofa, psicologa e
ingeniera
Objetivos de ingeniera:
desarrollo de sistemas inteligentes mejorando otros anteriores
para los que no existe un mtodo algortmico
Objetivos cientficos:
comprender mejor el funcionamiento de la inteligencia, tanto
en el hombre como en las mquinas (filosofa, psicologa)
z Es la inteligencia independiente del hardware?
z Cmo se interrelacionan las estructuras mentales?

z Qu reglas las gobiernan?

5) La Vida Artificial
La Vida Artificial puede considerarse un paradigma emergente de la Inteligencia
Artificial: se simulan realidades virtuales que evolucionan en entornos mutantes.
Los algoritmos genticos son los representantes ms conocidos de la Vida Artificial.

6) Aplicaciones en la empresa
De entre todos los paradigmas y estrategias de la Inteligencia Artificial, actualmente
dos tienen el mayor inters para las aplicaciones en la empresa: los sistemas
expertos y las redes neuronales artificiales. Estos sistemas se pueden combinar,
por lo que una solucin prctica es utilizar sistemas mixtos que incorporan un
mdulo de sistema experto con sus reglas junto a otros mdulos neuronales y
estadsticos.

Ramas de la IA
Lgico-matemtica
Psicologa
Informtica
Simulacin
La Inteligencia Artificial
Bsqueda de la imitacin de las funciones lgicas
mediante el empleo de ordenadores
Utilizacin de patrones de lgica clsica en la
inteligencia artificial
Sistemas artificiales de representacin y
recuperacin del conocimiento
Redes neuronales artificiales
Reconocimiento de formas

Visin artificial
Razonamiento artificial
Sistemas inteligentes
Qu es la inteligencia?
La inteligencia natural no tiene una fcil definicin
Hofstadter (1987): Inteligencia es la habilidad para
z responder flexiblemente a diferentes situaciones,
z saber aprovechar circunstancias fortuitas,
z dar sentido a mensajes ambiguos o contradictorios,
z encontrar similitudes entre situaciones diferentes
z generar nuevos conceptos e ideas innovadoras
. CARACTERSTICAS DE LA INTELIGENCIA ARTIFICIAL
1.

Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de


los mtodos numricos es el uso de smbolos no matemticos, aunque no es suficiente
para distinguirlo completamente. Otros tipos de programas como los compiladores y
sistemas de bases de datos, tambin procesan smbolos y no se considera que usen
tcnicas de Inteligencia Artificial.

2.
3.

El comportamiento de los programas no es descrito explcitamente por el algoritmo. La


secuencia de pasos seguidos por el programa es influenciado por el problema particular
presente. El programa especifica cmo encontrar la secuencia de pasos necesarios para
resolver un problema dado (programa declarativo). En contraste con los programas que
no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica,
explcitamente, cmo encontrar las variables de salida para cualquier variable dada de
entrada (programa de procedimiento).

4.

El razonamiento basado en el conocimiento, implica que estos programas incorporan


factores y relaciones del mundo real y del mbito del conocimiento en que ellos operan.
Al contrario de los programas para propsito especfico, como los de contabilidad y
clculos cientficos; los programas de Inteligencia Artificial pueden distinguir entre el
programa de razonamiento o motor de inferencia y base de conocimientos dndole la
capacidad de explicar discrepancias entre ellas.

5.

Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia


Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la
resolucin de conflictos en tareas orientadas a metas como en planificacin, o el
diagnstico de tareas en un sistema del mundo real: con poca informacin, con una
solucin cercana y no necesariamente exacta.

La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada
principalmente en el campo industrial; comprensin de lenguajes y traduccin; visin en
mquinas que distinguen formas y que se usan en lneas de ensamblaje; reconocimiento de
palabras y aprendizaje de mquinas; sistemas computacionales expertos.
Los sistemas expertos, que reproducen el comportamiento humano en un estrecho mbito del
conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e
indican un tratamiento, los que interpretan datos sismolgicos en exploracin geolgica y los
que configuran complejos equipos de alta tecnologa.
Tales tareas reducen costos, reducen riesgos en la manipulacin humana en reas peligrosas,
mejoran el desempeo del personal inexperto, y mejoran el control de calidad sobre todo en el
mbito comercial.
4. FUNCIONAMIENTO BSICO DE LA INTELIGENCIA ARTIFICIAL
Diferentes teoras:
1.
2.

Construir rplicas de la compleja red neuronal del cerebro humano


(bottom-up).

3.

Intentar imitar el comportamiento del cerebro humano con un


computador (top-down).