Académique Documents
Professionnel Documents
Culture Documents
INTELIGENCIA COMPUTACIONAL
INSPIRADA EN LA VIDA
INTRODUCCIN....................................................... 8
LA COMPUTACIN.................................................... 10
Algoritmos y mquinas de Turing.......................... 15
Complejidad computacional................................. 18
Demostraciones con ordenador............................ 20
INTELIGENCIA COMPUTACIONAL................................ 33
Redes neuronales artificiales................................ 38
Mquinas de vectores soporte ............................. 45
Computacin evolutiva........................................ 47
Computacin de colonias de hormigas................... 53
Computacin de enjambres ................................ 59
Aprendizaje automtico....................................... 63
Lgica difusa..................................................... 66
TENDENCIAS DE LA IC.............................................. 83
CONCLUSIONES....................................................... 91
REFERENCIAS.......................................................... 94
INTELIGENCIA COMPUTACIONAL INSPIRADA EN LA VIDA
6
tica. Dos aos despus me traslad a la Universidad de
Sevilla. Posteriormente, con la creacin de la Facultad de
Informtica en la Universidad de Mlaga, me reincorpor
a la misma con mucha ilusin y con la suerte de tener
excelentes compaeros. Gracias al esfuerzo de todos, de
ella han egresado ingenieros informticos de reconocido
prestigio en las tres titulaciones y dicho centro ha esta-
do ocupando las primeras posiciones en el ranking de
centros a nivel nacional. Es a este centro al que tengo la
gran satisfaccin de representar en este acto de inaugu-
racin del curso 2010-2011.
7
INTRODUCCIN
8
mecanismos biolgicos o fsicos, como la computacin
cuntica o la computacin ADN, que utilizan capacida-
des de procesar la informacin propias de los sistemas
biolgicos y fsicos para reemplazar o complementar los
actuales ordenadores basados en el silicio. Hay cuatro
caractersticas de los sistemas biolgicos que son im-
portantes para el desarrollo de estas metforas. La ar-
quitectura se refiere a la forma o estructura del sistema,
la funcionalidad se corresponde con su comportamiento,
los mecanismos constituyen el funcionamiento conjunto
de las partes y la organizacin se refiere a la forma en la
que se expresan las actividades del sistema en la din-
mica completa.
9
LA COMPUTACIN
Albert Einstein
10
fuese formulada sobre un sistema finito de axiomas es-
cogidos adecuadamente para que fuera consistente, es
decir, que cualquier enunciado lgico resultara ser ver-
dadero o falso. De esta forma, dada una representacin
formal de un enunciado matemtico, se podra disear un
algoritmo (programa) que determinara si el enunciado es
verdadero (teorema) o falso (no vlido lgicamente). Si
tal programa existiera, cualquier conjetura se podra pro-
bar o refutar expresndola formalmente y construyendo
mecnicamente una demostracin, de manera que todo el
razonamiento matemtico se basara en un fundamento
lgico donde todos los enunciados verdaderos seran de-
mostrables, al igual que los falsos, y cada enunciado sera
verdadero o falso. As cualquier teora matemtica estara
formada por un conjunto de axiomas y un conjunto de
reglas de inferencia que permitiran generar enunciados
verdaderos adicionales a partir de enunciados verdaderos
ya establecidos. En teora, este tipo de demostraciones se
podran realizar con un ordenador ya que dada una repre-
sentacin formal de un enunciado matemtico el proble-
ma se reduce a disear un algoritmo (programa).
11
ser consistente, es decir, exento de contradicciones, y lo
suficientemente potente para disponer de un algoritmo
que decida la verdad o falsedad de cualquier enunciado
matemtico.
12
y la comprensin humanas no pueden reducirse a un con-
junto de reglas computacionales ya que el ser humano
utiliza mtodos vlidos de razonamiento matemtico que
no estn formalizados de acuerdo con un sistema de re-
glas aceptado de antemano.
13
la diferencia de las mquinas calculadoras. La idea de su
construccin estaba motivada porque la elaboracin de
tablas matemticas era un proceso tedioso y propenso a
errores, aunque nunca lleg a construirla debido a que
un comit de la Asociacin Britnica para el Avance de la
Ciencia recomend no construirla y Babbage no tuvo ac-
ceso a fondos pblicos. Los escpticos le pusieron el so-
brenombre de la locura de Babbage pues su diseo re-
quera miles de engranajes y mecanismos que cubriran
el rea de un campo de ftbol y necesitara accionarse
con una locomotora. La mquina analtica fue construida
cien aos despus de la muerte de Babbage por un equi-
po de ingenieros en 1989. Algunos lo consideran el padre
de los ordenadores modernos.
14
de los matemticos ms influyentes del siglo XX, autor de
relevantes contribuciones a la informtica y considerado
el padre de los ordenadores modernos. En 1945 public
un artculo acerca del almacenamiento de programas. El
concepto de programa almacenado permiti la lectura
de un programa dentro de la memoria del ordenador y a
continuacin la ejecucin de las instrucciones del mismo
sin tener que volver a escribirlas. Aunque en 1944 se
construy Mark I en la Universidad de Harvard, diseado
por Howard H. Aiken, no est considerado como un
ordenador electrnico debido a que no era de propsito
general y su funcionamiento estaba basado en dispositivos
electromecnicos. Un ordenador digital est basado en
dispositivos biestables, es decir, que slo pueden tomar
dos valores posibles: 0 1. Presenta la ventaja de poder
ejecutar diferentes programas para diferentes problemas,
sin necesidad de modificar fsicamente la mquina. Los
ordenadores actuales se ajustan al modelo propuesto por
John von Neumann. Una caracterstica importante de este
modelo es que tanto los datos como los programas se
almacenan en la memoria antes de ser utilizados.
15
tencia de algoritmos efectivos para problemas particula-
res. Los resultados que se prueben dentro de esta teora
deben ser aplicables a todas las arquitecturas de orde-
nadores, independientemente de sus parmetros, como
pueden ser la velocidad del procesador o el tamao de
la memoria. Para ello tiene como base el concepto de
modelo de computacin.
algoritmos.
16
Las races de la computacin se encuentran en
los trabajos de Hilbert, Gdel, Rosser, Kleene, Church,
Turing y Post. Ejemplos de modelos de computacin son
las mquinas de Turing, las mquinas RAM, las mquinas
de Post, los algoritmos de Markov, etc. Para dar una
definicin matemticamente precisa de algoritmo, Alan
Turing ide un dispositivo imaginario al que denomin
Mquina de Computacin Lgica [28], pero que ha recibido
en su honor el nombre de Mquina de Turing, y defini
un algoritmo como cualquier conjunto de instrucciones
para dicha mquina. Es un modelo matemtico abstracto
que formaliza el concepto de algoritmo. Gdel defini
un algoritmo como una secuencia de reglas para formar
funciones matemticas complicadas a partir de funciones
matemticas ms simples y Church utiliz un formalismo
denominado el -clculo. Conforme los investigadores se
dieron cuenta de que si algo se poda calcular con una
mquina tambin se poda calcular con otra de ellas se
estableci la conocida Tesis de ChurchTuring:
17
se puede formular de forma equivalente: Qu funciones
se pueden computar? La respuesta a esta pregunta son
las funciones -recursivas. Es decir, un conjunto reduci-
do de funciones.
Complejidad computacional
18
se NP mediante una mquina de Turing determinstica
requieren un tiempo exponencial, es decir, no se puede
encontrar la solucin en un tiempo razonable. En la prc-
tica existe problemas que pertenecen a la clase NP, tan
sencillos de enunciarlos como el problema del viajante
de comercio que consiste en encontrar la ruta ms corta
que pasa por N ciudades y vuelve a la ciudad original
sin pasar dos veces por la misma ciudad. El nmero de
rutas posibles es N!, un nmero inmensamente grande
para valores de N superiores a treinta. La principal pre-
gunta, an sin respuesta, en teora de la computacin se
refiere a la relacin entre estas dos clases: Es la clase
P igual a la clase NP? Si alguien disea un algoritmo
que resuelva un problema de la clase NP en tiempo po-
linomial mediante una mquina de Turing determinstica
entonces demostrara que todos los problemas de la cla-
se NP tambin se pueden resolver en tiempo polinomial.
Despus de ms de 50 aos nadie ha sido capaz de dar
una respuesta a dicha cuestin. Como no se ha podido
disear dicho algoritmo en todo ese tiempe parece que
dichas clases son diferentes. Este es uno de los grandes
problemas de la matemtica que an no se ha resuelto.
El Instituto de Matemticas Clay dedicado a incrementar
y diseminar el conocimiento matemtico est ofreciendo
un premio de un milln de dlares a la primera persona
que logre dar una demostracin de alguno de los siete
problemas del milenio. El primero consiste en demostrar
INDICE
19
conjetura de Poincar, ha sido resuelto por el matem-
tico ruso Grigori Perelman. En el 2002 anunci haberla
resuelto a travs de dos publicaciones en un portal de
Internet y en el ao 2006 se le otorg la medalla Fields,
considerada como el Nobel de las matemticas, la cual
no acept, ni el premio de un milln de dlares, pues
estima que no necesita otro reconocimiento adicional a
la propia validez de su trabajo.
20
ayuda de un ordenador. Inicialmente, su demostracin
no fue aceptada por todos los matemticos, ya que las
pruebas realizadas con ayuda de un ordenador no se
podan comprobar manualmente. En el 2005, el teorema
fue demostrado por Georges Gonthiers con software de
propsito general para la prueba automtica de teore-
mas. El teorema de los cuatro colores se ha destacado
tambin por el gran nmero de demostraciones falsas
que se han realizado a lo largo de la historia. Tambin es
cierto que la inmensa mayora de los mapas se pueden
colorear con tres, o menos colores.
21
PARADIGMAS DE LA INTELIGENCIA
ARTIFICIAL
San Agustn
22
el conocimiento, incluyendo las verdades morales, en un
sistema deductivo. En 1854, George Boole desarroll los
fundamentos de la lgica de predicados. En los aos cin-
cuenta del pasado siglo, Alan Turing estudi cmo las
mquinas se podran usar para imitar los procesos del
cerebro humano [28]. Sus estudios condujeron a una de
las primeras publicaciones sobre IA.
23
problemas en matemtica aplicada que su ordenador
no pudiera resolver. Hoy da hay muchos problemas de
matemtica aplicada que no se pueden resolver ni con
un supercomputador. Como dijo Julio Verne, el progreso
cientfico est impulsado por expectativas exageradas.
Sin embargo, disponemos ahora de una amplia coleccin
de modelos, metodologas y tcnicas que facilitan la
resolucin de problemas y la realizacin de tareas de
alta complejidad. En 1952, Ashby propona el objetivo
ms realista de construir dispositivos que actuasen
como amplificadores de la inteligencia humana. La
inteligencia artificial ha ido evolucionando de forma
natural hacia dicho objetivo. El avance de la IA est
limitado por los avances en las tcnicas de modelado,
formalizacin y programacin, y por la evolucin de
los ordenadores y los dispositivos electromecnicos
(robots) en los que se instalan los programas. Las
tareas y mtodos propios de la IA contemplan la
imprecisin, descripciones poco claras e incompletas y
con alto grado de dudas y errores potenciales, debidos
a su complejidad.
24
ciencia. La inteligencia humana est dotada de sentido
comn o de propsito general y no sabemos, deca, como
incorporar dicho sentido.
25
IBM que juega al ajedrez utilizando reglas lgicas y ex-
plorando parte del espacio de soluciones. Fue el primer
ordenador que venci a un campen de mundo como
Gary Kasparov en una memorable partida el da 10 de
febrero de 1996, aunque Kasparov gan 3 y empat 2
de las siguientes partidas. Posteriormente se mejor el
ordenador Deep Blue y ste consigui vencer a Gary
Kasparov en mayo de 1997. Dicho ordenador era ca-
paz de calcular 200 millones de posiciones por segundo.
Sin embargo, aunque el hombre tiene una capacidad
de clculo considerablemente inferior, ste la compensa
con su intuicin, de la que carece el ordenador. En qu
consiste esa misteriosa cualidad que parece imposible
atribuir a las mquinas y que llamamos intuicin?
26
incluso las formas ms simples de redes neuronales
artificiales pueden computar, en principio, funciones
aritmticas y lgicas. Dicho paradigma est inspirado en
el conocimiento actual que tenemos del funcionamiento
del cerebro. Este trabajo junto con las aportaciones
de Jonh von Neumann, sienta las bases de la visin
ciberntica de la IA que busca los fundamentos de la
inteligencia en los mecanismos genticos, moleculares,
neuronales, metablicos y sociales de los que emerge.
Norbert Wiener y John von Newmann realizaron trabajos
en los que sugeran que la investigacin en el diseo
de ordenadores inspirados en el cerebro podra ser
interesante.
27
por lo que su solucin tendr que ser tambin hbrida.
Surge as el paradigma hbrido. Es decir, en el control de
un robot podremos necesitar tcnicas simblicas, difusas
y neuronales. As, se han realizado mltiples propues-
tas sobre la integracin de los paradigmas simblicos y
conexionistas. En los sistemas neurodifusos se mezclan
componentes neuronales y de la lgica difusa.
28
lgicas como un buen modo de resolver problemas, y
sustent esta opinin con millones de dlares.
29
y para su mantenimiento requera ms de 30
personas. Supuso un ahorro a la empresa Digi-
tal Equipment Corporation (DEC) de ms de 20
millones de dlares anuales.
30
ha incorporado un sistema de traduccin au-
tomtica de los manuales de instrucciones en
diversos idiomas. Desde que se integr dicho
sistema en la fabricacin de automviles se es-
tima que ha supuesto un ahorro de miles de
millones de dlares.
31
Procesamiento rpido de grandes cantidades
de datos de forma masiva y paralela.
32
INTELIGENCIA COMPUTACIONAL
33
teora del aprendizaje estadstico. Se desarrollaron mo-
delos para la representacin del conocimiento ambiguo
y la imitacin de los procesos del pensamiento humano
con informacin vaga e imprecisa mediante un nuevo
tipo de lgica, la lgica difusa. Adems, se han desa-
rrollado tcnicas y algoritmos de computacin evolutiva
inspirados en los mecanismos de la evolucin biolgica
(seleccin natural y deriva gentica). Asimismo, inspi-
rados en el comportamiento colectivo que emerge en
las colonias de hormigas o en enjambre de organismos
sociales, como las abejas, a partir del comportamien-
to individual de los mismos, se han desarrollado nuevas
tcnicas y algoritmos bajo el paradigma de la inteligen-
cia computacional de enjambres basada en la interaccin
social. La integracin de todas estas tcnicas ha llevado
a una nueva forma de representacin de la inteligencia
llamada Inteligencia Computacional (IC).
34
nivel, percepcin, reconocimiento de objetos, anlisis de
seales, descubrimiento de estructuras en conjuntos de
datos, asociacin y control. Los mtodos para resolver
este tipo de problemas incluyen aprendizaje supervisa-
do y no supervisado mediante sistemas adaptativos, y
compaginan, no slo los enfoques neuronales, difusos
o evolutivos, sino tambin los enfoques probabilsticos
y estadsticos, como las redes Bayesianas y los mto-
dos basados en ncleos. Las funciones cognitivas de alto
nivel se requieren para resolver problemas que no se
pueden resolver mediante estos algoritmos y desarrollan
razonamiento, representacin compleja del conocimien-
to, memoria episdica, planificacin o comprensin del
razonamiento simblico. Dichos problemas se resuelven
mediante la Inteligencia Artificial utilizando mtodos de
bsqueda, representacin simblica del conocimiento,
sistemas expertos, aprendizaje de mquina en dominios
simblicos, lgica y mtodos lingsticos. Hay poco so-
lapamiento entre los problemas resueltos utilizando fun-
ciones mentales de alto y bajo nivel. Es posible que en
el futuro la IC trate tambin problemas que requieren
cognicin de alto nivel que hasta ahora se resuelven uti-
lizando representacin simblica del conocimiento. Las
principales reas donde coinciden funciones cognitivas
de alto y bajo nivel son el aprendizaje secuencial, el
aprendizaje por refuerzo, el aprendizaje automtico y los
sistemas de agentes mltiples distribuidos. Todos los sis-
INDICE
35
cin, tales como los robots, la conduccin automtica de
vehculos y los sistemas autnomos, demandan mtodos
para resolver problemas cognitivos de alto y bajo nivel
y as precisan de la colaboracin de ambas comunidades
(IA e IC).
36
puesto que requieren grandes recursos compu-
tacionales sin los cuales no se pueden resolver
muchos problemas complejos del mundo real.
37
Segn la IEEE Computational Intelligence Society,
la Inteligencia Computacional es uno de los campos de
investigacin que ms se ha desarrollado en los ltimos
treinta aos desde sus pasos iniciales en la direccin de
comprender los mecanismos del razonamiento humano
hasta los estudios de todos los aspectos de la inteligencia
natural y la conducta. El ltimo objetivo de los investiga-
dores en este campo fue la imitacin de la naturaleza con
tecnologas artificiales replicando los mecanismos bsi-
cos de la naturaleza en sistemas de ingeniera. Dichas
tecnologas estn abordando complicados problemas del
mundo real. A continuacin vamos a realizar un recorri-
do por algunos de los paradigmas que configuran la IC.
38
y los mecanismos de aprendizaje y memorizacin son
utilizados en el diseo de redes neuronales artificiales.
39
vestigacin hasta alcanzar esa etapa haba iniciado una
clara recesin. Ellos realizaron una campaa para des-
acreditar la investigacin en redes neuronales y desviar-
la a otros paradigmas, como la inteligencia artificial sim-
blica. Ello supuso que muchos investigadores dirigieran
su investigacin hacia otros paradigmas de la IA. As,
tuvo lugar una poca oscura, la dcada de los setenta y
principios de los ochenta, en la que destacaron los tra-
bajos tempranos de Teuvo Kohonen (1972) de la Univer-
sidad Tecnolgica de Helsinki. Se desarrollaron las redes
neuronales de memoria asociativa. As mismo, James
Anderson (1968 y 1972), de la Universidad de Brown,
realiz su investigacin en redes de memoria asociati-
va. Hay que destacar tambin, los trabajos de Stephen
Grossberg (director del Centro de Sistemas Adaptativos
de la Universidad de Boston) y sus muchos colaborado-
res, como Gail Carpenter, con quien desarroll una teora
de redes neuronales autoorganizativas, llamada teora
de resonancia adaptativa (l985, 1987 y 1990).
40
bajos, junto con todas las conferencias que dio Hopfield
por todo el mundo, contribuyeron a despertar gran inte-
rs por la investigacin en redes neuronales.
41
tareas mediante aprendizaje adaptativo, construyen
su propia organizacin interna o representacin de
la informacin adquirida en su etapa de aprendizaje
(autoorganizacin), son tolerantes a fallos, es decir, se
comportan de manera similar a pesar de una destruccin
parcial de la red, su arquitectura hardware est orientada
a procesamiento masivamente paralelo de la informacin,
y la simplicidad de integracin con la tecnologa actual
(dispositivos pticos y VLSI). Las redes neuronales se
pueden simular en cualquier ordenador.
42
Cerebro Ordenador
Analgico Digital
43
en el conjunto de datos disponible, liberando al cientfico de
la bsqueda de un modelo y permitiendo que los datos se
expliquen por s mismos. El proceso de aprendizaje suele
ser rpido y no precisa de un conocimiento profundo de
la materia. Los algoritmos de aprendizaje son universales
y se pueden aplicar a una amplia variedad de problemas
prcticos. Requieren pocos parmetros de ajuste que son
relativamente fciles de comprender y seleccionar.
44
acerca de la naturaleza de las relaciones. Una solucin
potencial se puede encontrar aadiendo la interpretacin
de las redes neuronales con sistemas difusos.
45
solucin que sea mnimo local es tambin un mnimo
global.
46
condensar un conjunto grande de datos registro en un
nmero reducido de vectores soporte con alto contenido
de informacin. Sin embargo, una desventaja es la di-
ficultad de interpretacin que suelen tener los modelos
de MVS para los no expertos. Adems, el desarrollo de
los modelos requiere la seleccin de parmetros ms es-
pecializados, incluyendo transformaciones matemticas
complejas llamadas ncleos. Una MVS es una mquina
de decisin que no proporciona las probabilidades a pos-
teriori. Una tcnica alternativa conocida como la Mquina
de Vectores Relevantes (MVR), basada en la formulacin
Bayesiana, proporciona como salida las probabilidades a
posteriori.
Computacin evolutiva
47
mentar en un ordenador para crear nuevos artefactos
o mejorar las propiedades de los artefactos existentes.
La computacin evolutiva representa de varias formas
los tres grandes procesos de la teora de la evolucin
natural:
48
El primer algoritmo gentico fue formulado por Ho-
land [16 ]. Posteriormente, De Jong [ 9 ] demostr que
los algoritmos genticos se pueden utilizar para resolver
problemas de optimizacin de manera que se puedan al-
canzar soluciones ptimas. Desde entonces se han rea-
lizado muchas modificaciones y mejoras en estos algo-
ritmos.
49
cin. El mecanismo de seleccin debe de procurar que los
individuos mejor valorados tengan ms posibilidad de ser
seleccionados. El mecanismo de seleccin ms popular es
el mtodo de la ruleta donde la probabilidad de seleccin
de un individuo es proporcional a su valor de aptitud. Una
vez creada una nueva poblacin se lleva a cabo el pro-
ceso de reproduccin de nuevos descendientes aplicando
el operador de cruce o recombinacin por el que se ge-
neran uno o ms descendientes combinando el material
gentico seleccionado aleatoriamente de dos o ms pro-
genitores. Si en la seleccin se eligen los individuos ms
adecuados la presin selectiva puede causar una conver-
gencia prematura debido a la diversidad reducida de las
nuevas poblaciones.
50
poco para conseguir la explotacin en las generaciones
finales. La reproduccin se puede aplicar con reempla-
zamiento, en cuyo caso los individuos generados nue-
vamente reemplazan a individuos progenitores slo si la
adecuacin de los nuevos descendientes es mejor que la
de los correspondientes progenitores. La tabla 2 muestra
la representacin matemtica de un sistema gentico.
Genotipo Estructura
Estructura sometida
Fenotipo
al problema
Individuo Solucin
Generacin Ciclo
Tabla 2. Representacin matemtica de un sistema gentico.
INDICE
51
La Computacin Evolutiva presenta mltiple
ventajas, como las siguientes:
52
Computacin de colonias de hormigas
53
hormiguero. Generalmente las hormigas eligen el camino
ms corto posible. Para comprobarlo alejaron la comida
del hormiguero y slo dejaron dos rutas, una corta y
otra ms larga, como nicos caminos. Despus de unos
minutos se observ que las hormigas empezaban a
regresar casi todas por el camino ms corto. En un segundo
experimento dejaron slo el camino largo y encontraron
la comida pero cuando le aadieron de nuevo el camino lo
fueron utilizando poco a poco mayoritariamente. Cmo
lo conseguan? Se ha comprobado que las hormigas
durante su marcha van dejando un rastro detrs de ellas
en la forma de una sustancia llamada feromona y as
crean un camino de olor. La hormiga selecciona un camino
segn la concentracin de feromona que encuentra en
cada momento. La hormiga que sigue el camino ms
corto realiza ms trayectos que la que sigue uno ms
largo. Es decir, sigue el camino ms corto que terminar
siendo el ms recorrido. Cuando una hormiga encuentra
un buen camino desde la colonia a la fuente de comida
es ms probable que las dems sigan dicho camino. Ello
conduce a que las hormigas sigan mayoritariamente un
nico camino. Pero qu ocurre cuando toda la comida
que haba en ese lugar se ha llevado al hormiguero? El
olor del camino va desapareciendo porque las feromonas
se volatilizan. Si no fuera por ello los caminos encontrados
por las primeras hormigas seran demasiado atractivos
para ser seguidos por las dems. Desde el punto de vista
INDICE
54
computacional dicho proceso de volatilizacin presenta la
ventaja de evitar la convergencia a una solucin mnimo
local. Por lo tanto, las hormigas utilizan su ambiente como
medio de comunicacin. Ellas intercambian informacin
depositando feromonas. La informacin intercambiada
tiene alcance local, ya que slo una hormiga situada
en un punto donde se han depositado feromonas tiene
una nocin de ellas. Es un mecanismo de coordinacin
indirecta entre agentes o acciones. El principio que se
sigue es que el rastro dejado en el ambiente por una
accin de un agente estimula el comportamiento de una
prxima accin por l mismo u otro agente diferente.
Dicho mecanismo de estigmatizacin observado en
insectos sociales es una forma de autoorganizacin
que produce estructuras complejas e inteligentes,
sin necesidad de planificacin o control, incluso sin
comunicacin directa entre ellos. Slo con la colaboracin
eficiente entre insectos (agentes) muy simples que no
tienen ni memoria, ni inteligencia, ni conocimiento, se
consigue cierta forma de inteligencia colectiva.
55
recoger y depositar un cadver se basa en la informacin
local de la posicin actual que ocupa. Es un ejemplo de
agrupamiento.
56
La idea de un algoritmo de colonias de hormigas es
imitar dicho comportamiento con hormigas artificiales
que se mueven sobre el grafo que representa el proble-
ma que tratamos de resolver. Una hormiga artificial se
caracteriza por lo siguiente:
57
aprendizaje no supervisado. Por ejemplo, en el campo
financiero es importante formar grupos de clientes con
caracterstica similares como la edad, tipo de trabajo,
estado, etc., y obtener el perfil de cada grupo a la hora
de otorgar, o no, una hipoteca. Hay que tener en cuen-
ta la dificultad de este tipo de problemas. Si deseamos
agrupar 100 pacientes en 5 grupos (cluster) diferentes
resulta que el nmero posible de agrupaciones diferen-
tes es del orden de 1067. Por ello, es sumamente impor-
tante disear mtodos que encuentren la agrupacin
ptima sin necesidad de analizar cada una de las agru-
paciones posibles.
58
de hormigas para resolver problemas de bloqueo de la
red que surgen cuando se incrementa la carga en la mis-
ma. La solucin consiste en usar agentes virtuales, cuyo
trabajo est basado en comportamientos de hormigas,
gracias a cuyos intercambios telefnicos se puede incre-
mentar la capacidad de evitar segmentos sobrecargados
en la red.
Computacin de enjambres
59
que viven en grupos sin que haya un lder identificado.
En estos grupos sociales los individuos no tienen conoci-
miento del comportamiento global del grupo ni tienen in-
formacin global acerca de su medio ambiente. No obs-
tante, tienen la capacidad de reunirse y moverse juntos
basada en interacciones locales entre ellos. A partir de
dicha interaccin local emergen comportamientos colec-
tivos ms complejos, como la exploracin del entorno o
el guiado del enjambre [23]. Se evitan las colisiones en
una bandada de aves al ir igualando cada una su velo-
cidad con las vecinas. Al mismo tiempo, se concentra la
bandada al tratar de estar cada ave cerca de sus vecinas.
El reclutamiento que hacen ciertas especies de abejas
a travs de movimientos y danzas es una estrategia de
aviso ptima para llevarlas a los sitios donde algunas
han encontrado alimentos.
60
Mientras que en los algoritmos genticos o en
las estrategias evolutivas el comportamiento de los
individuos influye directamente en el comportamiento
de las futuras generaciones, en los enjambres esta
influencia es indirecta, ya que los individuos transmiten
mensajes generales en lugar de hacerlo por pares.
Los mensajes pueden ser de diferentes tipos: qumico
(feromonas), auditivos (sonidos), danzas (movimientos)
o alteracin del entorno (por ejemplo, eliminando
fuentes de alimentacin)
61
velocidad. El vector de velocidad conduce el proceso
de optimizacin y refleja tanto el conocimiento
experimental (componente cognitiva) de la partcula
como la informacin intercambiada socialmente con su
entorno de partculas (componente social). El flujo de
informacin a travs de la red social formada depende
del grado de conectividad entre los nodos de la red,
de la cantidad de agrupaciones y de la distancia media
ms corta de un nodo a los otros. Se han desarrollado
diferentes estructuras de redes sociales que se han
estudiado empricamente (estructura de estrella, anillo,
rueda, pirmide, rejilla, etc.).
62
minar diferentes regiones del espacio de bsqueda con
el fin de encontrar una buena solucin, un ptimo. Por
otro lado, la explotacin es la capacidad de un algoritmo
para concentrar la bsqueda en una regin prometedora
con el fin de refinar una solucin candidata. Un buen
algoritmo para problemas de optimizacin debe de con-
jugar de la mejor manera posible estos dos objetivos
contrapuestos.
Aprendizaje automtico
63
las neurociencias, la psicologa cognitiva y diferentes
ramas de la informtica estn explorando este complejo
fenmeno. El aprendizaje automtico y la teora del
aprendizaje estadstico son las que ms impacto han
tenido sobre la IC.
64
acta en su entorno puede aprender a elegir acciones
ptimas para alcanzar sus objetivos. Mediante los sen-
sores observa los estados de su entorno y a partir de
un conjunto de acciones puede alterar dichos estados.
El aprendizaje por refuerzo recoge como informacin
de entrada la retroalimentacin que obtiene del mundo
exterior como respuesta a sus acciones y usa una es-
trategia de premio-castigo para aprender una funcin,
la cual permitir tomar decisiones en el futuro sobre las
acciones a tomar segn la percepcin de su entorno.
Las aplicaciones del aprendizaje por refuerzo son ml-
tiples, desde robots mviles que aprenden a salir de un
laberinto, programas de ajedrez que aprenden cules
son las mejores secuencias de movimientos para ganar
un juego o un brazo robtico que aprende cmo mover
las articulaciones para lograr los movimientos desea-
dos, como los que tienen lugar en las intervenciones
quirrgicas.
65
como resultado de un proceso de aprendizaje inductivo,
es decir, progresando desde los casos particulares a la
relacin general capturada por el modelo. El modelo ob-
tenido se aplica a la prediccin sobre nuevos datos utili-
zando la deduccin, es decir, progresando de lo general
a lo particular.
Lgica difusa
66
un papel crucial para la supervivencia de este campo de
investigacin emergente. Esta historia de los sistemas
difusos muestra que cuando los xitos de las aplicacio-
nes industriales hablan, incluso los cientficos ms arro-
gantes las escuchan.
67
los clsicos frente a la informacin imprecisa y son de
fcil interpretacin.
REAS DE APLICACIN DE LA IC
Aristteles
68
Los sistemas difusos se estn aplicando en mlti-
ples campos. En los sistemas de transporte se han utili-
zado controladores difusos predictivos para la operacin
automtica de trenes en el sistema suburbano de la
ciudad japonesa de Sendai, implementadas por Hitachi
en julio de 1987. Dichos controladores se basan en 6
objetivos ambiguos: seguridad, confort, ahorro energ-
tico, velocidad, tiempo transcurrido y precisin en la pa-
rada. Los conjuntos difusos diseados utilizan variables
lingsticas como, bueno, malo, muy bueno, muy
malo y valor intermedio con funciones de pertenen-
cia triangulares, trapezoidales y sigmoidales. El sistema
trata de mantener el confort de los pasajeros en los mo-
mentos de aceleracin y desaceleracin. Lo ms asom-
broso de esta aplicacin es que la tremenda complejidad
del control de los trenes suburbanos est capturada por
slo nueve reglas. El tren suburbano se mueve tan sua-
vemente que los pasajeros que van de pie no necesitan
agarrarse. Una pecera puede viajar las 8.4 millas de la
ruta y parar en las 16 estaciones sin derramarse una
gota de agua.
69
del automvil algunas empresas han desarrollado siste-
mas difusos en la fabricacin de coches, como Nissan y
Subaru. La empresa Matsushita Electric ha desarrollado
sistemas difusos en sus mquinas de lavado automtico
de vehculos. Empresas, como Canon, han desarrolla-
do cmaras fotogrficas con enfoque difuso. El enfoque
automtico de una cmara utiliza seales de infrarrojos
o ultrasonidos para determinar la distancia al objeto.
Si hubiera dos o ms objetos presentes en la escena
tal sistema podra dar lugar a confusin. Canon resol-
vi el problema de la presencia de varios objetos en la
escena utilizando lgica difusa para tener en cuenta a
todos ellos. En 1990, Matsushita utiliz lgica difusa
para desarrollar un estabilizador de imagen digital en
las cmaras de vdeo comparando cada par de fotogra-
mas para ver cunto se haban desplazado y ajustarlo
convenientemente.
70
La bioinformtica acapara muchas de las aplicacio-
nes actuales de la IC. En concreto, la expresin gentica,
seleccin informativa y discriminativa de genes, clasifi-
cacin de secuencias de protenas, composicin de frag-
mentos de ADN, prediccin de estructuras de protenas,
clasificacin de microarrays y gentica humana. Por
otro lado, tambin hay notorias aplicaciones en los cam-
pos de la salud, fabricacin, diseo industrial, transpor-
te, cadenas de suministro, anlisis de mercados, anlisis
financiero, vigilancia y control en centrales nucleares,
exploracin espacial y entretenimiento.
71
un 98.61% de precisin. Asimismo, se han propuesto
otros algoritmos para el anlisis de datos de expresin
gentica basados en rboles autoorganizativos y redes
neuronales autoorganizativas con aprendizaje no super-
visado.
72
clasificacin funcional de genes. El diagnstico preciso y la
clasificacin son asuntos clave para el tratamiento ptimo
de pacientes con cncer. Varios estudios han demostrado
que la clasificacin del cncer se puede estimar con gran
precisin a partir de microarrays de expresin gentica
utilizando redes de neuronas artificiales y, en particular,
redes neuronales probabilsticas. Fogel [12 ] ha resaltado
las ventajas de acoplar las redes neuronales con la
computacin evolutiva para prediccin y descubrimiento
de clases en microarrays. Chu y colaboradores [3] han
utilizado Redes Neuronales Difusas en tres conjuntos de
datos de expresin gentica bien conocidos (linfoma,
tumor y cncer de hgado) alcanzando una precisin del
100% utilizando un nmero mucho menor de genes que
en los trabajos previamente publicados.
73
puesto de manifiesto que los mtodos de aprendizaje
automtico con varios esquemas de codificacin y
clasificacin mejoran la precisin de la prediccin de la
estructura de protenas.
74
Las tareas para la invencin de nuevos productos
suelen ser: identificacin de clientes y requisitos empre-
sariales para los nuevos productos, caracterizacin de
productos, diseo ptimo del nuevo producto y validacin
del diseo. La computacin evolutiva y las mquinas de
vectores soporte son apropiadas para resolver problemas
de este tipo. Las mquinas de vectores soporte son capa-
ces de lograr modelos a partir de pequeos registros de
datos que es lo usual en el desarrollo de nuevos produc-
tos. Ellas permiten desarrollar modelos para la toma de
decisiones crticas en las primeras fases de la invencin.
75
de alta integracin de la energa elica, la prediccin de
la velocidad del viento en parques elicos juega un pa-
pel fundamental, tanto para los productores como para
la gestin de la red. La utilizacin de tcnicas de la IC es
crucial para la prediccin a corto plazo de la velocidad
del viento.
76
Las redes neuronales, la computacin evolutiva y
los sistemas difusos tienen capacidades nicas para el
anlisis de mercados financieros. Por ejemplo, las redes
autoorganizativas detectan por aprendizaje los grupos de
nuevos clientes y sus perfiles. La computacin evolutiva
genera modelos productivos para gestionar la relacin
de clientes. La lgica difusa permite cuantificar la con-
ducta de los clientes que es crtica para el anlisis de los
datos. Los agentes inteligentes tambin se pueden utili-
zar en el anlisis de mercados simulando las respuestas
de los clientes a nuevos productos y las fluctuaciones de
los precios.
77
Se han desarrollado redes neuronales para la re-
solucin de problemas de optimizacin sobre grafos [13]
que son NP difciles y que se han aplicado a mltiples
problemas, como la asignacin de cdigos en estaciones
de telefona mvil.
78
mquinas de estados difusas e inteligencia emergente que
permiten obtener una serie de criaturas, como el popular
Tamagotchi, que son capaces de ir aprendiendo en funcin
de las decisiones del jugador y al mismo tiempo evolucionar
de forma acorde a estas acciones y a su aprendizaje. Las
tcnicas ms utilizadas aqu son las redes neuronales y
los algoritmos genticos que proporcionan al jugador la
sensacin de que la evolucin de estas criaturas es real y
no simulada por estar inspiradas en la naturaleza.
79
gradas que se adaptan a cada necesidad y cada infra-
estructura, reduciendo costes de personal y ofreciendo
un ptimo resultado. Los dispositivos de grabacin cuen-
tan con avanzados sistemas de control que permiten su
activacin por deteccin de movimiento, grabando 360
grados y con grabacin nocturna a travs de focos in-
frarrojos en condiciones desfavorables. Mediante anli-
sis de imgenes se pueden detectar bultos o elementos
sospechosos y enviar alarmas a otros dispositivos de
comprobacin, incluso algunos ofrecen la posibilidad del
reconocimiento facial y obtener una ficha completa de la
persona. La integracin de todos los sistemas de segu-
ridad sobre una misma red incrementara los niveles de
seguridad ya que se crean conexiones entre dispositivos
que completan un resultado ptimo.
80
Recientemente, las tcnicas de IC estn recibien-
do creciente atencin en el rea de modelado, control
y optimizacin de las centrales elctricas [27]. Los es-
tabilizadores de sistemas de energa elctrica mejoran
el comportamiento de dichos sistemas. Se han utilizado
tcnicas de optimizacin de enjambres de partculas y
algoritmos para el diseo de estabilizadores ptimos [8]
81
del sistema primario mientras que un sistema neuronal
de alto nivel (LLNS) suministra un comportamiento de-
terminado, como resolucin de problemas, planificacin o
secuenciacin para alcanzar objetivos. Estos dos sistemas
interactan con un tercer sistema, un Interfaz Neuronal
en Evolucin (ENI) que permite al sistema de inteligencia
artificial situarlo en un contexto del mundo real.
82
contrados en la biologa, donde no hay un campen, se
sigue verificando el teorema.
TENDENCIAS DE LA IC
Oprah Winfrey
83
en series de tiempo, minera de datos (marketing, redes
sociales y tasado de crditos), procesado de textos y bio-
informtica (diagnstico, pronstico y descubrimiento de
medicamentos).
84
nos basan su proceso de pensamiento en palabras del
lenguaje natural. La idea que subyace en la computa-
cin con palabras es la de cerrar la brecha entre el ra-
zonamiento automtico y el humano utilizando modelos
matemticos para las semnticas del lenguaje natural.
La computacin con palabras se basa en el concepto de
conjunto difuso y la lgica difusa. Esta nueva tecnolo-
ga nos permitir extender las capacidades de la lgica
difusa para definir sentencias de procesos automticos
expresadas en el lenguaje natural y obtener conclusio-
nes significativas y aceptables para el ser humano. Dicha
tendencia viene avalada tambin porque la adquisicin
precisa de informacin suele ser demasiado costosa y
el poder expresivo de las palabras es ms grande que el
poder expresivo de los nmeros.
85
patrones especficos de intrusos y los algoritmos de
seleccin negativa detectan las intrusiones como
desviaciones de sus propios agentes. Los algoritmos
de seleccin clonada se basan en el mecanismo de
proliferacin de clulas de reconocimiento. El algoritmo
ms popular se llama CLONALG [6] y es muy parecido
a un algoritmo evolutivo pero se diferencia en que la
reproduccin de las clulas inmunes es proporcional
a su afinidad con el antgeno detectado y la tasa de
mutacin de las clulas es inversamente proporcional
a la afinidad. Sus ventajas son que el tamao de la
poblacin se ajusta dinmicamente, tiene la capacidad
de mantener soluciones ptimas locales y dispone de
un criterio de parada definido.
86
estructuras auto-adaptativas con capacidades para
aprender y resumir. La forma ms desarrollada de SIE
son los sistemas difusos en evolucin. Se basan en el
modelo de Takagi-Sugeno que es muy apropiado para
identificacin estructural y paramtrica. Dicho modelo
se basa en la suposicin de que los datos se pueden
descomponer en grupos difusos. Dentro de cada grupo
se define un modelo lineal cuyos parmetros se pueden
actualizar fcilmente. La ventaja de estos modelos es
que pueden representar sistemas no lineales de manera
flexible y efectiva en muchas aplicaciones prcticas.
RETOS FUTUROS
Miguel de Unamuno
87
tos, anlisis visual y auditivo de escenas, orientacin es-
pacial, memoria, aprendizaje, control del comportamiento
y algn tipo de razonamiento y planificacin.
88
Otro de los retos ms importantes en investigacin
es el desarrollo de metodologas, conceptos y tcnicas
para el diseo de sistemas inteligentes con un alto nivel
de flexibilidad y autonoma, de manera que los sistemas
puedan evolucionar su estructura y el conocimiento del
ambiente y, en ltima instancia, evolucionar su inteligencia.
Es decir, el sistema debe ser capaz de evolucionar,
desarrollarse, autoevaluarse y mejorar por s mismo. Las
redes de sensores inalmbricas, la inteligencia ambiente
asistida, controladores inteligentes, agentes inteligentes,
sistemas robticos autnomos, etc., son algunas de las
reas de implementacin de dicha tecnologa.
89
Como seala el profesor Zadeh [36] de la Univer-
sidad de California, la facultad humana para realizar
tareas fsicas y mentales, como la conduccin de un au-
tomvil sin llevar a cabo medidas ni computaciones, y
la capacidad para razonar, conversar y tomar decisiones
racionales en un ambiente con informacin imprecisa,
incierta e incompleta, son extraordinarias. Un objetivo
de la inteligencia humana es la mecanizacin de dichas
capacidades propias de ella. Dicho objetivo es difcil de
alcanzar. Sin embargo, si se llegase a conseguir no sera
utilizando extensiones de las tcnicas convencionales, ya
que stas no son suficientes.
90
CONCLUSIONES
91
de cambio, respetando el conocimiento acumulado en el
pasado.
92
Muchos cientficos, como el profesor Edward A.
Feigenbaum [11] de la Universidad de Stanford, piensan
que la IC es el destino manifiesto de la informtica,
es decir, el objetivo, el destino y la frontera final. Ms
que cualquier otro campo de la ciencia, los conceptos y
mtodos de la informtica son centrales para desentraar
y comprender uno de los ms grandes misterios de
nuestra existencia, la naturaleza de la inteligencia.
REFERENCIAS
94
inspired Algorithms for the Dising of Multiple Optimal Power
System Stabilizers: SPPO and BFA. IEEE on Transactions
on Industry Applications, 4(5): 1445-1457, 2008.
95
Artificial Neural Networks. IEEE Transaction on Neural
Networks, 14(3): 575-596, 2003.
96
[23] Reynolds C.W. Flocks, Herds y Schools: A Distributed
Behavioural Model. Computers Graphics, 21 (4): 25-34,
1987.
97
of the IEEE Congress on Evolutionary Computation, pages
1209-1216, 2004.
98