1

INTELIGENCIA ARTIFICIAL

TRABAJO ENCARGADO INTELIGENCIA ATIFICIAL

Fredy Ramos Rojas Cod. 092335

Fitz Diego Hilasaca Tito Cod. 111037

Tonny Roy Salcedo Yupanqui Cod. 093712

Jose Fredy Sanga Chahua Cod. 134286

2018

UNIVERSIDAD NACIONAL DEL ALTIPLANO

INGENIERIA DE SISTEMAS

INTELIGENCIA ARTIFICIAL
2
 3

Capítulo 1

1. Orígenes de la inteligencia artificial

La inteligencia artificial, comúnmente abreviada como IA, es una parte de la

tecnología y la ciencia que se encarga de diseñar sistemas robóticos que puedan tomar

decisiones; es decir, que muestren cierto tipo de inteligencia robótica para resolver

determinado tipo de problemas. Si bien aún falta mucho para desarrollar máquinas

pensantes, en los últimos años se han realizado grandes avances al respecto, pero ¿como

surgió el desarrollo de la inteligencia artificial?

Para conocer los orígenes de la inteligencia artificial tenemos que remontarnos a

1943, cuando el matemático Walter Pitts y el neurofisiólogo Warren McCulloch

presentaron el primer trabajo de investigación donde se hablaba de IA y en donde hacían

mención de conceptos de fisiología humana básica, la forma en que las neuronas

funcionan en nuestro cerebro y la teoría computacional de Alan Turing, entre otras

cosas.

La importancia del trabajo presentado por Pitts y McCulloch se centra en que fue

el primer trabajo de la historia enfocado en la IA, además que el análisis del cerebro

humano que hicieron implica entenderlo como si fuese un organismo computacional, y

por último, propusieron la construcción de computadoras a semejanza de las redes

neuronales biológicas del cerebro humano. Es de esta manera que la más grande
 4

contribución de Pitts y McCulloch al desarrollo de la inteligencia artificial fue que

fundaron las bases de las redes neuronales artificiales.

Trece años después, allá por 1958, un ingeniero de nombre Josehp Engelberger

diseñó y construyó el primer robot industrial de la historia, conocido como Unimate,

motivo por el cual se le otorgó el título de padre de la robótica. Sin embargo, según el

propio Engelberger, lo que lo inspiró a construir su robot fueron las historias de la

ciencia-ficción escritas por el bioquímico y escritor ruso Isaac Asimov.

Así es, la ciencia-ficción a lo largo de su historia le ha atinado a muchos de los

desarrollos futuros, aunque ciertamente también ha fallado en algunas de sus ideas; lo

cierto es que Asimov es uno de esos autores que podríamos considerar un visionario,

pues gran parte de lo que ha escrito en sus obras se ha ido cumpliendo, sobre todo

aquello que implique robots y robótica.

Fue en 1942 que Asimov publicó su libro Runaround, en el cual expresaba por

primera vez sus ahora ya célebres Leyes de la Robótica, con las cuales se forzaba a los

robots a mantenerse bajo las órdenes de los humanos. Si no has oído al respecto te

recomiendo que leas el libro de Yo robot o en su defecto veas la película del mismo

nombre, para que te des una idea sobre las implicaciones de dichas leyes, las cuales por

cierto nos dicen lo siguiente:

 5

- Un robot no puede hacer daño a un ser humano o, por su inacción, permitir que

un ser humano sufra daño.

- Un robot debe obedecer las órdenes dadas por los seres humanos, excepto si

estás órdenes entran en conflicto con la Primera Ley.

- Un robot debe proteger su propia existencia en la medida que esta protección no

entre en conflicto con la Primera o la Segunda Ley.

Wikipedia. (2013). El hombre artificial: el futuro de la tecnología. 2015, de

wikipedia Sitio web:

https://es.wikipedia.org/wiki/Historia_de_la_inteligencia_artificial

2. Historia de la inteligencia artificial

Es curioso observar ahora, cincuenta años después de acuñar el término IA, lo

poco que se ha investigado en sus fundamentos y en metodología, y la excesiva prisa

mostrada en desarrollar aplicaciones. Los paradigmas dominantes en la actualidad

(simbólico, conexionista, situado e híbrido) tienen sus fundamentos en los trabajos

previos a 1956 llevados a cabo por la Cibernética, desde 1943. En ese año se publicaron

los tres trabajos que pueden considerarse de carácter fundacional:

• A Logical Calculus of the Ideas Immanent in Nervous Activity. McCulloch,W.S.,

Pitts, W. [McCulloch y Pitts, 1943].

• The Nature of Explanation. Craik, K. [Craik, 1943][15].

• Behavior, Purpose and Teleology. Rosenblueth, A., Wiener, N., Bigelow, J.

[Rosenblueth y otros, 1943; Wiener, 1947].

 6

En el primero, W.S. McCulloch y W. Pitts introducen el concepto de neurona

formal que ha dado origen al paradigma conexionista. En el segundo, K. Craik

introduce los fundamentos del paradigma simbólico al interpretar el conocimiento

humano en términos de descripciones declarativas y modulares de entidades

simbólicas de alto nivel y de un conjunto de reglas inferenciales usadas para

manipular esas descripciones simbólicas. Finalmente en el tercer trabajo, A,

Rosenblueth, N. Wiener y J. Bigelow introducen las bases del paradigma situado al

interpretar el comportamiento inteligente en términos de un conjunto de

mecanismos de realimentación. Posteriormente, el trabajo de la escuela de W.S.

McCulloch, incluyendo la relevante aportación de J. von Neumann, crea las bases

de la visión cibernética de la IA, que busca los fundamentos de la inteligencia en la

enorme red de mecanismos genéticos, moleculares, neuronales, metabólicos y

sociales de los que emerge. El trabajo de A. Turing en 1950 complementa los

fundamentos del paradigma simbólico al proponer un procedimiento experimental

de medir la inteligencia contenida en un “programa de IA” (lo que hoy conocemos

como “test de Turing”).

Tras estos antecedentes cibernéticos, en 1956 se acuña el término IA y se

abandona el conexionismo y el interés por el análisis del comportamiento y de los

mecanismos soporte y se hace énfasis en el paradigma simbólico, que parte de

descripciones de alto nivel para intentar dotar de inteligencia a un programa, que

siempre se supone que va a tener un usuario humano, por lo que no hay que
 7

preocuparse del cuerpo del “agente” soporte del cálculo, ni de los “detalles” del

sistema conexionista que se encarga de ejecutar ese programa.

El optimismo inicial de la IA estuvo basado en limitar su dominio de interés a

los micromundos formales (“mundo de los bloques”) y a los sistemas capaces de

ser descritos de forma completa con métodos lógicos, mediante procedimientos

generales de búsqueda heurística, análisis medios-fines y “solucionadores

generales de problemas”.

Pronto se reconoce que el mundo real es más complejo y se empieza a hacer

énfasis en las técnicas de representación del conocimiento y de su uso posterior en

inferencia, junto con el desarrollo de lenguajes de programación orientados a cada

una de las técnicas de representación (lógica - prolog, reglas - lisp, marcos -

orientación a objetos).

En la década de los setenta se inicia la explosión de aplicaciones de la IA en

términos de sistemas basados en reglas a los que se les llama primero “Sistemas

Expertos” y después “Sistemas Basados en Conocimiento”. El reconocimiento de

la insuficiencia de la lógica como herramienta única de representación da lugar al

desarrollo de otras formas de representación e inferencia mediante redes causales y

asociativas (semánticas, neuronales y bayesianas) y marcos, objetos y agentes.

Aunque en la etapa dominada por el paradigma simbólico (1956-1986) hay un

número relevante de trabajos basados en los principios de la cibernética y el

conexionismo [Craik, 1943; McCulloch y Pitts, 1943], tales como la teoría modular

de autómatas probabilísticos, las memorias asociativas, el reconocimiento de

 8

caracteres, los sistemas autoorganizativos y la traducción automática, es en 1986

[Rumelhart y otros, 1986] cuando renace con fuerza la aproximación neuronal al

problema de la inteligencia. En la década de los 90 [Arkin, 1998; Brooks, 1991]

aparece también, en el contexto de la robótica, el interés por la aproximación

situada, cerrando así el lazo histórico que comenzó en 1943, con el reconocimiento

de la necesidad de usar los tres paradigmas tanto en la perspectiva teórica como en

la aplicada. La dimensión del problema así lo exige.

Tal como comentábamos al comienzo de este apartado es curioso que durante

todos estos años hayan sido mínimos los esfuerzos en el fortalecimiento de los

fundamentos de la IA, más allá de los desarrollos en torno al proyecto SOAR (1969-

1991) [Rosenbloom y otros, 1993] y de algunas críticas de filósofos y psicólogos

interesados en la IA, como Dreyfus, Clancey o Searle. De hecho, tal como ya hemos

mencionado, el debate más importante en IA no ha estado relacionado con la

Ingeniería, sino con la potencial validez del paradigma simbólico para explicar los

procesos cognitivos.

Algo análogo ha pasado con los aspectos metodológicos en los que empezó

afirmando que el desarrollo de los SBCs era un “arte”, que no habían reglas ni

procedimientos normalizados e invariantes, reproducibles y reutilizables. En

nuestra opinión, sólo hay tres movimientos dignos de interés en el aspecto

metodológico, más allá de las propuestas iniciales de Leibniz, Turing y McCulloch

(véase la Figura 1.3): (1) El énfasis en la reutilización de componentes de

modelado, a través del desarrollo de bibliotecas de tareas y métodos, (2) el

 9

desarrollo de ontologías y servidores de terminología unificada y (3) el trabajo de

Newell, Marr, Maturana y Varela para especificar un marco de niveles y dominios

de descripción de un cálculo que permite especificar de forma inequívoca qué parte

del conocimiento termina residiendo en la arquitectura de un computador y cuál

permanece fuera, en el dominio del observador externo y, por consiguiente todavía

no es computable. La Figura 1.4 muestra este esquema de niveles y dominios de

descripción de un cálculo y la forma usual en la que nos movemos dentro del marco,

desde el dominio del observador del nivel de conocimiento hasta el dominio propio

del nivel de los símbolos.

Sobre el nivel físico (el hardware del computador y del robot) se superpone el

nivel de los símbolos (el programa) y sobre este el nivel de conocimiento (en

nomenclatura de Newell) o el nivel de la “teoría del cálculo” (en nomenclatura de

Marr). Cada nivel es autónomo y se tiene que poder reescribir en términos de las

entidades y relaciones del nivel inferior, dejando fuera parte de su semántica. Para

explicar esta distinción entre la semántica y causalidad propias de cada nivel y las

que no son computables. J. Mira y A.E Delgado [Mira y Delgado, 1987]

introdujeron en 1987 la distinción en cada nivel entre el dominio propio del nivel

donde la semántica es interna y las cosas ocurren “como tienen que ocurrir” (los

contadores cuentan, los multiplexos multiplexan, ...), y el dominio del observador

externo (nosotros), donde la semántica es arbitraria y tenemos libertad para asociar

significados a símbolos.
 10

Un aspecto importante para entender la parte computable de la inteligencia

humana es detallar el conocimiento que se queda fuera cuando vamos

atravesando fronteras de dominios y niveles en el proceso de reducción de un

modelo conceptual, primero a un modelo formal y después a un programa.

Nuestro consejo es que a la hora de valorar las funcionalidades reales de

un programa o un robot con supuesta inteligencia tengamos clara la distinción

entre lo que pertenece al dominio propio (es decir lo que reside en la CPU del

computador y en el cuerpo del robot) y lo que pertenece al dominio del

observador (es decir las etiquetas lingüísticas y la semántica). Así, se nos hará

evidente la distinción entre el nivel de inteligencia que realmente hemos sido

capaces de computar y aquellos otros componentes de la inteligencia humana

que sólo existen en el lenguaje natural y en la mente del usuario e intérprete del

programa.

Stuart Russel, Petter Norvig. (2004). Inteligencia Artificial Un Enfoque

Moderno. Universidad De Salamanca, Madrid.: Pearson.

3. Génesis de la inteligencia artificial

4. Nacimiento de la inteligencia artificial

 11

Capítulo 2

CONCEPTOS

5. Conceptos de la inteligencia artificial

6. Los fundamentos de la inteligencia artificial

 12

Capítulo 3

APLICACIÓN

7. Ámbitos de aplicación de la inteligencia artificial

INTRODUCCION

El presente trabajo, sirve como una introducción a la Inteligencia Artificial, y a la vez

ilustra sobre sus aplicaciones en la vida real, ya que muchos piensan que la Inteligencia

Artificial es tal como se ve en las películas o en las series de animación: Gran error, la

Inteligencia Artificial está en sus orígenes, no tiene más de 56 años de vida. En el futuro

podrán ser factibles los modelos de ficción con los que muchos sueñan. El objetivo de este

trabajo, es brindar al lector un concepto básico y las aplicaciones que hoy en día se le dan

a esta rama muy importante de la informática. En los primeros 3 capítulos se trata de

algunos conceptos generales para introducir al lector a la Inteligencia Artificial. El capítulo

IV es la aplicación de la Inteligencia Artificial en Juegos. El capítulo V, muestra la

aplicación de la Visión Artificial. Los capítulos VI y VII exponen los temas de Redes

Neuronales y Sistemas Expertos, respectivamente. El capítulo VIII muestra las

aplicaciones del apasionante mundo de la robótica. El capítulo IX habla de los conceptos

de la comunicación y su uso.

1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

1.1. Concepto de Inteligencia Artificial:

La Inteligencia Artificial (I.A, por simplificar) es una rama de la Informática que

trata de enfocar el concepto de Inteligencia en las máquinas. Según el Diccionario

 13

de la Real Academia Española, Inteligencia es: “Potencia Intelectual, facultad de

entender, de conocer, de entender o comprender.”

La I.A persigue dos clases de metas: Metas Científicas, al saber cómo funciona el

Cerebro Humano y de Ingeniería, ya que persigue el objetivo de crear sistemas

Inteligentes. Algunas personas creen que las placas de silicio (Circuitos) no podrán

pensar jamás y que la materia cerebral está diseñada explícitamente para ello.

Otros creen que esto será posible algún día.

Sorprendentemente los científicos han encontrado seres unicelulares que pueden

ser explicados como máquinas, como el Bacteriógrafo, que inyecta ADN vírico en

una célula y ensambla los virus resultantes, este comportamiento es igual al de una

máquina, por lo que se ha estudiado su ADN y se ha descubierto que tiene 1 830

137 pares de bases que serían aproximadamente 3,6 x 106 bits (Aproximadamente

360 Kb). Hay 4 conceptos variados sobre I.A:

• Sistemas que piensan como humanos: Sistemas con procesos de

pensamiento humano.

• Sistemas que actúen como humanos: Sistemas que al realizar trabajos

requieran inteligencia.

• Sistemas que piensen racionalmente: Se enfoca en el estudio de las

facultades mentales.

• Sistemas que actúen racionalmente: Se enfoca en el diseño de agentes

inteligentes.

1.2. Aplicaciones de la I.A:

 14

Existen varias y son:

• Tratamiento de Lenguajes Naturales: Capacidad de Traducción, Órdenes a un

Sistema Operativo, Conversación Hombre-Máquina, etc.

• Sistemas Expertos: Sistemas que se les implementa experiencia para

conseguir deducciones cercanas a la realidad.

• Robótica: Navegación de Robots Móviles, Control de Brazos móviles,

ensamblaje de piezas, etc.

• Problemas de Percepción: Visión y Habla, reconocimiento de voz, obtención

de fallos por medio de la visión, diagnósticos médicos, etc.

• Aprendizaje: Modelización de conductas para su implante en computadoras.

2. PRUEBA DE TURING

En los comienzos de la I.A se daban grandes listas de lo que un sistema de I.A

debía cumplir para serlo. Alan Turing, propuso un Test en 1950, para acabar con estas

listas tan largas e inútiles, ya que lo único que buscaban era imitar al ser humano y no

desarrollar una I.A científica. Turing basó su prueba en una entrevista entre un

humano con un computador y otro humano ocultos, de manera que ninguno se pueda

ver. Si el entrevistador no puede distinguir las respuestas dadas por el hombre y la

máquina, se puede hablar de un Sistema Inteligente. Esta prueba merece ser

reconocida, ya que no ha perdido validez hasta hoy. Para poder superar la Prueba de

Turing original, el computador debe contar con:

• Procesamiento del Lenguaje Natural que permita comunicarse perfectamente

en inglés.
 15

• Representación del Conocimiento para almacenar lo que se conoce o siente.

• Razonamiento Automático, para usar la información almacenada para

responder a preguntas o extraer conclusiones.

• Aprendizaje Automático, para adaptarse a muchas circunstancias y para

detallar y extrapolar patrones. Existe una variante de la Prueba de Turing: La

Prueba Global de Turing, esta además de exigir lo anterior, incluye una señal

de video que permite evaluar la capacidad de visión del evaluado y además le

da la capacidad de pasar objetos a través de una pequeña ventana. Para que el

computador pase esta variante, se requiere además de lo anterior:

• Visión Computacional, para percibir objetos.

• Robótica, para manipular y mover objetos.

Como se dijo anteriormente esta Prueba mantiene su vigencia hasta hoy (56

años), sino que además revolucionó la I.A ya que propuso estudiar la Inteligencia en

lugar de emularla. Bajo un concepto similar, los hermanos Wright, crearon la aviación:

Al comprender los principios aerodinámicos y al dejar de imitar a los pájaros.

3. AGENTES

Un Agente es algo que razona (Viene del latín agere, hacer). Sin embargo los

agentes informáticos deben tener algo que los diferencie de los programas comunes.

Entre ellos está tener controles autónomos, percibir su entorno, que persistan por un

periodo de tiempo prolongado, que se adapten a los cambios y que sean capaces de

alcanzar objetivos distintos.

3.1 Tipos
 16

• Agente Racional: Es el que actúa con la intención de obtener el mejor resultado,

o si hay incertidumbre, el más apropiado. Estos agentes se basan en Inferencias,

aunque existen situaciones en las que no se puede hacer nada correcto, pero se

debe tomar una decisión; también poseen Actos Reflejos, ya que son mucho más

eficientes que una larga inferencia en algunos casos.

Para pasar la Prueba de Turing, los sistemas deben tener estas características.

Estudiar la I.A en base a Agentes Racionales, es beneficioso ya que nos hace

diseñar al agente en base a inferencias, una forma correcta según las leyes del

pensamiento. Sin embargo, por cuestiones de espacio es imposible diseñar una

personalidad perfecta. En la práctica se usa una racionalidad limitada, por razones

de tiempo y espacio.

• Agente Inteligente: Son capaces de percibir un medio ambiente, usando

sensores y actuar usando actuadotes, los sensores pueden ser de un agente robot:

Teclado, red, detectores de luz, etc. Y los activadores pueden ser una pantalla o la

red. Se dice que una agente tiene percepción si puede recibir múltiples entradas

en cualquier instante. En general este agente tomará decisiones de acuerdo a todas

las entradas que recibió. A esta secuencia se le ordena en una tabla, no obstante

por lo infinita o grande que puede llegar a ser, se limitan algunas entradas. El

Agente es manejado por el programa del Agente, se debe diferenciar entre la

función que es una descripción abstracta en el programa con el propio programa,

que es la implementación real.

 17

3.2 Agentes de Estímulo-Respuesta

Estos agentes solo reaccionan de acuerdo a los estímulos que reciben del

mundo exterior donde operan, esta es la forma más sencilla de I.A. Tomemos por

ejemplo el caso de un robot que puede moverse en una superficie cuadricular, es

capaz de percibir si las celdas están ocupadas o no y ser capaz de moverse a las

desocupadas. El robot entonces dispondrá de 8 entradas que llamaremos S1, S2, S3,

S4, S5, S6, S7, S8. y que están numeradas en sentido horario. Además tiene 4

movimientos posibles:

• Norte: Se mueve una celda arriba.

• Sur: Se mueve una celda abajo.

• Este: Se mueve una celda a la derecha.

• Oeste: Se mueve una celda a la izquierda.

Características

- Percepción: Según el ejemplo anterior hay 8 variables para ubicarnos, por

tanto existen 28=256 combinaciones de valores posibles. Algunos pueden ser

descartados, ya que no existen pasillos estrechos. Podemos elegir 4

características llamadas X1, X2, X3, X4.

- Acción: De las características definidas, lo siguiente que debemos hacer es

darles alguna definición para que puedan cumplir su cometido.

 18

4. BÚSQUEDA HEURÍSTICA

4.1 INTRODUCCIÓN

Se llama Búsqueda Heurística debido a que usa conocimientos específicos del

problema. Con esta búsqueda podemos encontrar soluciones más eficientemente en

el tiempo más rápido posible sin repetir ninguna ciudad.

No obstante existe un tope de 30 ciudades, ya que aún a 1 pseg por solución, se

tardaría 1020 años en resolver el problema. (El universo solo tiene 1,6 x 1010 años).

Una solución común es de 9 ciudades, que nos da una combinación de 9! =362 880

viajes posibles. Como se ve, la Búsqueda Heurística nos da la ventaja de rapidez en

estos casos.

A la aproximación de la Búsqueda Heurística, la llamaremos: Búsqueda Primero el

Mejor. Existen algunas variantes:

4.2 Algoritmo *A

Es la forma de búsqueda Primero la Mejor más conocida, sirve para el pathfinding

(Búsqueda de Caminos) y es muy usada en juegos. Un ejemplo es el famoso juego

Pacman:

Los fantasmas que persiguen a Pacman buscan el camino más corto, en lugar de

aparecer en forma aleatoria en el Mapa del Juego, otro ejemplo es el Age of

Empires, un juego de conquista de civilizaciones, los enemigos salvan obstáculos

para llegar a la ciudad del adversario. El Algoritmo *A, no desarrolla un camino

por interacción, sino que desarrolla varios caminos y elige los más prometedores.
 19

Figura 1. Consola de juego

5. VISIÓN ARTIFICIAL

Hasta ahora los agentes usaban formas sensoriales demasiado limitadas.

La Visión por Computador, es uno de los campos más extensos de la I.A ya que

influyen muchos aspectos. La Visión para los humanos no es ningún problema,

pero para las máquinas es un campo muy complicado. Influyen Texturas,

Luminosidad, Sombras, Objetos Complejos, etc. El primer paso es captar la

imagen mediante una cámara de TV. Las imágenes a color tienen una matriz

I(x,y,t); donde x y y nos indican la ubicación de un punto en la matriz de colores y

t, nos indica el tiempo.

Este proceso obtiene una imagen invertida, pero simplemente rotarla no nos dará

la visión del terreno. Influyen muchos elementos haciendo a este proceso

complicado.

En la actualidad, algunos Robots emiten una señal y la reciben generando bajo

esto una especie de espacio, esta forma de ver es muy rústica, pero se sigue
 20

usando ya que desafortunadamente es imposible lograr una reconstrucción de la

imagen capturada. Y aunque así fuera, las computadoras no podrían distinguir un

objeto de juguete y uno real. Lo peor es que los modelos que existen tratan de

resolver esto de forma muy complicada. Al proceso de captar imágenes podemos

dividirlo en: Bajo Nivel, Nivel Medio y Alto Nivel. El primero se encarga de

suavizar y quitar ruido a la imagen y de extraer características de la imagen

bidimensional, en particular de las aristas, el segundo se encarga de agrupar estas

aristas para formar imágenes bidimensionales y la tercera de usar estas imágenes

para reconocer objetos del mundo real. Generalmente las imágenes captadas por

los robots son suficientes para sus propósitos.

Figura 2. Robot a Prueva

6. REDES NEURONALES

En biología, las neuronas tienen un cuerpo circular y una serie de

ramificaciones: El axón y las dendritas. El axón transporta la señal de salida otra

célula y las dendritas permiten que la información llegue a la neurona. Las

 21

conexiones intermedias se llaman Sinapsis, si la neurona pasa el umbral impuesto

por la sinapsis, se dispara, caso contrario no hace nada.

Figura 3. Red Neuronal

Esto la asemeja a dispositivos digitales, siendo esta la base de la Redes

Neuronales, que buscan imitar a la neurona en términos computacionales. Se hace

esto ya que se considera que la neurona es la base de la capacidad de aprendizaje.

No obstante la emulación de la neurona no es perfecta, a la fecha se investigan

algunas cualidades importantes como la Computación Distribuida para tolerar

Ruido (Distorsión) en la entrada y para el aprendizaje. Cada conexión Neuronal

computacional posee un peso numérico que limita la fuerza con la que el impulso

sale de la neurona, de no ser así la información crecería demasiado con

7. SISTEMAS EXPERTOS

Son programas de computación inteligentes que usan conocimientos y

procesos de inferencia, para resolver problemas sumamente difíciles para un

humano ya que requerirían de mucha experiencia. En sí un Sistema Experto;

emula la capacidad de experiencia de un ser humano para tomar decisiones.

Aunque los Sistemas Expertos se centran el domino del problema, no tienen

 22

conocimientos mas allá de donde fueron programados, esto es, no relaciona

ningún otro concepto, a menos que este específicamente indicado. A este

conocimiento se le llama Dominio del Conocimiento y como ya se apuntó es muy

cerrado. Los Sistemas Expertos se basan en las Redes Neuronales. Sus partes son:

La Base del Conocimiento, el Motor de Inferencia, el Subsistema de Explicación

y la Interfaz.

• La Base del Conocimiento: Aquí están almacenados todos los datos que el

Sistema Experto tiene para tomar decisiones.

• El Motor de Inferencias: Contiene todos los procesos que manipulan la

Base del Conocimiento, para deducir la información pedida por el usuario.

(Por Ejemplo, resolución, encadenamiento atrás hacia delante, etc.).

• El Subsistema de Explicación analiza la estructura del razonamiento y da

una explicación al usuario.

• La Interfaz, que es el puente de comunicación entre el sistema y el usuario.

8. ROBOTS

Es uno de los campos de aplicación más apasionantes de la I.A; los Robots

son agentes físicos que realizan tareas mediante la manipulación física del mundo;

por ser agentes y realizar su trabajo en forma autónoma, se excluyen a los robots

que son controlados por un operario humano, como son los que hacen tareas de

rutina, ya que la I.A busca robots con sistemas autónomos. La palabra Robot,

proviene de la voz eslovaca Robota, que significa Trabajador Forzado. En

realidad esta rama comenzó como una historia de Ciencia Ficción, pero interesó
 23

mucho a los desarrolladores de I.A. Los primeros Robots, solo podían seguir una

línea blanca pintada en el suelo.

En la actualidad este campo avanzado tremendamente.

• Robots Manipuladores: Son brazos robóticos que están fijos en un lugar

de trabajo y se usan generalmente para ensamblar piezas, aunque también

hay brazos usados para ayudar en hospitales o incluso brazos que pintan

lienzos con resultados muy originales.

• Robots Móviles: Se desplazan por el medio usando ruedas, piernas u

otros. Hay 3 variantes: ULV (Vehículo Terrestre sin Tripulación, en

inglés), son robots que permiten un desplazamiento autónomo por

autopistas. UAV (Vehículo Aéreo sin Tripulación, en Inglés), son robots

que permiten operaciones de fumigación autónoma, así como de vigilancia

o militares. AUV (Vehículo Submarino sin Tripulación), son robots que

permiten exploraciones marinas autónomas o incluso paseos planetarios.

• Robots Humanoides: Son un tipo de Robots que se asemejan al torso

humano. Esta clase usa sus efectores mejor que los otros tipos, pero son

mucho más complejas que los otros robots.

 24

Figura 3. Red Neuronal

9. APLICACIONES

• Industria y Agricultura: Los Robots han sido usados en entornos

peligrosos para el hombre y en muchas ocasiones son más rentables que

trabajadores humanos. En la Agricultura, los Robots, están siendo usados

para sustituir las grandes máquinas usadas para excavar, cosechar, etc. Por

ahora son prototipos, pero pronto remplazarán a los humanos en estas

tareas.

• Transporte: Los robots han servido mucho aquí: Desde helicópteros

autónomos hasta sillas de ruedas automáticas, e incluso portadores de

carga que superan a humanos especializados. Incluso algunos ayudan

transportando cosas en los hospitales, como el Robot Helpmate.

• Entornos Peligrosos: Los Robots ayudaron en la limpieza de lugares de

accidentes nucleares como Chernobyl, Three Mile Island. Incluso

estuvieron en la búsqueda y limpieza durante el colapso del World Trade

Center, ingresando a entornos muy peligrosos, además hay otros que

desactivan bombas o limpian campos minados.

• Exploración: Los Robots han explorado lugares inaccesibles para la gente,

como Marte y los Volcanes. Incluso existen los Drones, vehículos aéreos

autónomos usados para fines militares.

 25

• Salud: Los Robots son usados para ayudar en operaciones de alto riesgo,

también sirven de ayuda a los ancianos como andadores robóticos o

juguetes que recuerdan cuando tomar la medicación.

• Servicios Personales: Algunos robots pueden prestar servicio en el hogar,

como aspirar el hogar, cortar el césped e incluso remplazar los quioscos

por quioscos robóticos.

• Entretenimiento: Los robots han empezado a conquistar la industria de los

juguetes, por ejemplo el robot-perro Sony AIBO; está siendo usado para

estudios de I.A en todo el mundo, siendo a la vez un juguete. En 1995 se

inició el torneo de fútbol de robots autónomos Robocup, cuyo objetivo es

lograr que robots autónomos ganen un partido de fútbol. Esto está

provocando una investigación más eficiente de la I.A, como a su vez darle

algo de animación al campo.

• Aumento Humano: Se han creado máquinas que puede transportar gente,

además se investiga cómo aumentar la fuerza de las personas usando

partes robóticas. Hay además proyectos de Robots que se asemejan al ser

humano, aunque en forma muy superficial. Estos Robot están en venta por

algunas compañías en Japón.

10. CONCLUCIONES

Dados los objetivos de esta monografía (Dar a conocer las aplicaciones de la

I.A), podemos concluir que:

 26

• La I.A tiene muchas aplicaciones en la vida real.

• La I.A no es como se ve en las películas, falta mucho por hacer.

• El mayor campo de aplicación de la I.A son los juegos.

• La robótica es otro de los campos en los que más se aplica la I.A

• Hospitales, Industrias y otros se benefician de la I.A, específicamente en la

Robótica.

• Los Sistemas Expertos son útiles en muchas ocasiones.

• La Visión Artificial es el campo menos desarrollado de la I.A

• Las Neuronas humanas son parecidas a las computacionales.

• Los Robots están captando la atención de muchos debido a lo que pueden

hacer gracias a la I.A (Por ejemplo, el campeonato Robocup).

• Existen Robots que ayudan en Hospitales, a personas.

• El objetivo de la I.A es lograr un sistema totalmente autónomo.

(Choque, 2010)

11. BIBLIOGRAFÍA

Escobano, F., Cazorla, M., Alfonso, M., Colomina, O., Lozano, M. Inteligencia

Artificial: Modelos, Técnicas y

Áreas de Aplicación. Madrid: Thomson Editores. Grupo Editorial McGraw Hill.

Electrónica Práctica -

Tomo 1. Bogotá: McGraw Hill. Nilson, N. Inteligencia Artificial. Una Nueva

Síntesis. Madrid: McGraw Hill Interamericana S.A

 27

Norving, P. y Rusell, S. Inteligencia Artificial. Un Enfoque Moderno. Madrid:

Pearson Education.

Riley, G. Sistemas Expertos. Principios y Programación. México D.F: Thomson

Editores.

Daniel Harmon. http://agdn.pyrosoftware.net/ (Allegro Game Development Network).

8. Grandes éxitos de la inteligencia artificial

RESUMEN
Este texto se centra en la evolución de la robótica gracias a la inteligencia artificial,

así como en algunas de sus últimas aplicaciones, cada vez más asombrosas y

espectaculares. Finalmente intentaremos centrarnos en algunos de estos últimos

ejemplos.

1. INTRODUCCIÓN

La robótica siempre ha estado unida a la construcción de "artefactos" con la idea de

asemejarse al ser humano y de ahorrarle trabajo.

La palabra "robot" proviene del escritor checo Karel Capek, el cual acuñó en 1921

dicho término en una de sus obras a partir de la palabra checa "robota", que significaba

servidumbre o trabajo forzado.

2. EVOLUCIÓN DE LA ROBÓTICA

La forma más intuitiva de entender la evolución de la robótica es analizando punto a

punto las distintas generaciones de robots a lo largo de la historia y a su vez

mencionando algunos de sus ejemplos, viendo claramente su desarrollo.

 28

2.1. Primera generación

También denominada "Manipuladores", son sistemas mecánicos multifuncionales con

un sencillo sistema de control, bien manual, de secuencia fija o variable. El sistema de

control utilizado se basa en las "paradas fijas" mecánicamente. Podemos considerar

como ejemplo de esta primera etapa los mecanismos de relojería que permiten mover

las cajas musicales o a los juguetes de cuerda. Este tipo de control es semejante al

ciclo de control que tienen algunos lavadores de ciclo fijo. Además son útiles para las

aplicaciones industriales de tomar y colocar, pero están limitados a un número

pequeño de movimientos.

2.2. Segunda generación

Segunda generación o "robots de aprendizaje", repiten una secuencia de movimientos

que ha sido ejecutada previamente por un operador humano. El modo de hacerlo es a

través de un dispositivo mecánico. El operador realiza los movimientos requeridos

mientras el robot le sigue y los memoriza. Utiliza una estructura de control de ciclo

abierto, pero en lugar de utilizar interruptores y botones mecánicos utiliza una

secuencia numérica de control de movimientos almacenados en un disco o cinta

magnética. El programa de control entra mediante la elección de secuencias de

movimiento en una caja de botones o a través de palancas de control, desarrollando

así, la secuencia deseada de movimientos.

2.3. Tercera generación

Robots con control sensorizado. El controlador es una computadora que ejecuta las

órdenes de un programa y las envía al manipulador para que realice los movimientos
 29

necesarios. De esta manera utiliza las computadoras para su estrategia de control y

tiene algún conocimiento del ambiente local a través del uso de sensores, los cuales

miden el ambiente y modifican su estrategia de control.

2.4. Cuarta generación

La denominada generación de "Robots inteligentes", similar a la anterior, pero que

además poseen sensores que envían información a la computadora de control sobre el

estado del proceso. Esto permite una toma inteligente de decisiones y el control del

proceso en tiempo real.

12. FUTURO DE LA ROBÓTICA

La robòtica ha ido desarrollándose y evolucionando en gran medida a lo largo de los

últimos años, de tal manera que actualmente existen varios campos que componen la

robótica avanzada y que afrontan el futuro de ésta.

¿Cuál es el objetivo?

Crear robots inteligentes y autónomos, la nueva generación, capaces de estar situados

en su entorno, adoptar comportamientos, razonar, evolucionar y actuar como seres

vivos.

Como ya hemos dicho, al menos seis campos de investigación estructuran hoy la

robótica avanzada: la que relaciona al robot con su entorno, la conductual, la

cognitiva, la epigenética o de desarrollo, la evolutiva y la biorrobótica. Es un gran

campo de estudio interdisciplinar que se apoya en la ingeniería mecánica, eléctrica,

electrónica e informática, así como en la ciencia física, anatomía, psicología, biología,

 30

zoología y etología, entre otras. El fundamento de estas investigaciones es la Ciencia

Cognitiva Corporizada y la Nueva Inteligencia Artificial.

Robótica Basada en la Conducta o el Comportamiento

Este acercamiento emplea el principio conductista:

los robots generan un comportamiento sólo cuando se los estimula; es decir,

reaccionan ante los cambios de su entorno local (como cuando alguien toca

accidentalmente un objeto caliente). Aquí, el diseñador divide las tareas en numerosas

y diferentes comportamientos básicos, cada una de los cuales se ejecuta en una capa

separada del sistema de control del robot. Típicamente, estos módulos (conductas)

pueden ser la de evitar obstáculos, caminar, levantarse, etc. Las funciones inteligentes

del sistema, tales como percepción, planificación, modelado, aprendizaje, etc. emergen

de la interacción entre los distintos módulos y el entorno físico en donde está inmerso

el robot.

El sistema de control -totalmente distribuido se construye de manera incremental,

capa por capa, a través de un proceso de ensayo y error, y cada capa es responsable

únicamente de una conducta básica.

Los sistemas basados en la conducta son capaces de reaccionar en tiempo real, ya que

calculan las acciones directamente a partir de las percepciones (a través de un conjunto

de reglas de correspondencia situación-acción). Es importante observar que el número

de capas aumenta con la complejidad del problema. De este modo, una tarea muy

compleja puede estar más allá de la capacidad del diseñador (es muy complicado

definir todas las capas, sus interrelaciones y dependencias.

 31

Otro inconveniente es que, debido a la presencia de varias conductas y a su dinámica

individual de interacción con el mundo, muchas veces es difícil decir que una serie de

acciones en particular ha sido producto de una conducta particular. Algunas veces

varias conductas trabajan simultáneamente, o están intercambiándose rápidamente.

Aunque tal vez alcancen la inteligencia del insecto, probablemente los sistemas

construidos a partir de este enfoque tengan habilidades limitadas, ya que no tienen

representaciones internas. En efecto, este tipo de robots presentan una gran dificultad

para ejecutar tareas complejas y, en las más sencillas, no se garantiza la mejor

solución, la óptima.

Robótica Cognitiva

Esta aproximación utiliza técnicas provenientes del campo de las Ciencias

Cognitivas. Se ocupa de implementar robots que perciben, razonan y actúan en

entornos dinámicos, desconocidos e imprevisibles. Tales robots deben tener funciones

cognitivas de muy alto nivel que impliquen razonar, por ejemplo, acerca de las metas,

las acciones, el tiempo, los estados cognitivos de otros robots, cuándo y qué percibir,

aprender de la experiencia, etc.

Robótica de Desarrollo o Epigenética

Este enfoque se caracteriza porque trata de implementar sistemas de control de

propósito general, a través de un prolongado proceso de desarrollo u auto-

organización autónoma. Como resultado de la interacción con su entorno, el robot es

capaz de desarrollar diferentes -y cada vez más complejas- capacidades perceptuales,

cognitivas y de comportamiento.
 32

Se trata de un área de investigación que integra la neurociencia del desarrollo, la

psicología del desarrollo y la robótica situada. Inicialmente el sistema puede estar

dotado de un pequeño conjunto de conductas o conocimientos innatos, pero -gracias a

la experiencia adquirida- es capaz de crear representaciones y acciones más complejas.

En síntesis, se trata de que la máquina desarrolle autónomamente las habilidades

adecuadas para un determinado entorno particular transitando por las diferentes fases

de su "desarrollo mental autónomo".

Robótica Evolutiva

Este acercamiento aplica los conocimientos obtenidos de las Ciencias Naturales

(biología y etologia) y de la Vida Artificial (redes neuronales, técnicas evolutivas y

sistemas dinámicos) sobre robots reales, a fin de que desarrollen sus propias

habilidades en interacción íntima con el entorno y sin la intervención humana.

Mediante un diseño fijo, es difícil lograr que un robot se adapte (se auto-organice) a

un entorno dinámico que evoluciona -a menudo mediante cambios caóticos. De allí

que la robótica evolutiva puede proporcionar una adecuada solución a este problema,

ya que la máquina puede adquirir automáticamente nuevos comportamientos

dependiendo de las situaciones dinámicas que se presentan en el entorno en donde está

situada. A través de la utilización de técnicas evolutivas (algoritmos genéticos,

programación genética y estrategia evolutiva), se puede decidir evolucionar el sistema

de control o algunas características del cuerpo del robot (morfología, sensores,

actuadores, etc.) o coevolucionar ambas.

Robótica Inspirada en la Biología

 33

Esta aproximación se ocupa de diseñar robots que funcionan como los sistemas

biológicos, de allí que se basan sobre las Ciencias Naturales (biología, zoología y

etología) y la robótica. Dado que los sistemas biológicos realizan muchas tareas de

procesamiento complejas con máxima eficiencia, constituyen una buena referencia

para implementar sistemas artificiales que ejecuten tareas que los seres vivos realizan

de forma natural (interpretación de la información sensorial, aprendizaje de

movimientos, coordinación motora, etc.).

EJEMPLOS ACTUALES

A lo largo de los últimos años se han desarrollado proyectos increíbles, haciendo

palpables la evolución de los campos mencionados en el anterior apartado.

Veamos algunas muestras, como los nuevos robots andantes "PetMan" y "BigDog",

un helicóptero y un coche de rallyes autónomos o una profesora robot.

"PetMan" y "BigDog"

La firma Boston Dynamics ha presentado a Petman, un robot prototipo que aunque no

dibuja, ni cocina, ni blogea es capaz de de realizar una serie de funciones como

caminar, trotar y gatear, alcanzando una velocidad de unos 5 kilómetros por hora.

Por otra parte, Petman es capaz de mantener el equilibrio cuando es empujado. Su

desarrollo no apunta ni a futuros exoesqueletos, ni a robots; sino al diseño de trajes

para hacer frente a una eventual guerra química, por lo que este robot también es capaz

de manejar una serie de variables par control la temperatura, humedad y la

transpiración.

Se espera que la versión final de este dispositivo tenga lugar para el 2011.
 34

En cuanto a BigDog, también firma de Boston Dynamics, se trata de un robot de

cuatro patas capaz de caminar por cualquier superficie, incluyendo pendientes de hasta

35 grados, suelos helados, caminos de piedras/cabras, todo es poco para él. Es capaz

de cargar con 150 kilos de peso.

Helicóptero autónomo

El MIT (Instituto Tecnológico de Massachusetts presentó en el concurso de robótica

aérea (AUVSI), celebrado este pasado mes de octubre, un helicóptero totalmente

autónomo, con la capacidad de desplazarse en forma inteligente por distintos lugares,

esquivando obstáculos y calculando en tiempo real la ruta que debe seguir para llegar

a un determinado lugar.

Para ello el helicóptero cuenta con un sistema de cámaras y un escáner láser, los que

se encargan de analizar el entorno en el que se encuentra para determinar los lugares

por donde se puede desplazar.

Coche autónomo

Hace tiempo que las personas sueñan con un coche que se conduzca solo, que no

choque y que no cometa los errores que cometen los conductores humanos.

Pues modelos que se conducen solos ya existen, gracias a la Agencia de Proyectos de

Investigación Avanzada de la Defensa de Estados Unidos (DARPA).

La última novedad es un Audi TT-S bautizado "Shelley", que según la casa de

estudios, el próximo año subirá la montaña Pike Peaks en las Montañas Rocosas

(Colorado, EE.UU.) por sí mismo. El camino de rally en el Pikes Peak tiene

156 curvas y una longitud de 20 kilómetros.

 35

Pero sus creadores tienen confianza en Shelley.

"Saya", la profesora robot

En muchos países, dedicarse a la enseñanza es una profesión noble... en otras puede

ser un auténtico martirio donde el profesor no es respetado lo más mínimo.

En Japón dan un paso más allá y están realizando una prueba piloto en un colegio de

Tokyo en el que el maestro ha sido sustituido por un. robot. Se le conoce como Saya

y es capaz de conversar en varios idiomas, asignar tareas a los estudiantes y mostrar

expresiones faciales según esté enfadado o alegre con la clase gracias a 18 motores

escondidos en su cabeza.

Por otra parte, Saya posee un sistema de respuesta automática, perteneciente a la

disciplina que forma parte de la Ingeniería Lingüística, capaz de interpretar preguntas

realizadas por los alumnos, para buscar información relacionada, extraerla y devolver

una respuesta completa.

Un sistema de respuesta automática presenta una típica arquitectura que se divide en:

- Análisis de la pregunta

Transforma la pregunta de tal manera que sea entendible por la máquina. Es necesario

utilizar herramientas de procesamiento del lenguaje natural para obtener la suficiente

cantidad de información para que el sistema sea más eficiente.

- Búsqueda de información
 36

Saya dispone de un sistema de recuperación de la información relacionada con la

pregunta que se le ha realizado.

- Extracción de la respuesta

Finalmente, una vez ha recopilado toda la información, procede a escoger la mejor

respuesta.

REFERENCIAS

1. Boden, M. (1995): Al's Half-Century. American

Association for Artificial Intelligence, Al Magazine,

Winter, vol. 16, N° 4, p. 96/9.

2. Bogner, M.; Maletic, J. y Franklin, S. (2000):

ConAg: A Reusable Framework for Developing

"Conscious" Software Agents.

3. Brooks, R. (1998): Prospects for Human Level

Intelligence for Humanoid Robots. MIT, julio,

Laboratorio de lnteligencia Artificial.

4. Dario, P. (2005): Robot, ovvero tra illusioni e

realtà. Revista Media Duemila, Número Especial

Robòtica, Julio/Agosto, p. 22/5.

5. Dawson, M. (2002): From Embodied Cognitive

Science to Synthetic Psychology. First IEEE

International Conference on Cognitive Informatics

(ICCI'02). Alberta, Canada, 19/20 de agosto.

 37

6. Fernández León, J. (2004): Robótica Evolutiva y la

próxima generación de robots autónomos. WCAFR

2004 (Workshop del II Campeonato Argentino de

Fútbol de Robots), 9-11 de junio.

7. Florian, R. (2003): Autonomous artificial intelligent

agents. Technical Report Coneural, 4 de febrero,

edición digital.

8. Innocenti Badano, B. (2000): Representación de la

Dinámica del Cuerpo Físico de Agentes Físicos en

Capacidades Atómicas. Universidad de Girona, Julio.

Propuesta de Tesis de Doctorado.

9. Kovács, A. y Ueno, H. (2005): Cognitive Substrates:

What They Are and What They Learn. Página

personal del autor. 4 de marzo.

10. Mataric, M. (2002): Situated Robotics.

Encyclopedia of Cognitive Science, Nature Publishers

Group, Macmillian Reference Ltd.

11. Moriello, S. (2005): Inteligencia Natural y

Sintética. Buenos Aires, Editorial Nueva Librería.

12. Moriello, S. (2005): Nuevos enfoques en el

estudio de la mente; Revista Tendencias Científicas.

19 de junio de 2005.
 38

13. Muñoz Moreno, I. (2000): Preliminary Studies of

Dynamics of Physical Agent Ecosystems. Propuesta

de Tesis de Doctorado, Universidad de Girona, Julio.

14. Peters, L. (2000): Trends in Robotics. ERCIM

News, julio, N° 42. Tema Especial: Robotics.

15. Pratihar, D. (2003): Evolutionary robotics - A

review.ias.ac.in / sadhana / Pdf2003Dec / Pe979.pdf.

Revista Sadhana, diciembre, vol. 28, Part 6, p. 999-

1009.

16. Ros, E.; Pelayo, F., Prieto, A. y del Pino, B. (2002):

Ingeniería Neuromórfica: El papel del hardware

reconfigurable. Sitio Cortivis.

17. http://www.fayerwayer.com/2009/10/un-audi-

tt-s-se-conducira-solo-por-una-pista-de-rally-en-

2010/

18. http://www.fayerwayer.com/2009/10/pet man -

un-robot-andante-creado-para-la-guerra-quimica/

19. http://www.fayerwayer.com/2009/10/el-mit-

desarrolla-helicoptero-que-esquiva-obstaculos/

20. http://www.microsiervos.com/archivo/

tecnologia/bigdog-robot.html

21. http://es.wikipedia.org/wiki/Robótica
39