1

DEDICATORIA

A Dios, por brindarnos salud, bienestar físico y

espiritual. A nuestros compañeros que sirvieron de
ayuda para hacer nuestra monografía y los docentes,
por brindarnos su guía y sabiduría en el desarrollo
de este trabajo.
 2

AGRADECIMIENTO

En el presente trabajo de investigación

agradecemos al grupo interno de la monografía de
Inteligencia Artificial que hizo esto posible, que
gracias al compañerismo y paciencia que tuvimos
día a día logramos concluir este proyecto.
 3

INTRODUCCIÓN

En este trabajo desarrollaremos el tema de la inteligencia artificial. Observamos que actualmente

en nuestra universidad, carece de este tipo de ciencia para realizar nuevas investigaciones, por tal

motivo esperamos que la monografía contribuya un poco a la realización de estos métodos

tecnológicos, tanto en nuestro universidad como en nuestra región.

Daremos una explicación del surgimiento de la Inteligencia Artificial, algunas definiciones

propuestas por varios autores que durante la historia se ha polemizado sobre el verdadero concepto

y objetivos de esta rama de la ciencia que combinan ciencias como la computación, fisiología y

filosofía. En el intento de crear programas para máquinas que imiten el comportamiento humano.

Nuestro objetivo es tratar de explicar el concepto referente a Inteligencia artificial y cómo influye

está en la actualidad en los campos de la ciencia.

Por estas razones nos planteamos la hipótesis: Inteligencia Artificial beneficia al mundo mediante

sus aportaciones a los campos de la ciencia.

Trataremos de resaltar las características principales del tema. Además veremos cómo contribuye

al avance tecnológico de nuestro país, impulsando nuevas tecnologías para que de esta manera nos

permita llevar una vida más fácil e informar a los estudiantes para que logren aprender este tipo de

tecnología que hoy en día está cobrando más impulso en los países desarrollados.
 4

I. JUSTIFICACIÒN E IMPORTANCIA

En la inteligencia artificial durante los últimos años ha tendido una gran relevancia en los

ámbitos de la ciencia que están vinculado conjuntamente con la tecnología que ha demostrado una

revolución tecnología en todo el mundo.

La importancia que tiene este tema es de gran ayuda para la humanidad ya que te permite

tener un amplio conocimiento y una concepción especifica de la inteligencia artificial.

 5

II. OBJETIVOS

2.1. OBJETIVO PRINCIPAL:

Promover el desarrollo de proyectos de investigación en Inteligencia Artificial e

incentivar la creación de aplicaciones en las áreas de informática, donde se aproveche

la utilización de sus técnicas, métodos y herramientas.

2.2. OBJETIVOS ESPECÍFICOS:

 Desarrollar trabajos que permitan profundizar en las líneas de investigación propuestas

por el grupo y avanzar en el conocimiento de esta área.

 Dar a conocer sobre esta área a través de esta monografía para tener un conocimiento

más claro sobre este tema.

 Incentivar trabajos multidisciplinarios de investigación que permitan aprovechar los

recursos.
 6

III. DEFINICIONES CONCEPTUALES:

 La Inteligencia Artificial es la ciencia de imitar (y superar) las facultades mentales

humanas en un computador. Pero igualmente la discusión pasa de la palabra

“inteligencia” a la palabra “facultad mental humana”, palabra que abarca un amplio

espectro de conductas como el razonamiento, la comprensión, la imaginación, la

percepción, el reconocimiento, la creatividad y las emociones. Estas conductas van

desde un nivel básico donde se podrían situar reacciones instintivas como alejar la

mano de un objeto muy caliente, hasta niveles altos propios de expertos como el

análisis de espectrogramas de masas. Curiosamente son las conductas situadas entre

esos dos extremos las que plantean problemas computacionales de asombrosa

complejidad. (Hopgood, 2003, pág. 112)

 Fue un precursor de la inteligencia artificial Alan Turing es considerado una de las

piezas clave en el mundo de la computación, además de contribuir decisivamente en

campos como la informática teórica y la criptografía. Es considerado el padre de la

Inteligencia Artificial. Turing demostró que para cualquier sistema de sus máquinas

que sea necesario para efectuar algoritmos cada vez más complicados existe una

máquina de Turing capaz de hacerlo todo ella sola. Tal máquina hipotética recibe el

nombre de “máquina de Turing universal‟, y su existencia teórica pone de manifiesto

que el concepto de máquina de Turing es de una versatilidad sin fin, al permitir que

cualquier incremento dela complejidad del algoritmo pueda ser aceptado por una lista

más larga de especificaciones. (Turing, 1960, pág. 14)

 7

 Simón propuso la hipótesis del símbolo físico como una forma de representar y

modelar el pensamiento humano. Sobre esta línea se siguió el desarrollo de la

Inteligencia Artificial en su primera etapa.

Desafortunadamentedespués de esta época de gran crecimiento, lasexpectativas que

se forjaron fueron muy altas. Se empezaron a hacer proyecciones muy ambiciosas, que

debido al nivel tecnológico de esos tiempos fueron imposibles de implementar.

(Simon, 1952, pág. 56)

 La inteligencia artificial es un conjunto de pasos y técnicas los cuales son programados

con el fin de proporcionarle a las máquinas destrezas muy parecidas a las que posee el

ser humano, la inteligencia artificial examina con mucha exactitud el comportamiento,

los gestos, el vocabulario, los movimientos corporales, la manera de cómo resolver

problemas de los seres humanos para llevarlos a un algoritmo codificado y así lograr

simularlo de la manera más considerada al ser humano en una máquina. (Schalkoff,

1990, pág. 34)

 8

IV. MARCO TEÓRICO

CAPÍTULO I:

Ámbitos de aplicación de la inteligencia artificial

Las aplicaciones más frecuentes de la inteligencia artificial incluyen campos como la

robótica, el análisis de imágenes o el tratamiento automático de textos. En robótica, uno de los

campos de investigación actual con mayor proyección es el del aprendizaje adaptativo, en el que

un sistema robotizado explora diferentes configuraciones con el objetivo de realizar un

movimiento complejo (caminar, agarrar un objeto, realizar una trayectoria, jugar a golf, etc.).

El objetivo podría ser, por ejemplo, que un robot cuadrúpedo se levante y ande de forma

autónoma, de forma que siga un proceso de exploración y aprendizaje similar al que realiza un

recién nacido durante los primeros meses de vida. Un sistema de IA en este caso se encargaría de

explorar diferentes movimientos de forma aleatoria, midiendo las variables de cada articulación y

comprobando en cada momento el grado de éxito alcanzado por cada secuencia de acciones (altura

del centro de masas, desplazamiento horizontal, fluctuaciones en la posición vertical, velocidad de

desplazamiento, etc.).

El sistema de IA modularía la ejecución de las diferentes acciones, incrementando la probabilidad

de aquellas que presenten un mejor rendimiento y restringiendo las que no comporten una mejora de

la función objetivo. Un área afín a la robótica es la de las interfaces cerebro-computadora (BCI,

Brain-computer Interfaces), sistemas artificiales que interactúan con el sistema nervioso mediante

señales neurofisiológicas con el objetivo asistir a personas discapacitadas durante la ejecución de

determinadas tareas motoras. Dentro del campo de la IA, una de las ramas con mayor proyección son
 9

los denominados sistemas expertos, en los que el objetivo es diseñar un sistema que permita analizar

un conjunto de datos y realizar tareas típicamente asociadas a la figura de un profesional experto

como el diagnóstico, la detección de fallos, la planificación o la toma de decisiones. Los datos con

los que trabaja el sistema experto pueden ser de naturaleza muy diversa. (Benitez, Escudero &

Kanaan, 2013, pág. 84)

Dentro de los campos de estudio de la I.A, la robótica es un área que tiene por objetivo

diseñar sistemas artificiales, útiles dentro de la medicina que ayuda a muchas personas a tener un

mejor estilo de vida. Los sistemas expertos es otro campo que crea sistemas especializados a

realizar tareas similares a un profesional.

En un sistema de diagnóstico clínico, por ejemplo, se puede partir de imágenes radiológicas,

de una serie temporal de la frecuencia del ritmo cardíaco de un paciente o de un conjunto de datos

con valores extraídos de análisis de sangre o de orina. La utilización de todas las señales anteriores

a la vez constituye un sistema de fusión multimodal, en el que el estado clínico del paciente se

describe desde una perspectiva multiorgánica más completa.

En los sistemas expertos se combina información extraída de datos con el conocimiento del

sistema que aporta un experto especializado. A estos sistemas se les conoce como sistemas basados

en conocimiento (KBS, knowledge-based systems), y permiten integrar reglas heurísticas y árboles

de decisiones elaborados por una comunidad de expertos durante años de trabajo y

experimentación. Estas reglas no pueden ser inferidas directamente de los datos observados, y son

de gran utilidad en aplicaciones sobre diagnóstico y toma de decisiones.

 10

1.1. Principales ámbitos de aplicación de inteligencia artificial

área Aplicación

medicina Ayuda al diagnóstico

Análisis de imágenes biomédicas

Procesado de señales fisiológicas

Ingeniería Organización de la producción

Optimización de procesos

Cálculo de estructuras

Planificación y logística

Diagnóstico de fallos

Toma de decisiones

Economía Análisis financiero y bursátil

Análisis de riesgos

Estimación de precios en productos

derivados

Minería de datos

Marketing y fidelización de clientes

 11

Biología Análisis de estructuras biológicas

Genética médica y molecular

Informática Procesado de lenguaje natural

Criptografía

Teoría de juegos

Lingüística computacional

Robótica y automática Sistemas adaptativos de rehabilitación

Interfaces cerebro-computadora

Sistemas de visión artificial

Sistemas de navegación automática

Física y matemáticas Demostración automática de teoremas

Análisis cualitativo sistemas no-lineales

Caracterización de sistemas complejos

Fuente: Elaborado por el grupo

 12

CAPÍTULO II:

Evolución y futuro de la inteligencia artificial aplicada a la robótica

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. Posteriormente, sería Isaac Asimov quien

utilizaría el término “robótica” definiendo a la ciencia que estudia los robots.

Actualmente, la robótica se define como la ciencia y tecnología de los robots. Se ocupa del

diseño, manufactura y aplicaciones de éstos y combina diversas disciplinas como la mecánica,

electrónica, información, inteligencia artificial e ingeniería de control. Aquí es donde aparece el

término de Inteligencia Artificial (IA), el cual está adquiriendo mayor protagonismo con el tiempo

en la robótica. Se trata de una ciencia perteneciente a la rama de la Cibernética, que estudia el

mecanismo de la inteligencia humana con el fin de crear máquinas inteligentes, capaces de realizar

cálculos y de "pensar", elaborar juicios y tomar decisiones.

Mientras que la robótica, en principio, evoluciona la mecánica de los robots, la inteligencia

artificial se encarga de la parte analítica, consiguiendo comportamientos cada vez más humanos.

Quizás estos comportamientos humanos sean los que más nos llamen la atención, probablemente

relacionándolos con el cine, en películas donde los robots, capaces de imitar a las personas acaban

por relevarse. Nada más lejos de la realidad, pues aunque el aprendizaje de los robots es una

realidad, carecen de capacidad creativa, sentido común y otros aspectos de vital importancia en el

desarrollo.
 13

2.1. Evolución de la robótica.

Álvarez (2010) afirma:

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.

2.1.1. 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

2.1.2. Segunda generación

También llamada “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. (pág., 43)

 14

El mayor número de aplicaciones en los que se utilizan los robots de esta generación son de la

industria automotriz, en soldadura, pintado con “spray”. Este tipo de robots constituyen la clase más

grande de robots industriales de EEUU, pudiendo llegar a formar el 90%.

2.1.3. Tercera generación

También llamada “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 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. Al analizar factores externos y comportarse en función de ellos, nos encontramos ante la

generación que posteriormente se llamará de robots inteligentes. Aparecen los lenguajes de

programación para escribir los programas de control. La estrategia de control utilizada se denomina

de “ciclo cerrado”

2.1.4. 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. Sus extensiones

sensoriales son más y mejores, para comprender sus acciones y el mundo que los rodea. Utilizan

conocimiento difuso y procesamiento dirigido por expectativas que mejoran el desempeño del

sistema de manera que la tarea de los sensores se extiende a la supervisión del ambiente global,

registrando los efectos de sus acciones en un modelo del mundo y auxiliar en la determinación de

tareas y metas.
 15

Álvarez nos da una clasificación de la evolución de la robótica a través de la historia la cual lo divide

en cuatro generaciones mencionando un breve concepto de cada generación incluyendo también algunos

ejemplos, con esta clasificación el autor nos da conocer el cambio que se ha ido dando en la generación de

la robótica.

2.2. Futuro de la robótica

La robótica 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, zoología y etología, entre otras. El fundamento de estas

investigaciones es la Ciencia Cognitiva Corporizada y la Nueva Inteligencia Artificial

 16

2.3. Robótica situada

Este enfoque se ocupa de los robots que están insertos en entornos complejos y, a menudo,

dinámicamente cambiantes. Se basa sobre dos ideas centrales: los robots ‐ Los robots “están

corporizados” (embodiment), es decir, tienen un cuerpo físico apto para experimentar su entorno

de manera directa, en donde sus acciones tienen una realimentación inmediata sobre sus propias

percepciones. ‐ Los robots “están situados” (situatedness), o sea, están inmersos dentro de un

entorno; interaccionan con el mundo, el cual influye –de forma directa– sobre su

comportamiento. Obviamente, la complejidad del entorno tiene una relación estrecha con la

complejidad del sistema de control. En efecto, si el robot tiene que reaccionar rápida e

inteligentemente en un ambiente dinámico y desafiante, el problema del control se torna muy

difícil. Si el robot, en cambio, no necesita responder de manera rápida, se reduce la complejidad

requerida para elaborar el control. Dentro de este paradigma, se encuentran varios subparadigmas:

la “robótica basada en el comportamiento”, la “robótica cognitiva”, la “robótica epigenética”, la

“robótica evolutiva” y la “robótica biomimética”

 17

2.4. 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. 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. 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.. 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.
 18

2.5. 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. Para eso, deben poseen un modelo

simbólico e interno de su entorno local, y la suficiente capacidad de razonamiento lógico para

tomar decisiones y para ejecutar las tareas necesarias a fin de alcanzar sus objetivos. En pocas

palabras, esta línea de trabajo se ocupa de implementar características cognitivas en los robots,

tales como percepción, formación de conceptos, atención, aprendizaje, memoria a corto y largo

plazo, etc. Si se consigue que los robots desarrollen por sí mismos sus capacidades cognitivas, se

evitaría el programarlos “a mano” para cada tarea o contingencia concebible. Asimismo, si se logra

que los robots utilicen representaciones y mecanismos de razonamiento similares a la de los

humanos, se podría mejorar la interacción hombre‐máquina, así como las tareas de colaboración.

Sin embargo, se necesita un elevado poder de procesamiento (en especial si el robot cuenta con

numerosos sensores y actuadores) y mucha memoria (para representar el espacio de estados).

 19

2.6. Robótica Evolutiva

Este acercamiento aplica los conocimientos obtenidos de las Ciencias Naturales (biología y

etología) 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 co‐ evolucionar ambas.

De igual manera, se puede decidir evolucionar físicamente el hardware (los circuitos

electrónicos) o el software (los programas o las reglas de control). No obstante, poco hay hecho

sobre hardware evolutivo y, normalmente, lo que se hace es evolucionar primero el controlador en

una simulación por computadora y, sólo después, se lo transfiere a los robots reales. El controlador

del robot consiste típicamente en redes neuronales artificiales, y la evolución consiste en modificar

los pesos de las conexiones de dicha red. En la actualidad, el principal inconveniente del control

evolutivo es su lenta velocidad de convergencia y la considerable cantidad de tiempo que tiene que

pasar para llevar a cabo el proceso evolutivo sobre un robot real. Asimismo, no es apropiado para

resolver problemas de creciente complejidad.

 20

CAPÍTULO III

Inteligencia artificial aplicada en la educación

Inteligencia Artificial (IA) en la Educación, constituye actualmente un campo de creciente

interés donde se tratan, fundamentalmente, de aplicar las técnicas de la IA al desarrollo de sistemas

de enseñanza asistida por ordenador con el propósito de construir sistemas de enseñanza

inteligentes.

En esta área de investigación interdisciplinar trabajan investigadores de diversos campos,

principalmente la Pedagogía, Psicología, Ciencias Cognitivas, Inteligencia Artificial, Multimedia

e Informática en general, dónde cada uno de ellos aporta su visión al desarrollo de la disciplina.

Encontramos las raíces de la instrucción asistida por ordenador a finales de los años 50 en

las grandes universidades americanas. Un ejemplo de estos trabajos iniciales es el proyecto

PLATO de la universidad de Illinois en EEUU. Con el advenimiento de los microordenadores, a

finales de los 70, estos sistemas se extendieron a las pequeñas universidades adquiriendo la

denominación de CBT (Computer Based Training). Paralelamente, en el área de la IA se

comenzaron a construir CBTs que intentaban simular el razonamiento o lógica humana y a finales

de los 70 surgió una nueva rama en dónde los investigadores intentaban desarrollar sistemas

tutoriales inteligentes de instrucción asistida por ordenador. Estos sistemas han evolucionado hasta

convertirse en lo que hoy llamamos STI.

Podemos decir que los STIs son un paso adelante a los CBTs, ya que poseen ciertas

características “inteligentes” en relación a la capacidad de adaptación a las características de

aprendizaje y conocimiento de los distintos alumnos y además se diferencian en cuestiones muy

 21

importantes, desde los mismos objetivos para los que son creados. Un software educativo

tradicional se crea para satisfacer una necesidad particular y estos sistemas son específicos para

el dominio, temas, y características del grupo de alumnos a los cuales va dirigido, utilizando la

mejor tecnología disponible en ese momento. En contraste, un STI desea modelizar y representar

un conjunto de principios instruccionales lo suficientemente generales para ofrecer una instrucción

efectiva a través de un conjunto de tareas de enseñanza. Por ello, los STIs están fuertemente

relacionados a la psicología cognitiva del aprendizaje, es decir al “cómo” es realizado el

aprendizaje por el alumno.

Además, la mayoría de los CBTs no siguen un único modelo instruccional teórico. En

muchos de ellos, la instrucción emula interacciones que pueden ocurrir entre un alumno y un

profesor, o intentan crear un entorno de aprendizaje más motivador, animando al alumno a la

exploración del dominio. Respecto a lo objetivos de aprendizaje pueden estar implícitos en el

programa y las actividades pueden o no pueden estar explícitamente relacionadas a las tareas que

se supone que tendrá que realizar el alumno durante la instrucción. Por el contrario, los STIs

contienen un modelo pedagógico explícito implementado por ordenador de la instrucción a

llevarse a cabo, que determina como el programa responderá al alumno en cada momento.
 22

3.1. Los Sistemas Tutoriales Inteligentes

Un STI es capaz de guiar al alumno a lo largo de un dominio en particular del

conocimiento, resolviendo durante el proceso tareas tales como la elaboración de una estrategia de

tutorización, la generación de ejercicios a la medida de las necesidades del alumno, la resolución

pedagógica de estos ejercicios, así como la explicación de la solución.

Estas tareas se organizan en distintos módulos, siendo los componentes claves del STI

tradicional: un modelo del alumno, un modelo pedagógico, un modelo didáctico y

una interfacecon la que interactúa el usuario.

Dependiendo de la arquitectura del sistema, estos módulos se pueden encontrar

organizados en diferentes formas. Pueden estar distribuidos y subdivididos en partes más

pequeñas, funcionando como entidades, semi o completamente autónomas, que se comunican

entre sí y actúan racionalmente de acuerdo a sus percepciones del exterior y el estado de su

conocimiento. Podríamos decir que esta es una arquitectura basada en agentes inteligentes.

Además, existen otros tipos de tutores inteligentes los cuales se basan en estos módulos, pero crean

otros módulos personalizados.

 23

3.2. Los componentes fundamentales de un STI

El módulo "Modelo del alumno" contiene el cuerpo de conocimientos que caracterizarán

al usuario y lo representa desde perspectivas diferentes como, los aspectos psico-sociológicos

característicos que condicionan el proceso de aprendizaje, el conocimiento que éste tiene sobre el

dominio del tema a tratar y las destrezas y habilidades mínimas que debe tener para realizar una

tarea. Este modelo además, debe ser capaz de recoger el comportamiento evolutivo del alumno

durante el trabajo en diferentes sesiones y modelar el estado mental del alumno, es decir "lo que

sabe y lo que no sabe" y a partir de esto adaptar el sistema sobre la base de sus respuestas. Al ser

este módulo el que representa el estado cognitivo del alumno, en la siguiente sección nos

ocuparemos del problema del modelado en particular.

El módulo "Pedagógico" contiene representación de conocimiento experto en los ámbitos

relativos a procesos de evaluación, enseñanza-aprendizaje; aprendizaje humano y metodología de

enseñanza. Será el razonador, dónde se almacenará la base de conocimiento y los mecanismos de

resolución de problemas. Este módulo es el responsable de dirigir la ejecución del módulo "Modelo

Didáctico" teniendo en cuenta los datos ingresados desde el módulo "Modelo del alumno".

El módulo "Modelo Didáctico" cumple la función de tutor o profesor y contiene información

para decidir qué tareas se le presentan al estudiante de acuerdo con los objetivos de aprendizajes

que el "Módulo Pedagógico" deja establecidos y los mecanismos para corregir el modelo del

alumno. Es el encargado de generar los planes instruccionales de cada sesión. Este módulo es

responsable de la activación del módulo "Interface".

Las tareas de aprendizaje son presentadas por el STI a través de una Interface Multimedia. Ésta debe

estar dotada de múltiples medios de comunicación, eficazmente integrados y combinados, para lograr
 24

una enseñanza adaptada y eficiente. El módulo "Interface Multimedia" contiene los mecanismos de

representación (imágenes animadas, imágenes estáticas, sonido, lenguaje oral, lenguaje escrito,

reconocimiento de voz, etc.) de informaciones necesarias para la realización de tareas que el sistema

propone al sujeto. El éxito de un programa educativo, su calidad y efectividad, dependen en gran

parte de la riqueza comunicadora que reúna. Esta cuestión empezó a interesar al campo de la

Psicología Cognitiva, existiendo recientes investigaciones que demuestran que es fundamental tener

en cuenta algunos principios de diseño multimedia para lograr y potenciar los aprendizajes.

(Mayer & Moreno, 2000, pág. 73)

Los autores hacen referencia que el aprendizaje son presentadas a través de un módulo de

interface multimedia que es dotada por un lenguaje verbal y no verbal ya que de esto dependerá el

éxito del aprendizaje psicológico y cognitivo de la persona.

 25

3.3. Modelado del alumno

La característica principal de los Sistemas Tutoriales Inteligentes (STI) es su capacidad

de adaptarse a cada alumno. Entonces, el problema de obtener toda la información posible acerca

del alumno se convierte en el problema principal a la hora de diseñar un tutor inteligente. En efecto,

es necesario que en cada momento el STI disponga de una representación del estado actual del

conocimiento del alumno, con objeto de poder seleccionar los contenidos a enseñar en el nivel

adecuado de dificultad, proponer el problema apropiado o seleccionar la estrategia tutorial más

efectiva en ese momento.

El modelo del alumno es la componente del STI que representa el estado actual del

conocimiento del alumno, y el proceso que manipula esta estructura se llama diagnóstico. Ambas

componentes deben diseñarse juntas, y este problema de diseño es el que se conoce como

el problema del modelado del alumno.

El modelo del alumno es la representación de los procesos mentales que lleva a cabo para

realizar un aprendizaje en un ordenador. Estos procesos mentales no son modelos cuantitativos,

representables por números, sino que son modelos cualitativos. Los modelos cualitativos describen

situaciones en el mundo: objetos y procesos en términos de relaciones temporales, espaciales y

causales. En los sistemas de enseñanza se pueden diferenciar tres tipos de modelos: el modelo del

diagnóstico, el modelo del alumno, y el modelo de comunicación que permite interactuar con el

alumno.
 26

3.4. Funcionamiento de un STI

Los STI suelen basar su funcionamiento en un plan instruccional que dirige la sesión de

enseñanza. Podemos organizar el plan instruccional en diferentes niveles: el primero de los niveles

está constituido por una secuencia de “unidades básicas de aprendizaje” que representan los

elementos en los que se organiza el conocimiento del dominio; el segundo nivel está constituido

por una secuencia de “objetivos conceptuales” asociadas a estas unidades de aprendizaje, que son

las habilidades y capacidades cognitivas que el sistema planea que el alumno debe conseguir a lo

largo de la sesión; en el tercer nivel lo constituyen los “procesos cognitivos” que se corresponden

con las actividades mentales que deben ocurrir en el alumno; el cuarto nivel incluye los “eventos

instruccionales”, que son las condiciones externas que se han de dar para que se produzca el

aprendizaje; el último nivel incluye las “acciones instruccionales” que se corresponden con las

acciones que el alumno/sistema llevan a cabo a lo largo de las sesiones de aprendizaje.

Merchán (2001) afirma:

El ciclo general de funcionamiento de los STI es el siguiente: una vez que el sistema identifica al

usuario, el Modelo Didáctico activa el Modelo del Alumno correspondiente para organizar una

secuencia sesión de enseñanza adaptada al mismo. El Modelo Didáctico construye un plan de sesión

para dicho alumno consultando el Modelo Pedagógico y el Modelo del Alumno. Del Modelo

Pedagógico se obtienen los conceptos a enseñar y en el Modelo del Alumno se consultan tanto el

conocimiento que el sistema supone que tiene el alumno como sus preferencias en cuanto al estilo de

enseñanza. El plan instruccional a seguir se realiza en base a los objetivos conceptuales que el sistema

pretende conseguir teniendo en cuenta el conocimiento y estilo de aprendizaje del alumno. Además,

el plan contiene una secuencia de tareas de enseñanza que llevarán a la consecución de los objetivos

propuestos. El Modelo Didáctico dirigirá a la Interface que pondrá en práctica las tareas planificadas,
 27

que pueden ser de demostración, explicación, refuerzo, motivación o evaluación, concretándolas a

través de actividades o ejercicios que se suministran al alumno. Según se va desarrollando el plan, el

propio Modelo Didáctico, recibe, monitoriza, diagnostica y evalúa las respuestas del alumno usando

el conocimiento sobre el dominio y sobre el alumno. Si tras la evaluación, el Modelo Didáctico

encuentra que el rendimiento del alumno no es el esperado o que éste requiere diferentes contenidos,

replanifica el plan instruccional para adaptarlo a las nuevas condiciones, en otro caso continúa con

el plan preestablecido. (pág. 36)

El autor hace referencia sobre como el STI nos brinda un ciclo de modelos de aprendizaje que

influyen tanto en los profesores y alumnos mejorando el rendimiento de conocimientos generales,

utilizando el modelo didáctico o pedagógico.

 28

V. ANEXOS:

1.- Capítulo I

“Ámbitos de aplicación de la Inteligencia Artificial”

FUENTE: http://marinallunadm.blogspot.pe/2015/06/la-inteligencia-artificial-hacia-donde.html

DESCRIPCIÓN:

Con la inteligencia artificial podemos beneficiar a las personas con discapacidad, creando

prótesis para ayudarlos a mantener una vida normal.

 29

1.1. Principales ámbitos de aplicación de inteligencia artificial

FUENTE:http://www.unicauca.edu.co/ai/publicaciones/Aplicaciones_de_la_Robotica.pdf

DESCRIPCIÓN:

Dentro de una de las ramas que ha sobresalido la inteligencia artificial es la medicina ya que en

ella han podido solucionar problemas que hoy en dia la salud lo necesita.
 30

2.- Capítulo II

“Evolución y futuro de la inteligencia artificial aplicada”

FUENTE: https://dazangie.wordpress.com/2008/10/27/inteligencia-artificial-el-futuro-cada-vez-mas-

cerca/

DESCRIPCIÓN:

Los continuos avances en la inteligencia artificial han hecho posible la creación de robots

domésticos que permiten la interacción con los humanos, facilitando la vida de las personas.
 31

“Futuro de la robótica”

FUENTE: http://pe.globedia.com/futuro-mendez-apuesta-robots-inversiones-millonarias

DESCRIPCIÓN:

En el futuro la robótica, los robots ayudaran a la seguridad ciudadana brindando mayor confianza

a la ciudadanía.
 32

3.- Capítulo III

“Inteligencia artificial aplicada en la educación”

FUENTE: http://deportesysalud.bligoo.cl/inteligencia-artificial-para-la-educacion

DESCRIPCIÓN:

En la educación la inteligencia artificial se aplica de manera muy interactiva para todo tipo de

estudiante pueda aprender con estos sistemas modernos que día a día sobresalen.
Fuente: Elaborado por el grupo
33
 34

Referencias:

Alvarez, J. (2010). Evolución y futuro de la inteligencia artificial aplicada a la robotica

(Segunda ed.). Madrid, España: Drasad. Recuperado el 03 de Julio de 2016

Benitez, R., Escudero, G., & Kanaan, S. (2013). Inteligencia Artificial Avanzada (Tercera ed.).
Cataluña, España: Uoc. Recuperado el 14 de Julio de 2016

Hopgood, W. (2003). Artificial Intelligence (Segunda ed.). New York, Estados Unidos.
Recuperado el 24 de Julio de 2016

Mayer, & Moreno. (2000). Inteligencia Artificial. Quito, Ecuador: Asada. Recuperado el 28 de
Julio de 2016

Merchán, G. (2014). Tecnología-Inteligencia Artificial. Saragoza, Barcelona: Rust. Recuperado

el 28 de Julio de 2016

Schalkoff, R. (1990). Ciencia (Segunda ed.). Buenos Aires, Argentina: Adah. Recuperado el 18
de Julio de 2016

Simon, A. (1952). New York, Estados Unidos. Recuperado el 18 de Julio de 2016

Turing, A. (1960). Del primer ordenador a la inteligencia artificial. (Primera ed.). Cheshire,
Londrés. Recuperado el 07 de Julio de 2016