Introducción

La inteligencia artificial ha evolucionado a lo largo de los años de una manera muy

acelerada si se compara con otros avances este podría ser fácilmente el más
destacado llegando incluso a ser utilizado en nuestra vida cotidiana casi sin
percatarnos de ello, ejemplo mas fácil y popular serian todos los dispositivos
inteligentes que utilizamos en la actualidad desde un simple celular hasta lavadores,
estufas, refrigeradores entre algunos otros. A continuación se mencionaran algunos
aspectos y técnicas claves sobre la inteligencia artificial y como esta nos afecta a
los seres humanos:

Contenido
Introducción ........................................................................................................................................ 1
Técnicas de la Inteligencia Artificial .................................................................................................... 2
Robótica .......................................................................................................................................... 2
Clasificación ..................................................................................................................................... 3
Reconocimiento de patrones .......................................................................................................... 4
Redes neuronales ............................................................................................................................ 4
Algoritmos genéticos....................................................................................................................... 4
Sistemas expertos ........................................................................................................................... 5
La base de hechos ........................................................................................................................... 5
El motor de inferencia ..................................................................................................................... 5
Desarrollos actuales ........................................................................................................................ 6
Enfoques de la IA ................................................................................................................................. 6
El primer grupo................................................................................................................................ 7
Análisis del comportamiento .......................................................................................................... 7
El segundo grupo. ............................................................................................................................ 7
Fundamentan su conducta en:........................................................................................................ 8
Comportamiento Emergente .......................................................................................................... 8
Conclusion ..................................................................................................................................... 10
 Técnicas de la Inteligencia Artificial
Búsqueda de soluciones Las búsquedas proporcionan una forma de resolver los
problemas en los que no se dispone de un método más directo como una estructura
con técnicas directas existentes según (Arauz, 1998, p. 4). Por otro lado, según
(Medrano, 2001, p.3) indica que en la Inteligencia Artificial es fundamental
considerar la búsqueda heurística como una de las formas más eficientes en la
solución de problemas, la búsqueda heurística, es utilizada para escoger una
ramificación con mayor posibilidad de éxito y acotar así el número de soluciones
exploradas.

Cuando se tienen problemas complejos y se está realizando una búsqueda en el

espacio de soluciones, se encuentra que cada vez que se toma una decisión se
abren nuevas posibilidades para futuras decisiones. Estos problemas pueden
representarse como un árbol de posibilidades, con nodos conectados mediante
líneas o bien con métodos que buscan sistemáticamente todas las posibilidades,
pero la manera más eficiente es la búsqueda heurística, ya que sus reglas están
basadas en la información de la estructura y naturaleza del problema, limitando de
esta manera la posibilidad de fracaso.

Robótica
Ciencia o rama de la tecnología que estudia el diseño y construcción de máquinas
capaces de desempañar tareas realizadas por el uso humano o que requieren el
uso de inteligencia.

La combinación de la ciencia de los procesos computacionales, la fisiología y

filosofía, reúne diversos campos, como son:

• La robótica
• Los sistemas expertos

Estas aplicaciones actuales, tienen el objetivo de crear una máquina que pueda
pensar, esta idea se percibe como un requerimiento de la inteligencia humana, lo
cual es un atractivo.
Las tareas que ejecutan van desde la creación de:

• Video juegos
• Traducción de idiomas
• Comprensión de idiomas
• Diagnóstico de fallas
• Robótica
• Suministro de asesorías expertas en diversas áreas

Existen diversas metodologías de aplicación, para que un computador simule la

inteligencia humana:

Lógica difusa: permite tomar decisiones bajo condiciones de incerteza

Clasificación
Según su cronología:

• 1era Generación: Robots Manipuladores (play-back), sistemas mecánicos

multifuncionales con un sistema sencillo de control
• 2da Generación: Robots de aprendizaje (Repite secuencias de movimiento
que ha sido ejecutada previamente por un ordenador humano)
• 3era Generación: Robots de control, con sensores (El controlador es una
computadora que ejecuta las órdenes del programa y las envía al
manipulador para que realice los movimientos indicados)
• 4ta Generación: Robots inteligentes, contienen sensores, que envían
información a la computadora sobre un estado en un determinado proceso.
• Según su arquitectura:
• Poliarticulados: robots de diversa forma y configuración, su característica es
ser sedentarios, existen los manipuladores, los industriales y los cartesianos.
• Móviles: robots con gran capacidad de desplazamiento basado en carros o
plataformas dotados de un sistema locomotor de tipo rodante
• Androides: robots que intentan reproducir total y parcial la forma o
comportamiento del ser humano.
Reconocimiento de patrones
Según (Vázquez, 2009, pág. 12) trata de diferentes técnicas de clasificación para
identificar los subgrupos con características comunes en cada grupo, y con el grado
de asociación se obtiene una conclusión diferente.

Los algoritmos desarrollados en esta área son herramientas útiles en otros campos
como en el reconocimiento de lenguaje natural, la visión por computadora,
reconocimiento de imágenes, reconocimiento de señales, el diagnóstico de fallos de
equipos, el control de procesos, etcétera. De manera general se puede decir que el
reconocimiento de patrones consiste en medir el parecido entre formas y su
comparación cuantitativa, es decir, es un método formal para medir el parecido o
similitud entre dos formas, o fenómenos que representan cierta regularidad.

Redes neuronales
Según (Vázquez, 2009, p. 14) son sistemas compuestos por estructuras de red con
un gran número de conexiones entre diferentes capas de procesadores, los cuales
a su vez tienen asignadas diferentes funciones, dentro de dichos procesadores se
efectúa una labor de aprendizaje por la reproducción de las salidas de un conjunto
de señales de entrenamiento.

Se puede decir que las redes neuronales constituyen una tecnología, la cual trata
con éxito algunos problemas clásicos de la IA, haciendo énfasis en el
reconocimiento de formas y de la palabra hablada. Por otro lado, según (Zampayo,
2004, p. 51) las redes neuronales son sistemas de cómputo distribuidos y paralelos
inspirados en la estructura del cerebro humano. El cerebro humano consta de miles
de millones de neuronas; cada una conectada a miles de otras neuronas en una
estructura distribuida, con paralelismo masivo. Este tipo de estructura otorga al
cerebro una gran ventaja en la mayoría de las capacidades perceptivas, motrices y
creativas.

Algoritmos genéticos
Los algoritmos genéticos son los que tratan de emular el proceso de selección
natural, mediante el cual los individuos aptos logran sobrevivir y logran que sus
mejores características para se mantengan en las generaciones posteriores. Según
(Huerta, 2009, p. 27), un algoritmo genético normalmente trabaja sobre la
representación de una posible solución a un problema dado (casi siempre cadena
finita), y sobre ella se aplican operadores genéticos para combinar las bondades de
las soluciones mediante la reproducción. Para medir la oportunidad de solución se
crea una función de aptitud que califica a las soluciones propuestas.

Sistemas expertos
Los sistemas expertos también son denominados sistemas basados en el
conocimiento, dichos sistemas almacenan el conocimiento de expertos para un
campo determinado y la solución se da mediante deducción lógica de conclusión, lo
anterior se realiza desarrollando un software que imite el comportamiento de un
experto humano en la solución de un problema.

Por otro lado, (Vázquez, 2009, p. 12) dice que los sistemas expertos estudian la
simulación de los procesos intelectuales de los expertos humanos que les permiten
interactuar con objetos del mundo real y llevar a cabo tareas de forma precisa,
rápida y cómoda, semejantes a las tareas propias de un ser humano por medio del
procesamiento de información y las técnicas para la solución de problemas.

La base de hechos
Es la memoria a corto plazo, o bien memoria de trabajo, almacena tanto los hechos
proporcionados por el usuario, y que describen la situación concreta analizada,
como los hechos nuevos que el propio sistema va obteniendo.

El motor de inferencia
Contiene el mecanismo de razonamiento que sigue el sistema experto: deducción,
inducción, estrategias de búsqueda de soluciones, etc. Es decir, el motor de
inferencia, aplica las reglas contenidas en la base de conocimientos sobre la base
de hechos, obteniendo un nuevo conocimiento, que se incorpora también a la base
de hechos y es objeto, a su vez, de la aplicación de reglas reunidas en la base de
conocimientos

Desarrollos actuales
Jarvis

Se trata del propósito de año nuevo del creador de Facebook, Mark Zuckerberg:
crear un sistema que le permitiera controlar su hogar: Jarvis, un mayordomo virtual.

Jarvis puede distinguir a los miembros de la familia de Zuckerberg, aprender sus

diferencias y patrones, aspecto que hace particular este sistema. Su creador puede
hablarle a través de su computadora y su teléfono para tener el control de sus luces,
temperatura, reproductor música y las cámaras de seguridad de su casa.

WaveNet

Se trata de un programa informático, el cual consiste en crear voces muy parecidas

a las de los humanos, este desarrollo permite que haya asistentes en los móviles
mucho más personales, tanto que parecerá que se está escuchando un humano
real. WaveNet aprende a generar simulaciones de voces emulando la frecuencia de
los sonidos, la fluidez de los fonemas y el ritmo de conversación de las personas.
En una onda de audio, desmenuzada al detalle, se encuentran todos los matices de
una voz real: temblor, entonación, silencios irregulares, ruidos de respiración, etc.

Enfoques de la IA

Aun cuando la IA ha desarrollado algunos sistemas útiles; sabemos que estamos

lejos de producir sistemas como los de los cuentos de Issac Assimov. Los
investigadores de IA se preguntan cuál es el mejor enfoque, en el sentido de crear
los fundamentos del corazón de la IA; que permitan llegar a resultados de forma
más rápida.
Distintos paradigmas han surgido en los últimos 40 años Tienen distintos seguidores
y han producido resultados interesantes cada uno de ellos dice que lo suyo es lo
importante una idea es combinar los distintos paradigmas.

El primer grupo.
Enfoque de procesamiento simbólico:

• Basado en el sistema de símbolos físicos de Newell y Simon’s. Esta es la

parte old fashion de la IA (la IA clásica).
• Una característica de este grupo es: el uso de operaciones lógicas aplicadas
a bases de conocimiento declarativo.
• Estas son sentencias de lógica de primer orden.
• Métodos de razonamiento lógico son utilizados para deducir consecuencias
a partir de este conocimiento.

Análisis del comportamiento con procesamiento simbólico

Se extiende a varios niveles:

• En el superior está el nivel de conocimiento…

• Hacia abajo le sigue el nivel simbólico. Aquí el conocimiento es representado
en estructuras simbólicas (listas escritas en LISP) y son especificadas las
operaciones sobre estos símbolos
• En los niveles más bajos se implementan las operaciones para el
procesamiento de símbolos.

El segundo grupo.
Se le conoce como sub-simbólico:

• Su análisis es bo,om-up, comenzando por el nivel más bajo y moviéndose

hacia arriba.
• En el nivel más bajo nos encontramos con el concepto de señales
 • Este enfoque sub-simbólico es también conocido como ‘animat’ (animal
behaviour).

Su enfoque es etológico y tiene en mente el comportamiento animal. Esta corriente

nació a finales de los80s, principios de los 90s (Brooks, Wilson) consideran que para
desarrollar un sistema inteligente, es necesario seguir los pasos que ha seguido la
evolución de la inteligencia humana.

Fundamentan su conducta en:

El mundo real (Brooks, 1991) y aquí se hace un contraste entre los sistemas físicos
de símbolos y los sistemas fundamentales en el mundo real En este caso el
sistema, tiene el comportamiento dividido en varios módulos que interactúan con el
entorno para producir un comportamiento complejo, sin utilizar modelos
centralizados.

Comportamiento Emergente
La capacidad de percibir el entorno en estos sistemas, los dota de un
comportamiento emergente que en palabras de (Maes) se explica de la siguiente
manera: La funcionalidad de un agente es vista como una propiedad emergente a
raíz de la intensa interacción del sistema con él entorno dinámico. La especificación
del comportamiento de un solo agente no explica la funcionalidad que se observa
cuando el agente está en funcionamiento.

Ejemplos de esta escuela son:

Modelos Biológicos:

• Algoritmos genéticos.

• Redes neuronales.
Otros modelos bottom-up están Inspirados en:

• Teoría de control (Beer).

• Análisis de sistema dinámicos.

Sin embargo una conclusión es que el análisis y diseño de los sistemas inteligentes
necesitan ambos enfoques una propuesta de modelo es la realizada por Kealbling
y Rosenschein (1990), en 1995 crean un lenguaje para especificar el
comportamiento deseado del agente y un compilador que produce las acciones y
que se parece a los circuitos.

John McCarthy
Conclusion
BIBLIOGRAFIAS

http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.100/219/A
7.pdf

https://sites.google.com/site/clasedeinteligenciaartificial/home/unidad-ii-
representacion-del-conocimiento-razonamiento-y-los-aspecto-metodologicos-en-
inteligencias-artificial/unidad-iii-reglas-y-busqueda/unidad-iv-aplicaciones-con-
tecnicas-de-ia

http://kali.azc.uam.mx/clc/03_docencia/posgrado/sis_mult_re/MaterialDidactico/2_
Enfoques_IA.pdf

https://sites.google.com/site/antonellaofimaticaartificial/home/enfoques-de-la-
inteligencia-artificial