UNIVERSIDAD NACIONAL DE INGENIERIA

PROFESOR:
Lic. Lester Centeno

FECHA:
18 de Enero del 2019

ASIGNATURA:
Inteligencia Artificial

ELABORADO POR:
Katy Vanessa Oporta Zambrana
INTRODUCCION
La IA es una de las ciencias más recientes. El trabajo comenzó poco después de la Segunda
Guerra Mundial, y el nombre se acuñó en 1956. La IA se cita, junto a la biología molecular,
como un campo en el que a la mayoría de científicos de otras disciplinas «les gustaría trabajar».
Un estudiante de ciencias físicas puede pensar razonablemente que todas las buenas ideas
han sido ya propuestas por Galileo, Newton, Einstein y otros.

Por el contrario, la IA aún tiene flecos sin cerrar en los que podrían trabajar varios Einsteins a
tiempo completo.

La IA abarca en la actualidad una gran variedad de subcampos, que van desde áreas de
propósito general, como el aprendizaje y la percepción, a otras más específicas como el ajedrez,
la demostración de teoremas matemáticos, la escritura de poesía y el diagnóstico de
enfermedades. La IA sintetiza y automatiza tareas intelectuales y es, por lo tanto,
potencialmente relevante para cualquier ámbito de la actividad intelectual humana. En este
sentido, es un campo genuinamente universal.

ANTECEDENTES
Durante los últimos sesenta años la investigación en IAI ha tenido un enfoque cambiante, la
primera fase comenzó durante la Conferencia de Dartmouth y se centró en técnicas
relacionadas con la Resolución general de problemas (GPS) (Newell y Simon 1971). Este
enfoque asumía que cualquier problema que pudiera escribirse en código de programación, ya
sea una demostración de un teorema matemático, una partida de ajedrez o encontrar la
distancia más corta de una ciudad a otra, podía resolverse. Habitualmente, dichos problemas
implicarían la representación de este conocimiento en un formato informático legible y luego, la
búsqueda a través de posibles estados hasta encontrar una solución. Por ejemplo, a la hora de
jugar ajedrez existiría una representación simbólica del tablero, las piezas, los posibles
movimientos y los mejores movimientos basados en la heurística de partidas previas, etc. En el
transcurso de una partida la búsqueda localizaría el mejor movimiento. Sin embargo, a pesar
de resultar muy prometedor en sus inicios, el enfoque GPS pronto se quedó sin combustible. La
razón fundamental es que, a medida que los problemas aumentaban de tamaño, el número de
combinaciones de búsqueda crecía exponencialmente.

De esta manera, la segunda fase en la investigación intentó encontrar formas de facilitar la

búsqueda, reduciendo o acotando el espacio y, al mismo tiempo, trató de encontrar formas de
representar el conocimiento en la IA. Durante este periodo de la IA se consiguieron algunos
éxitos en la investigación. Fundamentalmente, cabe destacar el caso de Shrdlu (Winnograd,
1972) y el caso del robot Shakey.
No obstante, la IA experimentaría un retroceso cuando el informe Lighthill, publicado en el Reino
Unido en 1973, fue muy negativo acerca de las ventajas prácticas de la IA. En los Estados
Unidos y en el resto del mundo se manifestaron recelos similares acerca de la IA. Sin embargo,
en 1982, reconociendo las posibles ventajas de la IA, los japoneses renovaron las esperanzas
con un gran proyecto denominado “Proyecto de Sistemas Informáticos de Quinta
Generación” (FGCS). Se trataba de un proyecto muy ambicioso tanto en hardware como en
software, incluyendo, entre otras cosas, entornos de software inteligente y procesamiento
paralelo de quinta generación. Este proyecto sirvió como catalizador para el interés en la IA en
el resto del mundo. En los Estados Unidos, Europa y el Reino Unido se desarrolló un movimiento
centrado en la construcción de Sistemas Basados en Conocimiento Inteligente (IKBS). Dichos
sistemas también se denominan “sistemas expertos”. El catalizador para esta actividad en el
Reino Unido fue el proyecto ALVEY. Se trataba de un gran proyecto colaborativo financiado por
el gobierno, la industria y el comercio en el Reino Unido que intentaba probar la viabilidad del
uso de los IKBS en más de 200 sistemas de demostración.

CONCEPTOS
La inteligencia artificial es considerada una rama de la computación y relaciona un fenómeno
natural con una analogía artificial a través de programas de computador. La inteligencia artificial
puede ser tomada como ciencia si se enfoca hacia la elaboración de programas basados en
comparaciones con la eficiencia del hombre, contribuyendo a un mayor entendimiento del
conocimiento humano.

Si por otro lado es tomada como ingeniería, basada en una relación deseable de entrada-salida
para sintetizar un programa de computador. "El resultado es un programa de alta eficiencia que
funciona como una poderosa herramienta para quien la utiliza."

SISTEMAS BASADOS EN CONOCIMIENTO

Los sistemas basados en el conocimiento son el resultado de un largo proceso de investigación
realizado por los científicos en el área de la Inteligencia Artificial, cuando, en los años setenta,
comenzaron a comprender que la capacidad de un programa de ordenador para resolver
problemas no reside en la expresión formal ni en los esquemas lógicos de inferencia que emplea
sino en el conocimiento que posee.

Un experto es alguien que posee unos determinados conocimientos y experiencia en un campo

de la actividad humana y es capaz de aplicarlos con rapidez y eficiencia en la resolución de
tareas diferentes aunque no le hayan sido encomendadas con anterioridad, pero que caen
dentro de su dominio.

Así, un sistema basado en el conocimiento es un cuerpo de programas de ordenador que intenta

imitar e incluso superar en algunas situaciones a un experto humano en un ámbito concreto de
su actividad. No pretende, en absoluto, reproducir el pensamiento humano, sino simplemente
la pericia de un profesional competente (téngase en cuenta que para construir un SBC se suele
contar con grandes expertos en la materia que incorporan su conocimiento al sistema). Esta
pretensión es más sencilla ya que en algunos campos reducidos los expertos trabajan siguiendo
reglas, aunque, generalmente, no sean conscientes de ello. En aquellos campos en los que no
sea necesario aplicar la intuición ni el sentido común, los sistemas basados en el conocimiento
han conseguido notables éxitos, consiguiendo en ocasiones ser más regulares y rápidos que
los propios expertos.
Los sistemas basados en el conocimiento desarrollados hasta hace poco constituyen la primera
generación cuya característica común reside en la superficialidad del conocimiento que se
incluye en el mismo. Los ingenieros de conocimiento (desarrolladores de los sistemas basados
en el conocimiento) se limitan a incorporar en los sistemas la experiencia y criterios de los
especialistas sin buscar las razones últimas en las que se basan.

Actualmente existen sistemas más avanzados, Sistemas de Segunda Generación, en la que el

conocimiento se estructura en dos niveles. El primer nivel, de control (se suele aludir a él como
metaconocimiento y las reglas que lo constituyen reciben el nombre de metarreglas), sirve para
determinar la forma de utilizar el segundo nivel que es el que contiene el conocimiento de los
expertos.

NIVELES DE CONOCIMIENTO
Existen dos niveles.
a) El primer nivel
De control (se suele aludir a él como metaconocimiento y las reglas que lo constituyen
reciben el nombre de metarreglas), sirve para determinar la forma de utilizar

b) El segundo nivel
Que es el que contiene el conocimiento de los expertos.

SISTEMAS EXPERTOS (S.E.)

Es un sistema informático, que dotado de una gran cantidad de información (estructurada como
conocimientos, lo que incluye no sólo hechos aislados o datos sino, también, reglas,
generalizaciones, esquemas de interpretación y ejemplificación, etc.) sobre un dominio de
conocimientos concreto y muy bien definido, y que dispone también de una serie de
mecanismos para poner en funcionamiento estos conocimientos almacenados, con vistas a la
resolución de problemas que puedan surgir en ese dominio concreto. Por tanto, se trata de un
sistema informático que acaba realizando las tareas que un experto humano profesional haría,
a partir de los requerimientos, conocimientos, experiencia, etc. que habitualmente son
necesarios para ello, y actuando de una forma muy similar, a como haría un abogado penalista
al preparar la estrategia de un caso, o un médico al estructurar un procedimiento de diagnóstico,
o un asesor fiscal o financiero al evaluar las consecuencias de operación financiera, etc.,
incluyendo las explicaciones y justificaciones pertinentes.

PROBLEMAS SOLUBLES EN SISTEMAS EXPERTOS

Problemas con los que pueden tratar los sistemas expertos:
Deterministas y estocásticos
Ejemplo estocásticos: medicina, relaciones entre síntomas y enfermedades sólo con un grado
de certeza (un conjunto de síntomas no siempre implica cierta enfermedad).

 Los problemas de tipo determinista pueden ser formulados usando un conjunto de reglas
que relacionen varios objetos bien definidos: sistemas basados en reglas.

 En situaciones inciertas, es necesario introducir algunos medios para tratar la

incertidumbre (reglas con una medida asociada a la incertidumbre de las reglas y a la de
sus premisas; la lógica difusa)
DESARROLLO HISTORICO
 ARISTOTELES (300 A.C): Fue el primero en describir de una manera estructurada un
conjunto de reglas que describen una parte del funcionamiento de la mente del ser
humano.

 CTESIDIO DE ALEJANDRIA (250 A.C): Construyo la primera máquina autocontrol adora,

un regulador del flujo de agua que actuaba modificando su comportamiento.

 -RAMON LLULL (1915): Tuvo la idea de que el razonamiento podía ser efectuado de
manera artificial.

 GEORGE BOOLE (1847): Estableció la lógica proposicional (booleana) mucho más

completa que la de Aristóteles, pero aun algo poco potente.

 GOTTLOB FREGE (1879): Extiende la lógica booleana y obtiene la lógica de PRIMER

ORDEN la cual cuenta con mayor poder de expresión y es utilizada en la actualidad.

 -ALAN TURING (1937): Es considerado el PADRE DE LA TEORIA DE LA

COMPUTABILIDAD, estableció las bases teóricas para todas las ciencias de la
computación y que puede considerarse el origen oficial de la informática teórica.

 En 1940 construyo el primer computador electromecánico y en 1941 KONRAD ZUSE

creó la primera computadora programable y el PRIMER lenguaje de programación.

 En 1943 WARREN McCULLOCH y WALTER PITTS presentaron su modelo de neuronas

artificiales, el cual se considera el primer trabajo del campo de la IA, aun cuando no
existía el término.

 En 1950 TURING consolido el campo de la IA, su famosa PRUEBA DE TURING lo hizo

acreedor a ser el PADRE de la IA.

 En 1951 WILLIAM SHOCKLEY inventa el TRANSISTOR de unión. El invento hizo posible

una nueva generación de computadoras mucho más rápidas y pequeñas.

 En 1956 se acuño el término "INTELIGENCIA ARTIFICIAL" durante una conferencia

convocada por McCARTHY, en esta se hicieron previsiones triunfalistas a 10 años que
jamás se cumplieron. Lo que provocó el abandono casi total de la investigación durante
15 años.

 En 1980 la historia se repite con el desafío japonés de la quinta generación, que dio lugar
al auge de los sistemas expertos pero no alcanzo muchos de sus objetivos, por los que
sufrió una nueva interrupción.
  En 1987 MARTIN FISCHLES y OSCAR FIRSCHERN describían los atributos de un
agente inteligente. En este se podía decir que la IA posee características humanas tales
como el aprendizaje, la adaptación, el razonamiento, la autocorrección, el mejoramiento
implícito y la percepción modular del mundo. Así podemos hablar ya no solo de un
objetivo, si no de muchos dependiendo del punto de vista o utilidad que pueda
encontrarse a la IA.

 En la actualidad se está lejos de cumplir la famosa PRUEBA DE TURING "Existirá IA

cuando no seamos capaces de distinguir entre un ser humano y un programa de
computadora en una conversación a ciegas"

SISTEMAS CLASICOS
La IA clásica aparece en los años 50 como resultado de la comprensión del cerebro por medio
de la neurociencia, las nuevas teorías matemáticas de la información, la teoría de control que
surge desde la cibernética y la aparición del ordenador digital.

SISTEMAS EXPERTOS
Sistemas expertos: programa de ordenador que resuelve problemas que requieren experiencia
humana, mediante el uso de representación del conocimiento y procedimientos de decisión.

EXPERTOS HUMANOS
Experto humano (un consejero hospitalario, un geólogo o un analista químico. p. ej.) suele ser
una persona respetada. Los expertos dedican mucho tiempo a estudiar y practicar la disciplina
elegida para llegar a ejercer eficientemente su trabajo. El problema de los expertos humanos
es multifacético: su escaso número, su disponibilidad, el pago de remuneraciones y, por
supuesto su calidad de mortales, que implica, a la larga la pérdida total de la destreza adquirida.
Por ese motivo es comprensible que a muchas empresas les atraiga la idea de codificar esa
pericia en programas de computadora, para poder trabajar con un gran cuerpo de conocimientos
sin los inconvenientes propios de los expertos humanos.

VENTAJAS Y DESVENTAJAS
Ventajas
 En el ámbito laboral reduce los costos y salarios adicionales.
 Por resultar un atractivo, conlleva a generar más ingresos.
 Se han desarrollado aplicaciones que realizan tareas que el hombre nunca hubiera
podido realizar debido a su complejidad.
 Puede predecir situaciones a largo plazo.
 Reduce el tiempo que consume realizar cierta actividad.
 Lograr grandes hallazgos y avances.

Desventajas
 Por ser software, requieren de constantes actualizaciones (mantenimiento).
 Realizar estos sistemas expertos requiere de mucho tiempo y dinero.
 Crear máquinas que sean autosuficientes y puedan ir desplazando a la raza humana.
  El uso irracional y exagerado de esta tecnología podría conllevar a la dominación de las
máquinas sobre el hombre, como también llegar a depender mucho de ellas.
 El hombre se siente menos importante cuando una máquina o un sistema “lo supera”.

TAREAS QUE REALIZAN LOS S.E. Y SUS CAMPOS DE APLICACIÓN

Monitorización
La monitorización es un caso particular de la interpretación, y consiste en la comparación
continua de los valores de las señales o datos de entrada y unos valores que actúan como
criterios de normalidad o estándares. En el campo del mantenimiento predictivo los SE se
utilizan fundamentalmente como herramientas de diagnóstico.

Se trata de que el programa pueda determinar en cada momento el estado de funcionamiento

de sistemas complejos, anticipándose a los posibles incidentes que pudieran acontecer. Así,
usando un modelo computacional del razonamiento de un experto humano, proporciona los
mismos resultados que alcanzaría dicho experto.

Diseño
Diseño es el proceso de especificar una descripción de un artefacto que satisface varias
características desde un número de fuentes de conocimiento.
El diseño se concibe de distintas formas:
 El diseño en ingeniería es el uso de principios científicos, información técnica e
imaginación en la definición de una estructura mecánica, máquina o sistema que ejecute
funciones específicas con el máximo de economía y eficiencia.
 El diseño industrial busca rectificar las omisiones de la ingeniería, es un intento
consciente de traer forma y orden visual a la ingeniería de hardware donde la tecnología
no provee estas características.

Los SE en diseño ven este proceso como un problema de búsqueda de una solución óptima o
adecuada. Las soluciones alternas pueden ser conocidas de antemano o se pueden generar
automáticamente probándose distintos diseños para verificar cuáles de ellos cumplen los
requerimientos solicitados por el usuario, ésta técnica es llamada “generación y prueba”, por lo
tanto estos SE son llamados de selección. En áreas de aplicación, la prueba se termina cuando
se encuentra la primera solución; sin embargo, existen problemas más complejos en los que el
objetivo es encontrar la solución óptima.

Planificación
La planificación es la realización de planes o secuencias de acciones y es un caso particular de
la simulación. Está compuesto por un simulador y un sistema de control. El efecto final es la
ordenación de un conjunto de acciones con el fin de conseguir un objetivo global.
Los problemas que presentan la planificación mediante SE son los siguientes:
 Existen consecuencias no previsibles, de forma que hay que explorar y explicar varios
planes.
 Existen muchas consideraciones que deben ser valoradas o incluirles un factor de peso.
 Suelen existir interacciones entre planes de subjetivos diversos, por lo que deben
elegirse soluciones de compromiso.
 Trabajo frecuente con incertidumbre, pues la mayoría de los datos con los que se trabaja
son más o menos probables pero no seguros.
 Es necesario hacer uso de fuentes diversas tales como bases de datos.
Control
Un sistema de control participa en la realización de las tareas de interpretación, diagnóstico y
reparación de forma secuencial. Con ello se consigue conducir o guiar un proceso o sistema.
Los sistemas de control son complejos debido al número de funciones que deben manejar y el
gran número de factores que deben considerar; esta complejidad creciente es otra de las
razones que apuntan al uso del conocimiento, y por tanto de los SE.

Cabe aclarar que los sistemas de control pueden ser en lazo abierto, si en el mismo la
realimentación o el paso de un proceso a otro lo realiza el operador, o en lazo cerrado si no
tiene que intervenir el operador en ninguna parte del mismo. Reparación, correcta o terapia.

EJEMPLOS DE SE
 MYCIN es un Sistema Experto para la realización de diagnósticos en el área de la
medicina, iniciado por Ed Feigenbaum y posteriormente desarrollado por E. Shortliffe y
sus colaboradores. Su función es la de aconsejar a los médicos en la investigación y
determinación de diagnósticos en el campo de las enfermedades infecciosas de la
sangre.

 XCON es un SE para configuraciones, desarrollado por la Digital Equipment Corporation.

Según los deseos individuales del cliente se configuran redes de ordenadores VAX. Ya
que el abanico de productos que se ofrecen en el mercado es muy amplio, la
configuración completa y correcta de un sistema de estas características es un problema
de gran complejidad. Responde esencialmente a dos preguntas: ¿Pueden conjugarse
los componentes solicitados por el cliente de forma conveniente y razonable? Y ¿Los
componentes de sistema especificados son compatibles y completos? Las respuestas a
estas preguntas son muy detalladas. XCON es capaz de comprobar y completar
los pedidos entrantes mucho más rápido y mejor que las personas encargadas de
hacerlo antes que él.

 DELTA, sistema experto que ayuda a los mecánicos en el diagnóstico y reparación

de locomotoras diesel-eléctricas, DELTA no sólo da consejos expertos, sino que también
presenta informaciones por medio de un reproductor de vídeo

SISTEMAS BASADOS EN FRAMES

El formalismo de marcos se ha revelado como la técnica de representación de conocimientos
más utilizada en IA cuando los conocimientos del dominio están organizados sobre la base de
conceptos. Minsky definió los marcos como una estructura de datos que representa situaciones
esteorotipadas construidas sobre situaciones similares ocurridas anteriormente, permitiendo así
aplicar a situaciones nuevas los conocimientos de situaciones, eventos y conceptos previos.
Los conocimientos que se expresan en los marcos son conocimientos declarativos del dominio.
Dentro del marco, existen conocimientos procedimentales que se refieren a: cómo utilizar el
marco, qué se espera que suceda a continuación, así como el conjunto de acciones que se
deben realizar tanto si las expectativas se cumplen como si éstas fallan. Los marcos organizan
los conocimientos del dominio en árboles, también llamados jerarquías, o en grafos, ambos
construidos por especialización de conceptos generales en conceptos más específicos.
Las técnicas de inferencia utilizadas para razonar con los conocimientos de la base de
conocimientos son: equiparación, para clasificar entidades en una jerarquía; herencia simple y
herencia múltiple, para compartir propiedades que están distribuidas en la jerarquía de
conceptos o en el grafo, respectivamente; y valores activos y métodos para representar la
conducta del sistema.

SISTEMAS BASADOS EN REGLAS

Los Sistemas Basados en Reglas (SBR) constituyen un campo de estudio importante dentro de
la IA, porque permiten capturar la experiencia humana en la resolución de problemas, con el fin
de alcanzar decisiones consistentes y repetibles. En ellos la representación del conocimiento
se identifica claramente con las heurísticas o formas de proceder de los expertos. Son
especialmente interesantes en aquellos dominios en los que escasean los expertos (medicina,
ingeniería, etc.), ya que proporcionan un medio eficaz para difundir ampliamente razonamientos
escasos y específicos. Además, en nuestra vida diaria nos encontramos con muchos escenarios
que están gobernados por reglas deterministas. Ejemplos de dichas situaciones son el control
del tráfico de coches, de la seguridad de personas, de las transacciones bancarias, etc.

En los SBR, las estructuras de representación son declarativas, por lo que existe una separación
explícita entre el conocimiento del dominio y los mecanismos de deducción utilizados. Por una
parte, el conocimiento del dominio puede ser factual o heurístico. El primero es el conocimiento
del dominio aceptado, y generalmente consensuado, por todos los expertos en un campo de
aplicación específico. El segundo, el conocimiento heurístico, es mucho menos riguroso y está
basado en la experiencia propia de cada experto o grupo de expertos. Se dice que es el
conocimiento de la buena práctica y el buen juicio. Por otra parte, los mecanismos de deducción
utilizados controlan las etapas que se deben llevar a cabo para resolver un problema.

Dichos mecanismos se conocen como motores de inferencia y son los que aplican el
conocimiento para crear una línea de razonamiento. Los SBR son una aplicación de los
sistemas de deducción en lógica proposicional o de primer orden, restringidos a cláusulas de
Horn en primera instancia. Utilizan las reglas de Sistemas basados en reglas inferencia de la
lógica (razonamiento deductivo) para llegar a obtener conclusiones lógicas, interpretando
dichas reglas de la siguiente manera: a) como reglas de la forma condición-acción en un control
con encadenamiento hacia delante, o b) como conjuntos de implicaciones lógicas a partir de las
cuales se obtienen las deducciones, en un control con encadenamiento hacia atrás.

EQUIPO DE DESARROLLO DE UN SE
Las personas que componen un grupo o un equipo, como en todos los ámbitos deben cumplir
unas características y cada uno de ellos dentro del equipo desarrolla un papel distinto.

A continuación detallaremos cada componente del equipo dentro del desarrollo y cual es la
función de cada uno:
1. El experto: La función es la de poner sus conocimientos especializados a disposición del
SE.
2. El ingeniero del conocimiento: El ingeniero que plantea las preguntas al experto, estructura
sus conocimientos y los implementa en la base de conocimientos.
3. El usuario: El usuario aporta sus deseos y sus ideas, determinado especialmente el
escenario en el que debe aplicarse el SE.
COMPONENTES DE UN SE
Un sistema experto totalmente viable tiene cuatro componentes esenciales:
1. La base de conocimientos.
2. El motor de inferencia.
3. El módulo de adquisición de conocimientos.
4. La interface explicativa.

Los cuatro módulos son críticos. Un sistema basado en el conocimiento puede carecer de
alguno de ellos, pero un auténtico sistema experto no puede carecer de ninguno. Hablaremos
de esos cuatro módulos de uno en uno y explicaremos cómo trabajan todos juntos.