de un agente no vivo.1 2 3 John McCarthy, acu el trmino en 1956, la defini: "Es la ciencia e
ingeniera de hacer mquinas inteligentes, especialmente programas de cmputo inteligentes."4
Para explicar la definicin anterior, entindase a un Agente inteligente que permite
pensar, evaluar y actuar conforme a ciertos principios deoptimizacin y consistencia, para
satisfacer algn objetivo o finalidad
Con lo cual , y de manera ms especfica la inteligencia artificial es la disciplina que se
encarga de construir procesos que al ser ejecutados sobre una arquitectura fsica producen
acciones o resultados que maximizan una medida de rendimiento determinada, basndose
en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura
1.
Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de los mtodos numricos es
el uso de smbolos no matemticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de
programas como los compiladores y sistemas de bases de datos,tambinprocesan smbolos y no se considera que
usen tcnicas de Inteligencia Artificial.
2.
3.
Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente por las conclusiones
intermedias alcanzadas durante las consideraciones al problema especfico. Los lenguajes orientados al objeto
comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia Artificial.
4.
El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del
mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito
especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir
entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de
explicar discrepancias entre ellas.
5.
Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no
pueden trabajar con este tipo de problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a
metas como en planificacin, o el diagnstico de tareas en un sistema del mundo real: con poca informacin, con
una solucin cercana y no necesariamente exacta.
Las computadoras son fundamentales hoy da en nuestras vidas afectando todos los
aspectos de esta. La Inteligencia Artificial se crea con la implementacin en las
computadoras para realizar mecanismo de computacin que utiliza programas fijos y
contiene una seria de reglas que lo hacen funcionar. Esto permite a las computadoras a ser
creadas en maquinas artificiales que desempean tareas montonas, repetitivas y simples
mas eficiente y efectivas que un ser humano. Estudios sobre trabajos o tareas repetitivas
han demostrado que el ser humano no le agrada este tipo de trabajo y al pasar el tiempo son
ms susceptibles a cometer errores en el mismo. Para situaciones complejas el objetivo se
hace mas complejo debido a que la inteligente artificial dada a las computadoras tienen
dificultad en entender ciertas situaciones o problemas especficos y como reaccionar a
estas. Tambien ocurre que dentro de un problema tienen la variabilidad del mismo y no
pueden adaptarece a un cambio que pueda ocurrir. Estos problemas son de suma
importancia para la Inteligencia Artificial que busca el mejorar, aprender, entender y el
razonamiento del comportamiento de las computadoras en situaciones complejas. El campo
de la ciencia de Inteligencia Artificial esta todava en etapas de crecimiento comparadas
con otras ramas de computadoras pero poco a poco el estudio del comportamiento humano
dar paso para aplicar estos conocimientos a las computadoras y estas lograr de manera
primitiva razonas sobre diferentes situaciones. La complejidad en aplicarle conocimientos
del ser humano a las computadoras es la capacidad de estos de ser impredecible y las
maneras diferentes que se actua ante una posible situacin y estas reacciones hacen que no
se pueda implementar un patrn dentro de la memoria de una computadora. Hasta ahora no
1. Introduccin
La robtica es un concepto de dominio publico. La mayor parte de la gente tiene una idea de lo
que es la robtica, sabe sus aplicaciones y el potencial que tiene; sin embargo, no conocen el
origen de la palabra robot, ni tienen idea del origen de las aplicaciones tiles de la robtica
como ciencia.
La robtica como hoy en da la conocemos, tiene sus orgenes hace miles de anos. Nos
basaremos en hechos registrados a travs de la historia, y comenzaremos aclarando que
antiguamente los robots eran conocidos con el nombre de autmatas, y la robtica no era
reconocida como ciencia, es mas, la palabra robot surgi hace mucho despus del origen de los
autmatas.
Desde el principio de los tiempos, el hombre ha deseado crear vida artificial. Se ha empeado
en dar vida a seres artificiales que le acompaen en su morada, seres que realicen sus tareas
repetitivas, tareas pesadas o difciles de realizar por un ser humano. De acuerdo a algunos
autores, como J. J. C. Smart y Jasia Reichardt, consideran que el primer autmata en toda la
historia fue Adn creado por Dios. De acuerdo a esto, Adn y Eva son los primero autmatas
inteligentes creados, y Dios fue quien los program y les dio sus primeras instrucciones que
debieran de seguir. Dentro de lamitologa griega se puede encontrar varios relatos sobre la
creacin de vida artificial, por ejemplo, Prometeo creo el primer hombre y la primer mujercon
barro y animados con el fuego de los cielos. De esta manera nos damos cuenta de que la
humanidad tiene la obsesin de crear vida artificial desde el principio de los tiempos. Muchos
han sido los intentos por lograrlo.
Los hombres creaban autmatas como un pasatiempo, eran creados con el fin de entretener a
su dueo. Los materiales que se utilizaban se encontraban al alcance de todo el mundo, esto es,
utilizaban maderas resistentes, metales como el cobre y cualquier otro material moldeable, esto
es, que no necesitara o requiriera de algn tipo de transformacin para poder ser utilizado en la
creacin de los autmatas.
Estos primeros autmatas utilizaban, principalmente, la fuerza bruta para poder realizar sus
movimientos. A las primeras maquinas herramientas que ayudaron al hombre a facilitarle
su trabajo no se les daba el nombre de autmata, sino ms bien se les reconoca como
artefactos o simples maquinas.
o
1.
3. Robtica mdica. La
utilizacin de robots para la realizacin de intervenciones quirrgicas. Entre
las consecuciones de la robtica mdica, podemos destacar dos: la
teleciruga y la ciruga mnimamente invasiva(Robotecs, 2010).
4. Robtica espacial.
Esta diseado para desarrollar capacidades de la tele robtica para la
movilidad y manipulacin a distancia, uniendo la robtica y las tele
operaciones y creando nuevas tecnologas en tele robtica. (NASA, 2009).
Sistema experto
Los sistemas expertos son llamados as porque emulan el razonamiento de un experto en un dominio
concreto y en ocasiones son usados por stos. Con los sistemas expertos se busca una mejor calidad y
rapidez en las respuestas dando as lugar a una mejora de la productividad del experto.
Estructura bsica de un SE
Un Sistema Experto est conformado por:
Tipos de SE
Principalmente existen tres tipos de sistemas expertos:
Expertos
[editar]Ventajas
Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias
a la capacidad de duplicacin el coste finalmente es bajo.
Apoyo Acadmico.
[editar]Limitaciones
Los SE en diseo ven este proceso como un problema de bsqueda de una solucin ptima o
adecuada. Las soluciones alternas pueden ser conocidas de antemano o se pueden generar
automticamente probndose distintos diseos para verificar cules de ellos cumplen los
requerimientos solicitados por el usuario, sta tcnica es llamada generacin y prueba, por lo
tanto estos SE son llamados de seleccin. En reas de aplicacin, la prueba se termina cuando se
encuentra la primera solucin; sin embargo, existen problemas ms complejos en los que el
objetivo es encontrar la solucin ptima.
[editar]Planificacin
La planificacin es la realizacin de planes o secuencias de acciones y es un caso particular de la
simulacin. Est compuesto por un simulador y un sistema de control. El efecto final es la
ordenacin de un conjunto de acciones con el fin de conseguir un objetivo global.
Los problemas que presentan la planificacin mediante SE son los siguientes:
Suelen existir interacciones entre planes de subobjetivos diversos, por lo que deben
elegirse soluciones de compromiso.
Trabajo frecuente con incertidumbre, pues la mayora de los datos con los que se
trabaja son ms o menos probables pero no seguros.
simulacin requieren modelos matemticos y lgicos, que describen el comportamiento del sistema
bajo estudio.
El empleo de los SE para la simulacin viene motivado por la principal caracterstica de los SE, que
es su capacidad para la simulacin del razonamiento de un experto humano, que es un proceso
complejo.
En la aplicacin de los SE para simulacin hay que diferenciar cinco configuraciones posibles:
1. Un SE puede disponer de un simulador con el fin de comprobar las soluciones y en
su caso rectificar el proceso que sigue.
2. Un sistema de simulacin puede contener como parte del mismo a un SE y por lo
tanto el SE no tiene que ser necesariamente de simulacin.
3. Un SE puede controlar un proceso de simulacin, es decir que el modelo est en la
base de conocimiento del SE y su evolucin es funcin de la base de hechos, la
base de conocimientos y el motor de inferencia, y no de un conjunto de ecuaciones
aritmtico lgicas.
4. Un SE puede utilizarse como consejero del usuario y del sistema de simulacin.
5. Un SE puede utilizarse como mscara o sistema frontal de un simulador con el fin de
que el usuario reciba explicacin y justificacin de los procesos.
[editar]Instruccin
Un sistema de instruccin realizara un seguimiento del proceso de aprendizaje. El sistema detecta
errores ya sea de una persona con conocimientos e identifica el remedio adecuado, es decir,
desarrolla un plan de enseanza que facilita el proceso de aprendizaje y la correccin de errores.
[editar]Recuperacin
de informacin
Los Sistemas Expertos, con su capacidad para combinar informacin y reglas de actuacin, han
sido vistos como una de las posibles soluciones al tratamiento y recuperacin de informacin, no
slo documental. La dcada de 1980 fue prolija en investigacin y publicaciones sobre
experimentos de este orden, inters que continua en la actualidad.
Lo que diferencia a estos sistemas de un sistema tradicional de recuperacin de informacin es
que stos ltimos slo son capaces de recuperar lo que existe explcitamente, mientras que un
Sistema Experto debe ser capaz de generar informacin no explcita, razonando con los elementos
que se le dan. Pero la capacidad de los SE en el mbito de la recuperacin de la informacin no se
limita a la recuperacin. Pueden utilizarse para ayudar al usuario, en seleccin de recursos de
informacin, en filtrado de respuestas, etc. Un SE puede actuar como un intermediario inteligente
que gua y apoya el trabajo del usuario final.
Lgica difusa
La lgica difusa o lgica heuristica se basa en lo relativo de lo observado como posicin diferencial.
Este tipo de lgica toma dos valores aleatorios, pero contextualizados y referidos entre s. As, por
ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente se ha tomado
el valor de persona baja y se ha establecido en 1 metro. Ambos valores estn contextualizados a
personas y referidos a una medida mtrica lineal.
Funcionamiento
La lgica difusa ("fuzzy logic" en ingls) se adapta mejor al mundo real en el que vivimos, e incluso
puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy
alto", "el ritmo del corazn est un poco acelerado", etc.
La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de nuestro
lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco").
En la teora de conjuntos difusos se definen tambin las operaciones
de unin, interseccin, diferencia, negacin o complemento, y otras operaciones sobre conjuntos
(ver tambin subconjunto difuso), en los que se basa esta lgica.
Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus elementos, que
indican en qu medida el elemento forma parte de ese conjunto difuso. Las formas de las funciones
de pertenencia ms tpicas son trapezoidal, lineal y curva.
Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente), donde el
antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o resultado de operar
con ellos. Sirvan como ejemplos de regla heurstica para esta lgica (ntese la importancia de las
palabras "muchsimo", "drsticamente", "un poco" y "levemente" para la lgica difusa):
Los mtodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los
resultados de dichos mtodos son un rea final, fruto de un conjunto de reas solapadas entre s
(cada rea es resultado de una regla de inferencia). Para escoger una salida concreta a partir de
tanta premisa difusa, el mtodo ms usado es el del centroide, en el que la salida final ser el
centro de gravedad del rea total resultante.
Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser formuladas
por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso de redes
neuronales para fortalecer las futuras tomas de decisiones.
Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de un
sistema. El motor de inferencias se basa en chips difusos, que estn aumentando
exponencialmente su capacidad de procesamiento de reglas ao a ao.
Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente manera:
En la figura, el sistema de control hace los clculos con base en sus reglas heursticas,
comentadas anteriormente. La salida final actuara sobre el entorno fsico, y los valores sobre el
entorno fsico de las nuevas entradas (modificado por la salida del sistema de control) seran
tomadas por sensores del sistema.
Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un coche que se
autorregula segn las necesidades: Los chips difusos del climatizador recogen los datos de
entrada, que en este caso bien podran ser la temperatura y humedad simplemente. Estos datos se
someten a las reglas del motor de inferencia (como se ha comentado antes, de la forma SI...
ENTONCES... ), resultando un rea de resultados. De esa rea se escoger el centro de gravedad,
proporcionndola como salida. Dependiendo del resultado, el climatizador podra aumentar la
temperatura o disminuirla dependiendo del grado de la salida.
clculos matemticos hechas por el sistema. Para lograr estos tiene que haber estado en
situaciones similares de lo contrario no reaccionara a la situacin. Esto es lo que se le
conoce Inferencia Monotonica donde se llega a una conclusin marroneando las
alternativas y de acuerdo a la situacin se puede cambiar.
El conocimiento, sentido comn y razonamiento
Aunque realmente estn lejos del ser humano en cuanto a estas capacidades el fin de toda al
Indiligencia Artificial comienza y termina aqu. Menciona esto porque el lograr que una
computadora logre a analizar y reaccionar a diferentes situaciones este es el fin comn
de todo este campo.
Aprendizaje por experiencia
Los sistemas van aprender a reaccionar y actuar de acuerdo a situaciones anteriores, es
decir el sistema tomara en cuenta decisiones pasadas para reaccionar a situaciones
corrientes. A medida que va obteniendo experiencia en situaciones similares las archiva en
su base de datos como memoria.
Planificacin
Los sistemas en este campo contienen data que contiene una serie de niveles y de acuerdo a
la data en estos niveles es que el sistema reacciona a la situacin. El sistema reacciona a la
situacin mediante el nivel que este la situacin en particular y en este busca en su base de
datos las alternativas para este.
Epistemologa
Es el estudio de los diferentes conocimientos que se tiene para resolver problemas en
nuestro medio ambiente.
Ontologa
Estudio de las cosas existentes en el mundo, donde se estudia las diferentes clases de
objetos y su relacin con el ambiente que los rodean.
Programas genticos
Son sistema que tiene una programacin tcnica que resuelve tareas de acuerdo a las
alternativas utilizadas previamente en otras tareas o problemas.
1) Origen
Desde entonces son muchas las ramas que surgen del tronco comn de la Inteligencia
Artificial. Las Ciencias de la Computacin han asistido continuamente al
nacimiento de nuevas ramas y se habla de sistemas expertos, vida artificial,
algoritmos genticos, computacin molecular o redes neuronales. En algunas de estas
ramas los resultados tericos van muy por encima de las realizaciones prcticas.
Los sistemas expertos son la rama ms conocida. Parten de la premisa de que los
expertos humanos utilizan gran cantidad de conocimientos especficos de un campo
que deben ser incorporados en el sistema experto. Para los defensores ms radicales
de este paradigma, la inteligencia es un programa que debe funcionar
independientemente del lugar donde se ejecute: ordenador o cerebro.
La forma deductiva en que representan el conocimiento, habitualmente
mediante smbolos y reglas, es apropiada cuando es posible extraer un conjunto de
reglas y normas. En la Contabilidad existen subdominios en los que es fcil o al menos
posible extraer una serie de reglas y otros en los que es menos factible.
5) La Vida Artificial
La Vida Artificial puede considerarse un paradigma emergente de la Inteligencia
Artificial: se simulan realidades virtuales que evolucionan en entornos mutantes.
Los algoritmos genticos son los representantes ms conocidos de la Vida Artificial.
6) Aplicaciones en la empresa
De entre todos los paradigmas y estrategias de la Inteligencia Artificial, actualmente
dos tienen el mayor inters para las aplicaciones en la empresa: los sistemas
expertos y las redes neuronales artificiales. Estos sistemas se pueden combinar,
por lo que una solucin prctica es utilizar sistemas mixtos que incorporan un
mdulo de sistema experto con sus reglas junto a otros mdulos neuronales y
estadsticos.
Ramas de la IA
Lgico-matemtica
Psicologa
Informtica
Simulacin
La Inteligencia Artificial
Bsqueda de la imitacin de las funciones lgicas
mediante el empleo de ordenadores
Utilizacin de patrones de lgica clsica en la
inteligencia artificial
Sistemas artificiales de representacin y
recuperacin del conocimiento
Redes neuronales artificiales
Reconocimiento de formas
Visin artificial
Razonamiento artificial
Sistemas inteligentes
Qu es la inteligencia?
La inteligencia natural no tiene una fcil definicin
Hofstadter (1987): Inteligencia es la habilidad para
z responder flexiblemente a diferentes situaciones,
z saber aprovechar circunstancias fortuitas,
z dar sentido a mensajes ambiguos o contradictorios,
z encontrar similitudes entre situaciones diferentes
z generar nuevos conceptos e ideas innovadoras
. CARACTERSTICAS DE LA INTELIGENCIA ARTIFICIAL
1.
2.
3.
4.
5.
La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada
principalmente en el campo industrial; comprensin de lenguajes y traduccin; visin en
mquinas que distinguen formas y que se usan en lneas de ensamblaje; reconocimiento de
palabras y aprendizaje de mquinas; sistemas computacionales expertos.
Los sistemas expertos, que reproducen el comportamiento humano en un estrecho mbito del
conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e
indican un tratamiento, los que interpretan datos sismolgicos en exploracin geolgica y los
que configuran complejos equipos de alta tecnologa.
Tales tareas reducen costos, reducen riesgos en la manipulacin humana en reas peligrosas,
mejoran el desempeo del personal inexperto, y mejoran el control de calidad sobre todo en el
mbito comercial.
4. FUNCIONAMIENTO BSICO DE LA INTELIGENCIA ARTIFICIAL
Diferentes teoras:
1.
2.
3.