Fundamentos de la inteligencia artificial

Inteligencia Artificial y Robótica Ing. Paco Márquez

InTELIGENCIA ARTIFICIAL

Fundamentos de la Inteligencia Artificial

Ingeniería de Sistemas UNICA 2013-II

Inteligencia Artificial y Robótica

Integrantes:

Marcos Avalos Christian Mendoza Valdez Jorge Torres Alarcón Stewart Valdez Huaraca Abner Huamaní Ojeda Helton

1



INDICEINTRODUCCION............................................................................................................................4

1. INTELIGENCIA ARTIFICIAL.....................................................................................................5

1.1. Objetivos de la Inteligencia Artificial............................................................................5

1.2. Importancia de la Inteligencia Artificial........................................................................5

1.3. Características de la Inteligencia Artificial....................................................................6

1.4. Categorías de la Inteligencia Artificial...........................................................................6

2. APLICACIONES DE INTELIGENCIA ARTIFICIAL........................................................................8

2.1. Prueba de Turing..........................................................................................................8

2.2. Agentes.........................................................................................................................9

2.3. Búsqueda Heurística........................................................................................................10

2.3.1. Algoritmo *A.-..........................................................................................................10

2.3.2 Algoritmo MINIMAX.-................................................................................................10

2.3.3 Poda.-........................................................................................................................10

2.3.4 Algoritmo MTD-f.-.....................................................................................................11

2.4. Visión Artificial.................................................................................................................11

2.5. Redes Neuronales............................................................................................................12

2.6. Sistemas Expertos............................................................................................................12

2.7. Robótica..........................................................................................................................12

2.7.1. Clases:.......................................................................................................................13

2.7.2. Hardware Robótico:..................................................................................................13

2.7.3. Aplicaciones:.............................................................................................................14

2.8. Comunicación..................................................................................................................15

2.8.1. Tipos de Lenguaje:....................................................................................................15

2.8.2. Etapas:......................................................................................................................16

2.8.3. Aplicaciones:.............................................................................................................16

3. OTRAS AREAS DE APLICACIONES DE INTELIGENCIA ARTIFICIAL..........................................16

3.1. Procesamiento de lenguaje Natural...........................................................................16

3.2. Percepción y Reconocimiento de Patrones................................................................17

3.3. Auto Aprendizaje........................................................................................................17

3.4. Lógica.........................................................................................................................17

3.5. Lógica difusa...............................................................................................................17

3.6. Algoritmos Genéticos.................................................................................................17

3.7. Juegos.........................................................................................................................17

2



4. INTELIGENCIA ARTIFICIAL CONVENCIONAL........................................................................17

5. INTELIGENCIA ARTIFICIAL COMPUTACIONAL.....................................................................18

6. INTELIGENCIA ARTIFICIAL HUMANA...................................................................................18

7. ELEMENTOS DE LA INTELIGENCIA ARTIFICIAL....................................................................18

7.1. Estrategias de comportamiento inteligente:..............................................................19

7.2. Saber:.........................................................................................................................19

8. TECNICAS DE BUSQUEDA DE INTELIGENCIA ARTIFICIAL.....................................................19

8.1. Arboles de Búsqueda..................................................................................................19

8.2. Técnicas Look-Back.....................................................................................................19

8.2.1. Backtracking Cronológico...................................................................................20

8.2.2. Backtracking Guiado por el Grafo de Restricciones............................................20

8.3. Técnicas Look-Ahead..................................................................................................21

9. SISTEMA BASADO EN CONOCIMIENTO..............................................................................21

CONCLUSION..............................................................................................................................23

BIBLIOGRAFIA.............................................................................................................................24

ILUSTRACIONES

Figura: Prueba Global de Turing.................................................................................................20Figura: Diseño de un agente a base de inferencia......................................................................21Figura. Estructura Look-Back......................................................................................................32Figura. Backtracking Cronológico...............................................................................................33Figura. Backtracking Guiado.......................................................................................................33Figura. Técnica Look-Ahead........................................................................................................34

3



INTRODUCCION

La Inteligencia Artificial (IA) estudia las estrategias y algoritmos que permiten a los computadores pensar “igual” que las personas. Esta disciplina puede ser aplicada en distintas áreas del conocimiento: Medicina, Control automático, Análisis de datos, etc. Es por ello que, el propósito de esta investigación es aprender las técnicas adecuadas para enseñar al computador a pensar y conocer su aplicabilidad en el ámbito informático.

Fundamentos de la Inteligencia Artificial, donde se conocerán aspectos generales de esta disciplina, Agentes inteligentes, Resolución de problemas mediante búsqueda y Estrategias de búsqueda informada y de exploración. Seleccionamos estos temas ya que creemos que son la base fundamental de “cómo piensa un computador”.

La IA es una nueva generación de tecnología informática, caracterizada no sólo por su arquitectura (hardware), sino también por sus capacidades. El énfasis de generaciones previas fue en las computaciones numéricas para aplicaciones científicas o de negocios. La nueva generación de tecnología informática incluye además la manipulación simbólica, con el objetivo de emular el comportamiento inteligente; y, la computación en paralelo, para tratar de conseguir resultados prácticamente en tiempo real. La capacidad predominante de la nueva generación, también conocida como la Quinta Generación, es la habilidad de emular (y tal vez en algunos casos superar) ciertas funciones inteligentes del ser humano.

4

http://www.monografias.com/trabajos7/mafu/mafu.shtml

http://www.monografias.com/trabajos901/evolucion-historica-concepciones-tiempo/evolucion-historica-concepciones-tiempo.shtml

http://www.monografias.com/trabajos16/comportamiento-humano/comportamiento-humano.shtml

http://www.monografias.com/trabajos16/objetivos-educacion/objetivos-educacion.shtml

http://www.monografias.com/trabajos15/plan-negocio/plan-negocio.shtml

http://www.monografias.com/trabajos6/arma/arma.shtml



1. INTELIGENCIA ARTIFICIAL

Inteligencia artificial (IA) es la rama de las Ciencias de la Computación dedicada al desarrollo de agentes racionales no vivos.

La IA como un conjunto de habilidades desarrolladas por el hombre para recibir información, analizarla, comprenderla, almacenarla y saberla aplicar en el futuro para la resolución de problemas.

La IA es una ciencia que trata de la comprensión de la inteligencia y del diseño de máquinas inteligentes, es decir, el estudio y la simulación de las actividades intelectuales del hombre (manipulación, razonamiento, percepción, aprendizaje, creación).

1.1. Objetivos de la Inteligencia Artificial Desarrollar una máquina inteligente capaz de aprender a través de la experiencia,

exhibir verdadera creatividad, tomar sus propias decisiones e interactuar con el medio que la rodee.

Elevar el Coeficiente Intelectual de las máquinas (machine-IQ). Desarrollar las capacidades de la computadora más allá de su uso tradicional actual.

1.2. Importancia de la Inteligencia Artificial Conforme el mundo se vuelve más complejo, debemos usar nuestros recursos materiales y humanos con más eficiencia, y para lograrlo, se necesita la ayuda que nos ofrecen los computadores.

Existe la falsa impresión de que uno de los objetivo del IA es sustituir a los trabajadores humanos y ahorrar dinero. Pero en el mundo de los negocios, la mayoría de personas está más entusiasmada ante las nuevas oportunidades que ante el abatimiento de costos. Además, la tarea de reemplazar totalmente a un trabajador humano abarca de lo difícil a lo imposible, ya que no se sabe cómo dotar a los sistemas de IA de toda esa capacidad de percibir, razonar y actuar que tienen las personas. Sin embargo, debido a que los humanos y los sistemas inteligentes tienen habilidades que se complementan, podrían apoyarse y ejecutar acciones conjuntas.

Ejemplo:

En la agricultura, controlar plagas y manejar cultivos en forma más eficiente.

En las fábricas, realizar montajes peligrosos y actividades tediosas (labores de inspección y mantenimiento).

En la medicina, ayudar a los médicos a hacer diagnósticos, supervisar la condición de los pacientes, administrar tratamientos y preparar estudios estadísticos.

En el trabajo doméstico, brindar asesoría acerca de dietas, compras, supervisión y gestión de consumo energético y seguridad del hogar.

En las escuelas, apoyar la formación de los estudiantes, especialmente en aquellas materias consideradas complejas.

5



Ayudar a los expertos a resolver difíciles problemas de análisis o a diseñar nuevos dispositivos.

Aprender de los ejemplos para explorar bases de datos en busca de regularidades explotables.

Proporcionar respuestas a preguntas en lenguaje natural usando datos estructurados y texto libre.

1.3. Características de la Inteligencia Artificial Disponibilidad casi completa Conservación del conocimiento Capacidad de resolver problemas disponiendo de información incompleta Capacidad de explicar los resultados y la forma de obtenerlos

1.4. Categorías de la Inteligencia Artificial Sistemas que piensan como humanos:

Estos sistemas tratan de emular el pensamiento humano; por ejemplo las redes neuronales artificiales. La automatización de actividades que vinculamos con procesos de pensamiento humano, actividades como la Toma de decisiones, resolución de problemas, aprendizaje.

Figura 1: Sistemas que piensan como humanos

A) Para poder decir que un programa piensa como los humanos. Es necesario contar con un mecanismo para determinar cómo piensan los humanos. Es necesario penetrar en el funcionamiento de las mentes humanas.

B) Hay dos formas de hacerlo: mediante introspección (intentando atrapar nuestros propios pensamientos conforme van apareciendo) y mediante experimentos psicológicos.

Sistemas que actúan como humanos:Estos sistemas tratan de actuar como humanos; es decir, imitan el comportamiento humano; por ejemplo la robótica. El estudio de cómo lograr que los computadores realicen tareas que, por el momento, los humanos hacen mejor.El arte de desarrollar maquinas con capacidad para realizar funciones que cuando son realizadas por personas requieren de inteligencia”. (kurzweil, 1990).

Prueba de Turing.

6

http://es.wikipedia.org/wiki/Rob%C3%B3tica

http://es.wikipedia.org/wiki/Aprendizaje

http://es.wikipedia.org/wiki/Toma_de_decisiones

http://es.wikipedia.org/wiki/Red_neuronal_artificial

http://es.wikipedia.org/wiki/Red_neuronal_artificial



S.E. para justificar un diagnóstico. Máquina de dialogo con los humanos.

Sistemas que piensan racionalmente:Es decir, con lógica (idealmente), tratan de imitar o emular el pensamiento lógico racional del ser humano; por ejemplo los sistemas expertos. El estudio de los cálculos que hacen posible percibir, razonar y actuar.

“El estudio de las facultades mentales a través del uso de modelos computacionales". (Charniak y McDermott, 1985).“El estudio de los cálculos que hacen posible percibir, razonar y actuar”. (Winston, 1992).

Sistemas que actúan racionalmente (idealmente):Tratan de emular de forma racional el comportamiento humano; por ejemplo los agentes inteligentes .Está relacionado con conductas inteligentes en artefactos.

“La inteligencia computacional es el estudio del diseño de agentes inteligentes".(Poole, 1998).

“La inteligencia artificial está relacionada con conductas inteligentes en las maquinas".(Nilsson, 1998).

Figura 2: Agente Inteligente

Un agente racional es aquel que actúa con la intención de alcanzar el mejor resultado o, cuando hay incertidumbre el mejor resultado esperado.

7

http://es.wikipedia.org/wiki/Artefacto

http://es.wikipedia.org/wiki/Agente_inteligente_(inteligencia_artificial)

http://es.wikipedia.org/wiki/Raz%C3%B3n

http://es.wikipedia.org/wiki/Percepci%C3%B3n

http://es.wikipedia.org/wiki/C%C3%A1lculo

http://es.wikipedia.org/wiki/Sistema_experto



2. APLICACIONES DE INTELIGENCIA ARTIFICIAL

Prueba de Turing Agentes Búsqueda Heurística Visión Artificial Redes Neuronales Sistemas Expertos Robótica La Comunicación

2.1. Prueba de TuringEn los comienzos de la I.A se daban grandes listas de lo que un sistema de I.A debía cumplir

para serlo. Alan Turing, propuso un Test en 1950, para acabar con estas listas tan largas e inútiles, ya que lo único que buscaban era imitar al ser humano y no desarrollar una I.A científica. Turing basó su prueba en una entrevista entre un humano con un computador y otro humano ocultos, de manera que ninguno se pueda ver. Si el entrevistador no puede distinguir las respuestas dadas por el hombre y la máquina, se puede hablar de un Sistema Inteligente. Esta prueba merece ser reconocida, ya que no ha perdido validez hasta hoy. Para poder superar la Prueba de Turing original, el computador debe contar con:

Procesamiento del Lenguaje Natural que permita comunicarse perfectamente en inglés.

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

Razonamiento Automático, para usar la información almacenada para responder a preguntas o extraer conclusiones.

Aprendizaje Automático, para adaptarse a muchas circunstancias y para detallar y extrapolar patrones.

Figura: Prueba Global de Turing

Existe una variante de la Prueba de Turing: La Prueba Global de Turing, esta además de exigir lo anterior, incluye una señal de video que permite evaluar la capacidad de visión del evaluado

8



y además le da la capacidad de pasar objetos a través de una pequeña ventana. Para que el computador pase esta variante, se requiere además de lo anterior:

Visión Computacional, para percibir objetos.

Robótica, para manipular y mover objetos.

Como se dijo anteriormente esta Prueba mantiene su vigencia hasta hoy (56 años), sino que además revolucionó la I.A ya que propuso estudiar la Inteligencia en lugar de emularla. Bajo un concepto similar, los hermanos Wright, crearon la aviación: Al comprender los principios aerodinámicos y al dejar de imitar a los pájaros.

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

informáticos deben tener algo que los diferencie de los programas comunes. Entre ellos está tener controles autónomos, percibir su entorno, que persistan por un periodo de tiempo prolongado, que se adapten a los cambios y que sean capaces de alcanzar objetivos distintos.

Tipos:

Agente Racional: Es el que actúa con la intención de obtener el mejor resultado, o si hay incertidumbre, el más apropiado. Estos agentes se basan en Inferencias, aunque existen situaciones en las que no se puede hacer nada correcto, pero se debe tomar una decisión; también poseen Actos Reflejos, ya que son mucho más eficientes que una larga inferencia en algunos casos. Para pasar la Prueba de Turing, los sistemas deben tener estas características. Estudiar la I.A en base a Agentes Racionales, es beneficioso ya que nos hace diseñar al agente en base a inferencias, una forma correcta según las leyes del pensamiento. Sin embargo, por cuestiones de espacio es imposible diseñar una personalidad perfecta. En la práctica se usa una racionalidad limitada, por razones de tiempo y espacio.

Figura: Diseño de un agente a base de inferencia

Agente Inteligente: Son capaces de percibir un medio ambiente, usando sensores y actuar usando actuadores, los sensores pueden ser de un agente robot: Teclado, red, detectores de luz, etc. Y los activadores pueden ser una pantalla o la red. Se dice que una agente tiene percepción si puede recibir múltiples entradas en cualquier instante.

9



En general este agente tomará decisiones de acuerdo a todas las entradas que recibió. A esta secuencia se le ordena en una tabla, no obstante por lo infinita o grande que puede llegar a ser, se limitan algunas entradas. El Agente es manejado por el programa del Agente, se debe diferenciar entre la función que es una descripción abstracta en el programa con el propio programa, que es la implementación real.

Figura: Agentes Inteligentes

Agentes de Estímulo-Respuesta: Estos agentes solo reaccionan de acuerdo a los estímulos que reciben del mundo exterior donde operan, esta es la forma más sencilla de I.A.

Tomemos por ejemplo el caso de un robot que puede moverse en una superficie cuadricular, es capaz de percibir si las celdas están ocupadas o no y ser capaz de moverse a las desocupadas. El robot entonces dispondrá de 8 entradas que llamaremos S1, S2, S3, S4, S5, S6, S7, S8. Y que están numeradas en sentido horario. Además tiene 4 movimientos posibles:

Norte: Se mueve una celda arriba.

Sur: Se mueve una celda abajo.

Este: Se mueve una celda a la derecha.

Oeste: Se mueve una celda a la izquierda.

Características:

- Percepción: Según el ejemplo anterior hay 8

variables para ubicarnos, por tanto existen 28=256 combinaciones de valores posibles. Algunos

10



pueden ser descartados, ya que no existen pasillos estrechos. Podemos elegir 4 características llamadas X1, X2, X3, X4.

- Acción: De las características definidas, lo siguiente que debemos hacer es darles alguna definición para que puedan cumplir su cometido.

2.3. Búsqueda HeurísticaSe llama Búsqueda Heurística debido a que usa conocimientos específicos del problema. Con esta búsqueda podemos encontrar soluciones más eficientemente en el tiempo más rápido posible sin repetir ninguna ciudad. No obstante existe un tope de 30 ciudades, ya que aún a 1 µ ser por solución, se tardaría 1020 años en resolver el problema. (El universo solo tiene 1,6 x 1010 años). Una solución común es de 9 ciudades, que nos da una combinación de 9!=362 880 viajes posibles. Como se ve, la Búsqueda Heurística nos da la ventaja de rapidez en estos casos.

A la aproximación de la Búsqueda Heurística, la llamaremos: Búsqueda Primero el Mejor. Existen algunas variantes:

2.3.1. Algoritmo *A.- Es la forma de búsqueda Primero la Mejor más conocida, sirve para el pathfinding (Búsqueda de Caminos) y es muy usada en juegos. Un ejemplo es el famoso juego Pacman: Los fantasmas que persiguen a Pacman buscan el camino más corto, en lugar de aparecer en forma aleatoria en el Mapa del Juego, otro ejemplo es el Age of Empires, un juego de conquista de civilizaciones, los enemigos salvan obstáculos para llegar a la ciudad del adversario. El Algoritmo *A, no desarrolla un camino por interacción, sino que desarrolla varios caminos y elige los más prometedores. (Para ver un ejemplo del Algoritmo *A.

2.3.2 Algoritmo MINIMAX.- Se poseen 2 jugadores: MAX y MIN, primero jugará MAX y así seguirá el flujo hasta acabar el juego. Existe un árbol de juegos que los programas utilizan para calcular los Movimientos Legales (Permitidos). El valor MINIMAX será un valor que determine el estado final del juego (En el ajedrez: -1, 0, 1; que son triunfo, derrota o empate). En algunos juegos este valor MINIMAX puede ser muy alto (Como en el Back gamón, se estima algo de -192 a 192 valores).

Incluso el Tic Tac Toe (3 en Raya), es complejo para armar el árbol de juegos. A los niveles del árbol se les llama capas.

Para determinar la estrategia óptima a seguir se usan valores MINIMAX. MAX adoptará el valor máximo y MIN el mínimo. La decisión MINIMAX supone que los 2 jugadores son óptimos, si uno es un novato será fácilmente derrotado por esta decisión.

El Algoritmo MINIMAX es la forma computacional en la que se calcula el valor MINIMAX de cada estado de sucesos. Lo interesante del Algoritmo MINIMAX es que no calcula todo el árbol de juegos, sino que calcula solo un horizonte de k niveles. Un cálculo detallado del árbol de juegos perdería tiempo, ya que como ejemplo, en el ajedrez se calculan algo de 35100 movimientos totales. El objetivo de MAX aquí es ganar a MIN tomando alguna decisión sobre la mejor jugada que se puede hacer. El Algoritmo MINIMAX no se usa como tal en la Industria de Juegos, ya que es en algunas ocasiones lento, en vez de este se usan versiones optimizadas que veremos a continuación.

2.3.3 Poda.- El resultado del Algoritmo MINIMAX es el valor MINIMAX que nos permite tomar la decisión más acertada para el horizonte de búsqueda fijado, no obstante hay ocasiones en el que la ramificación del árbol de juegos es muy alta. (En ajedrez se calcula algo de 35100 o 10154 movimientos). Sería un derroche tratar de probarlos todos, esta es la razón

11



por la cual el Algoritmo MINIMAX no se usa como tal en la Industria de Juegos. Afortunadamente se puede simplificar el proceso, evitando algunos nodos. Esto se basa en que al momento de explorar se determina que el nodo no va a cambiar el valor MINIMAX, es obviado, ya que no nos va a servir de mucho. Estos nodos quedan “Podados”, ahorrando así tiempo de proceso en los programas.

El Algoritmo que implementa la poda se llama Algoritmo, y se basa en ajustar los límites llamados: límite -" y límite +"; para el nodo raíz estos son de -" y "+; ya que el valor MINIMAX estará entre esos 2 límites. Estos valores se propagan hacia abajo y se actualizan. Los nodos MAX actualizan su valor si v> y los nodos MIN actualizan su valor si v<. La situación de Poda se detecta si un nodo satisface a " y ello implica obviar la exploración del sub-árbol siguiente y devolver como si se tratara de un nodo MIN. Si no existiera Poda (Es decir no se satisface la expresión"), el algoritmo se comportará como un Algoritmo MINIMAX normal.

2.4. Visión ArtificialHasta ahora los agentes usaban formas sensoriales demasiado limitadas. La Visión por Computador, es uno de los campos más extensos de la I.A ya que influyen muchos aspectos. La Visión para los humanos no es ningún problema, pero para las máquinas es un campo muy complicado. Influyen Texturas, Luminosidad, Sombras, Objetos Complejos, etc. El primer paso es captar la imagen mediante una cámara de TV. Las imágenes a color tienen una matriz I(x, y, t); donde(x, y) nos indican la ubicación de un punto en la matriz de colores y t, nos indica el tiempo.

Este proceso obtiene una imagen invertida, pero simplemente rotarla no nos dará la visión del terreno. Influyen muchos elementos haciendo a este proceso complicado.

En la actualidad, algunos Robots emiten una señal y la reciben generando bajo esto una especie de espacio, esta forma de “ver” es muy rústica, pero se sigue usando ya que desafortunadamente es imposible lograr una reconstrucción de la imagen capturada. Y aunque así fuera, las computadoras no podrían distinguir un objeto de juguete y uno real. Lo peor es que los modelos que existen tratan de resolver esto de forma muy complicada. Al proceso de captar imágenes podemos dividirlo en: Bajo Nivel, Nivel Medio y Alto Nivel.

El primero se encarga de suavizar y quitar ruido a la imagen y de extraer características de la imagen bidimensional, en particular de las aristas, el segundo se encarga de agrupar estas aristas para formar imágenes bidimensionales y la tercera de usar estas imágenes para reconocer objetos del mundo real. Generalmente las imágenes captadas por los robots son suficientes para sus propósitos.

2.5. Redes NeuronalesEn biología, las neuronas tienen un cuerpo circular y una serie de ramificaciones: El axón y las dendritas. El axón transporta la señal de salida otra célula y las dendritas permiten que la información llegue a la neurona. Las conexiones intermedias se llaman Sinapsis, si la neurona pasa el umbral impuesto por la sinapsis, se dispara, caso contrario no hace nada. Esto la asemeja a dispositivos digitales, siendo esta la base de la Redes Neuronales, que buscan imitar a la neurona en términos computacionales. Se hace esto ya que se considera que la neurona es la base de la capacidad de aprendizaje. No obstante la emulación de la neurona no es perfecta, a la fecha se investigan algunas cualidades importantes como la Computación Distribuida para tolerar Ruido (Distorsión) en la entrada y para el aprendizaje. Cada conexión Neuronal computacional posee un peso numérico que limita la fuerza con la que el impulso sale de la

12



neurona, de no ser así la información crecería demasiado con resultados imprevisibles. Las Redes Neuronales reconocen solo dos estados: 0 (No hay impulso) y 1 (Si lo hay), esto las asemeja a las compuertas lógicas de cualquier tipo: AND, XOR, OR, etc.

2.6. Sistemas ExpertosSon programas de computación inteligentes que usan conocimientos y procesos de inferencia, para resolver problemas sumamente difíciles para un humano ya que requerirían de mucha experiencia. En sí un Sistema Experto; emula la capacidad de experiencia de un ser humano para tomar decisiones. Aunque los Sistemas Expertos se centran el domino del problema, no tienen conocimientos más allá de donde fueron programados, esto es, no relaciona ningún otro concepto, a menos que este específicamente indicado. A este conocimiento se le llama Dominio del Conocimiento y como ya se apuntó es muy cerrado. Los Sistemas Expertos se basan en las Redes Neuronales. Sus partes son: La Base del Conocimiento, el Motor de Inferencia, el Subsistema de Explicación y la Interfaz.

La Base del Conocimiento: Aquí están almacenados todos los datos que el Sistema Experto tiene para tomar decisiones.

El Motor de Inferencias: Contiene todos los procesos que manipulan la Base del Conocimiento, para deducir la información pedida por el usuario. (Por Ejemplo, resolución, encadenamiento atrás hacia delante, etc.

El Subsistema de Explicación analiza la estructura del razonamiento y da una explicación al usuario.

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

2.7. Robótica Es uno de los campos de aplicación más apasionantes de la I.A; los Robots son agentes físicos que realizan tareas mediante la manipulación física del mundo; por ser agentes y realizar su trabajo en forma autónoma, se excluyen a los robots que son controlados por un operario humano, como son los que hacen tareas de rutina, ya que la I.A busca robots con sistemas autónomos.

La palabra Robot, proviene de la voz eslovaca Robota, que significa Trabajador Forzado. En realidad esta rama comenzó como una historia de Ciencia Ficción, pero interesó mucho a los desarrolladores de I.A. Los primeros Robots, solo podían seguir una línea blanca pintada en el suelo. En la actualidad este campo ha avanzado tremendamente.

2.7.1. Clases: Robots Manipuladores: Son brazos robóticos que están fijos en un lugar de trabajo y

se usan generalmente para ensamblar piezas, aunque también hay brazos usados para ayudar en hospitales o incluso brazos que pintan lienzos con resultados muy originales.

Robots Móviles: Se desplazan por el medio usando ruedas, piernas u otros. Hay 3 variantes: ULV (Vehículo Terrestre sin Tripulación, en inglés), son robots que permiten un desplazamiento autónomo por autopistas. UAV (Vehículo Aéreo sin Tripulación, en inglés), son robots que permiten operaciones de fumigación autónoma, así como de vigilancia o militares. AUV (Vehículo Submarino sin Tripulación), son robots que permiten exploraciones marinas autónomas o incluso paseos planetarios.

13



Robots Humanoides: Son un tipo de Robots que se asemejan al torso humano. Esta clase usa sus efectores mejor que los otros tipos, pero son mucho más complejas que los otros robots.

2.7.2. Hardware Robótico: Sensores: Hay 2 clases, los Sensores Pasivos, que solo recogen información del medio,

su desventaja es que su margen de error es alto, y los Sensores Activos, que emiten energía al medio y la reciben para usarla para las mediciones. Su única desventaja es que a más se implementen en un robot, mayor es el riesgo de interferencia. Su ventaja es que su margen de error es mínimo. Existen algunos que merecen ser mencionados:

Escáneres de Rango: Miden la distancia.

Sistemas Táctiles: Sensores sensibles al tacto.

GPS: Calculan la posición absoluta del robot en la tierra.

Sensores de Imagen: Permiten obtener imágenes y procesarlas.

Sensores Perceptores: Informan al robot de su propio estado.

Decodificadores de Ejes: Permiten medir las revoluciones de los motores para usarlas en mediciones, en edometría. Este proceso es muy propenso a error debido a desgaste físico.

Sensores Inerciales: Una alternativa al decodificador de ejes, pero no soluciona mucho.

Sensores de Fuerza y Tensión: Le indican al robot con cuanta fuerza está cogiendo algo y con cuanta fuerza lo está girando.

Efectores: Existen varias clases:

o Articuladores de Revolución: Generan movimiento rotacional.

o Articulación Prismática: Genera desplazamiento lateral.

Las personas contamos con los 6 grados de libertad (x, y, z, que nos localizan en el espacio y desvió, balanceo y cabeceo: Yaw, Roll y Pitch). Los robots tienen todos o algunos de estos grados de libertad.

Los robots no holomínicos son aquellos que tienen más grados de libertad efectivos que controlables, y los holomínicos son los que tienen el mismo número, sin embargo los holomínicos aunque son fáciles de manejar, son más complejos de desarrollar.

Los Robots de Impulsión poseen 2 ruedas; como un tanque y cada rueda se mueve independientemente de la otra.

La Conducción Sincronizada se da cuando pueden girar y moverse en su propio eje.

Un Robot es dinámicamente estable si puede mantenerse en pie mientras camina.

Un Robot es estáticamente estable, si el centro de gravedad está encima del polígono que une a sus piernas.

14



No obstante, no solo las partes hacen funcionar al Robot, se necesita una fuente de energía para hacer funcionar sus efectores, la más popular es el motor electrónico, aunque también hay modelos hidráulicos y neumáticos.

2.7.3. Aplicaciones: Industria y Agricultura: Los Robots han sido usados en entornos peligrosos para el

hombre y en muchas ocasiones son más rentables que trabajadores humanos. En la Agricultura, los Robots, están siendo usados para sustituir las grandes máquinas usadas para excavar, cosechar, etc. Por ahora son prototipos, pero pronto remplazarán a los humanos en estas tareas.

Transporte: Los robots han servido mucho aquí: Desde helicópteros autónomos hasta sillas de ruedas automáticas, e incluso portadores de carga que superan a humanos especializados. Incluso algunos ayudan transportando cosas en los hospitales, como el Robot Helpmate.

Entornos Peligrosos: Los Robots ayudaron en la limpieza de lugares de accidentes nucleares como Chernóbil, Three Mile Island. Incluso estuvieron en la búsqueda y limpieza durante el colapso del World Trade Center, ingresando a entornos muy peligrosos, además hay otros que desactivan bombas o limpian campos minados.

Exploración: Los Robots han explorado lugares inaccesibles para la gente, como Marte y los Volcanes. Incluso existen los Drones, vehículos aéreos autónomos usados para fines militares.

Salud: Los Robots son usados para ayudar en operaciones de alto riesgo, también sirven de ayuda a los ancianos como andadores robóticos o juguetes que recuerdan cuando tomar la medicación.

Servicios Personales: Algunos robots pueden prestar servicio en el hogar, como aspirar el hogar, cortar el césped e incluso remplazar los quioscos por quioscos robóticos.

Entretenimiento: Los robots han empezado a conquistar la industria de los juguetes, por ejemplo el robot-perro Sony AIBO; está siendo usado para estudios de I.A en todo el mundo, siendo a la vez un juguete.

En 1995 se inició el torneo de fútbol de robots autónomos Robocup, cuyo objetivo es lograr que robots autónomos ganen un partido de fútbol. Esto está provocando una investigación más eficiente de la I.A, como a su vez darle algo de animación al campo.

Aumento Humano: Se han creado máquinas que puede transportar gente, además se investiga cómo aumentar la fuerza de las personas usando partes robóticas. Hay además proyectos de Robots que se asemejan al ser humano, aunque en forma muy superficial. Estos Robot están en venta por algunas compañías en Japón.

2.8. Comunicación

Es el medio principal por el que las personas se comunican con los sistemas computacionales más inteligentes, sirve para:

Informar: Para no repetir los mismos errores.

15



Preguntar: Para recabar información sobre el resto del mundo.

Compartir experiencias.

Los sistemas computacionales presentan algunos problemas al intentar estudiar el lenguaje:

Descripciones Incompletas: Muchas cosas deben deducirse.

Ambigüedad de Significado: La misma frase en contextos distintos significa cosas diferentes.

No Completitud: Los lenguajes naturales tienen siempre nuevas palabras.

Ambigüedad de Expresión: Un mismo significado puede ser dicho de muchas formas.

Dependencia de Idioma: El procesamiento del lenguaje natural será distinto en otro idioma.

Hay que pensar porqué un agente necesita hablar, cuando puede hacer una acción. Comunicarse le da las siguientes ventajas:

Aceptación de Peticiones

Solicitar la realización de acciones

Prometer o comprometerse a un plan.

2.8.1. Tipos de Lenguaje:

Lenguajes Formales: Son lenguajes en los que están muy bien definidos lo que se puede y no puede decir. Sus definiciones son muy estrictas, a estos lenguajes pertenecen los Lenguajes de Programación (ASM, C++, Basic, Java, etc).

Lenguajes Naturales: Son lenguajes que, al contrario de los formales tienen una gramática más flexible y se pueden añadir nuevas palabras. A estos lenguajes pertenecen los lenguajes del mundo (inglés, danés, español, etc).

2.8.2. Etapas:

La comunicación tiene varias etapas que es preciso conocer. Supongamos que el hablante A desea comunicarle algo a B; las fases que deberían seguir serían:

Intención: Por algún motivo A, desea transmitirle información a B.

Generación: A; planifica como transmitirle su mensaje B.

Síntesis: A; pone en práctica su plan para transmitir su mensaje a B. Puede transmitir el mensaje por medio de la voz, papel, etc.

Percepción: B recibe el mensaje de A y lo decodifica de acuerdo a la forma en la que fue transmitido.

Análisis: B inferirá que el mensaje recibido por A, tiene algún significado. Esto puede causar algunos problemas ya que algunas palabras se interpretan en varios sentidos y esto da lugar a la ambigüedad: No saber el significado de ciertas palabras.

16



2.8.3. Aplicaciones:

Basadas en Texto: Encontrar documentos relacionados con ciertos temas en una base de datos documental, extraer información de mensajes y artículos, traducir texto entre idiomas y resumir texto.

Basadas en Diálogo: Síntesis del control en un lenguaje natural, donde la salida puede ser un comando a un sistema operativo, un robot, etc.; sistema automático de mensajes, compras por teléfono, sistema de acceso a una base de datos en lenguaje natural y sistemas tutores.

3. OTRAS AREAS DE APLICACIONES DE INTELIGENCIA ARTIFICIAL

Las definiciones anteriores implican que las máquinas para ser consideradas inteligentes deben exhibir ciertas habilidades, suficientemente complejas como para ser tratadas como áreas independientes. La forma de abordaje de cada una de estas áreas suele ser tan disímil, que es difícil reconocerles un origen común.

Procesamiento del Lenguaje Natural Algoritmos Genéticos Lógica difusa Lógica Percepción y reconocimiento de patrones Auto aprendizaje Juegos

3.1. Procesamiento de lenguaje NaturalPara muchos investigadores, es el más difícil de alcanzar de todos los objetivos de la

Inteligencia Artificial: Permitir a la computadora comprender el lenguaje humano directamente; sin el complicado conjunto de lenguajes intermedios.

3.2. Percepción y Reconocimiento de PatronesEngloba un conjunto de técnicas de la matemática aplicada y de la informática, ha

despertado un gran interés en las últimas décadas por sus numerosas aplicaciones, entre las que se pueden citar las siguientes: ayuda al diagnóstico médico, análisis automático de señales, teledetección, inspección automática de productos industriales, sistemas de vigilancia automática, procesamiento de documentos, búsqueda automática de información digitalizada etc.

3.3. Auto AprendizajeEsta área de la Inteligencia Artificial trata de la realización de programas que aprendan de

sus errores, de observaciones o por encargo. En este sentido, aprender simplemente significa hacer a una computadora capaz de beneficiarse de la experiencia.

3.4. Lógica Uno de los productos de la I.A. de gran importancia práctica actual son aquellos

programas que se pueden usar para estudiar la corrección lógica de argumentos mediante la aplicación de reglas estándar de lógica. Esto incluye demostraciones matemáticas, lógica formal y lógica filosófica.

17



3.5. Lógica difusaEsta área de la Inteligencia Artificial estudia los problemas de hacer que una computadora

sea capaz de tomar decisiones (“pensar”) usando conocimiento incompleto o probabilístico.

3.6. Algoritmos GenéticosLos Algoritmos Genéticos son una técnica computacional inspirada en modelos biológicos

que han sido utilizados para realizar búsquedas eficientes en espacios de soluciones altamente complejos y grandes. Los Algoritmos Genéticos son métodos adaptivos que pueden ser utilizados para implementar búsquedas y problemas de optimización. Los Algoritmos Genéticos están basados en los procesos genéticos de los organismos biológicos, codificando una posible solución a un problema en un “cromosoma” compuesto por una cadena de bits o caracteres.

3.7. JuegosUna de las primeras aplicaciones de I.A. Fueron los juegos, el primer programa para jugar

damas fue concebido en 1947 pero se realizó hasta 1962. Se dice que el primer juego de ajedrez por computadora fue creado por Claude Shannon en 1953. Actualmente la pasión por los videojuegos es dominante en todo el mundo por niños e inclusive adultos.

4. INTELIGENCIA ARTIFICIAL CONVENCIONALSe conoce también como IA simbólico-deductiva. Está basada en el análisis formal y estadístico del comportamiento humano ante diferentes problemas:

Razonamiento basado en casos: Ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos y aparte de que son muy importantes requieren de un buen funcionamiento.

Sistemas expertos: Infieren una solución a través del conocimiento previo del contexto en que se aplica y ocupa de ciertas reglas o relaciones.

Redes bayesianas: Propone soluciones mediante inferencia probabilística. Inteligencia artificial basada en comportamientos: que tienen autonomía y pueden

auto-regularse y controlarse para mejorar. Smart process management: facilita la toma de decisiones complejas, proponiendo

una solución a un determinado problema al igual que lo haría un especialista en la actividad.

5. INTELIGENCIA ARTIFICIAL COMPUTACIONALEs una rama de la inteligencia artificial centrada en el estudio de mecanismos adaptativos para permitir el comportamiento inteligente de sistemas complejos y cambiantes. Se presenta como una alternativa a la GOFAI ("Good Old-Fashioned Artificial Intelligence"), tratando de no confiar en algoritmos heurísticos tan habituales en la Inteligencia Artificial más tradicional. Dentro de la Inteligencia Computacional podemos encontrar técnicas como las Redes Neuronales, Computación Evolutiva, Swarm Intelligence, Sistemas Inmunes Artificiales o Sistemas difusos. También se relaciona con técnicas como los Fractales, Teoría del Caos, Wavelets, Autómata celular, etc.

La Inteligencia Computacional combina elementos de aprendizaje, adaptación, evolución y Lógica difusa para crear programas que son, en cierta manera, inteligentes. La investigación en Inteligencia Computacional no rechaza los métodos estadísticos, pero muy a menudo

18



aporta una vista complementaria. Las Redes Neuronales son una rama de la inteligencia computacional muy relacionada con el aprendizaje automático.

6. INTELIGENCIA ARTIFICIAL HUMANAEs notable como hoy en día la tecnología se ha desarrollado hasta puntos quizás inimaginables algunas décadas atrás o tan solo años atrás. La variedad y rapidez de las funciones de una PC nos llevan a pensar serán nuestros cerebros inferiores a las máquinas.

Creo que si a alguien le hacen esta pregunta y debe responder en una manera impulsiva y rápida, esta podría llegar a decir que las maquinas son más “inteligentes”. No sería una respuesta totalmente errónea, hoy en día las maquinas realizan, por ejemplo, complicadísimos cálculos matemáticos en segundos, buscan información también en segundos. Esto podría provocar que la gente irreflexivamente conteste que las más inteligentes son las máquinas.

Personalmente, me atrevo a criticar esta respuesta. El fundamento es simple, sabemos que los seres humanos no somos perfectos, no habrá una sola vez en la que no comentamos ni el más mínimo error; es por eso que algo imperfecto no puede hacer algo perfecto ¿Me explico? Simplificadamente. Acaso Microsoft no tiene fallas.

7. ELEMENTOS DE LA INTELIGENCIA ARTIFICIALEn verdad, la inteligencia artificial consiste en la asimilación de los procesos inductivos y deductivos del cerebro humano. Este intento de imitación se enfrenta a duras restricciones del hardware. Una computadora no es un cerebro; su complejidad electrónica se encuentra a una distancia abismal de la superior complejidad neurológica cerebral. La inteligencia artificial acepta el reto de la imitación de los procesos del cerebro aplicando mucho ingenio para aprovechar los medios de que se dispone y que se elaboran.

Sea cual sea la aplicación de que se trate, la lA se sustenta sobre los dos elementos siguientes:

Estrategias de comportamiento inteligente. Saber.

Estos elementos forman una construcción coherente: son forma y contenido, estructura y materia.

7.1. Estrategias de comportamiento inteligente: Se conjuga en la disposición de reglas para formular buenas inferencias o conjeturas y,

también, en su utilidad para la búsqueda de una solución a la cuestión o tarea planteada. De esta forma, las estrategias son la parte estructural o formal.

7.2. Saber:Significa lo material o el contenido, y, por tanto, varía en cada caso de un modo más

profundo; se trata del saber. En realidad, no se puede pretender reunir el saber, sino los saberes. Por ejemplo, cada sistema experto posee en memoria todos los conocimientos distintivos que tendría un especialista en la materia, sea un médico, un abogado o un químico. El saber que se recoge tiene un carácter especializado y alcanza un volumen conceptual considerable.

19



8. TECNICAS DE BUSQUEDA EN INTELIGENCIA ARTIFICIAL

Técnicas de Búsqueda de Soluciones

Arboles de Búsqueda Técnicas Look-Back Técnicas Look-Ahead Gua de Búsqueda

8.1. Arboles de Búsqueda Estructura en forma de árbol que permite construir instanciaciones en un problema

de búsqueda. Un árbol de búsqueda posee tantos niveles como variables tiene el problema + 1. Un árbol tiene tantos descendientes por nivel como valores tenga el dominio de cada

variable.

8.2. Técnicas Look-BackLos algoritmos con enfoque look-back tratan de explotar la información del problema

para comportarse más eficientemente en las situaciones sin salida. Llevan a cabo el chequeo de la consistencia hacia atrás, es decir, entre la variable actual y las pasadas.

Figura. Estructura Look-Back

8.2.1.Backtracking CronológicoSi asumimos un orden estático las variables y de los valores en las variables, este algoritmo

trabaja de la siguiente manera. El algoritmo selecciona la siguiente variable de acuerdo al orden de las variables y le asigna su próximo valor. Esta asignación de la variable se comprueba en todas las restricciones en las que forma parte la variable actual y las anteriores. Si todas las restricciones se han satisfecho, el backtracking cronológico selecciona la siguiente variable y trata de encontrar un valor para ella de la misma manera. Si alguna restricción no se satisface entonces la asignación actual se deshace y se prueba con el próximo valor de la variable actual.

Si no se encuentra ningún valor consistente entonces tenemos una situación sin salida (dead-end) y el algoritmo retrocede a la variable anteriormente asignada y prueba asignándole un nuevo valor. Si asumimos que estamos buscando una sola solución, el backtracking cronológico finaliza cuando a todas las variables se les ha asignado un valor, en cuyo caso

20



devuelve una solución, o cuando todas las combinaciones de variable-valor se han probado sin éxito, en cuyo caso no existe solución.

El backtracking cronológico es un algoritmo muy simple pero es muy ineficiente. El problema es que tiene una visión local del problema. Solo comprueba restricciones que están formadas por la variable actual y las pasadas, e ignora la relación entre la variable actual y las futuras. Además, este algoritmo es ingenuo en el sentido de que no 'recuerda' las acciones previas, y como resultado, puede repetir la misma acción varias veces innecesariamente. Para ayudar a combatir este problema, se han desarrollado algunos algoritmos de búsqueda más robustos.

Figura. Backtracking Cronológico

8.2.2.Backtracking Guiado por el Grafo de RestriccionesEn caso de error sobre una variable se regresa a la variable conectada por una restricción

más recientemente instanciada. Método interesante para los grafos de restricciones sparse.

Figura. Backtracking Guiado

8.3. Técnicas Look-AheadComo ya indicamos anteriormente, los algoritmos look-back tratan de reforzar el

comportamiento de Backtracking mediante un comportamiento más inteligente cuando se encuentran en situaciones sin salida. Sin embargo, en todos los casos, el chequeo de la consistencia se realiza solamente hacia atrás, ignorando las futuras variables.

Los algoritmos con enfoque Look-ahead hacen un chequeo hacia adelante en cada etapa de la búsqueda, es decir, ellos chequean para obtener las inconsistencias de las variables futuras involucradas, además de las variables actual y pasadas. De esta manera, las situaciones sin salida se pueden identificar antes y además, los valores inconsistentes se pueden descubrir y podar en las variables futuras.

21



Figura. Técnica Look-Ahead

9. SISTEMA BASADO EN CONOCIMIENTOLos métodos generales desarrollados para la resolución de problemas y técnicas de búsqueda al inicio de la era de la IA demostraron no ser suficientes para resolver los problemas orientados a las aplicaciones, ni fueron capaces de satisfacer los difíciles requerimientos de la investigación.

Es un sistema computarizado capaz de resolver problemas en el dominio en el cual posee conocimiento específico.

La solución es esencialmente la misma que hubiera dado un ser humano confrontado con idéntico problema, aunque no necesariamente el proceso seguido por ambos puede ser igual.

A este conjunto de métodos, procedimientos y técnicas, se lo conoce como Inteligencia Artificial Débil.

Figura: Representación lingüística del conocimientoLos sistemas basados en conocimiento son excelentes para representar conocimiento asociativo. Este tipo de experiencia refleja la habilidad heurística o el conocimiento que es adquirido mayoritariamente, a través de la observación. Puede ser que no se comprenda exactamente lo que ocurre al interior de un sistema (caja negra), pero se puede asociar entradas o estímulos con salidas o respuestas, para resolver problemas que han sido previamente conocidos.

22



Estructura de los SBC

La arquitectura de un sistema basado en conocimiento de alguna manera refleja la estructura cognitiva y los procesos humanos. La primera parte es la memoria de largo plazo, en la que guarda los hechos (Razonamiento) y los conocimientos (Base de Conocimientos) acerca del dominio en el que tiene experiencia.

Figura: Estructura de un sistema basado en conocimiento

9.1. Representación de un sistema basado en conocimientoLo que intentaremos explicar es como traducir o representar los estímulos percibidos (que al fin y al cabo es la información sobre hechos del mundo que nos rodea) en una lengua de representación que permita almacenarlo y recuperarlo es caso de necesitar esa información.

Podemos representar el conocimiento de varias formas:

Simbólicamente podría ser a través de un lenguaje formal como la lógica de primer orden o mediante otros mecanismos como las reglas de producción, las redes semánticas o los marcos (frames) de Marvin Minsky.

Si partimos del enfoque conexionista el conocimiento, como ya hemos dicho, está representada en cada una de los nodos de la red neuronal, que la adquirió en el proceso de entrenamiento o presentándole un cierto patrón de entrada, y si es aprendizaje supervisado la salida deseada.

9.2. Ciclo de vida de los Sistemas basado en conocimiento Análisis del Problema: Evaluar el problema y los recursos disponibles para determinar

la aplicabilidad de una solución basada en conocimiento. Se debe realizar un análisis costo - beneficio del SBC propuesto para saber si su desarrollo puede ser garantizado.

Especificación de Requerimientos: Formalizar y poner por escrito lo que fue adquirido durante la fase de análisis. Esto permite determinar los objetivos del proyecto, ojalá, de una manera inequívoca y establece los medios para obtener dichos objetivos.

Diseño Preliminar: Esta etapa considera únicamente las decisiones de alto nivel necesarias para preparar y desarrollar rápidamente el prototipo inicial.

23



Específicamente, esta etapa determina el paradigma de representación del conocimiento, la herramienta escogida para construir el prototipo, y la selección de los expertos

Prototipo Inicial y Evaluación: Esta es una etapa clave debido a que todas las decisiones tomadas en el diseño preliminar deben ser ya sea confirmadas, rectificadas o desechadas, sobre la base del conocimiento recopilado de los expertos en el proceso hasta completar esta etapa

Diseño Final: comprende la selección de las herramientas y de los recursos necesarios para desarrollar el sistema a ser entregado. En muchos casos puede ser aplicable y muy útil realizar una descripción gráfica de los diferentes módulos del sistema, empleando las herramientas CASE propias de los sistemas de software convencionales

Implementación: comprende el proceso completo de adquisición del conocimiento para todos los módulos o subsistemas. Es en esta etapa que tiene lugar el desarrollo incremental.

Pruebas: El asegurar la calidad de un SBC es una tarea muy importante que debe ser cuidadosamente planificada, especialmente a medida que el SBC es más grande y complejo, o es de aplicación crítica. El plan de pruebas, es bastante similar al que se prepara para un sistema cconvencional, basándose en la validación y la verificación.

Ajustes al Diseño: A medida que el trabajo avanza y los ingenieros cognoscitivos tienen a la vista los problemas detectados, deben realizar los ajustes necesarios al inicio de cada iteración. Si estos ajustes cada vez son relativamente más pequeños y no son retroactivos, se tiene una buena medida de que se está progresando. Pero si ocurre lo contrario, puede representar un serio retardo al proyecto y posiblemente requerir un cambio de paradigma

Instalación, Implantación y Mantenimiento En la etapa final del ciclo de vida de un SBC se traslada el sistema desarrollado, como un producto operativo hacia el entorno de los usuarios. Para ello, se deben realizar varias actividades de instalación, implantación y mantenimiento similares a las de un sistema de software convencional.

9.3. Problemas fundamentales en la construcción de los SBC La adquisición del conocimiento y cómo representar el conocimiento humano

a una representación abstracta efectiva. La representación del conocimiento en términos de una estructura de datos

que una maquina pueda procesar. La generación de inferencias o cómo hacer uso de esas estructuras abstractas

para generar información útil en el contexto de un caso específico.

24



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

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

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

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

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

Los Sistemas Expertos son útiles en muchas ocasiones.

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

Las Neuronas humanas son parecidas a las computacionales.

Los Robots están captando la atención de muchos debido a lo que pueden hacer gracias a la I.A (Por ejemplo, el campeonato Robocup).

Existen Robots que ayudan en Hospitales, a personas.

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

25



BIBLIOGRAFIA

http://saragarc.blogspot.com/2012/10/fundamentos-basicos-sobre-inteligencia.html

http://es.scribd.com/doc/53748655/65/INTELIGENCIA-ARTIFICIAL-CONVENCIONAL

http://www.dccia.ua.es/dccia/inf/asignaturas/FIA/0506T1.pdf

http://mareli-computacion.blogspot.com/2010/06/que-es-un-sistema-basado-en-el.html

http://www.ramos.utfsm.cl/doc/984/sc/Clase6.pdf

http://www.slideshare.net/progamacioneis/introduccin-a-la-ia-7285773

http://html.rincondelvago.com/aplicaciones-de-la-inteligencia-artificial_1.html

http://elvex.ugr.es/decsai/iaio/slides/A3%20Search.pdf

http://www.ia.urjc.es/grupo/docencia/fia/material/temario_FIA_tema1.pdf

http://es.scribd.com/doc/54470311/Fundamentos-de-La-Inteligencia-Artificial

http://www.monografias.com/trabajos10/trabajos/trabajos.shtml

http://www.monografias.com/trabajos10/trabajos/trabajos.shtml#TECN

http://www.nebrija.es/~cmalagon/inco/Apuntes/sistemas_basados_en_conocimiento.pdf

http://www.cs.us.es/cursos/iic-2003/temas/tema-02-iic04.pdf

26

http://www.cs.us.es/cursos/iic-2003/temas/tema-02-iic04.pdf

http://www.nebrija.es/~cmalagon/inco/Apuntes/sistemas_basados_en_conocimiento.pdf

http://www.monografias.com/trabajos10/trabajos/trabajos.shtml#TECN

http://www.monografias.com/trabajos10/trabajos/trabajos.shtml

http://es.scribd.com/doc/54470311/Fundamentos-de-La-Inteligencia-Artificial

http://www.ia.urjc.es/grupo/docencia/fia/material/temario_FIA_tema1.pdf

http://elvex.ugr.es/decsai/iaio/slides/A3%20Search.pdf

http://html.rincondelvago.com/aplicaciones-de-la-inteligencia-artificial_1.html

http://www.slideshare.net/progamacioneis/introduccin-a-la-ia-7285773

http://www.ramos.utfsm.cl/doc/984/sc/Clase6.pdf

http://mareli-computacion.blogspot.com/2010/06/que-es-un-sistema-basado-en-el.html

http://www.dccia.ua.es/dccia/inf/asignaturas/FIA/0506T1.pdf

http://es.scribd.com/doc/53748655/65/INTELIGENCIA-ARTIFICIAL-CONVENCIONAL

http://saragarc.blogspot.com/2012/10/fundamentos-basicos-sobre-inteligencia.html

Fundamentos de la inteligencia artificial

Documents

Transcript of Fundamentos de la inteligencia artificial