Está en la página 1de 12

Caractersticas de la Inteligencia Artificial

1.- Una caracterstica fundamental que diferencia a los mtodos de Inteligencia Artificial
de los mtodos numricos es el uso de smbolos no matemticos, aunque no es bastante
para diferenciarlo totalmente. Otros ejemplos de programas como los compiladores y
sistemas de bases de datos, tambin procesan smbolos y no se considera que utilicen
tcnicas de Inteligencia Artificial.
2.- El comportamiento de los programas no es descrito explcitamente por el algoritmo. El
programa especifica cmo encontrar la secuencia de pasos necesarios para resolver un
problema dado (programa declarativo). En diferencia con los programas que no son de
Inteligencia Artificial, que siguen un algoritmo determinado, que detalla, explcitamente,
cmo hallar las variables de salida para cualquier variable dada de entrada (programa de
procedimiento).
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.
3.- 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.
4.- 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.
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.
Aplicaciones de la Inteligencia Artificial

Los esfuerzos de la IA se clasifican segn varias categoras. Mientras la investigacin y el


desarrollo como Robtica y Visin Artificial, se relacionan con el hardware y software, la
investigacin y el desarrollo en otras reas slo se relacionan con el software.
Sistemas de visin: Incluyen equipos y software que les permite a las computadoras
capturar, almacenar y manipular imgenes visuales y fotografas.
Los sistemas de visin se pueden usar junto con robots para darles "visin" a estas
mquinas y que pueda tomar decisiones con base a lo que ve y reconocer la informacin
visual de acuerdo con patrones generales.

Fig. 2.2 Visin Artificial

Procesamiento de Lenguaje Natural: Son programas diseados para tomar lenguajes


humanos como entrada y traducirlo en un conjunto estndar de instrucciones que una
computadora ejecuta. El propsito de estos complejos programas es permitir a los seres
humanos usar su propio lenguaje natural cuando interactan con programas como sistemas
de administracin de bases de datos (DBMS) o sistemas de apoyo para la toma de
decisiones.
Sistemas de aprendizaje: Una combinacin de software y equipos que le permite a la
computadora cambiar su modo de funcionar o reaccionar a situaciones, basado en la
retroalimentacin que recibe.
Agentes Inteligentes: La creacin ms reciente en IA son los agentes inteligentes,
programas de computadora que automticamente revisan enormes cantidades de datos y
seleccionan y entregan la informacin ms adecuada para el usuario, de acuerdo con
requisitos contextuales o especficos. La aplicacin ms importante de los Agentes
Inteligentes se encuentra en la WEB.
Tipos de agentes
Agentes de reflejo simple: Este tipo de agente no contiene internamente estados y sus
procesos o acciones que realiza son respuestas a la entrada de percepciones, a esta
conexin entre percepciones y acciones se las denomina reglas de condicin-accin.
Ejemplo: Si el carro de adelante est frenando entonces empiece a frenar.
Agentes bien informados de todo lo que pasa: Este tipo de agente guarda estados
internos lo que nos sirve sin consideracin para ejecutar una accin. Los sensores no
pueden informar a la vez de todos los estados que maneja su ambiente, es por este caso que
el agente necesita actualizar algo de informacin en el estado interno. Esto le permite

discernir que entre estados del ambiente que generan la misma entrada de percepciones
pero, sin embargo; para cada uno de los estados se necesitan acciones distintas.
Agentes basados en metas: Adems de los estados, los agentes necesitan cierto tipo de
informacin sobre sus metas Estas metas van a detallar las situaciones a las que se desea
llegar de este modo, el programa de agente puede combinar las metas con la informacin
de los resultados (acciones) que emprenda y de esta manera poder elegir aquellas acciones
que permitan alcanzar la meta.
Agentes basados en utilidad: Las metas por s solas garantizan la obtencin de una
conducta de alta calidad. En un programa de agente se podra tener un conjunto de metas
pero la obtencin de stas no garantizan distinciones entre estados felices e infelices,
mediante una medida de desempeo se podra establecer una comparacin entre los
diversos estados del mundo (ambientes) para poder encontrar el estado de felicidad para el
agente. Este estado ofrecer una mayor utilidad al agente.

Diagrama de un Agente Inteligente


Sistemas Expertos: Consisten de equipos y software que almacenan conocimientos y
hacen inferencias, en forma similar a un experto humano.
Los esfuerzos se orientaron al diseo de programas que resolvieran problemas en reas
precisas utilizando conocimiento y razonamiento de expertos.
El propsito de los SE es duplicar el conocimiento no estructurado ni documentado de
unos pocos (los expertos) y los pone a disposicin de otros. Debido a la forma en que estn
planteados los SE (basados en la experiencia) no puede ayudar a los usuarios que tratan
con sucesos que los expertos no consideraron durante el periodo de creacin. Sin embargo
muchos programas avanzados que incluyen "redes neuronales" aprenden de situaciones
nuevas y formulan reglas adhoc en sus bases de conocimiento para resolver eventualidades
no consideradas originalmente en su diseo.
Vehculos
Autnomos.
Son
una
amalgama
de
ramas
de
la
IA como: Robtica, aprendizaje de mquina, Sistemas Expertos, Visin, etc., para lograr
que una mquina inteligente pueda maniobrar en un espacio fsico singular pero variable,
de manera autnoma hasta lograr el objetivo que se le asigne: tomar una muestra de la
superficie del planeta Marte, conducir un vehculo hasta cierto destino por una carretera
transitada, etc.

Realidad Virtual. Sistema o Interfaz Informtico que recrea mundos artificiales en tiempo
real que pueden ser captados por diversos canales sensoriales en el espectador, el cul
puede navegar "inmerso" a travs de dicho mundo virtual.

Las Aplicaciones de la IA podran resumirse de la siguiente manera:

Ingeniera del Conocimiento para problemas de configuracin espacial


Tcnicas hbridas para resolucin de problemas de diseo
Validacin inteligente de datos

Bsqueda y resolucin de problemas

Estrategias de bsqueda en grafos.


Decisin multicriterio.

Inteligencia Artificial Distribuida

Sistemas multiagente
Negociacin automatizada. Formacin de coaliciones
Agentes para diseo ingenieril

Minera de Datos

Nuevos modelos para series temporales


Modelos de aprendizaje de patrones que cambian con el tiempo

Razonamiento difuso

Lenguajes de programacin difusos


Computabilidad difusa

Representacin del conocimiento

Representacin del conocimiento de diseo


Representacin del conocimiento de diagnstico/validacin
Representacin del conocimiento jurdico

Lgica Difusa.
La Lgica Difusa se basa en reglas que no tienen lmites discretos, sino que se prolongan
en un continuum, permitiendo a un sistema manejar mejor la ambigedad. Esto es muy til
para reflejar cmo tienden a pensar las personas, en trminos relativos, no absolutos.
Cuando la lgica difusa se incorpora a un SE, el resultado es un sistema que limita mejor la
manera natural en que un experto humano resolvera un problema.

Este tipo de lgica toma dos valores aleatorios, pero contextualizados y referidos entre s:
verdadero o falso. Basado en los principios del razonamiento aproximado y el "clculo con
palabras", se logra simplificar y aproximar la descripcin del problema de una manera
natural, eficiente y robusta. La Lgica Difusa va ms all de la lgica booleana en cuanto a
que acepta valores parciales de verdad, es decir, de 0 a 100%; aceptando con ello
expresiones tales como: "Juan es alto" con un 75% de certeza, o mejor an,
simplificndolo a "Juan no es muy alto"; "El tanque est lleno" con 50% de certeza, o bien,
"El tanque est medio lleno o medio vaco".
La Lgica Difusa 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").
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)
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:

Funcionamiento de un sistema de control difuso


Etapas de la Lgica Difusa.
1. Fusificacin (Fuzzification). Las funciones de pertenencia definidas para las variables de
entrada se aplican a sus valores actuales correspondientes, para poder determinar el grado
de verdad para cada regla de la premisa.

2. Inferencia Lgica. El valor de verdad para la premisa de cada regla se calcula, y aplica a
la parte de conclusiones de cada regla. Este resultado se asigna a un subconjunto difuso
para ser asignado a cada variable de salida para cada regla.
3. Difusificacin (Defuzzification). La cual es usada cuando se desea convertir la salida
difusa en un valor puntual numrico. Existen muchos mtodos de dedifusificacin

Redes Neuronales Artificiales.


Denominadas habitualmente como RNA o en ingls como: ANN (Artificial Neural
Networks) son un paradigma de aprendizaje y procesamiento automtico inspirado en la
forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de
interconexin de neuronas en una red que colabora para producir un estmulo de salida.
Una de las misiones en una red neuronal consiste en simular las propiedades observadas en
los sistemas neuronales biolgicos a travs de modelos matemticos recreados mediante
mecanismos artificiales (como un circuito integrado, una computadora o un conjunto de
vlvulas). El objetivo es conseguir que las mquinas den respuestas similares a las que es
capaz de dar el cerebro que se caracterizan por su generalizacin y su robustez.

Red Neuronal Biolgica


Una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una
serie de entradas a travs de interconexiones y emite una salida. Esta salida viene dada por
tres funciones:
1. Una funcin de propagacin (tambin conocida como funcin de excitacin), que
por lo general consiste en el sumatorio de cada entrada multiplicada por el peso de
su interconexin (valor neto). Si el peso es positivo, la conexin se denomina
excitatoria; si es negativo, se denomina inhibitoria.
2. Una funcin de activacin, que modifica a la anterior. Puede no existir, siendo en
este caso la salida la misma funcin de propagacin.

3. Una funcin de transferencia, que se aplica al valor devuelto por la funcin de


activacin. Se utiliza para acotar la salida de la neurona y generalmente viene dada
por la interpretacin que queramos darle a dichas salidas. Algunas de las ms
utilizadas son la sigmoide (para obtener valores en el intervalo [0,1]) y la
hiperblica-tangente (para obtener valores en el intervalo [-1,1]).

Fig. 2.7 Perceptrn con 2 Entradas

A diferencia de los Sistemas Expertos, un sistema de red neuronal aprende por ensayo y
error.
Caractersticas:
Capacidad de recuperar informacin incluso si falla alguno de los nodos neuronales.
Modificacin rpida de los datos almacenados como consecuencia de nueva
informacin.
Capacidad de descubrir relaciones y tendencias en grandes bases de datos.
Capacidad de resolver problemas complejos para los cuales no se cuenta con la
informacin.

Fig. 2.8 Red Neuronal Artificial

Algoritmos Genticos.

Los Algoritmos Genticos son funciones matemticas que usan los principios de Darwin
para mejorar una aplicacin. Las funciones se disean para simular en software, en
cuestin de minutos o segundos, lo que sucede en ambientes naturales durante millones de
aos.
Un algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir,
para dar solucin a un problema especfico. Los Algoritmos Genticos se inspiran en la
evolucin biolgica y su base gentico-molecular. Estos algoritmos hacen evolucionar una
poblacin de individuos sometindola a acciones aleatorias semejantes a las que actan en
la evolucin biolgica (mutaciones y recombinaciones genticas), as como tambin a una
seleccin de acuerdo con algn criterio, en funcin del cual se decide cules son los
individuos ms adaptados, que sobreviven, y cules los menos aptos, que son descartados.
Los Algoritmos Genticos establecen una analoga entre el conjunto de soluciones de un
problema, llamado fenotipo, y el conjunto de individuos de una poblacin natural,
codificando la informacin de cada solucin en una cadena, generalmente binaria, llamada
cromosoma. Los smbolos que forman la cadena son llamados los genes. Cuando la
representacin de los cromosomas se hace con cadenas de dgitos binarios se le conoce
como genotipo. Los cromosomas evolucionan a travs de iteraciones, llamadas
generaciones. En cada generacin, los cromosomas son evaluados usando alguna medida
de aptitud. Las siguientes generaciones (nuevos cromosomas), llamada descendencia, se
forman utilizando dos operadores, de cruzamiento y de mutacin.
Esquema general de funcionamiento del Algoritmo Gentico
1. Inicializar aleatoriamente una poblacin de soluciones a un problema,
representadas por una estructura de datos adecuada.
2. Evaluar cada una de las soluciones, y asignarle una puntuacin segn lo bien que lo
hayan hecho.
3. Escoger de la poblacin la parte que tenga una puntuacin mayor
4. Mutar (cambiar) y entrecruzar (combinar) las diferentes soluciones de esa parte
escogida, para reconstruir la poblacin.
5. Repetir un nmero determinado de veces o hasta que se haya encontrado la
solucin deseada.
Robtica
La Robtica es una rama del rbol tecnologa, que estudia el diseo y construccin de
mquinas capaces de desempear tareas repetitivas o peligrosas para el ser humano. Las
ciencias y tecnologas de las que deriva podran ser: el lgebra, los autmatas
programables, las mquinas de estados, la mecnica, la electrnica y la informtica.
La Robtica Incluye el desarrollo de dispositivos mecnicos o de computacin que tengan
la capacidad de realizar funciones, tales como pintar automviles, de hacer soldaduras de
precisin y realizar otras tareas que requieran de un alto grado de precisin o que sean
tediosas o impliquen peligro para los seres humanos. En la robtica contempornea se

combinan las capacidades de alta precisin de la mquina con un software controlador


sofisticado.
Futuro de la Inteligencia Artificial
En el futuro, la Inteligencia Artificial auto replicante podra fcilmente hacerse con todas
las colonias humanas fuera de la tierra, y la raza humana nunca podr luchar en el espacio
vaco en igualdad de condiciones. El futuro de una inteligencia superior puede ser la
investigacin de tecnologas como la teleportacin, los viajes estelares y cualquier otra
tecnologa para aumentar "artificialmente" la inteligencia...
Hemos llegado a un punto de avance tcnico en el que no podemos plantear la
posibilidad de crear inteligencia, cualidad humana, en mquinas fsicamente superiores a
nosotros. Esto las dotara de un poder casi sin limitaciones. En el momento en el que una
computadora pueda prescindir de la intervencin del hombre para funcionar y adquiera la
capacidad de pensar, estar viva, todo ser vivo desarrolla sentidos acordes con su
condicin, siendo uno de estos el de supervivencia.

RAMAS DE LA INTELIGENCIA ARTIFICIAL

La inteligencia artificial (IA) debido a su naturaleza cuenta con muchos campos de estudio,
es decir, ramas en las que se divide y se investiga con especializacin; cada una de estas
ramas surge por medio de ideas innovadoras y el surgimiento de nuevos paradigmas de
cmputo en el mbito de la investigacin computacional que permitieron nuevas tcnicas
de programacin, stas tcnicas incluyen el concepto heurstico (Heurstica: Idea Basada
en la experiencia que ayuda a determinar cmo se debe proceder.) y se apoyan en nuevos
sistemas de hardware que se derivan del desarrollo de la tecnologa a traves de las
generaciones de computadora.
Cada una de las ramas de la IA no son ms que una metodologa diferente para tratar la
resolucin de problemas aplicando el principio de inteligencia a los sistemas. stas ramas
se pueden dividir en reas clsicas y reas de vanguardia de acuerdo a la poca en que
surguieron, pero esta clasificacin vara debido a la diversidad de metodologas de IA
existentes, por tal motivo se presentarn cada una de las ramas y sus caractersticas
tratando de seguir el orden de surgimiento de cada una.
Como primer rama tenemos las Redes de Petri, surgidas de la tesis doctoral en 1962 de
Carl Adam Petri, en donde se establece por primera vez una teora general para sistemas
discretos paralelos. Petri generaliz la teora de autmatas e hizo que utilizaran mtodos
grficos para la representacin de sistemas por medio de condiciones y eventos, esto quiere
decir que un modelo de red de Petri representa las propiedades de un sistema en el lenguaje

de lgica y la representacin algebraica, lo que le da un sentido nuevo a los procesos


computacionales.
Derivados de este concepto surgen los Sistemas Expertos (SE) o tambin conocidos
como Sistemas Basados en Conocimiento, un SE es un programa o un conjunto de
programas informticos que aplican el proceso de razonamiento del humano experto en la
materia en la solucin de probelmas especficos, la funcin de estos sistemas es tomar
decisiones inteligentes con base al conocimiento y la heurstica al interpretar grandes
cantidades de datos, por lo que su funcin es auxiliar a los expertos, no para reemplazarlos.
Unos ejemplo de aplicacin son el rea mdica, el anlisis qumico, la exploracin
geolgica, entre otros.
En 1965 Lofti A. Zadeh introdujo la Lgica Fuzzy o conocida tambin como lgica
borrosa, que es bsicamente una forma matemtica que representa la impresicin
inherente al lenguaje natural, su principio es generalizar la lgica clsica haciendo que las
variables tomen valores lingisticos de verdad, en donde se divide la pertenencia a los
conjuntos borrosos en forma gradual, para as poder implementar la forma de razonar
propia de lo que conocemos como sentido comn. Se implementa para ayudar a la toma de
decisiones y al diagnstico de situaciones.
Otra rama se conoce como Procesamiento del Lenguaje Natural, que es un intento de
comunicacin cada vez ms clara entre humano-mquina y mquina-humano, dejando el
uso de lenguajes de programacin o de un conjunto de comandos, para procesar el lenguaje
humano natural. Para procesar dicho lenguaje humano natural se necesita dividirlo,
primero se obtiene la comprensin del lenguaje natural, que investiga mtodos para que la
computadora permita comprender instrucciones dadas en este tipo de lenguaje, para que as
la computadora nos pueda comprender ms fcilmente; como segundo paso es la
generacin de lenguaje natural, en donde la computadora es capaz de expresarse en el
lenguaje humano natural, de tal forma que podamos entenderla de manera ms sencilla.
Una parte de la Robtica tambin se considera dentro de las ramas de la IA, partiendo de
la idea de que un robot es un dispositivo electromecnico programado para que realice
tareas manuales, utiliza el principio de IA slo cuando es capaz de responder a cambios en
su entorno en lugar de seguir instrucciones establecidas previamente, esto se puede llevar a
cabo con la ayuda de sensores y de cmaras que le permitan interpretar las seales del
ambiente que lo rodea y adaptarse al mismo.
El Reconocimiento del Habla es otra rama, ya que utiliza el mtodo interactivo de
comunicacin primaria para el ser humano que es el habla, lo que le permite escuchar a
una persona hablar, decodificar el significado de las palabras, interpretarlas, y transmitir
una respuesta. Actualmente se utiliza mucho para personas con capacidades diferentes que
no son capaces de utilizar el teclado y necesitan comunicarse por medio del habla para
poder utilizar diferentes dispositivos.

Una rama ms es la Visin por Computadora o mejor conocida como Reconocimiento


de Patrones, parte del medio primario que tienen las personas para percibir su entorno, es
decir, de la visin, a travs de una cmara se captan las imgenes, las cuales se procesan y
se reconocen patrones en el entorno, como por ejemplo un lpiz, una planta, una animal,
etc, de tal manera que la computadora pueda entender exactamente lo que est viendo.
La siguiente rama se conoce como Aprendizaje y Razonamiento Automtico, la cual
consiste en que una computadora sea capaz de planificar, tomar decisiones, plantear y
evaluar estrategias, aprendiendo a partir de la experiencia y que por lo tanto se capaz de
auto reprogramarse para adaptarse a su entorno.
Campos ms actuales comienzan con las Redes Neuronales a partir de la dcada de los
80s, el objetivo es emular el proceso biolgico del aprendizaje humano por medio de
procesadores (estructuras neuronales) que operan en paralelo, cuya funcin se determina
por los estmulos dados a travs de la red, las conexiones y el procesamiento local
realizado por los nodos neuronales, cuyo resultado es igual al aprendizaje de funciones
matemticas por medio de datos de entrenamiento. Hay que aclarar que estos sistemas
como tal, no se programan sino que se entrenan con seales con ruido para reconocer
objetos.
La siguiente rama es la Lgica Difusa, es la implementacin de otra lgica a diferencia
de la lgica tradicional booleana, que se basa en el razonamiento aproximado y el clculo
de palabras, para lograr simplificar y aproximar la descripcin del problema de una manera
ms natural, robusta y eficiente. Por ejemplo la lgica booleana tiene valores de verdad de
0% y 100% nicamente, mientras que la lgica Difusa puede tener valores de verdad de
0%, 25%, 50%, 75% y 100% lo que conlleva a entender sentencias como Alto, Muy
Alto, Medianamente Alto, Poco Alto y No Alto.
Dentro de las ramas se encuentra parte de lo que es la Realidad Virtual, una realidad
virtual es la recreacin de un mundo artificial en tiempo real que pueden ser captado por
diversos canales sensoriales del espectador que navega inmerso a travs de dicho mundo,
su aplicacin como IA radica en el mecanismo de interpretacin de la interaccin del
ambiente virtual, como por ejemplo la luz del sol con respecto a las sombras de objetos, la
sensacin de velocidad, el rebote de una pelota, el flujo del agua, etc.
Los Agentes o Wizards, son programas invisibles que trabajan como espas
observando las acciones comunmente realizadas por el usuario, las cuales son interpretadas
y se guardan para llevar un control de las mismas, si existe alguna anomala, como ejecutar
un programa distinto al cotidiano, o un error en una accin realizada por el usuario el
programa lanza una alerta y sugiere una serie de soluciones, tambin es capaz de realizar
las tareas cotidianas al iniciar el equipo para facilitar la tarea del usuario.
La Computacin Evolutiva pertenece tambin a la rama de la biologa, la cual desarrolla
programas basados en la analoga de procesos biolgicos tales como la seleccin natural y
la evolucin, esta idea parte de algoritmos genticos y de un sistema computacional

inmunizado; dentro de sus aplicaciones se encuentra la optimizacin de problemas,


programacin automtica y el aprendizaje de mquinas.
Los Algoritmos Genticos (AG), son procedimientos de bsqueda y optimizacin que
ayudan a modelar los mecanismos de seleccin natural de los seres vivos segn los
mecanismos genticos. Surgen en 1975 por el estudio que realiz Holland sobre autmatas
celulares. Su funcin es seleccionar de una poblacin de soluciones candidatas
(individuos), intentar producir nuevas generaciones de soluciones mejores que las
anteriores,
una
y
otra
vez hasta aproximar a una solucin perfecta.
Existe tambin la Programacin Gentica, que aplica el principio de los AG para hacer
evolucionar programas informticos, el resultado es simple, se seleccionan los programas
ms aptos despus de generaciones y herencia para la solucin de un problema dado,
tambin involucra factores de mutaciones aleatorias para desarrollar nuevos
programas.
Dentro de la IA tambin se analiza la Teora del Caos, la cual se caracteriza por ser un
conjunto de tcnicas utilizadas para examinar y determinar relaciones altamente complejas
entre datos que son de un inicio suministrado al azar. Lo importante en este aspecto es
comprender los resultados que arroja cada tcnica, clasificarlos, y aproximar de la
manera ms cercana el comportamiento lgico que realiza cada uno de los elementos
presentes en el clculo.