1.1. Historia de la IA.

La Inteligencia Artificial surge definitivamente a partir de algunos trabajos

publicados en la dcada de 1940 que no tuvieron gran repercusin, pero a
partir del influyente trabajo en 1950 de Alan Turing, matemtico britnico, se
abre una nueva disciplina de las ciencias de la informacin.
Si bien las ideas fundamentales se remontan a la lgica y algoritmos de los
griegos, y a las matemticas de los rabes, varios siglos antes de Cristo, el
concepto de obtener razonamiento artificial aparece en el siglo XIV. A finales
del siglo XIX se obtienen lgicas formales suficientemente poderosas y a
mediados del siglo XX, se obtienen mquinas capaces de hacer uso de tales
lgicas y algoritmos de solucin.
En su histrico artculo de 1950, Turing propuso que la pregunta puede
pensar una mquina? era demasiado filosfica para tener valor y, para
hacerlo ms concreto, propuso un juego de imitacin. En la prueba de Turing
intervienen dos personas y una computadora. Una persona, el interrogador, se
sienta en una sala y teclea preguntas en la terminal de una computadora.
Cuando aparecen las respuestas en la terminal, el interrogador intenta
determinar si fueron hechas por otra persona o por una computadora. Si acta
de manera inteligente, segn Turing es inteligente. Turing, seal que una
mquina podra fracasar y an ser inteligente. Aun as crea que las mquinas
podran superar la prueba a finales del siglo XX.
De todas maneras esta prueba no tuvo el valor prctico que se esperaba,
aunque sus repercusiones tericas son fundamentales. El enfoque de Turing de
ver a la inteligencia artificial como una imitacin del comportamiento humano
no fue tan prctico a lo largo del tiempo y el enfoque dominante ha sido el del
comportamiento racional, de manera similar, en el campo de la aeronutica se
dej de lado el enfoque de tratar de imitar a los pjaros y se tom el enfoque
de comprender las reglas de aerodinmica. Aunque desde luego, el enfoque del
comportamiento humano y el del pensamiento humano siguen siendo
estudiados por las ciencias cognitivas y continan aportando interesantes
resultados a la Inteligencia Artificial, y viceversa.
1.2. Conceptos y tcnicas (Estado del arte) .
Conceptos
Se define la Inteligencia Artificial como aquella inteligencia exhibida por
artefactos creados por humanos (es decir, artificial). A menudo se aplica
hipotticamente a los computadores. El nombre tambin se usa para referirse
al campo de la investigacin cientfica que intenta acercarse a la creacin de
tales sistemas. La Inteligencia Artificial trata de conseguir que los ordenadores

simulen en cierta manera la inteligencia humana. Se acude a sus tcnicas

cuando es necesario incorporar en un sistema informtico, conocimiento o
caractersticas propias del ser humano.
La Inteligencia Artificial ha tenido gran auge en nuestros das, teniendo
aplicabilidad en la informtica, la ciencia, la salud y otros campos. Ha sido un
gran reto tratar de acercar la mente de una mquina al pensamiento humano,
y sin dudar que en un futuro no muy lejano no sepamos distinguir si estamos
en presencia de una Inteligencia Artificial o una verdadera mente humana.
Tcnicas
A medida que los juegos de vdeos fueron evolucionando, y fueron surgiendo
nuevos gneros la necesidad de tcnicas de Inteligencia Artificial fue
aumentando en gran medida.
Uno de los principales objetivos de un juego de vdeo es ofrecer retos al
usuario, esto se logra introduciendo tcnicas de Inteligencia Artificial, ya que
ellas son las que deciden cules son las mejores opciones que pueden tomar
los elementos del juego de vdeo a partir de las condiciones del entorno que los
rodea. Las tcnicas que se utilizan para un juego de vdeo dependen mucho del
tipo de juego de vdeo que estemos diseando.
Este Procesamiento del Lenguaje Natural, depende de la lingstica
computacional. Por ello, se le atribuyen numerosas aplicaciones, como:
indizacin y traduccin automtica (empleando el lenguaje natural como punto
de partida), creacin de resmenes de textos, respuesta a preguntas
(comunicacin hombre - mquina) o reconocimiento del habla (verificacin del
lenguaje natural) entre otras.
1.3. Desarrollos actuales.
En cuanto al desarrollo actual de la investigacin en el campo de los sistemas
expertos, la primera fase corresponde al desarrollo de sistemas y programas
que traten directamente el lenguaje natural, si bien persisten todava dos
escollos importantes. Por un lado, el problema de cmo emplear de un modo
eficaz una gran cantidad de informacin sin necesidad de echar mano de la
combinatoria; es decir, cmo conseguir un sistema dotado de conocimientos
(metaconocimientos) que le permitan utilizar los conocimientos del sistema y
que, a su vez, le permitan deducir automticamente nuevos conocimientos, ya
que no cabe pensar en la reunin de todos los conocimientos necesarios en
casos de campos tan sumamente vastos como el del diagnstico en la
medicina.
1.3.1. Procesamiento de Lenguaje Natural (PLN).
El Procesamiento de Lenguaje Natural, es una rama dependiente de la
Inteligencia artificial. El PLN, se encarga de desarrollar la comunicacin entre
hombres y mquinas de tal manera que esta pueda realizarse de un modo
natural, es decir, como si fuese una comunicacin entre humanos.
1.3.2. Reconocimiento de patrones.
Es la asociacin de una observacin, a una experiencia pasada o conocimiento.
Para el ser humano, ciertas tareas de R.P. son naturales y las llevamos a cabo

en todo momento: cuando reconocemos la voz de un conocido en una

conversacin telefnica, al recordar la cara de alguien al escuchar su nombre,
cuando resolvemos las tareas cotidianas de cada una de nuestras profesiones
en las que aplicamos una solucin dada a un problema especfico y al recordar
el telfono de un amigo, sin embargo, existen algunas tareas que no son para
nosotros tan naturales y fciles como predicciones ssmicas y predicciones de
financieras entre otras.
En el R.P., se llevan a cabo bsicamente dos tipos de tareas de las cuales
parten todas las tareas que se puedan imaginar, es decir, todas las tareas que
se resuelvan en R.P. son casos especiales o se pueden categorizar como uno de
estos dos tipos: Clasificacin y Estimacin.
1.3.3. Robtica.
La robtica es la ciencia y la tecnologa de los robots. Se ocupa del diseo,
manufactura y aplicaciones de los robots La robtica combina diversas
disciplinas como son: la mecnica, la electrnica, la informtica, la inteligencia
artificial y la ingeniera de control. Otras reas importantes en robtica son el
lgebra, los autmatas programables y las mquinas de estados.
1.3.4. Sistemas Expertos.
En los aos 70 que surgi un nuevo paradigma en la Inteligencia Artificial los
Sistemas Expertos, cuya funcin es desarrollar trabajos similares a los que
desarrollara un especialista en un rea determinada, la idea no es sustituir a
los expertos, sino que estos sistemas sirvan de apoyo a los especialistas en un
dominio de aplicacin especfico.
Estos sistemas expertos son en lo esencial sistemas de computacin basados
en conocimientos cuyos componentes representan un enfoque cualitativo de la
programacin. Muchas personas pueden creer que un Sistema Experto (SE) es
un sistema compuesto por subsistemas y a su vez estos por otros subsistemas
hasta llegar a los programas, y que los SE se miden por la cantidad de
programas que contienen. Sin embargo la cantidad no es lo que prima en los
SE, si no la cualidad del mismo, esta cualidad est dada por la separacin de
las reglas que describen el problema (Base de Conocimientos), del programa
de control que es quien selecciona las reglas adecuadas (Motor de inferencias).
Podemos decir que un Sistema Experto es una Base de Conocimientos (BC),
una Base de Hechos (BH) y un Motor (o Mquina) de Inferencias (MI). Por otra
parte estos sistemas no se miden por la cantidad de instrucciones o programas
sino por la cantidad de reglas que hay contenida en su Base de Conocimientos.
Para desarrollar los sistemas expertos primero es necesario abordar un rea de
inters, dentro de esta rea se seleccionan a los expertos, que son los
especialistas capaces de resolver los problemas en dicha rea. Por ejemplo el
rea de inters de las empresas de proyectos, son precisamente los proyectos
y un especialista podra ser un arquitecto, un ingeniero civil, etc. Ahora bien,
casi siempre estos especialistas, son expertos en un dominio especfico y es
sobre este dominio, donde poseen su mayor experiencia (Dominio de
Experticidad), por ejemplo un Ing. civil especializado en cimientos.
Una vez seleccionado al experto o a los expertos y estos estn de acuerdo en
dar sus conocimientos, comienza a jugar su papel el Ingeniero de
Conocimientos, que es el encargado de extraerle los conocimientos al experto
y darle una representacin adecuada, ya sea en forma de reglas u otro tipo de

representacin, conformando asi la base de conocimientos del sistema

experto.
Formas de representacin de los conocimientos:
Reglas de produccin
Redes semnticas
Marcos (Frames).
1.3.5. Lgica Difusa (Fuzzy logic).
La lgica difusa es una herramienta de gran potencial para el desarrollo de
nuevos mtodos o tcnicas de la Inteligencia Artificial. Como habamos
mencionado anteriormente este tipo de lgica permite valores intermedios
para poder definir estados convencionales como s/no, verdadero/falso,
negro/blanco, etc. Este tipo de nociones como ms caliente o poco fro pueden
expresarse matemticamente y ser procesados por computadoras. Al hacer
esto se esta realizado el intento de aplicar la forma del pensamiento humano a
la programacin de computadoras, que es lo que busca la inteligencia artificial
con sus aplicaciones en diferentes sistemas.
1.4. Modelos de agente inteligente.
Un agente inteligente, es una entidad capaz de percibir su entorno, procesar
tales percepciones y responder o actuar en su entorno de manera racional, es
decir, de manera correcta y tendiendo a maximizar un resultado esperado. En
este contexto la racionalidad es la caracterstica que posee una eleccin de ser
correcta, ms especficamente, de tender a maximizar un resultado esperado.
Este concepto de racionalidad es ms general y por ello ms adecuado que
inteligencia (la cual sugiere entendimiento) para describir el comportamiento
de los agentes inteligentes. Por este motivo es mayor el consenso en llamarlos
agentes racionales. Un agente inteligente puede ser una entidad fsica o
virtual. Si bien el trmino agente racional se refiere a agentes artificiales en el
campo de la Inteligencia Artificial, tambin puede considerarse agentes
racionales a los animales incluido el hombre.
Es posible clasificar los agentes inteligentes en 5 categoras principales:
- Agentes reactivos
- Agentes reactivos basados en modelo
- Agentes basados en objetivos
- Agentes basados en utilidad
- Agentes que aprenden
La racionalidad es necesaria
En muchos textos se define agente inteligente como todo agente capaz de
tener conciencia de su entorno y actuar sobre l. No obstante es necesario
exigir que estas decisiones sean racionales en el sentido de que persigan algn
fin. Vamos a mostrarlo con un contraejemplo: cuando un fotn con la suficiente
energa incide sobre un tomo, puede arrancar de l un electrn. Podramos
considerar al tomo inteligente puesto que percibe su entorno (la incidencia
del fotn) y acta sobre su entorno (emite un electrn). La ausencia de relacin
entre la emisin del electrn y cualquier hipottico inters del tomo muestra

que este no es un agente inteligente pese a verificar la definicin de Bertrand

Russell.
La conducta de un agente no suele ser la ptima.
Paradjicamente, la conducta de un agente rara vez es la optima. La razn es
muy sencilla calcular el optimo de un criterio lo suficientemente bueno para ser
considerado razonable teniendo en cuenta las mltiples restricciones que
concurren es muy difcil. Ejemplos de ello es lo difcil que es calcular la mejor
ala para un avin, el mejor perfil para un coche o la mejor hlice para un barco.
Para un estudiante es fcil calcular el mximo de un polinomio de segundo
grado derivando e igualando a cero. En este caso el criterio es muy sencillo -es
un polinomio de segundo grado- y no concurre ninguna restriccin.
Cuando el criterio es una funcin real de muchas variables y las restricciones
tambin, los clculos son mucho ms complicados. Algunas veces se puede
lograr una buena aproximacin; pero, si un agente inteligente debe tomar una
decisin en muy poco tiempo, deber conformarse con la mejor aproximacin
que pueda calcular en el escaso tiempo de que dispone.
1.5. Heurstica.
Las funcione heursticas son la forma ms comn de transmitir el conocimiento
tradicional del problema al algoritmo de bsqueda.
La capacidad heurstica consiste en la capacidad de realizar innovaciones
positivas para conseguir los fines que se pretenden.
En las ciencias de la computacin, el mtodo heurstico es usado en
determinadas circunstancias, cuando no existe una solucin ptima bajo las
restricciones dadas. En general la manera de actuar de los programas
heursticos consiste en encontrar algoritmos con buenos tiempos de ejecucin
y buenas soluciones.
Dadas las caractersticas de la heurstica, sta es muy usada en juegos
informticos que se adelantan a lo que va a hacer el usuario basndose en la
experiencia y los pasos que ha seguido en otras ocasiones.
Muchos algoritmos en la inteligencia artificial son heursticos por naturaleza, o
usan reglas heursticas. Un ejemplo claro son los programas que detectan si un
correo electrnico es o no spam. Cualquiera de las reglas usadas de forma
independiente pueden llevar a errores de clasificacin, pero cuando se unen
mltiples reglas heursticas, la solucin es ms robusta y creble.