INSTITUTO TECNLOGICO

DE CUAUTLA

INGENIERA EN SISTEMAS COMPUTACIONALES

DOCENTE:
ARMANDO RODRIGUEZ JIMNEZ

ACTIVIDAD:
INVESTIGACIN UNIDAD 5 APLICACIONES CON TCNICAS DE IA

PRESENTA:
JIMNEZ ROSENDO JORGE

NMERO DE CONTROL:
13680675

H.H. CUAUTLA, MORELOS. A 25 DE NOVIEMBRE DEL 2015

1

TABLA DE CONTENIDO
5. Aplicaciones con tcnicas de IA. ................................................................................. 3
5.1. Robtica. .................................................................................................................. 3
5.1.1. Conceptos bsicos. ............................................................................................... 3
5.1.2. Clasificacin. ......................................................................................................... 3
5.1.3. Desarrollos actuales y aplicaciones. ..................................................................... 7
5.2. Redes Neuronales (RN). ........................................................................................ 17
5.2.1. Conceptos bsicos. ............................................................................................. 17
5.2.2. Clasificacin. ....................................................................................................... 17
5.2.3. Desarrollos actuales y aplicaciones. ................................................................... 19
5.3. Visin artificial. ....................................................................................................... 24
5.3.1. Conceptos bsicos. ............................................................................................. 24
5.3.2. Desarrollos actuales y aplicaciones. ................................................................... 25
5.4. Lgica difusa (Fuzzy Logic). ................................................................................... 28
5.4.1. Conceptos bsicos. ............................................................................................. 29
5.4.2. Desarrollos actuales y aplicaciones. ................................................................... 30
5.5. Procesamiento de Lenguaje Natural (PLN). ........................................................... 33
5.5.1. Conceptos bsicos. ............................................................................................. 35
5.5.2. Desarrollos actuales y aplicaciones. ................................................................... 35
5.6. Sistemas Expertos (SE). ........................................................................................ 39
5.6.1. Conceptos bsicos. ............................................................................................. 43
5.6.2. Clasificacin. ....................................................................................................... 43
5.6.3. Desarrollos actuales y aplicaciones. ................................................................... 44

DESARROLLO
UNIDAD 5. APLICACONES CON TCNICAS IA.
5.1. Robtica.
La robtica es la rama de la ingeniera mecnica, ingeniera elctrica, ingeniera
electrnica y ciencias de la computacin que se ocupa del diseo, construccin,
operacin, disposicin estructural, manufactura y aplicacin de los robots. La robtica
combina diversos disciplinas como son: la mecnica, la electrnica, la informtica, la
inteligencia artificial, la ingeniera de control y la fsica. Otras reas importantes en
robtica son el lgebra, los autmatas programables, la animatrnica y las mquinas de
estados. El trmino robot se populariz con el xito de la obra R.U.R. (Robots Universales
Rossum), escrita por Karel apek en 1920. En la traduccin al ingls de dicha obra, la
palabra checa robota, que significa trabajos forzados, fue traducida al ingls como robot.
5.1.1. Conceptos bsicos.
o Robtica: Es una ciencia o rama de la tecnologa, que estudia el diseo y la
construccin de mquinas capaces de desempear tareas realizadas por el ser
humano o que requieren del uso de inteligencia. Las ciencias y tecnologas de las
que deriva podran ser: el lgebra, los autmatas programables, las mquinas de
estados, la mecnica o la informtica.
o Robot: es una mquina programable que puede manipular objetos y realizar
operaciones que antes slo podan realizar los seres humanos.
5.1.2. Clasificacin.
Segn su tipo:
o Robots Fsicos:
Robtica Industrial: Es la parte de la Ingeniera que se dedica a la
construccin de mquinas capaces de realizar tareas mecnicas y
repetitivas de una manera muy eficiente y con costes reducidos.
Robtica de Servicio: Es la parte de la Ingeniera que se centra en el diseo
y construccin de mquinas capaces de proporcionar

servicios

directamente a los miembros que forman sociedad.

 Robtica Inteligente: Son robots capaces de desarrollar tareas que,

desarrolladas en un ser humano, requieren el uso de su capacidad de
razonamiento.
Robtica Humanoide: Es la parte de la ingeniera que se dedica al
desarrollo

de

sistemas

robotizados

para

imitar

determinadas

peculiaridades del ser humano.

o Robots Software:
Robtica de Exploracin: Es la parte de la Ingeniera del Software que se
encarga de desarrollar programas capaces de explorar documentos en
busca de determinados contenidos. Existen diversos servicios en Internet
dedicados a esta parcela de la robtica.
Segn su generacin:
o 1 Generacin.
Manipuladores. Son sistemas mecnicos multifuncionales con un sencillo
sistema de control, bien manual, de secuencia fija o de secuencia variable.
o 2 Generacin.
Robots de aprendizaje. Repiten una secuencia de movimientos que ha sido
ejecutada previamente por un operador humano. El modo de hacerlo es a
travs de un dispositivo mecnico. El operador realiza los movimientos
requeridos mientras el robot le sigue y los memoriza.
o 3 Generacin.
Robots con control sensorizado. El controlador es una computadora que
ejecuta las rdenes de un programa y las enva al manipulador para que
realice los movimientos necesarios.
o 4 Generacin.
Robots inteligentes. Son similares a los anteriores, pero adems poseen
sensores que envan informacin a la computadora de control sobre el
estado del proceso. Esto permite una toma inteligente de decisiones y el
control del proceso en tiempo real.

Segn su Arquitectura:
La arquitectura, es definida por el tipo de configuracin general del Robot, puede ser
metamrfica. El concepto de metamorfismo, de reciente aparicin, se ha introducido para
incrementar la flexibilidad funcional de un Robot a travs del cambio de su configuracin
por el propio Robot. El metamorfismo admite diversos niveles, desde los ms
elementales (cambio de herramienta o de efecto terminal), hasta los ms complejos
como el cambio o alteracin de algunos de sus elementos o subsistemas estructurales.
Los dispositivos y mecanismos que pueden agruparse bajo la denominacin genrica del
Robot, tal como se ha indicado, son muy diversos y es por tanto difcil establecer una
clasificacin coherente de los mismos que resista un anlisis crtico y riguroso. La
subdivisin de los Robots, con base en su arquitectura, se hace en los siguientes grupos:
Poliarticulados, Mviles, Androides, Zoomrficos e Hbridos.
o Poliarticulados: En este grupo estn los Robots de muy diversa forma y
configuracin cuya caracterstica comn es la de ser bsicamente sedentarios
(aunque excepcionalmente pueden ser guiados para efectuar desplazamientos
limitados) y estar estructurados para mover sus elementos terminales en un
determinado espacio de trabajo segn uno o ms sistemas de coordenadas y con
un nmero limitado de grados de libertad. En este grupo se encuentran los
manipuladores, los Robots industriales, los Robots cartesianos y se emplean
cuando es preciso abarcar una zona de trabajo relativamente amplia o alargada,
actuar sobre objetos con un plano de simetra vertical o reducir el espacio ocupado
en el suelo.
o Mviles: Son Robots con gran capacidad de desplazamiento, basadas en carros
o plataformas y dotados de un sistema locomotor de tipo rodante. Siguen su
camino por telemando o guindose por la informacin recibida de su entorno a
travs de sus sensores. Estos Robots aseguran el transporte de piezas de un
punto a otro de una cadena de fabricacin. Guiados mediante pistas
materializadas a travs de la radiacin electromagntica de circuitos empotrados
en el suelo, o a travs de bandas detectadas fotoelctricamente, pueden incluso
llegar a sortear obstculos y estn dotados de un nivel relativamente elevado de
inteligencia.
5

o Androides: Son Robots que intentan reproducir total o parcialmente la forma y el

comportamiento cinemtica del ser humano. Actualmente los androides son
todava dispositivos muy poco evolucionados y sin utilidad prctica, y destinados,
fundamentalmente, al estudio y experimentacin. Uno de los aspectos ms
complejos de estos Robots, y sobre el que se centra la mayora de los trabajos,
es el de la locomocin bpeda. En este caso, el principal problema es controlar
dinmica y coordinadamente en el tiempo real el proceso y mantener
simultneamente el equilibrio del Robot.
o Zoomrficos: Los Robots zoomrficos, que considerados en sentido no restrictivo
podran incluir tambin a los androides, constituyen una clase caracterizada
principalmente por sus sistemas de locomocin que imitan a los diversos seres
vivos. A pesar de la disparidad morfolgica de sus posibles sistemas de
locomocin es conveniente agrupar a los Robots zoomrficos en dos categoras
principales: caminadores y no caminadores. El grupo de los Robots zoomrficos
no caminadores est muy poco evolucionado. Los experimentados efectuados en
Japn basados en segmentos cilndricos biselados acoplados axialmente entre s
y dotados de un movimiento relativo de rotacin. Los Robots zoomrficos
caminadores multpedos son muy numeroso y estn siendo experimentados en
diversos laboratorios con vistas al desarrollo posterior de verdaderos vehculos
terrenos, piloteando o autnomos, capaces de evolucionar en superficies muy
accidentadas. Las aplicaciones de estos Robots sern interesantes en el campo
de la exploracin espacial y en el estudio de los volcanes.
o Hbridos: Estos Robots corresponden a aquellos de difcil clasificacin cuya
estructura se sita en combinacin con alguna de las anteriores ya expuestas,
bien sea por conjuncin o por yuxtaposicin. Por ejemplo, un dispositivo
segmentado articulado y con ruedas, es al mismo tiempo uno de los atributos de
los Robots mviles y de los Robots zoomrficos. De igual forma pueden
considerarse hbridos algunos Robots formados por la yuxtaposicin de un cuerpo
formado por un carro mvil y de un brazo semejante al de los Robots industriales.
En parecida situacin se encuentran algunos Robots antropomorfos y que no

pueden clasificarse ni como mviles ni como androides, tal es el caso de los

Robots personales.

5.1.3. Desarrollos actuales y aplicaciones.

Los robots son utilizados en una diversidad de aplicaciones, desde robots tortugas en los
salones de clases, robots soldadores en la industria automotriz, hasta brazos tele
operados en el transbordador espacial.
Cada robot lleva consigo su problemtica propia y sus soluciones afines; no obstante
que mucha gente considera que la automatizacin de procesos a travs de robots est
en sus inicios, es un hecho innegable que la introduccin de la tecnologa robtica en la
industria, ya ha causado un gran impacto. En este sentido la industria Automotriz
desempea un papel preponderante.

Aplicaciones en diversos sectores:

Industria: Los robots son utilizados por una diversidad de procesos industriales como lo
son: la soldadura de punto y soldadura de arco, pinturas de spray, transportacin de
materiales, molienda de materiales, moldeado en la industria plstica, mquinasherramientas, y otras ms.
A continuacin se har una breve explicacin de algunas de ellas.
o Aplicacin de transferencia de material: Las aplicaciones de transferencia de
material se definen como operaciones en las cuales el objetivo primario es mover
una pieza de una posicin a otra. Se suelen considerar entre las operaciones ms
sencillas o directas de realizar por los robots. Las aplicaciones normalmente
necesitan un robot poco sofisticado, y los requisitos de enclavamiento con otros
equipos son tpicamente simples.
o Carga y descarga de mquinas: Estas aplicaciones son de manejos de material
en las que el robot se utiliza para servir a una mquina de produccin transfiriendo
piezas a/o desde las mquinas. Existen tres casos que caen dentro de sta
categora de aplicacin.

 Carga/Descarga de Mquinas. El robot carga una pieza de trabajo en bruto

en el proceso y descarga una pieza acabada. Una operacin de
mecanizado es un ejemplo de este caso.
Carga de mquinas. El robot debe de cargar la pieza de trabajo en bruto a
los materiales en las mquinas, pero la pieza se extrae mediante algn otro
medio. En una operacin de prensado, el robot se puede programar para
cargar lminas de metal en la prensa, pero las piezas acabadas se permite
que caigan fuera de la prensa por gravedad.
Descarga de mquinas. La mquina produce piezas acabadas a partir de
materiales en bruto que se cargan directamente en la mquina sin la ayuda
de robots. El robot descarga la pieza de la mquina. Ejemplos de sta
categora incluyen aplicaciones de fundicin de troquel y moldeado plstico.

La aplicacin se tipifica mejor mediante una clula de trabajo con el robot en el centro
que consta de la mquina de produccin, el robot y alguna forma de entrega de piezas.
o Operaciones de procesamiento: Adems de las aplicaciones de manejo de piezas,
existe una gran clase de aplicaciones en las cuales el robot realmente efecta
trabajos sobre piezas. Este trabajo casi siempre necesita que el efector final del
robot sea una herramienta en lugar de una pinza. Por tanto la utilizacin de una
herramienta para efectuar el trabajo es una caracterstica distinta de este grupo
de aplicaciones. El tipo de herramienta depende de la operacin de procesamiento
que se realiza.
o Soldadura por puntos: Como el trmino lo sugiere, la soldadura por puntos es un
proceso en el que dos piezas de metal se soldn en puntos localizados al hacer
pasar una gran corriente elctrica a travs de las piezas donde se efecta la
soldadura.
o Soldadura por arco continua: La soldadura por arco es un proceso de soldadura
continua en oposicin a la soldadura por punto que podra llamarse un proceso
8

discontinuo. La soldadura de arco continua se utiliza para obtener uniones largas

o grandes uniones soldadas en las cuales, a menudo, se necesita una cierre
hermtico entre las dos piezas de metal que se van a unir. El proceso utiliza un
electrodo en forma de barra o alambre de metal para suministrar la alta corriente
elctrica de 100 a 300 amperes.
o Recubrimiento con spray: La mayora de los productos fabricados de materiales
metlicos requieren de alguna forma de acabado de pintura antes de la entrega al
cliente. La tecnologa para aplicar estos acabados vara en la complejidad desde
mtodos manuales simples a tcnicas automticas altamente sofisticadas. Se
dividen los mtodos de recubrimiento industrial en dos categoras:
Mtodos de recubrimiento de flujo e inmersin.
Mtodos de recubrimiento al spray.

Los mtodos de recubrimiento mediante flujo de inmersin se suelen considerar que son
mtodos de aplicar pintura al producto de baja tecnologa. La inmersin simplemente
requiere sumergir la pieza o producto en un tanque de pintura liquida.

Adems de la soldadura por punto, la soldadura por arco, y el recubrimiento al spray

existe una serie de otras aplicaciones de robots que utilizan alguna forma de herramienta
especializada como efector final. Operaciones que estn en sta categora incluyen:
Taladro, acanalado, y otras aplicaciones de mecanizado.
Rectificado, pulido, desbarbado, cepillado y operaciones similares.
Remachado, Corte por chorro de agua.
Taladro y corte por lser.
o Laboratorios: Los robots estn encontrando un gran nmero de aplicaciones en
los laboratorios. Llevan a cabo con efectividad tareas repetitivas como la
colocacin de tubos de pruebas dentro de los instrumentos de medicin. En sta
etapa de su desarrollo los robots son utilizados para realizar procedimientos
9

manuales automatizados. Un tpico sistema de preparacin de muestras consiste

de un robot y una estacin de laboratorio, la cual contiene balanzas, dispensarios,
centrifugados, racks de tubos de pruebas, etc. Las muestras son movidas desde
la estacin de laboratorios por el robot bajo el control de procedimientos de un
programa. Los fabricantes de estos sistemas mencionan tener tres ventajas sobre
la operacin manual: incrementan la productividad, mejoran el control de calidad
y reducen la exposicin del ser humano a sustancias qumicas nocivas.
Las aplicaciones subsecuentes incluyen la medicin del pH, viscosidad, y el
porcentaje de slidos en polmeros, preparacin de plasma humano para
muestras para ser examinadas, calor, flujo, peso y disolucin de muestras para
presentaciones espectro maticas.
o Manipuladores cinemticos: La tecnologa robtica encontr su primera aplicacin
en la industria nuclear con el desarrollo de tele operadores para manejar material
radiactivo. Los robots ms recientes han sido utilizados para soldar a control
remoto y la inspeccin de tuberas en reas de alta radiacin. El accidente en la
planta nuclear de Three Mile Island en Pennsylvania en 1979 estimul el
desarrollo y aplicacin de los robots en la industria nuclear. El reactor nmero 2
(TMI-2) predio su enfriamiento, y provoc la destruccin de la mayora del reactor,
y dejo grandes reas del reactor contaminadas, inaccesible para el ser humano.
Debido a los altos niveles de radiacin las tareas de limpieza solo eran posibles
por medios remotos. Varios robots y vehculos controlados remotamente han sido
utilizados para tal fin en los lugares donde ha ocurrido una catstrofe de este tipo.
sta clase de robots son equipados en su mayora con sofisticados equipos para
detectar niveles de radiacin, cmaras, e incluso llegan a traer a bordo un mini
laboratorio para hacer pruebas.
o Agricultura: Para muchos la idea de tener un robot agricultor es ciencia ficcin,
pero la realidad es muy diferente; o al menos as parece ser para el Instituto de
Investigacin Australiano, el cual ha invertido una gran cantidad de dinero y tiempo
en el desarrollo de este tipo de robots. Entre sus proyectos se encuentra una
10

mquina que esquila a las ovejas. La trayectoria del cortador sobre el cuerpo de
las ovejas se planea con un modelo geomtrico de la oveja. Para compensar el
tamao entre la oveja real y el modelo, se tiene un conjunto de sensores que
registran la informacin de la respiracin del animal como de su mismo tamao,
sta es mandada a una computadora que realiza las compensaciones necesarias
y modifica la trayectoria del cortador en tiempo real. Debido a la escasez de
trabajadores en los obradores, se desarrolla otro proyecto, que consiste en hacer
un sistema automatizado de un obrador, el prototipo requiere un alto nivel de
coordinacin entre una cmara de vdeo y el efector final que realiza en menos de
30 segundos ocho cortes al cuerpo del cerdo. Por su parte en Francia se hacen
aplicaciones de tipo experimental para incluir a los robots en la siembra, y poda
de los viedos, como en la pizca de la manzana.
o Espacio: La exploracin espacial posee problemas especiales para el uso de
robots. El medio ambiente es hostil para el ser humano, quien requiere un equipo
de proteccin muy costoso tanto en la Tierra como en el Espacio. Muchos
cientficos han hecho la sugerencia de que es necesario el uso de Robots para
continuar con los avances en la exploracin espacial; pero como todava no se
llega a un grado de automatizacin tan precisa para sta aplicacin, el ser humano
an no ha podido ser reemplazado por estos. Por su parte, son la tele operadores
los que han encontrado aplicacin en los transbordadores espaciales. En Marzo
de 1982 el transbordador Columbia fue el primero en utilizar este tipo de robots,
aunque el ser humano participa en la realizacin del control de lazo cerrado.
Algunas investigaciones estn encaminadas al diseo, construccin y control de
vehculos autnomos, los cuales llevarn a bordo complejos laboratorios y
cmaras muy sofisticadas para la exploracin de otros planetas. En Noviembre de
1970 los rusos consiguieron el alunizaje del Lunokhod 1, el cual posea cmaras
de televisin, sensores y un pequeo laboratorio, era controlado remotamente
desde la tierra. En Julio de 1976, los norteamericanos aterrizaron en Marte el
Viking 1, llevaba a bordo un brazo robotizado, el cual recoga muestras de piedra,
tierra y otros elementos las cuales eran analizados en el laboratorio que fue
11

acondicionado en el interior del robot. Por supuesto tambin contaba con un

equipo muy sofisticado de cmaras de vdeo.
o Vehculos submarinos: Dos eventos durante el verano de 1985 provocaron el
incremento por el inters de los vehculos submarinos. En el primero - Un avin
de la Air Indian se estrell en el Ocano Atlntico cerca de las costas de Irlanda un vehculo submarino guiado remotamente, normalmente utilizado para el
tendido de cable, fue utilizado para encontrar y recobrar la caja negra del avin.
El segundo fue el descubrimiento del Titanic en el fondo de un can, donde haba
permanecido despus del choque con un iceberg en 1912, cuatro kilmetros abajo
de la superficie. Un vehculo submarino fue utilizado para encontrar, explorar y
filmar el hallazgo. En la actualidad muchos de estos vehculos submarinos se
utilizan en la inspeccin y mantenimiento de tuberas que conducen petrleo, gas
o aceite en las plataformas ocenicas; en el tendido e inspeccin del cableado
para comunicaciones, para investigaciones geolgicas y geofsicas en el suelo
marino. La tendencia hacia el estudio e investigacin de este tipo de robots se
incrementar a medida que la industria se interese an ms en la utilizacin de
los robots, sobra mencionar los beneficios que se obtendran si se consigue una
tecnologa segura para la exploracin del suelo marino y la explotacin del mismo.
o Educacin: Los robots estn apareciendo en los salones de clases de tres
distintas formas. Primero, los programas educacionales utilizan la simulacin de
control de robots como un medio de enseanza. Un ejemplo palpable es la
utilizacin del lenguaje de programacin del robot Karel, el cual es un subconjunto
de Pascal; este es utilizado por la introduccin a la enseanza de la programacin.
El segundo y de uso ms comn es el uso del robot tortuga en conjuncin con el
lenguaje LOGO para ensear ciencias computacionales. LOGO fue creado con la
intencin de proporcionar al estudiante un medio natural y divertido en el
aprendizaje de las matemticas. En tercer lugar est el uso de los robots en los
salones de clases. Una serie de manipuladores de bajo costo, robots mviles, y
sistemas completos han sido desarrollados para su utilizacin en los laboratorios
12

educacionales. Debido a su bajo costo muchos de estos sistemas no poseen una

fiabilidad en su sistema mecnico, tienen poca exactitud, no existen los sensores
y en su mayora carecen de software. Es necesario hacer mencin de los
problemas de tipo social, econmicos e incluso poltico, que puede generar una
mala orientacin de robotizacin de la industria. Se hace indispensable que la
planificacin de los recursos humanos, tecnolgicos y financieros se realice de
una manera inteligente. El mercado de la robtica y las perspectivas futuras que
se tienen son diversos. Las ventas anuales para robots industriales han ido
creciendo en Estados Unidos a razn del 25% de acuerdo a estadsticas del ao
1981 a 1992. El incremento de sta tasa se debe a factores muy diversos. En
primer lugar, hay ms personas en la industria que tienen conocimiento de la
tecnologa y de su potencial para sus aplicaciones de utilidad. En segundo lugar,
la tecnologa de la robtica mejorar en los prximos aos de manera que har a
los robots ms amistosos con el usuario, ms fciles de interconectar con otro
hardware y ms sencillos de instalar. En tercer lugar, que crece el mercado, son
previsibles economas de escala en la produccin de robots para proporcionar una
reduccin en el precio unitario, lo que hara los proyectos de aplicaciones de
robots ms fciles de justificar. En cuarto lugar se espera que el mercado de la
robtica sufra una expansin ms all de las grandes empresas, que ha sido el
cliente tradicional para sta tecnologa, y llegue a las empresas de tamao
mediano, pequeo y por qu no; las microempresas. Estas circunstancias darn
un notable incremento en las bases de clientes para los robots.

La robtica es una tecnologa con futuro y tambin para el futuro. Si continan las
tendencias actuales, y si algunos de los estudios de investigacin en el laboratorio
actualmente en curso se convierten finalmente en una tecnologa factible, los robots del
futuro sern unidades mviles con uno o ms brazos, capacidades de sensores mltiples
y con la misma potencia de procesamiento de datos y de clculo que las grandes
computadoras actuales. Sern capaces de responder a rdenes dadas con voz humana.
As mismo sern capaces de recibir instrucciones generales y traducirlas, con el uso de
la inteligencia artificial en un conjunto especfico de acciones requeridas para llevarlas a
13

cabo. Podrn ver, or, palpar, aplicar una fuerza media con precisin a un objeto y
desplazarse por sus propios medios.

En resumen, los futuros robots tendran muchos de los atributos de los seres humanos.
Es difcil pensar que los robots llegarn a sustituir a los seres humanos en el sentido de
la obra de Carel Kapek, Robots Universales de Rossum. Por el contrario, la robtica es
una tecnologa que solo puede destinarse al beneficio de la humanidad. Sin embargo,
como otras tecnologas, hay peligros potenciales implicados y deben establecerse
salvaguardas para no permitir su uso pernicioso.

El paso del presente al futuro exigir mucho trabajo de ingeniera mecnica, ingeniera
electrnica, informtica, ingeniera industrial, tecnologa de materiales, ingenieras de
sistemas de fabricacin y ciencias sociales.

EJEMPLO DE UNA APLICACIN:

En el ejemplo que se mostrara, es un robot enfocado en la rea de educacin, este robot
es llamado NAO ROBOT es til en diferentes formas.

14

Qu es?
Nao es un robot humanoide programable y autnomo, desarrollado por Aldebaran
Robotics, una compaa de robtica francesa con sede en Pars subsidiaria del grupo
Softbank. El desarrollo del robot comenz en 2004 con el lanzamiento del Proyecto Nao.
El 15 de agosto de 2007, Nao sustituye al perro robot Aibo de Sony como la plataforma
estndar para la Robocup ("Robot Soccer World Cup"), un concurso internacional de
robtica. Nao se utiliz en RoboCup 2008 y 2009, y el NaoV3R fue elegido como la
plataforma para el SPL en RoboCup 2010.2

La Edicin Acadmica de Nao fue desarrollada para las universidades y laboratorios con
fines de investigacin y educacin. Fue lanzado a las instituciones en 2008, y se puso a
disposicin del pblico antes de 2011. El robot ha entrado ya su uso en numerosas
instituciones acadmicas de todo el mundo, incluyendo la Universidad de Tokio, el IIT
Kanpur de la India4 y la Universidad del Rey Fahd de Petrleo y Minerales de Arabia
Saudita. En diciembre de 2011, Aldebaran Robotics lanz la Nao Next Gen, con software
mejorado, una CPU ms potente y cmaras de alta definicin.

Detalles:
El robot ms completo en la gama de robots humanoides, cuenta con 25 grados de
libertad que le dan la posibilidad de ser completamente autnomo. Cuenta con 2 manos
prensiles y articulacin en las muecas. Su caminado omnidireccional es perfecto para
aplicaciones que impliquen mapeo y autonoma.

Caractersticas:
o 25 Grados de Libertad (Degrees of Freedom)
o Caminado omnidireccional
o Dos manos prensiles
o CPU ATOM Z530 1.6 GHz
o Memoria Flash de 256 MB SDRAM / 2 GB
o Sensor de Inercia con Giroscopio de dos ejes y Acelermetro de 3 ejes.
o 1x Puerto Ethernet RJ45 10/100/1000 base T y Wi-Fi IEEE 802.11b/g
15

o 2x Cmaras de video (960p@30fps), mejor sensibilidad en VGA. Visin -horizontal

de 239, visin vertical de 68. Resolucin de alta definicin.
o Capacidad de procesamiento de visin
o Reconocimiento de objetos
o Deteccin y reconocimiento de rostros
o Texto a voz:
o Dos altavoces y sntesis vocal multi-idioma (Espaol e Ingls precargados)
o Cuatro micrfonos y reconocimiento de voz multi-idioma (Espaol e Ingls
precargados)
o Soporta mltiples lenguajes de programacin.
o Cuenta con software especial de programacin y simulacin.

Funciones principales:
NAO est destinado a las instituciones de desarrollo como universidades u hospitales. A
travs del software, es posible desarrollar y aprender a programar robtica. Lo que
aprendas a programar en NAO, puedes aplicarlo con cualquier robot del mercado. Como
se dijo anteriormente, NAO se puede programar en la forma que se desea como por
ejemplo, para ensear a los nios a leer, incluso en instituciones de rehabilitacin como
lo es el teletn, e aqu unos ejemplos demostrativos:
NAO apoyado a nios del Centro de Rehabilitacin Infantil Teletn Oaxaca, mediante
rutinas de rehabilitacin y enseanza.

16

5.2. Redes Neuronales (RN).

Las Redes Neuronales (RN) fueron originalmente una simulacin abstracta de los
sistemas nerviosos biolgicos, formados por un conjunto de unidades llamadas
"neuronas" o "nodos" conectadas unas con otras. Estas conexiones tienen una gran
semejanza con las dendritas y los axones en los sistemas nerviosos biolgicos.
En trminos generales, el Primer modelo de red neuronal fue propuesto en 1943 por
McCulloch y Pitts en trminos de un modelo computacional de "actividad nerviosa". El
modelo de McCulloch-Pitts es un modelo binario, y cada neurona tiene un escaln o
umbral prefijado. Este primer modelo sirvi de ejemplo para los modelos posteriores de
Jhon Von Neumann, Marvin Minsky, Frank Rosenblatt, y muchos otros.
5.2.1. Conceptos bsicos.
Redes Neuronales: son una rama de la Inteligencia Artificial. En las redes neuronales el
conocimiento se incorpora mediante el aprendizaje a partir de ejemplos.
5.2.2. Clasificacin.
Una primera clasificacin de los modelos de RN podra ser, atendiendo a su similitud con
la realidad biolgica.
o Modelos de tipo biolgico. Este comprende las redes que tratan de simular los
sistemas neuronales biolgicos as como las funciones auditivas o algunas
funciones bsicas de la visin.
o El modelo dirigido a aplicacin. Estos modelos no tienen por qu guardar similitud
con los sistemas biolgicos. Sus arquitecturas estn fuertemente ligadas a las
necesidades de las aplicaciones para las que son diseados.
o Redes Neuronales de tipo Biolgico: Se estima que el cerebro humano contiene
ms de cien mil millones de neuronas y sinapsis en el sistema nervioso humano.
Estudios sobre la anatoma del cerebro humano concluyen que hay ms de 1000
sinapsis a la entrada y a la salida de cada neurona. Es importante notar que
aunque el tiempo de conmutacin de la neurona (unos pocos milisegundos) es
casi un milln de veces menor que en las actuales elementos de las computadoras,
ellas tienen una conectividad miles de veces superior que las actuales
17

supercomputadoras. El objetivo principal de las redes neuronales de tipo biolgico

es desarrollar un elemento sinttico para verificar las hiptesis que conciernen a
los sistemas biolgicos. Las neuronas y las conexiones entre ellas (sinapsis)
constituyen la clave para el procesado de la informacin. La mayor parte de las
neuronas poseen una estructura de rbol llamadas dendritas que reciben las
seales de entrada que vienen de otras neuronas a travs de las uniones llamadas
sinapsis. Algunas neuronas se comunican solo con las cercanas, mientras que
otras se conectan con miles. Hay tres partes en una neurona:
El cuerpo de la neurona.
Ramas de extensin llamadas dentaras para recibir las entradas, y.
Un axn que lleva la salida de la neurona a las desdiras de otras neuronas.
La forma que dos neuronas interactan no est totalmente conocida, dependiendo
adems de cada neurona. En general, una neurona enva su salida a otras por su axn.
El axn lleva la informacin por medio de diferencias de potencial, u ondas de corriente,
que depende del potencial de la neurona. Este proceso es a menudo modelado como
una regla de propagacin representada por la funcin de red u (.). La neurona recoge las
seales por su sinapsis sumando todas las influencias excitadoras e inhibidoras. Si las
influencias excitadoras positivas dominan, entonces la neurona da una seal positiva y
manda este mensaje a otras neuronas por sus sinapsis de salida. En este sentido la
neurona puede ser modelada como una simple funcin escaln f (.). Como se muestra
en la prxima figura, la neurona se activa si la fuerza combinada de la seal de entrada
es superior a un cierto nivel, en el caso general el valor de activacin de la neurona viene
dado por una funcin de activacin f (.).
o Redes Neuronales para aplicaciones concretas: Las RN dirigidas a aplicacin
estn en general poco ligadas a las redes neuronales biolgicas. Ya que el
conocimiento que se posee sobre el sistema nervioso en general no es completo,
se han de definir otras funcionalidades y estructuras de conexin distintas a las
vistas desde la perspectiva biolgica. Las caractersticas principales de este tipo
de RN son los siguientes:

18

 Auto Organizacin y Adaptabilidad: utilizan algoritmos de aprendizaje

adaptativo y auto organizacin, por lo que ofrecen posibilidades de
procesado robusto y adaptativo.
Procesado No Lineal: aumenta la capacidad de la red de aproximar,
clasificar y su inmunidad frente al ruido.
Procesado paralelo: normalmente se usa un gran nmero de clulas de
procesado por el alto nivel de interconectividad.
Estas caractersticas juegan un importante papel en las RN aplicadas al procesado de
seal e imagen. Una red para una determinada aplicacin presenta una arquitectura muy
concreta, que comprende elementos de procesado adaptativo masivo paralelo
combinadas con estructuras de interconexin de red jerrquica.

5.2.3. Desarrollos actuales y aplicaciones.

Las redes neuronales pueden utilizarse en un gran nmero y variedad de aplicaciones,
tanto comerciales como militares. Se pueden desarrollar redes neuronales en un periodo
de tiempo razonable, con la capacidad de realizar tareas concretas mejor que otras
tecnologas. Cuando se implementan mediante hardware (redes neuronales en chips
VLSI), presentan una alta tolerancia a fallos del sistema y proporcionan un alto grado de
paralelismo en el procesamiento de datos. Esto posibilita la insercin de redes
neuronales de bajo coste en sistemas existentes y recientemente desarrollados.
Hay muchos tipos diferentes de redes neuronales; cada uno de los cuales tiene una
aplicacin particular ms apropiada. Algunas aplicaciones comerciales son:
o Biologa:
Aprender ms acerca del cerebro y otros sistemas.
Obtencin de modelos de la retina.
o Empresa:
Evaluacin de probabilidad de formaciones geolgicas y petrolferas.
Identificacin de candidatos para posiciones especficas.
Explotacin de bases de datos.
Optimizacin de plazas y horarios en lneas de vuelo.
19

 Optimizacin del flujo del trnsito controlando convenientemente la

temporizacin de los semforos.
Reconocimiento de caracteres escritos.
Modelado de sistemas para automatizacin y control.
o Medio ambiente:
Analizar tendencias y patrones.
Previsin del tiempo.
o Finanzas:
Previsin de la evolucin de los precios.
Valoracin del riesgo de los crditos.
Identificacin de falsificaciones.
Interpretacin de firmas.
o Manufacturacin:
Robots automatizados y sistemas de control (visin artificial y sensores de
presin, temperatura, gas, etc.).
Control de produccin en lneas de procesos.
Inspeccin de la calidad.
o Medicina:
Analizadores del habla para ayudar en la audicin de sordos profundos.
Diagnstico y tratamiento a partir de sntomas y/o de datos analticos
(electrocardiograma, encefalogramas, anlisis sanguneo, etc.).
Monitorizacin en cirugas.
Prediccin de reacciones adversas en los medicamentos.
Entendimiento de la causa de los ataques cardacos.
o Militares:
Clasificacin de las seales de radar.
Creacin de armas inteligentes.
Optimizacin del uso de recursos escasos.
Reconocimiento y seguimiento en el tiro al blanco.

20

La mayora de estas aplicaciones consisten en realizar un reconocimiento de patrones,

como ser: buscar un patrn en una serie de ejemplos, clasificar patrones, completar una
seal a partir de valores parciales o reconstruir el patrn correcto partiendo de uno
distorsionado. Sin embargo, est creciendo el uso de redes neuronales en distintos tipos
de sistemas de control.
Desde el punto de vista de los casos de aplicacin, la ventaja de las redes neuronales
reside en el procesado paralelo, adaptativo y no lineal. El dominio de aplicacin de las
redes neuronales tambin se lo puede clasificar de la siguiente forma: asociacin y
clasificacin, regeneracin de patrones, regresin y generalizacin, y optimizacin.
EJEMPLO DE UNA APLICACIN:
En este ejemplo se muestra al lector de huellas digital NITGEN HAMSTER que es
utilizado en este caso para controlar la seguridad de inicio de sesin en una computadora
personal, tambin puede ser usado en empresas, para controlar la seguridad en cuartos
importantes que contenga informacin o para obtener el registro de llegada y salida de
los empleados.

21

Qu es?
El lector de huella digital Nitgen Hamster es un perifrico para la seguridad del ordenador
y seguridad informtica en general. Est equipado con un mdulo de lectura de huella
dactilar basado en la tecnologa nica de biometra Nitgen. Es un sistema de altas
prestaciones, mucha precisin y larga durabilidad. Lector que se conecta directamente
al ordenador y de forma muy segura reemplazamos la password que es vulnerable al
fraude y difcil de recordar. El Hamster ha sido diseado por la tecnologa ms optimizada
de reconocimiento de huella dactilar y es muy robusto a posibles impactos fsicos
externos, aspectos ambientales y corriente esttica. El lector biomtrico Nitgen Hamster
incorpora la ptica OPP06 con tecnologa Live Finger Detection (LFD) para mayor
seguridad y con sistema Auto-on de activacin automtica del sensor. Aplicable a
distintos campos donde la autenticacin personal por reconocimiento dactilar sea
necesaria.

Funciones:
Cuenta con un Software de Seguridad eNDeSS.
Con el lector se incluye el software para seguridad de PC eNDeSS, con las siguientes
funciones:
o Logon de Windows: Control de Acceso a Windows biomtrico.
o Gestor centralizado de usuarios y configuracin del sistema.
o Protector de Pantalla identificacin dactilar para desbloquear el PC.
o Protector de ficheros y directorios con encriptacin de huella.
o Pantalla Listado de Eventos: histrico de Logons e intentos ilegales.
Mxima proteccin biomtrica mediante huella digital del PC, workstations o red de
ordenadores.
Aplicaciones:
o Comercio electrnico.
o Seguridad para el ordenador, softwares y la red informtica.
o Seguridad para la banca, instituciones financieras.
o Medio de pago por huella digital.
o Sistema de informacin mdica.
22

o Muchas otras aplicaciones que requieren autenticacin de usuario.

Caractersticas:
o Interfaz USB:
Compatible con la interfaz USB 2.0, dispositivo plug and play.
Soporta el manejo de mltiples dispositivos.
o Motor de Comparacin Superior:
1er lugar en la FVC (Fingerprint Verification Competition)
Funcin de encendido automtico
o Tecnologa ptica Avanzada:
Sensor resistente a rayones, impactos, vibraciones y descargas
electroestticas
o Formato de imgenes e interfaces de acuerdo a estndares internacionales:
Compresin WSQ
ISO 19794-2/4, ANSI 378, NFIQ
o Captura de imgenes de alta calidad
o Potente desempeo para dedos hmedos/secos
o Sensor ptico:
OPP06
o Tamao:
54 x 72 x 82.6mm con base
27.4 x 40.5 x 73.7mm sin base
o Tamao de la imagen:
248 x 292 pixeles
o Resolucin:
500 DPI
o Interfaz:
USB 1.1/2.0 High/Full Speed
o Tiempo de adquisicin de imgenes:
500 mseg. En promedio en modo Full Speed
300 mseg. En promedio en modo High Speed
o Fuente de poder:
23

 Puerto USB
o Sistemas Operativos:
Windows 2000 o superior, Windows Server 2003/2008, Linux Kernel 2.6.x

5.3. Visin artificial.

La visin artificial, tambin conocida como visin por computador (del ingls computer
vision) o visin tcnica, es un subcampo de la inteligencia artificial. El propsito de la
visin artificial es programar una computadora para que "entienda" una escena o las
caractersticas de una imagen.
Los objetivos tpicos de la visin artificial incluyen:
o La deteccin, segmentacin, localizacin y reconocimiento de ciertos objetos en
imgenes (por ejemplo, caras humanas).
o La evaluacin de los resultados (por ejemplo, segmentacin, registro).
o Registro de diferentes imgenes de una misma escena u objeto, es decir, hacer
concordar un mismo objeto en diversas imgenes.
o Seguimiento de un objeto en una secuencia de imgenes.
o Mapeo de una escena para generar un modelo tridimensional de la escena; este
modelo podra ser usado por un robot para navegar por la escena.
o Estimacin de las posturas tridimensionales de humanos.
o Bsqueda de imgenes digitales por su contenido.
Estos objetivos se consiguen por medio de reconocimiento de patrones, aprendizaje
estadstico, geometra de proyeccin, procesamiento de imgenes, teora de grafos y
otros campos. La visin artificial cognitiva est muy relacionada con la

psicologa

cognitiva y la computacin biolgica.

5.3.1. Conceptos bsicos.
Se puede definir la Visin Artificial como un campo de la Inteligencia Artificial que,
mediante la utilizacin de las tcnicas adecuadas, permite la obtencin, procesamiento
y anlisis de cualquier tipo de informacin especial obtenida a travs de imgenes
digitales.

24

La visin artificial la componen un conjunto de procesos destinados a realizar el anlisis

de imgenes. Estos procesos son: captacin de imgenes, memorizacin de la
informacin, procesado e interpretacin de los resultados.

5.3.2. Desarrollos actuales y aplicaciones.

Con la visin artificial se pueden:
o Automatizar tareas repetitivas de inspeccin realizadas por operadores.
o Realizar controles de calidad de productos que no era posible verificar por
mtodos tradicionales.
o Realizar inspecciones de objetos sin contacto fsico.
o Realizar la inspeccin del 100% de la produccin (calidad total) a gran velocidad.
o Reducir el tiempo de ciclo en procesos automatizados.
o Realizar inspecciones en procesos donde existe diversidad de piezas con cambios
frecuentes de produccin.
Las principales aplicaciones de la visin artificial en la industria actual son:
o Identificacin e inspeccin de objetos.
o Determinacin de la posicin de los objetos en el espacio.
o Establecimiento de relaciones espaciales entre varios objetos (guiado de robots)
o Determinacin de las coordenadas importantes de un objeto.
o Realizacin de mediciones angulares.
o Mediciones tridimensionales.

25

EJEMPLO DE UNA APLICACIN:

En este ejemplo muestra la cmara con visin artificial para la localizacin de piezas
llamado PatMax en un ambiente de manufactura.

Qu es?
Es la tecnologa de correspondencia de patrones patentada por Cognex para la
localizacin de piezas y caractersticas. Esta tecnologa de visin artificial ofrece un
excelente rendimiento y confiabilidad hasta en las condiciones ms adversas.
PatMax utiliza una tecnologa avanzada de correspondencia de patrones geomtricos
para localizar las piezas con fiabilidad y precisin incluso en las condiciones ms
complejas. Su alta precisin, velocidad y rendimiento hacen de ella la base para otras
potentes herramientas Cognex como PatMax S.A, PatMax XLC, Synthetic PatMax,
PatInspect, PatFlex, OCV MAx o IDMax. Estas potentes herramientas puden cubrir la
mayor parte de las necesidades de correspondencia y de inspeccin de patrones en la
industria.

26

Funcionamiento:
El primer paso en la aplicacin de visin industrial (y muy importante para el xito de la
aplicacin) es la localizacin del objeto en el campo de visin de la cmara, este proceso
se conoce como correspondencia de patrones.
La correspondencia de patrones puede ser extremadamente difcil, ya que numerosas
variables pueden alterar el modo en que un objeto aparece en un sistema de visin. La
tecnologa ms tradicional de correspondencia de patrones se basa en un proceso de
anlisis pxel-cuadrcula, comnmente conocido como correlacin normalizada. Este
mtodo busca la similaridad estadstica entre un modelo de nivel de gris (o imagen de
referencia) de un objeto y las partes de la imagen para determinar la posicin X/Y del
objeto.
Aunque es eficaz en determinadas situaciones, esta medida limita tanto la capacidad
para localizar objetos como la precisin con la que pueden localizarse en condiciones de
aspecto variable, comunes en las lneas de produccin, como los cambios en el ngulo,
el tamao, el tono, etc.
Para superar estas limitaciones Cognex desarroll la tecnologa de correspondencia de
patrones geomtricos, comercializada con la marca PatMax. Esta tecnologa conoce la
geometra de un objeto utilizando una serie de curvas lmite que no corresponden a una
cuadrcula de pxeles para despus buscar formas similares en la imagen (sin basarse
en niveles de gris especficos). El resultado es una mejora en la capacidad de localizar
objetos con precisin a pesar de los cambios de ngulo, tamao, tono, etc.

27

5.4. Lgica difusa (Fuzzy Logic).

Fuzzy Logic tiene sus races en la teora de conjuntos difusos desarrollada por Zadeh en
la dcada de los 60, la que propone que un elemento siempre pertenece en un cierto
grado a un conjunto y nunca pertenece del todo al mismo, esto permite establecer una
manera eficiente para trabajar con incertezas, as como para acondicionar el
conocimiento en forma de reglas hacia un plano cuantitativo, factible de ser procesado
por computadores.
Toda lgica consiste en formalizar el pensamiento humano, desde este punto de vista.
o Lgica Clsica: Establece que cualquier enunciado o proposicin puede tener un
valor lgico verdadero o falso, en definitiva 1 y 0. De esta forma es posible
desarrollar toda una lgica basada en leyes de este tipo.
o Lgica Difusa: En vez de trabajar con el clsico concepto de inclusin o exclusin,
introduce una funcin que expresa el grado de pertenencia de una variable hacia
un atributo o variable lingstica tomando valores en el rango de 0 a 1.
o Conjunto Difuso: Par Variable lingstica funcin de pertenencia. A = {x / A (x)
x X}.

Ventajas:
La principal ventaja de utilizar trminos lingsticos como: a medias, bastante, casi, un
poco, mucho, algo, etc, est en que permite plantear el problema en los mismos trminos
en los que lo hara un experto humano.
El xito de esta tcnica radica en que El mundo es Fuzzy. En otras palabras, no tiene
sentido buscar la solucin a un problema no perfectamente definido por medio de un
planteamiento matemtico muy exacto, cuando es el ser humano el primero que razona
empleando la inexactitud.
En inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la resolucin de
una variedad de problemas, principalmente los relacionados con control de procesos
industriales complejos y sistemas de decisin en general, la resolucin y la compresin
de datos. Los sistemas de lgica difusa estn tambin muy extendidos en la tecnologa
cotidiana, por ejemplo en cmaras digitales, sistemas de aire acondicionado, lavarropas,
28

etc. Los sistemas basados en lgica difusa imitan la forma en que toman decisiones los
humanos, con la ventaja de ser mucho ms rpidos. Estos sistemas son generalmente
robustos y tolerantes a imprecisiones y ruidos en los datos de entrada. Algunos lenguajes
de programacin lgica que han incorporado la lgica difusa seran por ejemplo las
diversas implementaciones de Fuzzy PROLOG o el lenguaje Fril.
Consiste en la aplicacin de la lgica difusa con la intencin de imitar el razonamiento
humano en la

programacin de computadoras. Con la lgica convencional, las

computadoras pueden manipular valores estrictamente duales, como verdadero/falso,

s/no o ligado/desligado. En la lgica difusa, se usan modelos matemticos para
representar nociones subjetivas, como caliente/tibio/fro, para valores concretos que
puedan ser manipuladas por los ordenadores.
En este paradigma, tambin tiene un especial valor la variable del tiempo, ya que los
sistemas de control pueden necesitar retroalimentarse en un espacio concreto de tiempo,
pueden necesitarse datos anteriores para hacer una evaluacin media de la situacin en
un perodo anterior.
5.4.1. Conceptos bsicos.
La lgica difusa es una extensin de la lgica tradicional (Booleana) que utiliza conceptos
de pertenencia de sets ms parecidos a la manera de pensar humana.
La lgica difusa no usa valores exactos como 1 o 0 pero usa valores entre 1 y 0 (inclusive)
que pueden indican valores intermedios (Ej. 0, 0.1, 0.2,,0.9, 1.0, 1.1,etc)
La lgica difusa tambin incluye los valores 0 y 1 entonces se puede considerar como un
superset o extensin de la lgica exacta.
El concepto de un subset difuso fue introducido por L.A. Zadeh en 1965 como una
generalizacin de un subset exacto (crisp subset) tradicional.
Los subsets exactos usan lgica Booleana con valores exactos como por ejemplo la
lgica binaria que usa valores de 1 o 0 para sus operaciones.
5.4.2. Desarrollos actuales y aplicaciones.
La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es muy alta y
no existen modelos matemticos precisos, para procesos altamente no lineales y cuando
se envuelven definiciones y conocimiento no estrictamente definido (impreciso o
subjetivo).
29

En cambio, no es una buena idea usarla cuando algn modelo matemtico ya soluciona
eficientemente el problema, cuando los problemas son lineales o cuando no tienen
solucin.
Esta tcnica se ha empleado con bastante xito en la industria, principalmente en Japn,
extendindose sus aplicaciones a multitud de campos. La primera vez que se us de
forma importante fue en el metro japons, con excelentes resultados. Posteriormente se
generaliz segn la teora de la incertidumbre desarrollada por el matemtico y
economista espaol Jaume Gil Aluja.
A continuacin se citan algunos ejemplos de su aplicacin:
o Sistemas de control de acondicionadores de aire.
o Sistemas de foco automtico en cmaras fotogrficas.
o Electrodomsticos familiares (frigorficos, lavadoras...).
o Optimizacin de sistemas de control industriales.
o Sistemas de escritura.
o Mejora en la eficiencia del uso de combustible en motores.
o Sistemas expertos del conocimiento (simular el comportamiento de un experto
humano).
o
o

Tecnologa informtica.
Bases de datos difusas: Almacenar y consultar informacin imprecisa. Para
este punto, por ejemplo, existe el lenguaje FSQL.

...y, en general, en la gran mayora de los sistemas de control que no dependen

de un S/No.

30

EJEMPLO DE UNA APLICACIN:

En este ejemplo se mostrar el uso del robot AIBO usando la lgica difusa para la
localizacin.

Qu es?
AIBO (Artificial Intelligence Robot, en espaol Robot de Inteligencia Artificial, homnimo
de AIBO ( aib?), "Amigo" o "compaero" en japons) es una serie emblemtica de
mascotas robticas diseadas y fabricadas por Sony. Sony anunci un robot prototipo a
mediados de 1998. El primer modelo de consumo se introdujo el 11 de mayo de 1999.
Los nuevos modelos fueron lanzados cada ao hasta 2005. Aunque la mayora de los
modelos fueron perrunos, tambin se incluyeron otras inspiraciones robticas como
cachorros leones y turistas espaciales androides, y solo la ltima versin, la ERS-7, fue
explcitamente un "perro robot".
Los AIBO fueron comercializados para uso domstico como "Robots de Entretenimiento".
Tambin fueron ampliamente adoptados por las universidades con fines educativos (por
ejemplo: Robocup), para investigaciones de robtica y para la interaccin humano-robot.

31

Funciones, en educacin e investigacin:

En la liga de 4 patas de la Robocup, equipos de 4 robots. AIBO autnomos se enfrentan
entre s en partidos de futbol. El objetivo de esta competicin es presentar un entorno
desafiante en que se han de resolver varios problemas relacionados con la robtica. En
particular, la localizacin. Cada uno de los jugadores ha de estar localizado durante los
partidos para que su comportamiento sea coherente. En este artculo proponemos un
mtodo de localizacin que combina tcnicas de lgica difusa y filtros de Kalman para
conseguir una localizacin ms robusta, fiable y ligera.

Mtodo de localizacin usando lgica difusa:

El objetivo de desarrollar este mtodo de localizacin fue la de dotar al robot de una
forma robusta de representar la incertidumbre de su posicin. Tambin deba de poder
recuperarse de situaciones en las que el robot era desplazado de un lugar a otro del
campo. Esta situacin se puede producir cuando el robot es penalizado por el rbitro y
retirado unos minutos del terreno de juego, o cuando es empujado por otros robots. A
continuacin resumimos este trabajo previo como base de la mejora propuesta en este
artculo.
El campo de juego se divide en una cuadricula Gt tal que Gt(x, y) representa la
probabilidad, en [0, 1], de que el robot se encuentre en la posicin (x, y). Cada una de
las posiciones de esta cuadricula es una celda de dimensin configurable.
Cada una de las celdas, que definiremos en adelante como fcell, contiene informacin
sobre la probabilidad de que el robot este en esa celda, e informacin sobre cul es el
rango de orientaciones ms probables para el robot, es decir, se trata realmente de una
cuadricula de 2 D.
Esta informacin se representa por medio de un trapezoide difuso. Definido por la tupla.
< , , , , >
Intuitivamente, si h es bajo, la probabilidad de estar en esta celda es baja. Si h es alto,
es muy probable que el robot este en esta posicin. Si el trapezoide es ancho, existe
gran incertidumbre sobre la orientacin del robot. Si el trapezoide es estrecho, o tiene
incluso forma de tringulo (porque es prcticamente nulo). La incertidumbre de
orientacin es tan baja que podemos afirmar que es .
32

El proceso de localizacin usando en este mtodo es iterativo, teniendo cada ciclo un

paso de prediccin y otro de actualizacin. La fase de prediccin se realiza cada vez que
se realiza un movimiento difuminando la probabilidad en la direccin del movimiento. En
la fase de actualizacin se incorpora la informacin visual. Cada observacin de una
marca visual se compone de una distancia y un ngulo a cada una de las visibles. Para
codificar la informacin de una marca visual conocida en el instante t, construimos la
distribucin de probabilidad St(|r), tal que St(x, y|r) es la posibilidad de que el robot se
encuentre en la posicin (x, y), siendo la distancia a una marca visual determinada r. El
robot parte de un estado de total incertidumbre, y mediante la informacin odomtrica y
la informacin de la posicin relativa de la portera y de la baliza superior derecha,
termina localizndose correctamente.
El proceso anterior nos proporciona la probabilidad de estar en una posicin de la
cuadricula, pero no nos aporta informacin angular. Podra ser natural considerar un
cubo 3D Gt(x, y, ), pero el tiempo de computacin de todas las posibles posiciones del
robot hara que el algoritmo no fuera abordable computacionalmente.
En lugar de eso se mantiene una cuadricula 2D de fell, que es una forma compacta de
representar informacin angular. Con el procedimiento descrito anteriormente
obtenemos la componente h de esta fcell, pero an es necesario describir como obtener
el resto de las componentes cuando se produce una observacin. Esta operacin es muy
ligera y calcula las nuevas probabilidades de orientacin a partir de una estimacin
anterior y una nueva observacin.

5.5. Procesamiento de Lenguaje Natural (PLN).

El recurso ms importante que posee la raza humana es conocimiento, o sea informacin.
En la poca actual de informacin, del manejo eficiente de este conocimiento depende
el uso de todos los dems recursos naturales, industriales y humanos.
Durante toda la historia de humanidad el conocimiento, en su mayor parte se comunica,
se guarda y se maneja en la forma de lenguaje natural griego, latn, ingls, espaol, etc.
La poca actual no es ninguna excepcin: el conocimiento sigue existiendo y crendose
en la forma de documentos, libros, artculos, aunque stos se guardan en forma

33

electrnica, o sea digital. El gran avance es que en esta forma, las computadoras ya
pueden ser una ayuda enorme en el procesamiento de este conocimiento.
Sin embargo, lo que es conocimiento para nosotros los seres humanos no lo es para
las computadoras. Son los archivos, unas secuencias de caracteres, y nada ms. Una
computadora puede copiar tal archivo, respaldarlo, transmitirlo, borrarlo como un
burcrata que pasa los papeles a otro burcrata sin leerlos. Pero no puede buscar las
respuestas a las preguntas en este texto, hacer las inferencias lgicas sobre su contenido,
generalizar y resumirlo es decir, hacer todo lo que las personas normalmente hacemos
con el texto. Porque no lo puede entender.

Para combatir esta situacin, se dedica mucho esfuerzo, sobre todo en los pases ms
desarrollados del mundo, al desarrollo de la ciencia que se encarga de habilitar a las
computadoras a entender el texto. Esta ciencia, en funcin del enfoque prctico versus
terico, del grado en el cual se espera lograr la comprensin y de otros aspectos tiene
varios nombres: procesamiento de lenguaje natural, procesamiento de texto, tecnologas
de lenguaje, lingstica computacional. En todo caso, se trata de procesar el texto por su
sentido y no como un archivo binario.
El esquema general de la mayora de los sistemas y mtodos que involucran el
procesamiento de lenguaje es el siguiente:
o Primero, el texto no se procesa directamente si no se transforma en una
representacin formal que preserva sus caractersticas relevantes para la tarea o
el mtodo especfico (por ejemplo, un conjunto de cadenas de letras, una tabla de
base de datos, un conjunto de predicados lgicos, etc.).
o Luego, el programa principal manipula esta representacin, transformndola
segn la tarea, buscando en ella las subestructuras necesarias, etc.
o Finalmente, si es necesario, los cambios hechos a la representacin formal (o la
respuesta generada en esta forma) se transforman en el lenguaje natural.
Entre las tareas principales del procesamiento de lenguaje natural se puede mencionar:
o Recuperacin de informacin,
o Interfaces en lenguaje natural,
34

o Traduccin automtica.
5.5.1. Conceptos bsicos.
o Lenguaje: Sistema de signos complejo, estructurado.
o (PLN o NLP, Natural Language Processing): Rama de la inteligencia artificial que
analiza, entiende y genera los lenguajes que los humanos usan naturalmente para
relacionarse con la computadora.
o Lingstica: Es la disciplina que se ocupa del estudio cientfico del lenguaje.
o Lenguaje formal: es un lenguaje artificial o sea creado por el hombre que est
formado por smbolos y formulas y que tiene como objetivo fundamental formalizar
la programacin de computadoras o representar simblicamente un conocimiento.
5.5.2. Desarrollos actuales y aplicaciones.
Proceden de la fusin de dos disciplinas: la lingstica y la informtica.
Surgen del procesamiento automtico de la lengua natural: los elementos de la lengua
fonemas, morfemas, palabras, oraciones, textos y las reglas que rigen el funcionamiento
comienzan a sistematizarse para ser informatizados, consiguindose con ello realizar
automticamente tareas lingsticas.
Estas aplicaciones tienen en cuenta la disciplina o disciplinas lingsticas dentro de las
cuales puedan encuadrarse. A pesar de que muchas de ellas convergen en un mismo
producto: por ejemplo, en el caso de la traduccin automtica se necesitan analizadores
morfolgicos, sintcticos y semnticos, adems de reconocimiento y sntesis de voz.
o TECNOLOGAS DEL HABLA: Las tres reas bsicas que configuran las
tecnologas del habla son:
La sntesis del habla (el ordenador proporciona informacin oral). Este tipo de
aplicaciones informticas Permite la generacin de mensajes hablados a partir
de un texto escrito almacenado en formato electrnico. Suelen emplear los
sistemas de conversin de texto en habla, que constan por lo general de un
mdulo de procesamiento lingstico, en el que se llevan a cabo una
trascripcin fontica y un anlisis lingstico ms o menos detallado del texto
35

de entrada y de otro que se ocupa de los aspectos ms ligados al tratamiento

informtico de la seal sonora. Las personas con discapacidad visual pueden
por ejemplo acceder a la informacin a travs de los sistemas que convierten
el texto escrito en texto hablado.
El reconocimiento del habla (el ordenador procesa los enunciados emitidos por
un interlocutor). Este tipo de aplicaciones procede realizando a una operacin
inversa a la llevada a cabo en la sntesis: la onda sonora portadora de un
mensaje se convierte en una representacin simblica, que suele ser un texto
escrito. El ordenador recibe los sonidos del habla en forma de ondas
analgicas que se analizan para identificar las unidades que constituyen las
palabras (fonemas).
Los sistemas de dilogo (comunicacin bidireccional). Constan de un mdulo
de reconocimiento automtico del habla, un sistema de comprensin que se
ocupa de la interpretacin del enunciado, un mdulo de generacin que crea
un texto con los resultados de una consulta a una base de datos o con la
respuesta adecuada a la conversacin entre usuario y sistema, y de un
conversor de texto en habla que transforma esta respuesta en su equivalente
sonoro. Estas operaciones estn coordinadas por un mdulo de gestin del
dilogo, responsable de los turnos de palabra, de la coherencia entre
preguntas y respuestas y de todos aquellos aspectos que hacen que la
interaccin entre la persona y el ordenador sea lo ms natural posible. El
mdulo de reconocimiento debe procesar la informacin acstica que contiene
el mensaje que recibe del usuario para poder interpretarlo semnticamente.
o TECNOLOGAS DEL TEXTO: Aplicaciones informticas basadas en el anlisis
morfolgico, sintctico y semntico del texto:
Analizadores morfolgicos / Generadores
Analizadores sintcticos
Correctores
Desambiguadores
Traductores

36

 Textos predictivos
EJEMPLO DE UNA APLICACIN:
Para este ejemplo se muestra la aplicacin iTranslate, esta aplicacin usa el
procesamiento de lenguaje natural, bsicamente esta aplicacin funciona como un
traductor.

37

Qu es?
iTranslate es una galardonada herramienta de traduccin que te ayuda a derribar las
barreras idiomticas. Con su tecnologa de ltima generacin podrs hablar cualquier
idioma en un segundo. Con iTranslate podrs traducir palabras, frases y textos en ms
de 90 idiomas.
El reconocimiento de voz lo tiene habilitado para 16 idiomas, mientras que es capaz de
pronunciar textos en un total de 23. Esta aplicacin dispone tambin de un modo de
autocompletado de palabras y textos, al igual que lo tiene Google iTranslate.
iTranslate es una aplicacin muy intuitiva y que no nos decepcionar en su misin, la de
traducir de un idioma a otro. Adems, y todo hay que decirlo, es de agradecer que la voz
que nos ofrece la traduccin hablada no tenga ese aire robtico tpico de otras
aplicaciones similares y, en cambio, muestre un aire ms humano.
iTranslate es, como hemos podido ver, un sencillo pero completo sistema de traduccin
que resulta de lo ms til. Al igual que Google Traductor, pero con las lgicas diferencias,
es una herramienta que se presenta como una de las imprescindibles para llevar
instalada en nuestro smartphone.

Caractersticas:
o TEXTO A VOZ: Siempre has querido saber cmo suena una voz femenina en
ingls australiano? Con iTranslate puedes seleccionar entre un montn de
dialectos diferentes, elegir una voz masculina o femenina e incluso controlar la
velocidad al hablar.
o RECONOCIMIENTO DE VOZ: Habla en lugar de teclear. No se necesita ningn
entrenamiento. Basta con que empieces a hablar y la aplicacin se encarga de
reconocer tu voz, transformarla en texto y traducirla a otro idioma.
o DICCIONARIOS: La mayora de las aplicaciones traductoras solo te dan 1
resultado por traduccin. Sin embargo, si ests traduciendo palabras y frases, a
menudo hay significados diferentes, dependiendo del contexto. iTranslate te
ofrece diccionarios para varios idiomas, de forma que puedas solucionar ese
problema de forma precisa.
38

o ROMANIZACIN: Con la romanizacin puedes convertir en N ho.

Transforma idiomas no latinos en caracteres latinos. Disponible para varios
idiomas, incluyendo chino, japons, coreano, griego, hindi, ruso y tailands.

5.6. Sistemas Expertos (SE).

Durante aos la actividad de la Inteligencia Artificial estuvo dedicada a las
investigaciones tericas y al desarrollo de experimentos a travs de programas que
demostraran actitudes inteligentes, con estos programas se pretenda que la mquina
jugara ajedrez, demostrara teoremas matemticos, etc.
No fue hasta 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 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
39

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:

o Reglas de produccin
o Redes semnticas
o Marcos (Frames).

La forma de representacin ms usada es por reglas de produccin, tambin llamadas

reglas de inferencias. Casi todos los sistemas expertos estn basados en este tipo de
representacin, ahora nos ocuparemos de los sistemas basados en reglas.

Las reglas de produccin son del tipo:

SI Premisa ENTONCES Conclusin (SI A ENTONCES B).

Donde tanto las premisas como la conclusin, no son ms que una cadena de hechos
conectados por Y o por O, de forma general sera:
SI Hecho1 Y/O Hecho2 Y/O HechoN ENTONCES Hecho1 Y/O HechoN
Los hechos son afirmaciones que sirven para representar conceptos, datos, objetos, etc.
Y el conjunto de hechos que describen el problema es la base de hechos.

40

Ejemplo de hechos:
Juan es un estudiante
Juan tiene 8 aos
El perro es blanco
A Mara le gusta el cine
Pedro prefiere la pelcula
La edad de Luis es de 25 aos
Pedro tiene un salario de 200 pesos
Una regla es una combinacin de hechos que permite representar conocimientos y sacar
inferencias de los mismos.
Ejemplo de reglas:
R1: SI Juan es estudiante Y Juan tiene 8 aos Entonces Juan estudia en la primaria.
R2: SI el perro es blanco Y el perro se llama Dinky ENTONCES el perro es de Juan.
R3: SI a Mara le gusta la pelcula Y Juan prefiere la pelota ENTONCES hacen falta e
televisores
Observe como partiendo de hechos conocidos que describen algn conocimiento se
pueden inferir nuevos hechos (nuevos conocimientos), por otra parte la regla #2 (R2), no
tiene por qu ser totalmente cierta, existe la posibilidad de que el perro sea de Juan,
quizs se puede afirmar, si furamos a cuantificar esa posibilidad, que el perro pertenece
a Juan con una certeza de un 80%, y por ltimo la regla #3 (R3) es dependiente del
contexto, ya que aqu se supone que ambos viven juntos y que los programas de TV
coinciden.
La Base de Conocimientos (BC). Son el conjunto de reglas que permiten representar los
conocimientos del dominio de experto donde cada regla aisladamente tiene significado
propio. Normalmente los conocimientos son de tipo declarativo por lo cual la BC casi
siempre es una descripcin de los conocimientos del experto, por lo tanto requiere de
algn mecanismo que obtenga las inferencias adecuadas para resolver el problema,
alguien que seleccione las reglas y las vaya ejecutando, ese alguien es el motor de
inferencias.

41

El Motor de Inferencias (MI) es un programa de control cuya funcin es seleccionar las

reglas posibles a satisfacer el problema, para ello se vale de ciertas estrategias de control
sistemticas o de estrategias heursticas.

Estrategias de control sistemtico:

o Encadenamiento hacia adelante o hacia atrs.
o Bsqueda en profundidad o a lo ancho.
o Rgimen de control irrevocable o por tentativa.

Estas estrategias son de forma sistemtica las cuales deben llevar a la solucin del
problema. Podemos decir que el control sistemtico es un programa de control hecho de
forma algortmica que aplica una heurstica de propsito general cuya funcin es una
exploracin exhaustiva y metdica de la base de conocimientos.
Estos mecanismos de control son muy generales y a veces resultan ineficientes ya que
siguen una secuencia de bsqueda demasiado rgida, para resolver esto se idearon las
estrategias de control heursticas.
Las estrategias de control heursticas son programas de control que utilizan una
heurstica ms especfica y su funcin es una seleccin ms restringida orientada por las
necesidades del problema. Estas estrategias actan sobre el control sistemtico y en
ciertos casos toma el control y dirige la bsqueda hacia ciertos criterios rompiendo as el
control sistemtico, una vez logrado su objetivo le devuelve el control nuevamente al
sistemtico.

Estrategias de control heursticas:

o Orden de las reglas.
o Mayor credibilidad en las reglas.
o Menor nmero de clusulas no instanciadas.
o Mayor nmero de conclusiones en las reglas.

Podemos decir que un sistema experto, es un sistema informtico que utiliza tcnicas
apropiadas para la representacin de conocimientos y la manipulacin de este, de forma
42

tal que exhiba el comportamiento de un avezado especialista en un determinado dominio

del saber.

5.6.1. Conceptos bsicos.

Un Sistema Experto (SE), es bsicamente un programa de computadora basado en
conocimientos y raciocinio que lleva a cabo tareas que generalmente slo realiza un
experto humano; es decir, es un programa que imita el comportamiento humano en el
sentido de que utiliza la informacin que le es proporcionada para poder dar una opinin
sobre un tema en especial.

Un experto humano es una persona que es competente en un rea determinada del

conocimiento o del saber. Un experto humano es alguien que sabe mucho sobre un tema
determinado y que puede dar un consejo adecuado.

5.6.2. Clasificacin.
o Por la naturaleza de la tarea a realizar: as se tiene cuatro posibilidades:
Diagnostico o Clasificacin: se conocen soluciones y se tratan de clasificarlas
o diagnosticarlas en funcin de una serie de datos. Por ejemplo: sistema de
diagnstico mdico.
Monitorizacin: anlisis del comportamiento de un sistema buscando posibles
fallos, en este caso es importante contemplar la evolucin del sistema pues
no siempre los mismos datos dan lugar a idnticas soluciones.
Diseo: se busca la construccin de la solucin a un problema, que en
principio es desconocida, a partir de datos y restricciones a satisfacer.
Prediccin: se estudia el comportamiento de un sistema.
o Por la interaccin del usuario:
Apoyo: el sistema aconseja el usuario, que mantiene la capacidad de una
ltima decisin. Por ejemplo, el diagnstico mdico.
Critica: Su misin es analizar y criticar decisiones tomadas por el usuario.

43

o Por la limitacin de tiempo para tomar decisiones:

Tiempo ilimitado: por ejemplo, aquellos que emplean conocimiento casual,
que busca orgenes de un problema que ha ocurrido y cuyo anlisis no
necesita ser inmediato.
Tiempo limitado (tiempo real): sistemas que necesitan actuar controlando o
monitorizando dispositivos y que han de tomar decisiones inmediatas frente a
los problemas que surjan. Por ejemplo el control de una red de comunicaciones.
o Por la variabilidad temporal del conocimiento:
Estticos: la base del conocimiento no se altera durante el proceso de decisin.
Dinmicos: ocurren cambios en la base de conocimiento durante la toma de
decisiones. Estos cambios pueden ser predecibles o impredecibles y adems
pueden, bien aadir informacin, bien modificar la informacin ya existente.
o Por la naturaleza del conocimiento almacenado:
Basado en experiencia: el conocimiento se basa en experiencias o hechos
ocasionados conocidos por el experto, pero sin que existe una causa clara
para los efectos que se observan.
Basado en relaciones causa-efecto.
o Por la certeza de la informacin:
Completa o perfecta: se conocen todos los datos y reglas necesarios para la
decisin.
Imperfecta: que puede ser incompleta (falta informacin para tomar
decisiones), Datos inciertos (o no confirmados), Conocimientos incierto (reglas
no siempre validas), Terminologa ambigua (dobles sentidos, etc).

5.6.3. Desarrollos actuales y aplicaciones.

Las principales aplicaciones de los sistemas expertos son las relacionadas con el mundo
empresarial. Esto se debe a que resultan muy tiles en funciones como la contabilidad,
44

tesorera, gestiones internasEl campo que ms aplicaciones de sistemas expertos est

realizando es el de la auditora.
Pero los sistemas expertos son aplicados en muchas ms reas con resultados
satisfactorios. Algunas de las principales son: telecomunicaciones, medicina, militar,
derecho, aeronutica, geologa, electrnica
A continuacin se presentan algunos Sistemas Expertos que se han desarrollado para la
solucin de diversos problemas:
o MYCIN es un Sistema Experto para la realizacin de diagnsticos en el rea de la
medicina, iniciado por Ed Feigenbaum y posteriormente desarrollado por E.
Shortliffe y sus colaboradores. Su funcin es la de aconsejar a los mdicos en la
investigacin y determinacin de diagnsticos en el campo de las enfermedades
infecciosas de la sangre [CRIA].
o XCON es un Sistema Experto para configuraciones, desarrollado por la Digital
Equipment Corporation. Segn los deseos individuales del cliente se configuran
redes de ordenadores VAX. Ya que el abanico de productos que se ofrecen en el
mercado es muy amplio, la configuracin completa y correcta de un sistema de
estas caractersticas es un problema de gran complejidad. Responde
esencialmente a dos preguntas: Pueden conjugarse los componentes solicitados
por el cliente de forma conveniente y razonable? Y Los componentes de sistema
especificados son compatibles y completos? Las respuestas a estas preguntas
son muy detalladas. XCON es capaz de comprobar y completar los pedidos
entrantes mucho ms rpido y mejor que las personas encargadas de hacerlo
antes que l [CRIA].
o DELTA, sistema experto que ayuda a los mecnicos en el diagnstico y reparacin
de locomotoras diesel-elctricas, DELTA no slo da consejos expertos, sino que
tambin presenta informaciones por medio de un reproductor de vdeo [IBAR].
En 1978 se desarroll otro sistema experto de exito: PROSPECTOR. Este quizs
impulso ms la carrera por desarrollar mejores sistemas expertos, dado que su misin
era predecir la posibilidad de encontrar depsitos de minerales en una regin en concreto.
Minerales como petrleo, gas natural, helio.

45

La composicin de un Sistema Experto, sus aplicaciones, ventajas y desventajas, y

algunos ejemplos sobre estos; han sido los puntos generales que se han tratado a lo
largo de este artculo, con el fin de crear una mayor conciencia del uso real de este tipo
de sistemas.
Un sistema experto puede, sin duda alguna, darnos el mismo resultado que un experto
humano; lo que s debemos reconocer es que ningn sistema experto, hasta ahora,
puede resolver diferentes problemticas dentro de una empresa, ya que estos son
siempre muy especficos. Sin embargo, es de esperarse que con los avances que tienen
las herramientas tecnolgicas se produzcan un desarrollo cercano al comportamiento
humano en muchas reas, con estos avances en el terreno de los negocios se podra
ser ms eficiente y productivo.
A pesar de los dramticos avances logrados, la inteligencia artificial no ha sido capaz de
desarrollar sistemas capaces de resolver problemas de tipo general, de aplicar sentido
comn para la solucin de situaciones complejas, de manejar situaciones ambiguas ni
de utilizar efectivamente informacin incompleta. Estas ltimas son caractersticas
inherentes de la inteligencia natural.
EJEMPLO DE UNA APLICACIN:
En este ejemplo se muestra el brazo robtico FANUC Robotics M-2000iA, que es
utilizado como un sistema experto.

46

Descripcin:
La " carga til GRANDE " M- 2000iA diseado para satisfacer las diferentes necesidades
de trabajo est disponible en dos modelos. Uno de los modelos es un tipo de carga
pesada - el robot FANUC M- 2000iA / 1200 puede transportar hasta 1350kg de carga til
que antes requera dos robots sincronizados. El otro modelo, el robot FANUC M- 2000iA
/ 900L es un tipo de brazo largo que puede transportar hasta a 900 kg de carga til, y
tiene un alcance mximo de 4,7 millones. Diferentes aplicaciones como el levantamiento
de carroceras y la sustitucin de la automatizacin fija caro pueden ser realizadas por
su trazo vertical 6.2m. Puede soportar condiciones ambientales severas con su
resistencia IP67 equivalente.
El posicionamiento inteligente de la mueca (J6) en el hombro (J3) del robot, esta unidad
es a prueba de fallos protegida segn la empresa, incluso en condiciones adversas. Las
altas cargas, movimientos rpidos y tiempos de ciclo ms cortos seran respaldados por
un enfriamiento de aire eficiente de los ejes de la mueca. La mueca cuenta con un
grado de proteccin IP67 lo que convierte a M-2000iA en una opcin segura para
aplicaciones donde el polvo o el agua no se pueden evitar.

47