UNIVERSIDAD TECNOLOGICA DEL PERU

INTEGRANTES:
- CCASO CAMARGO JHON NESTOR - CERPA GALLEGOS CRISTHIAN - CASOS CAHUANA FERNANDO - ENCISO ACUA DAVID - MACHACA PUELLES ALEXANDER - CERVANTES AMPUERO ROY

TEMA: INTELIGENCIA ARTIFICIAL

Fecha: 26 de Enero del 2012

I.

INTRODUCCIN.

La Inteligencia Artificial comenz como el resultado de la investigacin en psicologa cognitiva y lgica matemtica. Se ha enfocado sobre la explicacin del trabajo mental y construccin de algoritmos de solucin a problemas de propsito general. Punto de vista que favorece la abstraccin y la generalidad. La Inteligencia Artificial es una combinacin de la ciencia del computador, fisiologa y filosofa, tan general y amplio como eso, es que rene varios campos (robtica, sistemas expertos, por ejemplo), todos los cuales tienen en comn la creacin de mquinas que pueden "pensar". La idea de construir una mquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista incluyen juegos, traduccin de idiomas, comprensin de idiomas, diagnstico de fallas, robtica, suministro de asesora experta en diversos temas. Es as como los sistemas de administracin de base de datos cada vez ms sofisticados, la estructura de datos y el desarrollo de algoritmos de insercin, borrado y locacin de datos, as como el intento de crear mquinas capaces de realizar tareas que son pensadas como tpicas del mbito de la inteligencia humana, acuaron el trmino Inteligencia Artificial en 1956. Trabajos tericos fundamentales fueron el desarrollo de algoritmos matemticos por Warren McCullock y Walter Pitts, en 1943, necesarios para posibilitar el trabajo de clasificacin, o funcionamiento en sentido general, de una red neuronal. En 1949 Donald Hebb desarroll un algoritmo deaprendizaje para dichas redes neuronales creando, en conjunto con los trabajos de McCullock y Pitts, la escuela creacionista. Esta escuela se considera hoy como el origen de la Inteligencia Artificial, sin embargo se trat poco por muchos aos, dando paso al razonamiento simblico basado en reglas de produccin, lo que se conoce como sistemas expertos.

Definicin de Inteligencia Artificial Se define la inteligencia artificial (IA) como aquella inteligencia exhibida por artefactos creados por humanos (es decir, artificiales). A menudo se aplica 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. Aunque la IA est rodeada de bastante ciencia ficcin, se trata de una rama de la Informtica, que trata sobre comportamientos inteligentes, aprendizaje y adaptacin en mquinas. La inteligencia artificial es, hoy da, una de las reas con ms retos en las Ciencias de la Computacin. Posee amplias relaciones con disciplinas matemticas como el lgebra y la Estadstica, tomando de stas algunas herramientas para desempear su labor. Caractersticas de la Inteligencia Artificial.

Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de los mtodos numricos es el uso de smbolos no matemticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos, tambin procesan smbolos y no se considera que usen tcnicas de Inteligencia Artificial. El comportamiento de los programas no es descrito explcitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cmo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explcitamente, cmo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento). El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de explicar discrepancias entre ellas. Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a metas como en planificacin, o el diagnstico de tareas en un sistema del mundo real: con poca informacin, con una solucin cercana y no necesariamente exacta.

En 1987 Martin Fischles y Oscar Firschein describieron los atributos de un agente inteligente. Dichos atributos del agente inteligente son: 1. Tiene actitudes mentales tales como creencias e intenciones. 2. Tiene la capacidad de obtener conocimiento, es decir, aprender.

3. Puede resolver problemas, incluso particionado problemas complejos en otros ms simples. 4. Entiende. Posee la capacidad de crearle sentido, si es posible, a ideas ambiguas o contradictorias. 5. Planifica, predice consecuencias, evala alternativas (como en los juegos de ajedrez) 6. Conoce los lmites de sus propias habilidades y conocimientos. 7. Puede distinguir a pesar de las similitudes de las situaciones. 8. Puede ser original, creando incluso nuevos conceptos o ideas, y hasta utilizando analogas. 9. Puede generalizar. 10. Puede percibir y modelar el mundo exterior. 11. Puede entender y utilizar el lenguaje y sus smbolos. Objetivos de las Investigaciones en IA Los investigadores en inteligencia artificial se concentran principalmente en los sistemas expertos, la resolucin de problemas, el control automtico, las bases de datos inteligentes y la ingeniera del software (diseos de entornos de programacin inteligente).

Otros investigadores estn trabajando en el reto del reconocimiento de patrones donde se espera un rpido progreso en este campo que abarca la comprensin y la sntesis del habla, el proceso de imgenes y la visin artificial.

Finalmente, la fundamental investigacin sobre la representacin del conocimiento, la conceptualizacin cognoscitiva y la comprensin del lenguaje natural.

Uno de los principales objetivos de los investigadores en inteligencia artificial es la reproduccin automtica del razonamiento humano.

El razonamiento de un jugador de ajedrez no siempre es el mismo que el de un directivo que se pregunta la viabilidad de fabricar un nuevo producto. Un nio jugando con bloques de madera en una mesa no tiene idea de la complejidad del razonamiento necesario para llevar a cabo la construccin de una pirmide, e intentar que un robot hiciera lo mismo que el nio requerira un largo programa de computador.

I. Nociones y Antecedentes Histricos de Inteligencia Artificial.

Definiciones sobre Inteligencia Artificial:

Disciplina cientfico-tcnica que trata de crear sistemas artificiales capaces de comportamientos que, de ser realizados por seres humanos, se dira que requieren inteligencia. Estudio de los mecanismos de la inteligencia y las tecnologas que lo sustentan. (Newell, 91) Intento de reproducir (modelar) la manera en que las personas identifican, estructuran y resuelven problemas difciles (Pople, 84) Son ciertas herramientas de programacin, entendiendo por herramientas:
o o o

Lenguajes: LISP, PROLOG Entornos de desarrollo: shells Arquitecturas de alto nivel: nodo y arco, sistemas de producciones

Desde sus comienzos hasta la actualidad, la Inteligencia Artificial ha tenido que hacer frente a una serie de problemas:

Los computadores no pueden manejar (no contienen) verdaderos significados. Los computadores no tienen autoconciencia (emociones, sociabilidad, etc.). Un computador slo puede hacer aquello para lo que est programado. Las mquinas no pueden pensar realmente.

En 1843, Lady Ada Augusta Byron, patrocinadora de Charles Babbage plante el asunto de si la mquina de Babbage poda "pensar". Los primeros problemas que se trat de resolver fueron puzzles, juegos de ajedrez, traduccin de textos a otro idioma. Durante la II Guerra Mundial Norbert Wiener y John Von Neumann establecieron los principios de la ciberntica en relacin con la realizacin de decisiones complejas y control de funciones en mquinas. La teora de la retroalimentacin en mecanismos, como por ejemplo un termostato que regula la temperatura en una casa, tuvo mucha influencia. Esto an no era propiamente Inteligencia Artificial. Se hizo mucho en traducciones (Andrew Booth y Warren Weaver), lo que sembr la semilla hacia el entendimiento del lenguaje natural. En el ao 1955 Herbert Simon, el fsico Allen Newell y J.C. Shaw, programador de la RAND Corp. y compaero de Newell, desarrolla el primer lenguaje de programacin orientado a la resolucin de problemas de la Inteligencia Artificial, el IPL-11. Un ao ms tarde estos tres cientficos desarrollan el primer programa de Inteligencia Artificial al que llamaron Logic Theorist, el cual era capaz de demostrar teoremas matemticos, representando cada problema como un modelo de rbol, en el que se seguan ramas en busca de la solucin correcta, que result crucial. Este programa demostr 38 de los 52 teoremas del segundo captulo de Principia Mathematica de Russel y Whitehead.

En 1956, con la ahora famosa conferencia de Dartmouth, organizada por John McCarthy y en la cual se utiliz el nombre de inteligencia artificial para este nuevo campo, se separ la Inteligencia Artificial de la ciencia del computador, como tal. Se estableci como conclusin fundamental la posibilidad de simular inteligencia humana en una mquina. En 1957 Newell y Simon continan su trabajo con el desarrollo del General Problems Solver (GPS). GPS era un sistema orientado a la resolucin de problemas; a diferencia del Logic Theorist, el cual se orient a la demostracin de teoremas matemticos, GPS no estaba programado para resolver problemas de un determinado tipo, razn a la cual debe su nombre. Resuelve una gran cantidad de problemas de sentido comn, como una extensin del principio de retroalimentacin de Wiener. Diversos centros de investigacin se establecieron, entre los ms relevantes estn, la Universidad Carnegie Mellon, el Massachusetts Institute of Technologie (MIT), encabezado por Marvin Minsky, la Universidad de Standford e IBM. Los temas fundamentales eran el desarrollo de heursticas y el aprendizaje de mquinas. En 1957 McCarthy desarroll el lenguaje LISP. La IBM contrat un equipo para la investigacin en esa rea y el gobierno de USA aport dinero al MIT tambin para investigacin en 1963. A finales de los aos 50 y comienzos de la dcada del 60 se desarrolla un programa orientado a la lectura de oraciones en ingls y la extraccin de conclusiones a partir de su interpretacin, al cual su autor, Robert K. Lindsay, denomina "Sad Sam". Este poda leer oraciones del tipo "Jim es hermano de John" y "La madre de Jim es Mary", a partir de ella el sistema conclua que Mary deba ser tambin la madre de John. Este sistema represent un enorme paso de avance en la simulacin de inteligencia humana por una mquina, pues era capaz de tomar una pieza de informacin, interpretarla, relacionarla con informacin anteriormente almacenada, analizarla y sacar conclusiones lgicas. En el mismo perodo de tiempo hay trabajos importantes de Herbert Gelernter, de IBM, quien desarrolla un "Demostrador Automtico de Teoremas de la Geometra", Alex Bernstein desarrolla un programa para el juego de ajedrez que se considera el antecedente para "Deep Blue". En 1961 se desarrolla SAINT (Simbolic Automatic INTegrator) por James Slagle el cual se orienta a la demostracin simblica en el rea del lgebra. En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el cual era capaz de comprender oraciones en ingls.

A continuacin un ejemplo, traducido, de interaccin entre SIR y un usuario: Usuario: Todos somos personas SIR: Comprendo Usuario: Un dedo es una parte de la mano SIR: Comprendo Usuario: Cada persona tiene dos manos SIR: La oracin anterior es ambigua. Por favor reconstryala. Usuario: En cada persona hay dos manos SIR: Comprendo Usuario: Cuantos dedos tiene John? SIR: La oracin anterior es ambigua, pero asumo que TIENE significa TIENE COMO PARTES. No se si los dedos forman parte de John. Usuario: John es un chico SIR: Comprendo Usuario: Cuntos dedos tiene John? SIR: La oracin anterior es ambigua, pero asumo que TIENE significa TIENE COMO PARTES, cuntos dedos por mano?. Usuario: Cada mano tiene cinco dedos. SIR: Comprendo Usuario: Cuntos dedos tiene John? SIR: La respuesta es diez. En la dcada del 60 se comienza en el MIT el estudio de la visin artificial, lo cual implica no solo captar imgenes a travs de una cmara, sino tambin la comprensin, de lo que estas imgenes representan. Un resultado importante en este trabajo lo constituye el "mundo de micro-bloques", en el cual un robot era capaz de percibir un conjunto de bloques sobre una mesa, moverlos y apilarlos; el xito se debi a los investigadores Larry Roberts, Gerald Sussman, Adolfo Guzman, Max Clowes, David Huffman, David Waltz, Patrick Winston, y Berthold Horn. Posteriormente se obtuvieron resultados importantes entre ellos el de mayor resonancia fue el sistema SCHRDLU de Terry Winograd, pues permita interrogar y dar rdenes a un robot que se mova dentro de un mundo de bloques. A continuacin mostramos un ejemplo traducido:

Usuario: Toma un bloque rojo. SCHRDLU: Ok. Usuario: Busca un bloque ms pequeo que el que tienes y ponlo dentro de la caja. SCHRDLU: Asumo que PONLO se refiere al bloque ms pequeo que el que tengo. Usuario: Qu contiene la caja? SCHRDLU: La pirmide azul y el bloque azul. Usuario: Qu sostiene a la pirmide? SCHRDLU: La caja. Usuario: Cuntos bloques no estn sobre la mesa? SCHRDLU: Cuatro. Usuario: Es al menos uno de ellos ms estrecho que aquel que te dije que recogieras? SCHRDLU: S, el cubo rojo. Usuario: Lo sostiene algo? SCHRDLU: S, la mesa. Usuario: Puede la mesa recoger bloques? SCHRDLU: No. Usuario: La pirmide azul es ma. SCHRDLU: Comprendo. Usuario: Todos los bloques que no son rojos son mos, pero no poseo nada que sostenga una pirmide. SCHRDLU: Comprendo. Usuario: Poseo una caja? SCHRDLU: No Usuario: Poseo algo de la caja? SCHRDLU: Si, dos cosas: El bloque azul y la pirmide azul.

Aunque parezca impresionante la capacidad del sistema para razonar y ejecutar acciones, no se debe perder de vista el hecho que el robot se mueve en un mundo muy simple de figuras geomtricas, y que las relaciones entre ellas son muy limitadas. En el mundo real existen tantos objetos diferentes y relaciones entre ellos, que tratar de llevar este sistema a un entorno real resulta prcticamente imposible. En los primeros aos de la dcada del 60 Frank Rosemblatt desarrolla, en la Universidad de Cornell, un modelo de la mente humana a travs de una redneuronal y produce un primer resultado al cual llama perceptrn. Este sistema era una extensin del modelo matemtico concebido por McCullock y Pitts para las neuronas, y funcionaba basndose en el principio de "disparar" o activar neuronas a partir de un valor de entrada el cual modifica un peso asociado a la neurona, si el peso resultante sobrepasa un cierto umbral la neurona se dispara y pasa la seal a aquellas con las que est conectada. Al final, en la ltima capa de neuronas, aquellas que se activen definirn un patrn el cual sirve para clasificar la entrada inicial. Este trabajo constituye la base de las redes neuronales de hoy en da, sin embargo a raz de su desarrollo sufri fuertes crticas por parte de Marvin Minsky y Seymour Papert lo cual provoc que la mayora de los investigadores interesados en el tema lo abandonarn, y este no se retomara hasta los aos 80. En 1965-70, comenzaron a aparecer los programas expertos, que predicen la probabilidad de una solucin bajo un set de condiciones, entre esosproyectos estuvo: DENDRAL, que asista a qumicos en estructuras qumicas complejas euclidianas; MACSYMA, producto que asista a ingenieros y cientficos en la solucin de ecuaciones matemticas complejas, etc. En la dcada 1970-80, creci el uso de sistemas expertos, muchas veces diseados para aplicaciones mdicas y para problemas realmente muy complejos como MYCIN, que asisti a mdicos en el diagnstico y tratamiento de infecciones en la sangre. Otros son: R1/XCON, PIP, ABEL, CASNET, PUFF, INTERNIST/CADUCEUS, etc. Algunos permanecen hasta hoy. De 1975 en adelante, comienza la era de los lenguajes expertos (shells) como EMYCIN, EXPERT, OPSS, etc. para luego tratar de que stos sean ms amigables y funcionales. Las definiciones de Inteligencia Artificial son muchas, pero podra decirse que son programas que realizan tareas que si fueran hechas por humanos se consideraran inteligentes. Estos programas obviamente corren en un computador y se usan, como por ejemplo, en control robtico, comprensin de lenguajes naturales, procesamiento de imgenes basado en conocimientos previos, estrategias de juegos, etc. reproduciendo la experiencia que un humano adquirira y de la forma en que un humano lo hara. Para clasificar las mquinas como "pensantes", es necesario definir qu es inteligencia y qu grado de inteligencia implica resolver problemas matemticos complejos, hacer generalizaciones o relaciones, percibir y comprender. Los estudios en las reas del aprendizaje, del lenguaje y de la percepcin sensorial han ayudado a los cientficos a definir a una mquina inteligente. Importantes desafos han sido tratar de imitar el comportamiento del cerebro humano, con millones de neuronas y extrema complejidad.

Aplicaciones de la I.A: Existen varias y son:

Tratamiento de Lenguajes Naturales: Capacidad de Traduccin, rdenes a un Sistema Operativo, Conversacin Hombre-Mquina, etc. Sistemas Expertos: Sistemas que se les implementa experiencia para conseguir deducciones cercanas a la realidad. Robtica: Navegacin de Robots Mviles, Control de Brazos mviles, ensamblaje de piezas, etc. Problemas de Percepcin: Visin y Habla, reconocimiento de voz, obtencin de fallos por medio de la visin, diagnsticos mdicos, etc. Aprendizaje: Modelizacin de conductas para su implante en computadoras.

Prueba de Turing Procesamiento del Lenguaje Natural que permita comunicarse perfectamente en ingls. Representacin del Conocimiento para almacenar lo que se conoce o siente. Razonamiento Automtico, para usar la informacin almacenada para responder a preguntas o extraer conclusiones. Aprendizaje Automtico, para adaptarse a muchas circunstancias y para detallar y extrapolar patrones.

Existe una variante de la Prueba de Turing: La Prueba Global de Turing, esta adems de exigir lo anterior, incluye una seal de video que permite evaluar la capacidad de visin del evaluado y adems le da la capacidad de pasar objetos a travs de una pequea ventana. Para que el computador pase esta variante, se requiere adems de lo anterior:

Visin Computacional, para percibir objetos. Robtica, para manipular y mover objetos.

Como se dijo anteriormente esta Prueba mantiene su vigencia hasta hoy (56 aos), sino que adems revolucion la I.A ya que propuso estudiar la Inteligencia en lugar de emularla. Bajo un concepto similar, los hermanos Wright, crearon la aviacin: Al comprender los principios aerodinmicos y al dejar de imitar a los pjaros. Fundamentos de la prueba de Turing El origen de esta prueba surge de la pregunta pueden pensar las mquinas?. Ante esta questin Turing propuso otra forma de verla a modo de un juego, al que llam "juego de imitacin" debido a los fundamentos en los que se basaba, los cuales son inicialmente un escenario constituido por tres personas, un hombre (al que llemaremos individuo A), una mujer (individuo B) y un interrogador que puede ser hombre o mujer. El interrogador se sita en otra habitacin separado de los otros dos participantes, y su objetivo principal ser determinar cul de los dos es el hombre y cul la mujer a los que se referir como individuos A y B. Para evitar que el tono de voz pudiera delatar a alguno de los interrogados, las respuestas debern ser ofrecidas al interrogador de forma escrita y mecanografiadas. Otra alternativa a para no dar a conocer los tonos de voz de los interrogados consiste en situar a un intermediario entre los interrogados (A y B) y el interrogador, cuya nica funcin sera en comunicar las preguntas y respuestas entre ambos bandos.

Una vez establecido este escenario inicial, surge la pregunta de qu ocurrira si una mquina desempeara el papel de A o de B, ser el interlocutor capaz de averiguar que la persona interrogada no es una persona sino una mquina, es decir, llegamos a la pregunta planteada inicialmente pueden pensar las mquinas?. Uno de los principios de este problema se centra en establecer una lnea que diferencie entre lo que son capacidades fsicas y las intelectuales de un hombre. Este hecho se refleja por la incapacidad que presenta el interlocutor de tocar a los interrogados y poder or sus voces. Basar esta prueba en una metodologa centrada en preguntas y respuestas parece la ms adecuada para poder tratar un mayor nmero de campos posibles de la actividad humana y que sean considerados de mayor importancia con respecto a su capacidad intelectual. De este modo, resulta obvio que la mejor estrategia de la que va a disponer la mquina ser tratar de dar las respuestas que de forma natural dara un hombre. Cabe destacar, que mediante esta prueba Turing no se busca responder si todos los computadores daran un buen resultado, ni tampoco si los computadores disponibles en este momento lo haran, sino llegar a la conclusin de si hay computadores imaginables que utilizando de forma adecuada la estrategia anteriormente expuesta y nos permitan responder responder a la cuestin inicial de si una mquina puede o no pensar. Esquema de la prueba o test de Turing:

Opinin de Alan M. Turing Ante esta prueba de inteligencia a la que Turing denomin "juego de imitacin", opinaba que dentro de unos cincuenta ao sera posible programar computadores con una capacidad de memoria aproximadamente 109, que jueguen tan bien este juego de imitacin que un interrogador no tendr ms del 70 por ciento de posibilidades de

hacer la identificacin correcta, tras cinco minutos de interrogatorio, de quien es la mquina y quien la persona humana. Una de las garandes incgnitas de la poca (1950) y la cual sigue peresnte en la actualidad y que constituy el origen de esta prueba es si las mquinas pueden o no pensar. Ante este interrogante, Turing no llego a dar una respuesta concreta ya que el consideraba que era una cuestin demasiado insignificante para ser discutida, pues estaba convencido que a finales de siglo, la opinin general de la sociedad sobre este tema y respecto a esta incgnita habra cambiado tanto, que una persona podra hablar libremente del pensamiento de las mquinas sin esperar que fuera algo imposible. Opiniones opuestas A continuacin se muestran algunas de las objeciones surgidas en la poca ante los fundamentos de la prueba de Turing y las respuestas que ofreci A. Turing ante ellas: 1. La objecin teolgica: Exponen que el pensamiento es una funcin del alma del hombre. Y que Dios ha dado un alma inmortal a todos los hombres y mujeres, pero a ningn otro animal y a ninguna mquina. Por lo tanto, ningn animal o mquina puedra pensar. Respuesta de A. Turing: Expuso que con esta foma de pensar se estaba restringiendo la omnipotencia de Dios, restringiendo el hecho que Dios pueda conceder alma a una mquina o a un animal si lo considerase apropiado. Y que mediante la creacin de mquinas no se est limitando el poder de Dios para crear almas, sino aportando posibles lugares (las mquinas) donde poder albergar estas. A Turing de todas formas no le importaban excesivamente los argumentos teolgicos debido a los mal entendidos que tuvo con con su forma de pensar de las cuales en la mayora de los casos obtuvieron bastantes malos resultados con algunas de sus teoras. 2. La objecin de la "cabeza en la arena o del avestruz" Argumentan que las consecuencias del hecho de que las mquinas pensaran podran ser demasiado horribles y que esperan y creen que no puedan hacerlo. Respuesta de A. Turing: Debido a que a las personas nos gusta creer que el hombre es de alguna forma, superior al resto de seres, es lgico que este pensamiento nos llegue a preocupar y sobre todo a los intelectuales que valoran an ms el poder del pensamiento y lo tratan como el eje central de la superioridad del hombre. Turing no considera este argumento tan alarmante y afirmaba que lo que realmente debera buscarse es el consuelo en por ejemplo la posibilidad de la trasmigracin de las almas en caso de que se obtuviera la superioridad de las mquinas con respecto a los hombres. 3. La objecin matemtica: Hay muchos resultados de la lgica matemtica que pueden ser utilizados para demostrar que existen limitaciones al poder de las mquinas de estado discreto. El ms conocido de estos resultados se apoya en el Se apoya en el Teorema de incompletitudde Gdel y demuestra que, en cualquier sistema

lgico suficientemente poderoso pueden ser formuladas proposiciones que no pueden ser demostradas ni refutadas dentro del sistema, a menos que el sistema mismo sea contradictorio. Existen otros resultados, semejantes en algunos aspectos, como los de Church, Kleene, Rosser y Turing. Respuesta de A. Turing: Expuso que pesar de haberse establecido algunas limitaciones a las capacidades de una mquina, en ningn momento se ha demostrado que tales limitaciones no se encuentren tambin presentes en la inteligencia humana. En muchas ocasiones nosotros tambin damos respuestas equivocadas en comparacin con la ofrecida por una mquina y sin embargo, no le atribuimos la superioridad a la mquina. 4. Argumento de la conciencia: Este argumento est muy bien expresado en la Oracin de Lister del ao 1949 del profesor Jefferson, de la cual es citado lo siguiente: "Hasta que una mquina no sepa escribir un soneto o componer un concierto con base en los pensamientos y las emociones que siente, y no a consecuencia de la cada venturosa de smbolos, no podremos estar de acuerdo en que la mquina pueda ser igual que un cerebro, es decir, que no solamente sepa escribirlos, sino tambin que sepa que los ha escrito. Ningn mecanismo podra sentir (y no slo sealar artificialmente, lo cual es una invencin fcil) alegra por sus xitos, tristeza cuando sus vlvulas se fundieran, placer al ser adulado y sentirse desgraciado a consecuencia de sus errores, encantado por el sexo, enfadado o deprimido al no lograr lo que desea". Respuesta de A. Turing: Propone como prueba para dicho argumento utilizar como test el juego de imitacin, omitiendo para ello el jugador B y manteniendo una continua conversacin basada en cuestiones y respuestas entre el testigo y el interlocutor, y de esta forma comprobar si el testigo entiende lo que dice o de lo contrario lo ha aprendido las respuestas como un papagayo. 5. Argumentos basados en varias incapacidades: Estos argumentos se basan en que nunca se podr inducir a una mquina a hacer X. En este caso X era referido a las varios tipos de cosas: Ser bueno, frtil en recursos, guapo, amistoso, tener iniciativa, tener sentido del humor, saber distinguir lo bueno de lo malo, cometer errores, enamorarse, disfrutar las fresas con nata, hacer que alguien se enamore de algo, aprender de la experiencia, emplear las palabras correctamente, ser el tema de sus propios pensamientos, tener tanta variedad de comportamiento como un hombre, hacer algo verdaderamente nuevo.... Respuesta de A. Turing: Argumenta que muchas de estas limitaciones se deben en gran medida a la reducida capacidad de memoria que presentan las mquinas, y adems expuso algunas observaciones y soluciones con respecto a algunas de las limitaciones mencionadas: El hecho de saborear un plato de fresas con nata podra solucionarse programando a una mquina para que disfrutara de este plato. Con respecto a que las mquinas no puedan equivocarse, se pregunta en primer lugar que cul era el problema, supona esto que fuesen peores?. An as, una mquina podra programarse para que por ejemplo, para pregunta realizadas en el juego de

imitacin sobre aritmtica, no fueran contestadas de forma exacta (cientfica) y de esta forma delatarse en el elevado nivel de cmputo aritmtico con respecto al del hombre. Ante el hecho de que la mquina no pueda equivocarse, recuerda que un mquina tambin puede ofrecer resultados errneos o bien, tener un fallo de funcionamiento y en consecuencia provocar que los resultados ofrecidos no sean los correctos. En relacin a la limitacin expuesta que una mquina no puede ser objeto de sus propios pensamientos, Turing afirma que la solucin a esta duda slo puede ser contestada si se demuestra que la mquina tiene algn pensamiento sobre alguna materia. Y propone el siguiente ejemplo: si tuviramos una mquina intentando resolver una ecuacin, podramos tratar dicha ecuacin como la materia que est siendo tratada en ese momento por la mquina y por tanto, la materia sobre la cual est pensando. Para eliminar la limitacin de que una mquina pueda o no moderar su conducta, la mquina puede ser programada de modo que a raz de unos resultados obtenidos tras una serie de acciones realizadas, pueda modificar sus propios programas para optimizar dichos resultados. Con respecto a que no pueda tener comportamientos ms variados, es como decir indirectamente que no dispone de ms capacidad de memoria, y que es una limitacin que ya habamos supuesto en un principio. Por ltimo, argumenta que todas estas limitaciones podran ser resueltas estableciendo el procedimiento correspondiente que solucionara cada una de las limitaciones, para que sea llevado a cabo por la mquina. Todos estos argumentos los podemos ver reflejados en la actualidad donde las mquinas son capaces de enfrentarse a los mejores jugadores de ajedrez, llevar a cabo operaciones quirrgicas, aprender por si solas, etc. 6. La objecin de Lady Lovelace: La informacin ms detallada acerca de la mquina analtica de Babbage provienen de un informe elaborado por Lady Lovelace. En este informe declara lo siguiente: "La mquina analtica no pretende crear nada. Puede hacer cualquier cosa que sepamos ordenarle que haga". En definidas cuentas, nos pretende dar a entender que una mquina no es capaz de pensar por s misma. Respuesta de A. Turing: Este hecho no implica ni demuestra que no se pueda construir un equipo electrnico que piense por s mismo. Una variante de la objecin de Lady Lovelace es que una mquina nunca podra tomarnos por sorpresa, a lo que Turing expuso que a el las mquinas de toman por sorpresa continuamente. Y esto le ocurra en la mayora de las situaciones, que segn l, era debido a que no llevaba a cabo los suficientes clculos o los realizaba de forma imprecisa o apresurada a la hora calcular lo que se esperaba que deba de hacer una determinada mquina y esto le lleva a que en muchas ocasiones realizasen acciones que no eran de esperar. Tambin se puede considerar la accin de tomar por sorpresa a la realizacin de algo sorprendente, lo cual se suele asociar a un acto mental creativo, con lo que llegamos al comienzo de todo en el cual se argumentaba que las mquinas no pueden llegar a sorprendernos. Este punto de vista, el de que las mquinas no pueden llevara cabo un

acto sorprendente, se deba en gran medida a los argumentos de filsofos y matemticos de la poca que atribuan directamente esta propiedad al acto en el cual nada ms el hecho se presenta en la mente de una persona, seguidamente surgen todas las consecuencias posibles del mismo, y lo cual suponan no podra llevarse a cabo en una mquina. Sin embargo, segn Turing este razonamiento es falso, pues sino no seran reales las deducciones, a partir de los datos y de los principios generales, que son llevadas a cabo por las mquinas. 7. Argumento basado en la continuidad del sistema nervioso: El sistema nervioso no es, por supuesto, una mquina de estado discreto. Un pequeo error en la informacin correspondiente a un impulso nervioso que llega a una neurona, puede representar una gran variacin en el impulso de salida de esta neurona. Por consiguiente, se puede argumentar que, si esto as, no se puede esperar que podamos llegar a imitar el comportamiento del sistema nervioso con una mquina o sistema de estado discreto. Respuesta de A. Turing: Es cierto que una mquina de estado discreto es diferente a de una mquina continua, pero an as sera posible inducir a una mquina discreta o digital un comportamiento continuo de modo que, por ejemplo, si disponemos de una mquina discreta cuyas respuestas son precisas, entonces a dicha mquina se le puede inducir que para un tipo de pregunta su contestacin sea un resultado de entre varios datos presentes en un conjunto de respuestas aproximadas, a las cuales se le asocia a cada una de ellas una probabilidad de eleccin. De esta forma, si se le preguntara por el valor del nmero e (e=2,7182...), en lugar de responder exactamente dicho resultado, escogera uno de entre varios como pueden ser 2,72, 2,718, 2,7, etc. a los cuales se les podra asociar las probabilidades de 0,005, 0,25 y 0,5 respectivamente, con lo cual la respuesta ofrecida por la mquina ser una de ellas elegida de forma aleatoria y condicionada por su probabilidad de eleccin. 8. El argumento de la informalidad de la conducta: Esta objecin se refiere a que el comportamiento de un ser humano es demasiado complejo como para ser descrito mediante unas simples reglas de un juego, es el denominado problema de cualificacin, segn el cual no es posible elaborar un conjunto de reglas que describa lo que una persona debera hacer en cualquier serie de circunstancias posibles. Y como consecuencia a lo anterior, una mquina no podr imitar por completo el comportamiento de una persona pues no conocera todas estas reglas. Respuesta de A. Turing: Las leyes de conducta por las que se rige una persona, como es pararse ante un semforo en rojo, si pueden ser conocidas, sin embargo, las leyes de comportamiento, como podran ser las seguidas en caso de encontrarse en un camino con dos seales que se contradicen, no. La nica posibilidad conocida para encontrar tales leyes de comportamiento es mediante la observacin cientfica. Siendo as, y suponiendo que se pudieran encontrar tales leyes si existieran, se podra llegar a predecir el comportamiento llevado a cabo por una persona a partir de cualquier circunstancia. 9. El argumento de la percepcin extrasensorial. Si jugamos al juego de imitacin, teniendo por testigo a una persona que sea buena receptora teleptica y a una computadora digital. El interrogador puede plantear preguntas de este tipo: "A qu palo

pertenece la carta que tengo en mi mano derecha?" La persona, mediante telepata o clarividencia, da la respuesta correcta 130 veces sobre 400 cartas. La mquina slo puede adivinar al azar y tal vez acierte 104 veces, y as el preguntador podra efecta la identificacin correcta. Respuesta de A. Turing: Si admitimos la telepata, habra que depurar la prueba, pues estaramos en desventaja, de forma que la situacin se asemejara a la que se produce si el interrogador hablara consigo mismo y uno de los participantes estuviera escuchando con el odo en la pared. La solucin en tal caso sera situar a los participantes en una habitacin a prueba de telepata, de forma que se restableceran las condiciones volviendo a la igualdad de condiciones iniciales. ELIZA Un candidato a pasar el test de Turing es el programa ELIZA diseado en 1966 por Joseph Weizenbaum. Esta mquina trata de evitar el hecho de que un programa estuviera basado en dominios limitados ligados a la estructura del propio programa. De modo que dise un programa en el cual el conocimiento sobre los dominios se encontrase en mdulos ajenos al propio programa, de esta forma cambiar de tema sera tan fcil como cambiar de de mdulo. Uno de esos mdulos, y el ms famoso, fue el que imitaba la metodologa de un psicoanalista rogeriano (el psicoanalista Carl Rogers utilizaba una terapia que consista simplemente en animar a los pacientes a hablar de sus problemas, respondiendo a sus preguntas con otras preguntas). El programa en cuestin recibi el nombre de ELIZA (ahora todo un mito de la historia de la I.A.). Aunque a simple vista ELIZA parece estar hablando de forma normal con la persona que le cuenta sus problemas, la verdad es muy diferente. ELIZA hace creer a su interlocutor que est hablando con "un ser" que razona y entiende lo que le dice, realmente todo ello lo consigue mediante trucos como repetir frases cambiando "yo" por "tu", o utilizar una frase del principio y transformarla en otra pregunta relacionada con esa frase. Otro truco utilizado por este programa es insertar frases como "ya veo" o "hblame ms acerca de esto". ELIZA contaba con que las conversaciones seguan siempre el patrn comn de los psicoanlisis rogelianos, ya que en otro tipo de conversacin una frase como "hblame algo ms acerca de los coches rojos con motas verdes que apartan cerca de tu casa" resultara demasiado extraa. Por ello, este programa finalmente no supera la prueba de Turing, pues en la prueba se deben enfrentar a dos partes, una persona y un ordenador y ambas deben comportarse de forma normal, de modo que el computador debe de comportarse como una persona para ser confundida con una de ellas. Sin embargo, este hecho quedara al descubierto en cuanto ELIZA respondiera, por ejemplo, con la frase "Cuntame algo ms acerca de tu gusto por la comida italiana", ya que en una conversacin normal no se utilizan esas expresiones. Aplicaciones prcticas Una de las aplicaciones de la prueba de Turing es el control de spam. Los spammers (individuos o empresas que envan spam) son por lo general mquinas que recorren la red en busca de direcciones de correo por medio de las propias pginas web, listas de correo, grupos de noticias, etc. para luego enviarnos correo no solicitado o publicitario.

Una forma de determinar si una mquina tiene como objetivo el envo de spam es comprobar, siguiendo la idea expuesta por el test de Turing, es comprobar si es capaz de realizar una conversacin de aspecto humana. Si el resultado del test es negativo, las peticiones de esta mquina serian bloqueadas. As la prueba de Turing puede usarse para distinguir si el correo electrnico fue enviado por un remitente humano o por una mquina. Un ejemplo muy utilizado es la prueba captcha, en la que un usuario cuando desea enviar un correo a un destinatario concreto debe antes reconocer una serie de imgenes, sonidos, patrones, reproducir un texto distorsionado, etc. todo ello basndose en tests que la mayora humanos pueden resolver de forma sencilla y que los programas de computadores actuales no podran en la mayora de casos.

Ejemplo de una prueba de Captcha:

Ramas de la Inteligencia Artificial

Robtica La Robtica es una ciencia que estudia el diseo y construccin de mquinas capaces de desempear tareas realizadas por el ser humano o que requieren del uso de inteligencia. A finales de los aos 70, se produjo un nuevo giro en el campo de la investigacin relacionada con la inteligencia artificial: la aparicin de robots. Los robots experimentales creados para estos efectos eran automatismos capaces de recibir informacin procedente del mundo exterior (p. ej.., sensores, cmaras de televisin, etc.), as como rdenes de un manipulador humano (expresadas en lenguaje natural). De este modo, el robot determinaba un plan y, de acuerdo con l, ejecutaba las rdenes recibidas mediante el empleo de un modelo del universo en el que se encontraba. Era incluso capaz de prever las consecuencias de sus acciones y evitar,

as, aqullas que ms tarde pudieran resultarle intiles o, en algn momento, perjudiciales. Estos primeros robots experimentales eran bastante ms inteligentes que los robots industriales, y lo eran porque disponan de un grado mucho mayor de percepcin del entorno que los robots empleados en las cadenas de produccin. El principal problema con el que se enfrenta la inteligencia artificial aplicada a los robots es el de la visin. Mientras que la informacin recibida a travs de censores se puede interpretar con relativa facilidad y entra a formar parte de la descripcin del modelo de universo que emplea el robot para tomar decisiones, la percepcin de las imgenes captadas y su interpretacin correcta es una labor muy compleja. En cuanto a la interpretacin de las imgenes captadas mediante cualquier sistema, se ha logrado ya el reconocimiento de formas preprogramadas o conocidas, lo que permite que ciertos robots lleven a cabo operaciones de reubicacin de piezas o colocacin en su posicin correcta a partir de una posicin arbitraria. Sin embargo, no se ha logrado an que el sistema perciba la imagen tomada mediante una cmara de ambiente y adapte su actuacin al nuevo cmulo de circunstancias que esto implica. As, por ejemplo, la imagen ofrecida por una cmara de vdeo de las que se emplea en vigilancia y sistemas de seguridad no puede ser interpretada directamente por el ordenador. Objetivos de la Robtica: El aumento de la productividad.- Esto se consigue, fundamentalmente, optimizando la velocidad del trabajo del robot, que reduce el tiempo parcial a cargo del manipulador y aumenta el rendimiento total en lnea de produccin. Potenciar la flexibilidad en la adaptacin a series de produccin cortas. Optimizar el rendimiento de otras marcas y herramientas relacionadas con la labor del robot. Conseguir una rpida amortizacin de la inversin, como consecuencia de la sustitucin de la mano de obra, mejor uso y mayor duracin de las herramientas, menores prdidas de material residual, pocas averas y mantenimiento reducido. Mejorar la capacidad de los productos fabricados, dada la precisa repetividad de los movimientos del robot y la posibilidad de incrementar un control de calidad. Disminuir los stocks de productos terminados, as como el de sus plazos de entrega. Realizar trabajos en condiciones hostiles y peligrosas, tales como las que se llevan acabo en ambientes con temperaturas elevadas, contaminacin, gases txicos, materiales inflamables o radiactivos y en los entornos submarinos o espaciales

Campos de aplicacin de la robtica Tericamente el uso de sistemas robticos podra extenderse a casi todas las reas imaginables en donde se necesite de la ejecucin de tareas mecnicas, tareas hoy ejecutadas por el hombre o imposibles de ejecutar por l (por ej. una exploracin sobre el terreno de la superficie marciana). Se entiende, en este contexto, que tarea mecnica es toda actividad que involucra presencia fsica y movimiento por parte de su ejecutor.

Pero al situarnos en el contexto real, en la prctica, nos damos cuenta de que existen factores que limitan el vuelo de nuestra imaginacin, los que mencionaremos en el siguiente punto. Algunos de los campos de aplicacin actuales de la robtica son: Investigacin Exploracin. En donde los robots presentan la ventaja de resistir mejor los ambientes hostiles para el ser humano. Entretenimiento. Esta industria se favorece del uso de robots para recrear situaciones ficticias o posibles, haciendo uso de los llamados "efectos especiales". Construccin. Industria en que ya se registran proyectos que incluyen el uso de robots como ejecutores de tareas de dimensionamiento, transporte, montaje, entre otras. Automatizacin Industrial. Es el ms relevante y de inters para nosotros. Corresponde al uso de robots en la industria a fin de mejorar, agilizar y aumentar la produccin en los diferentes procesos. El Futuro de la Robtica Hans Moravec, director de Moville Robot Laboratory de la Universidad Carnegie Mellon clasifica la evolucin de los robots como sigue: Primera generacin (2000-2010): Robot con cerebro de lagarto. Requerirn un poder de clculo de 1000 MIPs y sern los robots "mayordomo", experto en desenvolverse en el hogar. Segunda generacin (2010-2020): Robots con cerebro de mamfero. Capacidad de clculo de 30.000 MIPs. Su caracterstica ms notoria ser el aprendizaje, a diferencia de los rgidos programas de la primera generacin. Tercera generacin (2020-2030): Robots con cerebro de mono. Capacidad de clculo de 1.000.000 MIPs (un billn de operaciones por segundo). Sern robots capaces de simular las acciones de forma abstracta antes de realizarlas en su propia mente. Cuarta generacin (2030-2040): Robots con mente humana. Capacidad de clculo de 30.000.000 MIPs. Podrn extraer simulaciones del mundo y razonar sobre ellas simultneamente, gracias a su mayor poder de computacin, un gigantesco banco de datos y programas de razonamiento.

Sistemas Expertos Los sistemas expertos se basan en la simulacin del razonamiento humano. El razonamiento humano tiene para ellos, un doble inters: por una parte, el del anlisis del razonamiento que seguira un experto humano en la materia a fin de poder codificarlo mediante el empleo de un determinado lenguaje informtico; por otra, la sntesis artificial, de tipo mecnico, de los razonamientos de manera que stos sean semejantes a los empleados por el experto humano en la resolucin de la cuestin planteada.

Estos dos campos de inters han conducido a los investigadores que trabajan en el campo de la inteligencia artificial (de la cual los sistemas expertos son un campo preferente) a intentar establecer una metodologa que permita verificar el intercambio con los expertos humanos y aislar los diversos tipos de razonamiento existentes (inductivo, deductivo, formal, etc.), as como construir los elementos necesarios para modelizarlos. Los sistemas expertos son, por lo tanto, intermediarios entre el experto humano, que transmite sus conocimientos al sistema, y el usuario de dicho sistema, que lo emplea para resolver los problemas que se le plantean con la competencia de un especialista en la materia y que, adems, puede adquirir una destreza semejante a la del experto gracias a la observacin del modo de actuar de la mquina. Los sistemas expertos son, pues, simultneamente, un sistema de ejecucin y un sistema de transmisin del conocimiento. Caractersticas de los Sistemas Expertos Para que un sistema computacional acte como un verdadero experto, es deseable que rena, en lo posible, lo ms importante de las caractersticas de un experto humano, esto es: Habilidad para adquirir conocimiento. Fiabilidad, para poder confiar en sus resultados o apreciaciones. Solidez en el dominio de su conocimiento. Capacidad para resolver problemas.

Dada la complejidad de los problemas que usualmente tiene que resolver un SE, puede existir cierta duda en el usuario sobre la validez de respuesta obtenida. Por este motivo, es una condicin indispensable que un SE sea capaz de explicar su proceso de razonamiento o dar razn del por qu solicita tal o cual informacin o dato. Tareas de los Sistemas Expertos Entre las principales tareas que un SE puede realizar se pueden mencionar las siguientes: Interpretacin: Anlisis y sntesis (PROSPECTOR) Simulacin, pronstico o prediccin Diagnstico (MYCIN) Supervisin Reparacin, correccin o terapia Planificacin Control: Tiempo real y tiempo diferido Diseo Educacin.

Campos de Aplicacin Mltiples son los campos de aplicacin de los SE:

Medicina Aeronutica Finanzas y Gestin Agricultura Industria Arqueologa Electrnica, informtica telecomunicaciones Derecho Militar Geologa Educacin Qumica Transporte Ventas

Perspectivas Futuras En unos pocos aos, se prev que los Sistemas Expertos tendrn una mayor difusin, se abaratar su costo, su programacin y utilizacin sern ms fciles. Los SE estarn embebidos en diversas aplicaciones, especialmente en software de uso general, como el producido por Microsoft; y, en sistemas de supervisin y control. En el campo de la investigacin, se dar nfasis al desarrollo de SE con capacidad de aprendizaje o SE con sentido comn. La aplicacin de SE en simulacin y control, permitir conocer, de una manera idnea, el comportamiento de sistemas y la forma de optimizar procesos industriales. Aplicaciones Futuras de la Inteligencia Artificial: Robots de Charla Un robot de charla o chatterbot es un programa de inteligencia artificial que pretende simular una conversacin escrita, con la intencin de hacerle creer a un humano que est hablando con otra persona. Estos programas informticos prometen ser el futuro de la inteligencia artificial aplicada al pblico general. A estos robots se les unirn las tecnologas del reconocimiento de voz y el de video, para mejorar la interaccin con el usuario Red neuronal artificial: Lnea de investigacin que analiza la viabilidad de reconstruir un cerebro humano mediante una enorme red neuronal. Se presume la posibilidad de recrear la estructura de un cerebro humano empleando para ello Internet. Sin embargo este proyecto es tremendamente complejo, por que a da de hoy ni siquiera conocemos la distribucin exacta de las neuronas y sus interconexiones en un cerebro humano. Robots con razonamiento Algunos investigadores esperan crear una mquina que pueda leer pasajes de textos y responder preguntas en base al material. En el proceso, el profesor Selmer Bringsjord, director del Laboratorio de Inteligencia Artificial y Razonamiento del politcnico, cree que dichas mquinas dotadas de inteligencia artificial (IA) podrn leer planes o manuales militares y adaptarse al vuelo en el fragor de la batalla. Los robots del futuro recibirn instrucciones leyndolas o escuchndolas. Dijo que una vez que una mquina haya absorbido todas las informaciones relevantes sobre un rubro, como ser factores culturales, histricos y geogrficos de una zona, un oficial pueda decir: "Esta es la situacin actual en Faluya. Vamos a inspeccionar".

Base de Conocimiento En Austin, Texas, la firma Cycorp ha estado conformando una "base de conocimiento" llamada Cyc con el propsito de que constituya un depsito de conocimiento humano que pueda tomar decisiones inteligentes. El vicepresidente de investigacin de Cycorp, Michael Witbrock, dijo que Cyc puede razonar sobre la base de 2,5 millones de aseveraciones en su sistema, tal como inferir qu nivel de salario puede tener alguien en base a su trabajo. Ya existen mquinas que reconocen rdenes verbales y rostros y hacen inferencias sobre la base de experiencias, dice el profesor de ciencias de la computacin Tom Mitchell, de la Universidad Carnegie Mellon. Vida Artificial En futuro se piensa crear realmente un mundo artificial, que est inmerso por ejemplo dentro de una realidad virtual, en la cual podamos meternos, tener una mascota, ensearle, zurrarle, hacer que esta mascota persiga conejos que a su vez aprendan a huir de ella, y que, en general, tenga una existencia totalmente independiente con respecto a nosotros.

Informtica Convencional A.

Gran avance de la informtica

El desarrollo de los ordenadores ha sido espectacular en los ltimos aos. Del mismo se han beneficiado muchos campos del saber, siendo uno ms de ellos la administracin y direccin de empresas. Los programas informticos como hojas de clculo, bases de datos, tratamientos de estos, etc., suelen estar basados en programacin algortmica convencional, en la que se indica al ordenador paso a paso lo que debe hacer. Estos programas se ejecutan en ordenadores convencionales con un nico microprocesador o unidad central de proceso que opera secuencialmente. Todo ello constituye lo que se denomina informtica convencional, representada en la figura siguiente.

Informtica convencional La informtica convencional ha desarrollado con xito un nmero considerable de aplicaciones para mejorar la gestin empresarial y ha producido una indudable revolucin en todas las actividades de la Contabilidad.

B.

Introducir conocimiento en un sistema informtico

Sin embargo, a pesar de la importancia de las aplicaciones informticas convencionales en la empresa, en la medida en que necesitamos incorporar conocimiento a un sistema informtico se utilizan otro tipo de herramientas, como son las procedentes de la Inteligencia Artificial.

Ia Ejemplo: La informtica convencional aplicada al anlisis de la solvencia de una empresa

1) Anlisis contable
Vamos a suponer que trabajamos en el departamento de concesin de crditos de una entidad financiera y nuestro trabajo consiste en analizar la informacin contable de las empresas, valorar si la empresa es solvente o presenta problemas y, a partir de ah, decidir si merece un crdito o no. Es un problema tpico de anlisis contable.

2) Queremos un programa de ordenador

Pensamos que el ordenador nos puede ayudar a manejar los datos para lo que queremos una aplicacin informtica que nos ayude a dicha tarea. Aunque somos algo novatos en nuestro nuevo trabajo, contamos con lo aprendido en la facultad y el apoyo de nuestro compaero de trabajo, especialista en ese campo -aunque no muy ducho en los temas de informtica-, a quien pensamos sustituir porque se acerca la fecha de su jubilacin.

3) Por ejemplo, una hoja de clculo

Una herramienta de informtica convencional que podramos utilizar es la hoja de clculo. All podramos introducir los balances y cuentas de resultados de los clientes y calcular ratios financieros sobre liquidez, endeudamiento, rentabilidad, etc., y otras magnitudes como el fondo de maniobra.

4) Muy til la funcin condicional

Siguiendo las recetas de algn manual de anlisis contable, sobre esos ratios podemos realizar algunos clculos adicionales. Seguro que una de las funciones que ms utilizaramos de la hoja de clculo es la funcin condicional, de forma que nos avise cuando la empresa en cuestin tenga valores anormalmente bajos para alguno de los ratios analizados.

5) Y la capacidad de simulacin
La capacidad de la hoja de clculo para realizar simulaciones es tambin muy notable. Con algo de programacin adicional podemos incluir unas macros que enciendan un semforo rojo en cada uno de los puntos dbiles de la empresa, vamos, un sistema de alerta temprana.

6)... pero se queda pequeo

Orgullosos por haber dotado a nuestra hoja de clculo de cierta inteligencia, la mostramos a nuestro compaero, pidiendo su consejo. "No est mal, ayudar mucho a facilitar los clculos que con mi calculadora se hacan muy pesados", exclama, "Aunque es algo sencillo". Por ejemplo, deberas haber tenido en cuenta que para ese sector en concreto es normal que el fondo de maniobra sea negativo. Adems, no nos interesa tanto la rentabilidad como su capacidad para

devolver el prstamo. Es ms, no nos importa que la empresa quiebre, con tal de que pueda devolverlo. Me gustara charlar contigo para poder mejorar tu programa".

7) Ineficiente para representar conocimiento

En seguida nos damos cuenta de que la hoja de clculo no es la herramienta ms adecuada para representar el conocimiento complejo. En cuanto queramos que las condicionales estn anidadas al estilo: "si esto Y aquello O eso Y...entonces" la programacin se complica y no es eficiente.

II Ramas de la Inteligencia Artificial

1) Origen
El nacimiento de la Inteligencia Artificial se sita en una reunin celebrada en el Dartmouth College (Hanover, EEUU) en 1956, en la que se plante la posibilidad de construir mquinas inteligentes. Llama la atencin que en esa fecha la informtica apenas se haba desarrollado, y ya se planteaba la posibilidad de disear mecanismos inteligentes. En aquella reunin se encontraban entre otros, Claude Shannon, padre de la Teora de la Informacin; Marvin Minsky, que ms tarde demostrara las limitaciones de ciertos modelos de redes neuronales; Herbert Simon, premio Nobel de Economa quien adems desarroll el primer programa de Inteligencia Artificial y un largo etctera de investigadores.

2) Tronco comn con varias ramas

Desde entonces son muchas las ramas que surgen del tronco comn de la Inteligencia Artificial. Las Ciencias de la Computacin han asistido continuamente al nacimiento de nuevas ramas y se habla de sistemas expertos, vida artificial, algoritmos genticos, computacin molecular o redes neuronales. En algunas de estas ramas los resultados tericos van muy por encima de las realizaciones prcticas.

3) Los sistemas expertos

Los sistemas expertos son la rama ms conocida. Parten de la premisa de que los expertos humanos utilizan gran cantidad de conocimientos especficos de un campo que deben ser incorporados en el sistema experto. Para los defensores ms radicales de este paradigma, la inteligencia es un programa que debe funcionar independientemente del lugar donde se ejecute: ordenador o cerebro. La forma deductiva en que representan el conocimiento, habitualmente mediante smbolos y reglas, es apropiada cuando es posible extraer un conjunto de reglas y normas. En la Contabilidad existen subdominios en los que es fcil o al menos posible extraer una serie de reglas y otros en los que es menos factible.

4) Las redes neuronales artificiales

Las redes neuronales artificiales tratan de representar el conocimiento replicando la estructura neuronal del cerebro humano. En ellas lo fundamental es el aprendizaje mediante patrones o ejemplos. Las redes neuronales artificiales tratan de resolver tareas como el reconocimiento de patrones, problemas de optimizacin o clasificacin que la computacin algortmica tradicional e Inteligencia Artificial convencional no han resuelto de un modo suficientemente satisfactorio. En las redes neuronales artificiales el conocimiento no se programa de forma directa en la red sino que se adquiere mediante ejemplos por medio de una regla de aprendizaje que va ajustando parmetros. Como vemos es un mtodo inductivo muy diferente al que siguen los sistemas expertos. Diversas parcelas de la Contabilidad utilizan frecuentemente el mtodo inductivo por lo que se justifica conocer qu nos pueden ofrecer las redes neuronales.

5) La Vida Artificial
La Vida Artificial puede considerarse un paradigma emergente de la Inteligencia Artificial: se simulan realidades virtuales que evolucionan en entornos mutantes. Los algoritmos genticos son los representantes ms conocidos de la Vida Artificial.

6) Aplicaciones en la empresa
De entre todos los paradigmas y estrategias de la Inteligencia Artificial, actualmente dos tienen el mayor inters para las aplicaciones en la empresa: los sistemas expertos y las redes neuronales artificiales. Estos sistemas se pueden combinar, por lo que una solucin prctica es utilizar sistemas mixtos que incorporan un mdulo de sistema experto con sus reglas junto a otros mdulos neuronales y estadsticos.

II Un ejemplo para aclarar las diferencias: los programas de ajedrez

Un sencillo ejemplo basado en el diseo de un programa de ajedrez puede ayudarnos a entender las diferencias entre estos paradigmas. Un sistema experto trata de incorporar la sabidura de algn maestro del ajedrez mediante reglas. Una red neuronal es entrenada con ejemplos de partidas clebres, tratando de extraer de ah el conocimiento. Finalmente, mediante algoritmos genticos se disean programas que compiten entre s de forma que por seleccin natural quedan los mejores.

III Los Sistemas Expertos 1) Son la rama de la Inteligencia Artificial ms empleada en la gestin empresarial
Su origen se sita a mediados de los aos setenta, aunque es a partir de la dcada de los ochenta cuando se desarrollan aplicaciones en toda su plenitud. Su objetivo es modelizar el conocimiento, representndolo en forma de smbolos. A continuacin estudiaremos: Concepto Desarrollo Aplicaciones Ventajas Limitaciones

III Los Sistemas Expertos: Definicin 1) El Grupo Especialista en Sistemas Expertos de la Sociedad Britnica de Ordenadores
Los define de la siguiente manera: "La incorporacin dentro de un sistema de ordenador de un componente basado en el conocimiento, correspondiente a una habilidad experta, de tal forma que el sistema pueda ofrecer asesoramiento inteligente o tomar una decisin inteligente sobre una funcin del proceso. Una caracterstica adicional deseable, que muchos consideran fundamental, es la capacidad del sistema, si se le solicita, de justificar su propia lnea de razonamiento de un modo directamente inteligible para el interrogador. El estilo adoptado para alcanzar estas caractersticas es la programacin basada en reglas."

2) Recopilan en un programa informtico el conocimiento de especialistas en una materia.

Sus dos componentes principales son la base de conocimientos y un programa de inferencia. El conocimiento se representa mediante el uso de smbolos, y as se crea una base de conocimiento. Una vez creada la base de conocimiento, se debe disear un mtodo para utilizarla, que es el programa de inferencia. El programa de inferencia manipula la informacin simblica almacenada en la base de conocimiento mediante un proceso de bsqueda.

Estructura de un sistema experto

III Los Sistemas Expertos: Desarrollo 1) Podemos desarrollar un sistema experto de dos maneras:
a) A medida, programando en un lenguaje convencional (C, Pascal, etc.) o en un lenguaje especfico para el manejo de smbolos (Lisp, Prolog, etc.). b) Utilizando una concha de sistema experto, tambin llamadas shell. Son programas comerciales con todos los elementos del sistema experto pero con la base de conocimientos vaca.

2) La tarea de adquisicin del conocimiento es una tarea compleja que precisa de varios actores:
a) el ingeniero del conocimiento, especialista informtico que extrae el conocimiento del especialista humano y lo plasma en el programa informtico b) el especialista humano, que es quien posee el conocimiento c) el usuario del sistema, encargado de utilizar el sistema experto.

3) Hay muchas formas de representar el conocimiento en un sistema experto. El mtodo ms utilizado son las reglas de produccin.
Una regla de produccin toma la siguiente forma general:

SI <son ciertos determinados hechos> ENTONCES <se consideran ciertos otros hechos>

Estas reglas residen en la base de conocimientos, en una especie de fichero de texto. El programa de inferencia, verdadero motor del sistema experto se encarga de combinar estas reglas, interactuando con el usuario a travs del interfaz del usuario.

Un sistema experto para analizar la solvencia de una empresa 1) Parece una actividad ideal para un sistema experto
Siguiendo con el ejemplo del apartado anterior, podemos animarnos a realizar un sistema experto para analizar la solvencia de una empresa. Al fin y al cabo, contamos con la ayuda de un especialista humano y no es caro adquirir una concha con la que podemos introducir cientos de reglas.

2) Por dnde empezar?

El procedimiento de trabajo es laborioso, pues se trata de extraer el conocimiento de nuestro colega, que conforme pasa el tiempo nos damos cuenta de que no tiene las cosas tan claras. Muchas reglas parecen confusas, no son blanco o negro, por lo que hemos tenido que incorporar lgica fuzzy. Avanzamos despacio, aunque por lo menos est sirviendo para replantearnos todo el proceso de la toma de decisiones de prstamo en el banco. Nos hemos dado cuenta de muchas decisiones se tomaban a ojo.

3) Van surgiendo problemas

Autores como Hartvigsen (1992), que ha elaborado un sistema experto para el anlisis de la solvencia de las empresas reconoce las limitaciones y dificultades que plantea la construccin de los sistemas expertos para el anlisis financiero. No hay una teora formal y perfectamente estructurada para examinar la informacin contable de las empresas, aunque tampoco hay un desconocimiento total del procedimiento a seguir.

4) Podemos combinarlos con otras tcnicas

Para abordar este tipo de problemas difcilmente resolubles mediante los mtodos convencionales o mediante sistemas expertos hemos propuesto combinarlos con otras herramientas de Inteligencia Artificial, como las redes neuronales.

III Los Sistemas Expertos: Aplicaciones

1) Un sistema experto contable

Es un sistema informatizado que modeliza la experiencia de un contable.

2) La gestin empresarial cuenta con gran nmero de sistemas expertos

Ello es debido a dos razones fundamentales: a) casi todas las empresas disponen de un ordenador que realiza las funciones bsicas de tratamiento de la informacin: contabilidad general, decisiones financieras, gestin de la tesorera, planificacin, etc, b) este trabajo implica manejar grandes volmenes de informacin y realizar operaciones numricas para despus tomar decisiones. Esto supone un terreno ideal para la implantacin de los sistemas expertos.

3) Podemos clasificar las aplicaciones en la Contabilidad en varios apartados:

a) Auditora De entre todas las posibles reas de trabajo en la contabilidad, segn Fortuna, Busto y Sastre (1991) la auditora es el campo en el que ms aplicaciones de sistemas expertos se estn desarrollando. Pueden servir para ayudar en el proceso de auditora, decidiendo los programas a seguir, determinando los tipos de muestra y los tamaos, calculando los errores en la revisin de cuentas, analizando grandes volmenes de transacciones contables, desarrollando una revisin analtica y formulando juicios en la materia. b) Fiscalidad La interpretacin de las reglas impositivas para tratar de adaptarlas en trminos ventajosos para la empresa tambin resulta un campo adecuado para la utilizacin de los sistemas expertos. c) Planificacin Los sistemas expertos en la planificacin ayudan en la toma de decisiones, asesorando en temas de planificacin financiera, control, anlisis de desviaciones, etc. d) Anlisis financiero Tambin son tiles para examinar las cuentas anuales de las empresas, los balances, resultados y en general la informacin econmica. e) Contabilidad financiera Tambin la contabilidad financiera puede beneficiarse, al proporcionar el sistema experto una base normativa amplia para la preparacin de las cuentas anuales o su revisin.

III Los Sistemas Expertos: Ventajas 1) Proporcionan una forma de controlar gran cantidad de datos
Uno de los grandes problemas a los que se enfrenta el analista es el gran caudal de informacin a manejar, que puede afectar negativamente a la toma de decisiones. Ante tal circunstancia los sistemas expertos pueden ser unos valiosos aliados. Los sistemas expertos recopilan los datos, los analizan y asimilan. Convierten grandes volmenes de datos en informacin til. En este sentido conviene distinguir un sistema experto de los simples programas de ordenador: tambin las hojas de clculo, bases de datos y programas convencionales manejan habitualmente informacin y alivian la pesada tarea de realizar clculos numricos pero no incluyen procedimientos de representacin del conocimiento.

2) Pueden superar al experto humano?

a) cuando se requiere analizar un gran volumen de datos en un corto espacio de tiempo. El experto humano se ver obligado a despreciar parte de la informacin desechando la que no considere relevante; sin embargo, el sistema experto, dada su mayor velocidad de proceso, puede analizar toda la informacin, sin que aparezca fatiga u otros efectos propios del ser humano que empeoran los resultados. b) cuando la decisin exige aplicar conocimientos de varios campos.

III Los Sistemas Expertos: Limitaciones 1) Programacin

Difcil de elaborar Precisan mantenimiento complejo

2) El elevado coste
En tiempo y dinero para extraer el conocimiento de los especialistas humanos

3) Poca flexibilidad a cambios

Hay que reprogramar el sistema

4) Dificultad para manipular informacin no estructurada

Especialmente la informacin incompleta, inconsistente o errnea.

5) Desacuerdo entre los especialistas humanos

En la elaboracin del sistema experto, los especialistas humanos pueden estar en desacuerdo entre ellos mismos a la hora de tomar las mejores decisiones para la solucin de los problemas particulares.

6) Problemas que no son resolubles mediante un sistema experto

Para abordar este tipo de problemas difcilmente resolubles mediante los mtodos convencionales o mediante sistemas expertos, que por otra parte no son exclusivos del anlisis contable se ha propuesto su combinacin con otras herramientas de Inteligencia Artificial, como las redes neuronales.

IV Resumen y conclusiones 1) Es una disciplina en constante evolucin

El nacimiento de la Inteligencia Artificial se sita en los aos cincuenta; en esa fecha la informtica apenas se haba desarrollado, y ya se planteaba la posibilidad de disear mquinas inteligentes. Hoy en da se habla de vida artificial, algoritmos genticos, computacin molecular o redes neuronales. En algunas de estas ramas los resultados tericos van muy por encima de las realizaciones prcticas.

2) Sistemas expertos y redes neuronales

Los sistemas expertos son la rama ms conocida de la Inteligencia Artificial. La forma en que representan el conocimiento, habitualmente mediante smbolos, es apropiada cuando es posible extraer un conjunto de reglas y normas. En la vasta ciencia empresarial, existen subdominios en los que es fcil o al menos posible extraer una serie de reglas y otros en los que es menos factible. Las redes neuronales artificiales son eficientes en tareas tales como el reconocimiento de patrones, problemas de optimizacin o clasificacin. Las redes neuronales se puede integrar en un sistema de ayuda a la toma de decisiones, pero no son una panacea capaz de resolver todos los problemas: todo lo contrario, son modelos muy especializados que pueden aplicarse en dominios muy concretos.

3) Cmo elegir la herramienta adecuada?

La eleccin entre los diferentes sistemas de ayuda a la toma de decisiones depende entre otros factores del tipo de tarea a realizar, vase sobre este particular el trabajo de Laudon y Laudon (1988, pag 132). 3a) Tipo de decisin

Simon (1960) ha clasificado las decisiones en estructuradas y no estructuradas: las decisiones estructuradas son repetitivas, rutinarias y existe un procedimiento definido para abordarlas; por el contrario, en las decisiones no estructuradas el decisor debe proporcionar juicios y aportar su propia evaluacin. 3b) Nivel al que se toman las decisiones Tambin el nivel al que se toman las decisiones afecta la eleccin del tipo de sistema ms apropiado. Gorry y Scott-Morton (1971) han propuesto un esquema que relaciona el tipo de decisin (estructurada, semiestructurada y no estructurada) y el nivel organizacional (control operativo, de gestin y estratgico) con la herramienta a utilizar. Lgicamente en el nivel operativo dominan las decisiones estructuradas, en el nivel de gestin las semiestructuradas y en el estratgico las no estructuradas, formando una diagonal. En la figura siguiente hemos actualizado este esquema incorporando las herramientas informticas ms novedosas, e incluso anticipando lo que puede ser un futuro prximo.

Las herramientas a utilizar segn el tipo de decisin y el nivel organizativo

4) Nivel operativo y decisiones estructuradas

Como podemos apreciar en el grfico, en el nivel operativo y toma de decisiones estructurada dominan los sistemas informatizados convencionales como los programas de contabilidad financiera y de costes, los de elaboracin de nminas, y que en general realizan tareas mecnicas. Son los llamados Sistemas de Proceso de Transacciones (TPS) basados en programacin algortmica convencional.

5) Nivel operativo y decisiones no estructuradas

El nivel operativo, pero con decisiones semiestructuradas, todava est dominado por los programas convencionales, en lo que habra que incluir programas de control de tesorera, control de existencias y tambin las hojas de clculo y sistemas gestores de bases de datos. Conforme las decisiones son menos estructuradas, empiezan a ser aplicables sistemas expertos y sistemas de ayuda a la toma de decisiones. As, para la gestin financiera ms bsica, en la que adems de realizar clculos mecnicos: tipos de inters efectivo, cuotas de amortizacin de prstamos, etc., tambin hay que tomar decisiones que manejan informacin incompleta o precisan incorporar el conocimiento de un especialista humano. Finalmente, en el nivel de de toma de decisiones menos estructurada pueden incorporarse modelos neuronales: por ejemplo, asesorando en la concesin de las tarjetas de crdito de unos grandes almacenes o a qu clientes se les enva catlogos por correo.

6) Nivel de gestin y decisiones estructuradas

Conforme el nivel organizativo avanza en el eje de las x, las decisiones se hacen ms complejas. Si las decisiones son estructuradas, como en el anlisis de presupuestos y control, contabilidad analtica, anlisis contable, etc, dominan los programas convencionales, quiz incorporando algn mdulo experto. Este tipo de programas se denominan Sistemas de Gestin de Informacin o Management Information Systems (MIS).

7) Nivel de gestin y decisiones no estructuradas

Conforme las decisiones se hacen menos estructuradas se hacen ms necesarios los sistemas expertos. En temas puntuales como la elaboracin de presupuestos, la prediccin de variables financieras como el beneficio, el cash-flow, podran incorporarse modelos neuronales. Ntese como en este esquema descrito hemos situado el anlisis de la informacin contable en las decisiones semiestructuradas. No hay una teora general que pueda ser aplicada paso a paso pero tampoco encaja en las decisiones completamente intuitivas o no estructuradas.

8) Nivel estratgico
En el nivel estratgico son barridos los programas convencionales mantenindose nicamente las hojas de clculo, por su capacidad de simulacin. Los llamados Executive Information Systems (EIS), o Sistemas Informativos para Ejecutivos dominan las decisiones menos estructuradas, con tareas como la planificacin estratgica y de contabilidad directiva. Las redes neuronales pueden cubrir un hueco importante en las decisiones no estructuradas, debido a esa capacidad de encontrar relaciones complejas entre los patrones de entrada.

IMGENES