1.

1 El propsito de la IA y su evolucin histrica

La finalidad de la inteligencia artificial consiste en crear teoras y modelos que muestren la organizacin y funcionamiento de la inteligencia. Actualmente, el mayor esfuerzo en la bsqueda de la inteligencia artificial se centra en el desarrollo de sistemas de procesamientos de datos que sean capaces de imitar a la inteligencia humana, realizando tareas que requieran aprendizaje, solucin de problemas y decisiones. A veces llamada inteligencia de mquina, la inteligencia artificial o AI (Artificial Intelligence) cubre una vasta gama de teoras y prcticas. La Inteligencia Artificial "naci" en 1943 cuando Warren McCulloch y Walter Pitts propusieron un modelo de neurona del cerebro humano y animal. Estas neuronas nerviosas abstractas proporcionaron una representacin simblica de la actividad cerebral. Ms adelante, Norbert Wiener elabor estas ideas junto con otras, dentro del mismo campo, que se llam "ciberntica"; de aqu nacera, sobre los aos 50, la Inteligencia Artificial. Los primeros investigadores de esta innovadora ciencia, tomaron como base la neurona formalizada de McCulloch y postulaban que: "El cerebro es un solucionador inteligente de problemas, de modo que imitemos al cerebro". Pero si consideramos la enorme complejidad del mismo esto es ya prcticamente imposible, ni que mencionar que el hardware de la poca ni el software estaban a la altura para realizar semejantes proyectos. Se comenz a considerar el pensamiento humano como una coordinacin de tareas simples relacionadas entre s mediante smbolos. Se llegara a la realizacin de lo que ellos consideraban como los fundamentos de la solucin inteligente de problemas, pero lo difcil estaba todava sin empezar, unir entre s estas actividades simples. Es en los aos 50 cuando se logra realizar un sistema que tuvo cierto xito, se llam el Perceptrn de Rossenblatt. ste era un sistema visual de reconocimiento de patrones en el cual se asociaron esfuerzos para que se pudieran resolver una gama amplia de problemas, pero estas energas se diluyeron enseguida.

Fue en los aos 60 cuando Alan Newell y Herbert Simon, que trabajando la demostracin de teoremas y el ajedrez por ordenador logran crear un programa llamado GPS (General Problem Solver: solucionador general de problemas). ste era un sistema en el que el usuario defina un entorno en funcin de una serie de objetos y los operadores que se podan aplicar sobre ellos. Este programa era capaz de trabajar con las torres de Hanoi, as como con criptoaritmtica y otros problemas similares, operando, claro est, con microcosmos formalizados que representaban los parmetros dentro de los cuales se podan resolver problemas. Lo que no poda hacer el GPS era resolver problemas ni del mundo real, ni mdicos ni tomar decisiones importantes. El GPS manejaba reglas heursticas (aprender a partir de sus propios descubrimientos) que la conducan hasta el destino deseado mediante el mtodo del ensayo y el error. En los aos 70, un equipo de investigadores dirigido por Edward Feigenbaum comenz a elaborar un proyecto para resolver problemas de la vida cotidiana o que se centrara, al menos, en problemas ms concretos. As es como naci el sistema experto. El primer sistema experto fue el denominado Dendral, un intrprete de espectrograma de masa construido en 1967, pero el ms influyente resultara ser el Mycin de 1974. El Mycin era capaz de diagnosticar trastornos en la sangre y recetar la correspondiente medicacin, todo un logro en aquella poca que incluso fueron utilizados en hospitales (como el Puff, variante de Mycin de uso comn en el Pacific Medical Center de San Francisco, EEUU). Ya en los aos 80, se desarrollaron lenguajes especiales para utilizar con la Inteligencia Artificial, tales como el LISP o el PROLOG. Es en esta poca cuando se desarrollan sistemas expertos ms refinados, como por el ejemplo el EURISKO. Este programa perfecciona su propio cuerpo de reglas heursticas automticamente, por induccin.

1.2 Las habilidades cognoscitivas segn la psicologa. Teoras de la inteligencia (conductismo, Gardner)
Son las facilitadoras del conocimiento, aquellas que operan directamente sobre la informacin: recogiendo, analizando, comprendiendo, procesando y

guardando informacin en la memoria, para, posteriormente, poder recuperarla y utilizarla dnde, cundo y cmo convenga. En general, son las siguientes: 1. Atencin: Exploracin, fragmentacin, seleccin y contradistractoras. 2. Comprensin (tcnicas o habilidades de trabajo intelectual): Captacin de ideas, subrayado, traduccin a lenguaje propio y resumen, grficos, redes, esquemas y mapas conceptuales. A travs del manejo del lenguaje oral y escrito (velocidad, exactitud, comprensin). 3. Elaboracin: Preguntas, metforas, analogas, organizadores, apuntes y mnemotecnias. 4. Memorizacin / Recuperacin (tcnicas Codificacin y generacin de respuestas. o habilidades de estudio):

1.3 El proceso de razonamiento segn la lgica (axiomas, teoremas, demostracin)

Axioma. Proposicin tan clara y evidente que se admite sin necesidad de demostracin. Cada uno de los principios fundamentales e indemostrables sobre los que se construye una teora. Ejemplo: 1+1=2 A es hermano de B C es hijo de A Entonces podemos decir que B es to de C, o bien C es sobrino de B Teorema Proposicin demostrable lgicamente partiendo de axiomas o de otros teoremas ya demostrados, mediante reglas de inferencia aceptadas. Axiomas sobre alumno:

- Estudia - Realiza tareas - Participa - Programa Demostracin Demostracin matemtica, argumento utilizado para mostrar la veracidad de una proposicin matemtica. En las matemticas modernas una demostracin comienza con una o ms declaraciones denominadas premisas, y prueba, utilizando las reglas de la lgica, que si las premisas son verdaderas, entonces una determinada conclusin debe ser tambin cierta. Comprobacin, por hechos ciertos o experimentos repetidos, de un principio o de una teora. Tablas de verdad de la lgica: conjuncin, disyuncin, implicacin, negacin y condicional.

Otra definicin
En sentido amplio, se entiende por razonamiento la facultad humana que permite resolver problemas. En un sentido ms restringido, se llama razonamiento al proceso mental de realizar una inferencia de una conclusin a partir de un conjunto de premisas. La conclusin puede no ser una consecuencia lgica de las premisas y an as dar lugar a un razonamiento, ya que un mal razonamiento an es un razonamiento. El razonamiento en tanto actividad mental se corresponde con la actividad lingstica de argumentar. En otras palabras, un argumento es la expresin lingstica de un razonamiento. El estudio de los argumentos corresponde a lalgica, de modo que a ella tambin le corresponde indirectamente el estudio del razonamiento. El razonamiento es una operacin lgica mediante la cual, partiendo de uno o ms juicios, se deriva la validez, la posibilidad o la falsedad de otro juicio distinto. Por lo general, los juicios en que se basa un razonamiento expresan conocimientos ya adquiridos o, por lo menos, postulados como hiptesis.[1]

Es posible distinguir entre varios tipos de razonamiento. Por ejemplo elrazonamiento deductivo, el razonamiento inductivo y razonamiento abductivo, entre otros. Razonamiento lgico Los razonamientos pueden ser vlidos (correctos) o no vlidos (incorrectos). En general, se considera vlido un razonamiento cuando sus premisas ofrecen soporte suficiente a su conclusin. Puede discutirse el significado de "soporte suficiente", aunque cuando se trata de un razonamiento no deductivo, el razonamiento es vlido si la verdad de las premisas hace probable la verdad de la conclusin. En el caso del razonamiento deductivo, el razonamiento es vlido cuando la verdad de las premisas implica necesariamente la verdad de la conclusin. Los razonamientos no vlidos que, sin embargo, parecen serlo, se denominan falacias. El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la experiencia. Tambin sirve para justificar o aportar razones en favor de lo que conocemos o creemos conocer. En algunos casos, como en las matemticas, el razonamiento nos permite demostrar lo que sabemos; es que aqu hace falta el razonamiento cuantitativo. El termino razonamiento es el punto de separacin entre el instinto y el pensamiento, el instinto es la reaccin de cualquier ser vivo. Por otro lado el razonar nos hace analizar, y desarrollar un criterio propio, el razonar es a su vez la separacin entre un ser vivo y el hombre. Razonamiento no-lgico Existe otro tipo de razonamiento denominado razonamiento no-lgico o informal, el cual no slo se basa en premisas con una nica alternativa correcta (razonamiento lgico-formal, el descrito anteriormente), sino que es ms amplio en cuanto a soluciones, basndose en la experiencia y en el contexto. Los niveles educativos ms altos suelen usar el razonamiento lgico, aunque no es excluyente. Algunos autores llaman a este tipo de razonamiento argumentacin. Como ejemplo para ilustrar estos dos tipos de razonamiento, podemos situarnos en el caso de una clasificacin de alimentos, el de tipo lgico-formal los ordenar por verduras, carnes, pescados, fruta, etc. en cambio el tipo informal lo har segn lo ordene en el frigorfico, segn lo vaya cogiendo de la tienda, etc. En este razonamiento se generaliza para todos los elementos de un conjunto la propiedad observada en un nmero finito de casos. Ahora bien, la verdad de las premisas (10.000 observaciones favorables) no convierte en verdadera la conclusin, ya que en cualquier momento podra aparecer una excepcin. De

ah que la conclusin de un razonamiento inductivo slo pueda considerarse probable y, de hecho, la informacin que obtenemos por medio de esta modalidad de razonamiento es siempre una informacin incierta y discutible. El razonamiento slo es una sntesis incompleta de todas las premisas. En un razonamiento inductivo vlido, por tanto, es posible afirmar las premisas y, simultneamente, negar la conclusin sin contradecirse. Acertar en la conclusin ser una cuestin de probabilidades.

1.4 EL MODELO DE ADQUISICION DEL CONOCIMIENTO SEGN LA FILOSOFIA

La metodologa Common KADS, como cualquier otra ofrece una aproximacin para resolver los problemas inherentes a la ingeniera del conocimiento provenientes de la experiencia y apoyados por los fundamentos de la ingeniera del software. Como se ha mencionado anteriormente, la ingeniera del conocimiento debe hacer frente a la recopilacin de datos, dar forma a la informacin y generar ms conocimiento. Todo ello dentro de un determinado mbito de aplicacin o lnea de negocio empresarial, que debe plasmarse en una realidad. Cmo? Cmo debe llevarse a la prctica todo lo anterior para que el conocimiento pueda implementarse en una computadora?, cmo debe ser la arquitectura software y el mecanismo computacional? En este caso se est hablando del equipo necesario que ha de desembocar en un mtodo de diseo. Las respuestas a las cuestiones anteriores dan lugar a los distintos modelos Common KADS, encuadrndose y abordando cada uno de ellos un aspecto concreto. Modelo de organizacin: soporta el anlisis de las caractersticas principales de una organizacin, con el fin de descubrir problemas y oportunidades para sistemas de conocimiento, establecer su viabilidad y ponderar los impactos en la organizacin de las acciones del conocimiento.

Modelo de tarea: es la parte relevante de un modelo de negocio. Analiza la tarea global, sus entradas y salidas, precondiciones y criterios de realizacin, as como recursos necesarios y competencias. Modelo de agente: los agentes son los ejecutores de una tarea. Un agente puede ser humano, un sistema de informacin, o cualquier otra entidad capaz de llevar a cabo una tarea. El modelo de agente describe las caractersticas de los agentes, en particular sus competencias, autoridad para actuar y restricciones en este aspecto. Adems, relaciona los enlaces de comunicacin entre agentes a la hora de llevar a cabo una tarea. Modelo de conocimiento: el propsito de este es explicar los tipos y estructuras de conocimiento utilizados para llevar a cabo una tarea. Proporciona una descripcin independiente de la implementacin del papel que diferentes componentes de conocimiento juegan en la resolucin de problemas, de forma que es comprensible por los humanos. Esto hace que el conocimiento sea un vehculo importante para la comunicacin con los expertos y los usuarios sobre los aspectos relativos a la solucin de problemas de un sistema de conocimiento tanto durante el desarrollo como durante la ejecucin del sistema. Modelo de comunicacin: dado que varios agentes pueden verse involucrados en una tarea, es importante modelar las transacciones entre los agentes implicados, esto se realiza mediante el modelo de comunicacin, como suceda en el modelo de conocimiento. Modelo de diseo: los modelos anteriores juntos pueden verse como constituyendo la especificacin de los requisitos para el sistema de conocimiento, desde diferentes aspectos, Basados en los aspectos, el modelo de diseo proporciona la especificacin tcnica del sistema en trminos de arquitectura, plataforma de implementacin, mdulos de software, construcciones de representacin y mecanismos de computacin requeridos para implementar las funciones propuestas en los modelos de conocimiento y comunicacin. Juntos, los modelos de organizacin, tarea y agente analizan la organizacin del entorno y los factores crticos de xito para un sistema de conocimiento. Los modelos de conocimiento y comunicacin proporcionan la descripcin conceptual de las funciones de resolucin de problemas y los datos que son manejados y entregados por un sistema de conocimiento. El modelo de diseo convierte esto en una especificacin que es la base para la implementacin del sistema software. No obstante, no siempre es necesario construir todos los modelos, esto depende de los objetivos del proyecto. Esta eleccin corresponde al jefe de proyecto, bajo

consenso previo con el cliente. Un proyecto de un SBC utilizando la tecnologa Common KADS produce tres tipos de producto o entrega: Documentos de los modelos. Informacin sobre la gestin del proyecto. Software del Sistema de Conocimiento.

El objetivo final de la metodologa Common KADS consiste en estructurar el proceso de desarrollo propio de la ingeniera del conocimiento, que se concreta en un sistema que debe resolver los problemas con una capacidad comparable a la del experto humano como poseedor del conocimiento. Obviamente, esta debe circunscribirse a un dominio especfico de aplicacin. Por ejemplo, si se trata de un sistema para el diagnstico de una cardiopata, el mbito de aplicacin sera justamente el de las cardiopatas y no otro aunque el experto supere con creces este dominio. En aras de la consecucin del objetivo anteriormente propuesto, resulta necesario disear un equipo de desarrollo que lo concrete y materialice, cada uno de los miembros este equipo debe tener encomendados unos roles especficos que son los que se le describen a continuacin.

1.5 EL MODELO COGNOSCITIVO

Modelo Cognoscitivo
En toda situacin de aprendizaje espontneo o generado en una experiencia educativa, puede identificarse tres componentes bsicos: El qu se aprende (resultados), el cmo se aprende (los procesos cognitivos) y las condiciones del aprendizaje (la accin educativa) que responde a las preguntas cundo, cunto, donde, con quin etc. Estos tres componentes se pueden mirar ya sea desde un enfoque conductual o social cognoscitivo. Desde el enfoque conductual los resultados de aprendizaje son las conductas, los procedimientos cognoscitivos no son importantes para este enfoque y las condiciones se refieren a la forma de organizar situaciones estimulantes y refuerzos continuos a las conductas adecuadas. Desde el enfoque cognoscitivo los resultados de aprendizaje se refieren a representaciones cognitivas internas o estructuras cognoscitivas que pueden tener un correlato en una representacin simblica externa para comprobar su presencia, los procesos cognitivos se refieren a toda aquella actividad mental que hace posible la constitucin de representaciones y las condiciones se refieren a las acciones educativas de carcter social

educativo o interaccional y a los diferentes recursos culturales con que se apoya el aprendizaje. Desde el punto de vista social cognoscitivo los resultados de aprendizaje se refieren a la manera como se construye significado al conjunto de categoras que constituyen un discurso disciplinar. Los resultados de aprendizaje no se refieren en especificidad a un saber sino al significado que un aprendiz le da a ese saber. La construccin de esos significados se hace en especial cuando el conocimiento se presenta estructurado. Los procesos cognoscitivos en trminos de aprendizaje se dan por niveles de complejidad ya sea en relacin con el desarrollo (edad) o con los niveles de complejidad en una tarea. En trminos del desarrollo, las teoras de Piaget o de Vigotsky definen una serie de caractersticas segn ciclos de vida de los individuos y segn la complejidad de las tareas, los enfoques computacionales representacionales, definen una serie de procesos y subprocesos subyacentes a la solucin de problemas y a la toma de decisiones. En relacin con la complejidad como se estructura un conocimiento se pueden definir 4 grandes procesos bsicos: conceptualizacin, interpretacin, transferencia, creatividad. Conceptualizacin se refiere a la manera como se define un concepto en relacin con una experiencia asociada o con otro concepto en una proposicin o estructura conceptual. La interpretacin se refiere a la manera como un concepto o conjunto de conceptos o proposiciones toma significados en relacin con un contexto lingstico o discursivo o en relacin con un fenmeno. Dentro de la interpretacin se juegan procesos cognoscitivos como la deduccin, la inferencia, el anlisis, la sntesis y diferentes modalidades de categorizacin. La transferencia se refiere a la manera como se aplica un conocimiento a la solucin de problemas surgidos en contextos diferentes a aquellos en donde se dio la situacin de aprendizaje. La creatividad se refiere a la manera como se reestructura o se proponen estructuras diferentes a las aprendidas. Los niveles cognoscitivos del aprendizaje no son totalmente lineales y su recorrido se puede dar en espiral. Lo cierto es que en trminos de organizacin de las experiencias educativas definir niveles de aprendizaje permite organizar una educacin para el desarrollo de habilidades cognitivas.

1.6 EL MODELO DEL AGENTE INTELIGENTE

Un agente inteligente, es una entidad capaz de percibir su entorno, procesar tales percepciones y responder o actuar en su entorno de manera racional, es decir,

de manera correcta y tendiendo a maximizar un resultado esperado. En este contexto la racionalidad es la caracterstica que posee una eleccin de ser correcta, ms especficamente, de tender a maximizar un resultado esperado. Este concepto de racionalidad es ms general y por ello ms adecuado que inteligencia (la cual sugiere entendimiento) para describir el comportamiento de los agentes inteligentes. Por este motivo es mayor el consenso en llamarlos agentes racionales. Un agente inteligente puede ser una entidad fsica o virtual. Si bien el trmino agente racional se refiere a agentes artificiales en el campo de la Inteligencia Artificial, tambin puede considerarse agentes racionales a los animales incluido el hombre.

Clasificacin
Es posible clasificar los agentes inteligentes en 5 categoras principales: Agentes reactivos Agentes reactivos basados en modelo Agentes basados en objetivos Agentes basados en utilidad Agentes que aprenden La racionalidad es necesaria. En muchos textos se define agente inteligente como todo agente capaz de tener conciencia de su entorno y actuar sobre l. No obstante es necesario exigir que estas decisiones sean racionales en el sentido de que persigan algn fin. Vamos a mostrarlo con un contraejemplo: cuando un fotn con la suficiente energa incide sobre un tomo, puede arrancar de l un electrn. Podramos considerar al tomo inteligente puesto que percibe su entorno (la incidencia del fotn) y acta sobre su entorno (emite un electrn). La ausencia de relacin entre la emisin del electrn y cualquier hipottico inters del tomo muestra que este no es un agente inteligente pese a verificar la definicin de Bertrand Russell. La conducta de un agente no suele ser la ptima. Paradjicamente, la conducta de un agente rara vez es la optima. La razn es muy sencilla calcular el optimo de un criterio lo suficientemente bueno para ser considerado razonable teniendo en cuenta las mltiples restricciones que concurren es muy difcil. Ejemplos de ello es lo difcil que es calcular la mejor ala para un avin, el mejor perfil para un coche o la mejor hlice para un barco. Para un estudiante es fcil calcular el mximo de un polinomio de segundo grado derivando e igualando a cero. En este caso el criterio es muy sencillo -es un polinomio de segundo grado- y no concurre ninguna restriccin.

Cuando el criterio es una funcin real de muchas variables y las restricciones tambin, los clculos son mucho ms complicados. Algunas veces se puede lograr una buena aproximacin; pero, si un agente inteligente debe tomar una decisin en muy poco tiempo, deber conformarse con la mejor aproximacin que pueda calcular en el escaso tiempo de que dispone.

1.7 EL PAPEL DE HEURISTICA

Se denomina heurstica a la capacidad de un sistema para realizar de forma inmediata innovaciones positivas para sus fines. La capacidad heurstica es un rasgo caracterstico de los humanos, desde cuyo punto de vista puede describirse como el arte y la ciencia del descubrimiento y de la invencin o de resolver problemas mediante la creatividad y el pensamiento lateral o pensamiento divergente. En computacin, dos objetivos fundamentales son encontrar algoritmos con buenos tiempos de ejecucin y buenas soluciones, usualmente las ptimas. Una heurstica es un algoritmo que abandona uno o ambos objetivos; por ejemplo, normalmente encuentran buenas soluciones, aunque no hay pruebas de que la solucin no pueda ser arbitrariamente errnea en algunos casos; o se ejecuta razonablemente rpido, aunque no existe tampoco prueba de que siempre ser as. Las heursticas generalmente son usadas cuando no existe una solucin ptima bajo las restricciones dadas (tiempo, espacio, etc.), o cuando no existe del todo. A menudo, pueden encontrarse instancias concretas del problema donde la heurstica producir resultados muy malos o se ejecutar muy lentamente. An as, estas instancias concretas pueden ser ignoradas porque no deberan ocurrir nunca en la prctica por ser de origen terico. Por tanto, el uso de heursticas es muy comn en el mundo real.