Está en la página 1de 16

LA INTELIGENCIA ARTIFICIAL

La inteligencia artificial (IA) es un rea multidisciplinaria que, a travs de ciencias como la


informtica, la lgica y la filosofa, estudia la creacin y diseo de entidades capaces de
razonar por s mismas utilizando como paradigma la inteligencia humana.
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. En
ciencias de la computacin se denomina inteligencia artificial a la capacidad de razonar de un
agente no vivo.1 2 3 John McCarthy acu la expresin inteligencia artificial en 1956, y la
defini as: Es la ciencia e ingenio de hacer mquinas inteligentes, especialmente programas
de cmputo inteligentes.
Bsqueda del estado requerido en el conjunto de los estados producidos por las acciones
posibles.
Algoritmos genticos (anlogo al proceso de evolucin de las cadenas de ADN).
Redes neuronales artificiales (anlogo al funcionamiento fsico del cerebro de animales y
humanos).
Razonamiento mediante una lgica formal anlogo al pensamiento abstracto humano.
Tambin existen distintos tipos de percepciones y acciones, que pueden ser obtenidas y
producidas, respectivamente, por sensores fsicos y sensores mecnicos en mquinas, pulsos
elctricos u pticos en computadoras, tanto como por entradas y salidas de bits de un
software y su entorno software.
Varios ejemplos se encuentran en el rea de control de sistemas, planificacin automtica, la
habilidad de responder a diagnsticos y a consultas de los consumidores, reconocimiento de
escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IA
actualmente son parte de la rutina en campos como economa, medicina, ingeniera y la
milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia, como
ajedrez de computador, y otros videojuegos.
CATEGORAS DE LA INTELIGENCIA ARTIFICIAL
Stuart Russell y Peter Norvig diferencian estos tipos de la inteligencia artificial:
Sistemas que piensan como humanos.- Estos sistemas tratan de emular el pensamiento
humano; por ejemplo las redes neuronales artificiales. La automatizacin de actividades que
vinculamos con procesos de pensamiento humano, actividades como la Toma de decisiones,
resolucin de problemas, aprendizaje.
Sistemas que actan como humanos.- Estos sistemas tratan de actuar como humanos; es
decir, imitan el comportamiento humano; por ejemplo la robtica. El estudio de cmo lograr
que los computadores realicen tareas que, por el momento, los humanos hacen mejor.
Sistemas que piensan racionalmente.- Es decir, con lgica (idealmente), tratan de imitar o
emular el pensamiento lgico racional del ser humano; por ejemplo los sistemas expertos. El
estudio de los clculos que hacen posible percibir, razonar y actuar.
Sistemas que actan racionalmente (idealmente). Tratan de emular de forma racional el
comportamiento humano; por ejemplo los agentes inteligentes. Est relacionado con
conductas inteligentes en artefactos.
ESCUELAS DE PENSAMIENTO
La IA se divide en dos escuelas de pensamiento:
La inteligencia artificial convencional
La inteligencia computacional
Inteligencia artificial convencional
Se conoce tambin como IA simblico-deductiva. Est basada en el anlisis formal y estadstico
del comportamiento humano ante diferentes problemas:
Razonamiento basado en casos: Ayuda a tomar decisiones mientras se resuelven ciertos
problemas concretos y, aparte de que son muy importantes, requieren de un buen
funcionamiento.
Sistemas expertos: Infieren una solucin a travs del conocimiento previo del contexto en que
se aplica y ocupa de ciertas reglas o relaciones.
Redes bayesianas: Propone soluciones mediante inferencia probabilstica.
Inteligencia artificial basada en comportamientos: esta inteligencia tiene autonoma y pueden
auto-regularse y controlarse para mejorar.
Smart process management: facilita la toma de decisiones complejas, proponiendo una
solucin a un determinado problema al igual que lo hara un especialista en la actividad.
Inteligencia artificial computacional
Artculo principal: Inteligencia computacional
La Inteligencia Computacional (tambin conocida como IA subsimblica-inductiva) implica
desarrollo o aprendizaje interactivo (por ejemplo, modificaciones interactivas de los
parmetros en sistemas conexionistas). El aprendizaje se realiza basndose en datos
empricos.
HISTORIA
Artculo principal: Historia de la inteligencia artificial
El trmino inteligencia artificial fue acuado formalmente en 1956 durante la conferencia de
Darthmounth, ms para entonces ya se haba estado trabajando en ello durante cinco aos en
los cuales se haba propuesto muchas definiciones distintas que en ningn caso haban logrado
ser aceptadas totalmente por la comunidad investigadora. La IA es una de las disciplinas ms
nuevas junto con la gentica moderna.
Las ideas ms bsicas se remontan a los griegos, antes de Cristo. Aristteles (384-322 a. C.) fue
el primero en describir un conjunto de reglas que describen una parte del funcionamiento de
la mente para obtener conclusiones racionales, y Ctesibio de Alejandra (250 a. C.) construy la
primera mquina autocontrolada, un regulador del flujo de agua (racional pero sin
razonamiento).
En 1315 Ramon Llull en su libro Ars magna tuvo la idea de que el razonamiento poda ser
efectuado de manera artificial.
En 1936 Alan Turing disea formalmente una Mquina universal que demuestra la viabilidad
de un dispositivo fsico para implementar cualquier cmputo formalmente definido.
En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales, el
cual se considera el primer trabajo del campo, aun cuando todava no exista el trmino. Los
primeros avances importantes comenzaron a principios del ao 1950 con el trabajo de Alan
Turing, a partir de lo cual la ciencia ha pasado por diversas situaciones.
En 1955 Herbert Simon, Allen Newell y J.C. Shaw, desarrollan el primer lenguaje de
programacin orientado a la resolucin de problemas, el IPL-11. Un ao ms tarde desarrollan
el LogicTheorist, el cual era capaz de demostrar teoremas matemticos.
En 1956 fue inventado el trmino inteligencia artificial por John McCarthy, Marvin Minsky y
Claude Shannon en la Conferencia de Dartmouth, un congreso en el que se hicieron
previsiones triunfalistas a diez aos que jams se cumplieron, lo que provoc el abandono casi
total de las investigaciones durante quince aos.
En 1957 Newell y Simon continan su trabajo con el desarrollo del General Problem Solver
(GPS). GPS era un sistema orientado a la resolucin de problemas.
En 1958 John McCarthy desarrolla en el Instituto de Tecnologa de Massachusetts (MIT) el LISP.
Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para procesamiento
simblico.
En 1959 Rosenblatt introduce el Perceptrn.
A finales de los 50 y comienzos de la dcada del 60 Robert K. Lindsay desarrolla Sad Sam, un
programa para la lectura de oraciones en ingls y la inferencia de conclusiones a partir de su
interpretacin.
En 1963 Quillian desarrolla las redes semnticas como modelo de representacin del
conocimiento.
En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el cual era
capaz de inferir conocimiento basado en informacin que se le suministra. Bobrow desarrolla
STUDENT.
A mediados de los aos 60, aparecen los sistemas expertos, que predicen la probabilidad de
una solucin bajo un set de condiciones. Por ejemplo DENDRAL, iniciado en 1965 por
Buchanan, Feigenbaum y Lederberg, el primer Sistema Experto, que asista a qumicos en
estructuras qumicas complejas euclidianas, MACSYMA, que asista a ingenieros y cientficos en
la solucin de ecuaciones matemticas complejas.
Posteriormente entre los aos 1968-1970 Terry Winograd desarroll el sistema SHRDLU, que
permita interrogar y dar rdenes a un robot que se mova dentro de un mundo de bloques.
En 1968 Minsky publica Semantic Information Processing.
En 1968 Seymour Papert, Danny Bobrow y Wally Feurzeig desarrollan el lenguaje de
programacin LOGO.
En 1969 Alan Kay desarrolla el lenguaje Smalltalk en Xerox PARC y se publica en 1980.
En 1973 Alain Colmenauer y su equipo de investigacin en la Universidad de Aix-Marseille
crean PROLOG (del francs PROgrammation en LOGique) un lenguaje de programacin
ampliamente utilizado en IA.
En 1973 Shank y Abelson desarrollan los guiones, o scripts, pilares de muchas tcnicas actuales
en Inteligencia Artificial y la informtica en general.
En 1974 Edward Shortliffe escribe su tesis con MYCIN, uno de los Sistemas Expertos ms
conocidos, que asisti a mdicos en el diagnstico y tratamiento de infecciones en la sangre.
En las dcadas de 1970 y 1980, creci el uso de sistemas expertos, como MYCIN: R1/XCON,
ABRL, PIP, PUFF, CASNET, INTERNIST/CADUCEUS, etc. Algunos permanecen hasta hoy (Shells)
como EMYCIN, EXPERT, OPSS.
En 1981 Kazuhiro Fuchi anuncia el proyecto japons de la quinta generacin de computadoras.
En 1986 McClelland y Rumelhart publican Parallel Distributed Processing (Redes Neuronales).
En 1988 se establecen los lenguajes Orientados a Objetos.
En 1997 Gari Kasprov, campen mundial de ajedrez, pierde ante la computadora autnoma
Deep Blue.
En 2006 se celebr el aniversario con el Congreso en espaol 50 aos de Inteligencia Artificial -
Campus Multidisciplinar en Percepcin e Inteligencia 2006.
En el ao 2009 ya hay en desarrollo sistemas inteligentes teraputicos que permiten detectar
emociones para poder interactuar con nios autistas.
En el ao 2011 IBM desarroll una supercomputadora llamada Watson, la cual gan una ronda
de tres juegos seguidos de Jeopardy, venciendo a sus dos mximos campeones, y ganando un
premio de 1 milln de dlares que IBM luego don a obras de caridad.10
Existen personas que al dialogar sin saberlo con un chatbot no se percatan de hablar con un
programa, de modo tal que se cumple la prueba de Turing como cuando se formul: Existir
Inteligencia Artificial cuando no seamos capaces de distinguir entre un ser humano y un
programa de computadora en una conversacin a ciegas.
Como ancdota, muchos de los investigadores sobre IA sostienen que la inteligencia es un
programa capaz de ser ejecutado independientemente de la mquina que lo ejecute,
computador o cerebro.
LA INTELIGENCIA ARTIFICIAL Y LOS SENTIMIENTOS
El concepto de IA es an demasiado difuso. Contextualizando, y teniendo en cuenta un punto
de vista cientfico, podramos englobar a esta ciencia como la encargada de imitar una
persona, y no su cuerpo, sino imitar al cerebro, en todas sus funciones, existentes en el
humano o inventadas sobre el desarrollo de una mquina inteligente.
A veces, aplicando la definicin de Inteligencia Artificial, se piensa en mquinas inteligentes sin
sentimientos, que obstaculizan encontrar la mejor solucin a un problema dado. Muchos
pensamos en dispositivos artificiales capaces de concluir miles de premisas a partir de otras
premisas dadas, sin que ningn tipo de emocin tenga la opcin de obstaculizar dicha labor.
En esta lnea, hay que saber que ya existen sistemas inteligentes. Capaces de tomar decisiones
acertadas.
Aunque, por el momento, la mayora de los investigadores en el mbito de la Inteligencia
Artificial se centran slo en el aspecto racional, muchos de ellos consideran seriamente la
posibilidad de incorporar componentes emotivos como indicadores de estado, a fin de
aumentar la eficacia de los sistemas inteligentes.
Particularmente para los robots mviles, es necesario que cuenten con algo similar a las
emociones con el objeto de saber en cada instante y como mnimo qu hacer a continuacin
[Pinker, 2001, p. 481].
Al tener sentimientos y, al menos potencialmente, motivaciones, podrn actuar de
acuerdo con sus intenciones [Mazlish, 1995, p. 318]. As, se podra equipar a un robot con
dispositivos que controlen su medio interno; por ejemplo, que sientan hambre al detectar
que su nivel de energa est descendiendo o que sientan miedo cuando aquel est
demasiado bajo.
Esta seal podra interrumpir los procesos de alto nivel y obligar al robot a conseguir el
preciado elemento [Johnson-Laird, 1993, p. 359]. Incluso se podra introducir el dolor o el
sufrimiento fsico, a fin de evitar las torpezas de funcionamiento como, por ejemplo,
introducir la mano dentro de una cadena de engranajes o saltar desde una cierta altura, lo cual
le provocara daos irreparables.
Esto significa que los sistemas inteligentes deben ser dotados con mecanismos de
retroalimentacin que les permitan tener conocimiento de estados internos, igual que sucede
con los humanos que disponen de propiocepcin, interocepcin, nocicepcin, etctera. Esto es
fundamental tanto para tomar decisiones como para conservar su propia integridad y
seguridad. La retroalimentacin en sistemas est particularmente desarrollada en ciberntica,
por ejemplo en el cambio de direccin y velocidad autnomo de un misil, utilizando como
parmetro la posicin en cada instante en relacin al objetivo que debe alcanzar. Esto debe ser
diferenciado del conocimiento que un sistema o programa computacional puede tener de sus
estados internos, por ejemplo la cantidad de ciclos cumplidos en un loop o bucle en sentencias
tipo do... for, o la cantidad de memoria disponible para una operacin determinada.
A los sistemas inteligentes el no tener en cuenta elementos emocionales les permite no olvidar
la meta que deben alcanzar. En los humanos el olvido de la meta o el abandonar las metas por
perturbaciones emocionales es un problema que en algunos casos llega a ser incapacitante.
Los sistemas inteligentes, al combinar una memoria durable, una asignacin de metas o
motivacin, junto a la toma de decisiones y asignacin de prioridades con base en estados
actuales y estados meta, logran un comportamiento en extremo eficiente, especialmente ante
problemas complejos y peligrosos.
En sntesis, lo racional y lo emocional estn de tal manera interrelacionados entre s, que se
podra decir que no slo no son aspectos contradictorios sino que son hasta cierto punto
complementarios.
CRTICAS
Las principales crticas a la inteligencia artificial tienen que ver con su capacidad de imitar por
completo a un ser humano. Estas crticas ignoran que ningn humano individual tiene
capacidad para resolver todo tipo de problemas, y autores como Howard Gardner han
propuesto que existen inteligencias mltiples. Un sistema de inteligencia artificial debera
resolver problemas. Por lo tanto es fundamental en su diseo la delimitacin de los tipos de
problemas que resolver y las estrategias y algoritmos que utilizar para encontrar la solucin.
En los humanos la capacidad de resolver problemas tiene dos aspectos: los aspectos innatos y
los aspectos aprendidos. Los aspectos innatos permiten por ejemplo almacenar y recuperar
informacin en la memoria y los aspectos aprendidos el saber resolver un problema
matemtico mediante el algoritmo adecuado. Del mismo modo que un humano debe disponer
de herramientas que le permitan solucionar ciertos problemas, los sistemas artificiales deben
ser programados de modo tal que puedan resolver ciertos problemas.
Muchas personas consideran que el test de Turing ha sido superado, citando conversaciones
en que al dialogar con un programa de inteligencia artificial para chat no saben que hablan con
un programa. Sin embargo, esta situacin no es equivalente a un test de Turing, que requiere
que el participante est sobre aviso de la posibilidad de hablar con una mquina.
Otros experimentos mentales como la Habitacin china de John Searle han mostrado cmo
una mquina podra simular pensamiento sin tener que tenerlo, pasando el test de Turing sin
siquiera entender lo que hace. Esto demostrara que la mquina en realidad no est pensando,
ya que actuar de acuerdo con un programa preestablecido sera suficiente. Si para Turing el
hecho de engaar a un ser humano que intenta evitar que le engaen es muestra de una
mente inteligente, Searle considera posible lograr dicho efecto mediante reglas definidas a
priori.
Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicacin con el
usuario. Este obstculo es debido a la ambigedad del lenguaje, y apareci ya en los inicios de
los primeros sistemas operativos informticos. La capacidad de los humanos para comunicarse
entre s implica el conocimiento del lenguaje que utiliza el interlocutor. Para que un humano
pueda comunicarse con un sistema inteligente hay dos opciones: o bien el humano aprende el
lenguaje del sistema como si aprendiese a hablar cualquier otro idioma distinto al nativo, o
bien el sistema tiene la capacidad de interpretar el mensaje del usuario en la lengua que el
usuario utiliza.
Un humano durante toda su vida aprende el vocabulario de su lengua nativa. Un humano
interpreta los mensajes a pesar de la polisemia de las palabras utilizando el contexto para
resolver ambigedades. Sin embargo, debe conocer los distintos significados para poder
interpretar, y es por esto que lenguajes especializados y tcnicos son conocidos solamente por
expertos en las respectivas disciplinas. Un sistema de inteligencia artificial se enfrenta con el
mismo problema, la polisemia del lenguaje humano, su sintaxis poco estructurada y los
dialectos entre grupos.
Los desarrollos en inteligencia artificial son mayores en los campos disciplinares en los que
existe mayor consenso entre especialistas. Un sistema experto es ms probable de ser
programado en fsica o en medicina que en sociologa o en psicologa. Esto se debe al
problema del consenso entre especialistas en la definicin de los conceptos involucrados y en
los procedimientos y tcnicas a utilizar. Por ejemplo, en fsica hay acuerdo sobre el concepto
de velocidad y cmo calcularla. Sin embargo, en psicologa se discuten los conceptos, la
etiologa, la psicopatologa y cmo proceder ante cierto diagnstico. Esto dificulta la creacin
de sistemas inteligentes porque siempre habr desacuerdo sobre lo que se esperara que el
sistema haga. A pesar de esto hay grandes avances en el diseo de sistemas expertos para el
diagnstico y toma de decisiones en el mbito mdico y psiquitrico (Adaraga Morales,
Zaccagnini Sancho, 1994).
TECNOLOGAS DE APOYO
Interfaces de usuario
Visin artificial
Smart process management
APLICACIONES DE LA INTELIGENCIA ARTIFICIAL
Lingstica computacional
Minera de datos (Data Mining)
Industriales.
Medicina
Mundos virtuales
Procesamiento de lenguaje natural (Natural Language Processing)
Robtica
Mecatrnica
Sistemas de apoyo a la decisin
Videojuegos
Prototipos informticos
Anlisis de sistemas dinmicos.
Smart Process Management
Simulacin de multitudes
INVESTIGADORES EN EL CAMPO DE LA INTELIGENCIA ARTIFICIAL
Jeff Hawkins
John McCarthy
Marvin Minsky
Judea Pearl
Alan Turing, discpulo de John von Neumann, dise el Test de Turing que debera utilizarse
para comprender si una mquina lgica es inteligente o no.
Joseph Weizenbaum
Ral Rojas
Ray Kurzweil
INTELIGENCIA ARTIFICIAL EN LA FICCIN
En Portal y Portal 2, GLaDOS es una IA que conduce al jugador a travs de las cmaras de
prueba.
Inteligencia artificial, la pelcula de Steven Spielberg.
Suean los androides con ovejas elctricas?, y su adaptacin al cine Blade Runner. Comienza
con la aplicacin del Test de Turing.
Ghost in the Shell, anime, pelculas y serie
J.A.R.V.I.S., la inteligencia artificial que, en la serie regular El Invencible Iron Man, de Marvel
Comics, permite maniobrar el traje-armadura pilotado por Pepper Potts: el Mark 1616 o
Rescate. Tambin aparece en la triloga de pelculas basadas en el comic book, ayudando a
Tony Stark a pilotar las diversas versiones de su armadura IronMan, adems de servir como
mayordomo.
The Matrix, la triloga
Resident Evil, la saga
2001: Una odisea espacial, novela y pelcula
Cortana
Cdigo Lyoko
Vida y Obra de Multivac, Isaac Asimov
Yo, robot, Isaac Asimov
El hombre bicentenario, Isaac Asimov
En Metal Gear Solid 2, Los Patriots los controla una IA
Mass Effect
The Terminator, James Cameron
Neuromante, William Gibson
SISTEMAS EXPERTOS
Los sistemas expertos son llamados as porque emulan el razonamiento de un experto en un
dominio concreto, y en ocasiones son usados por stos. Con los sistemas expertos se busca
una mejor calidad y rapidez en las respuestas, dando as lugar a una mejora de la
productividad del propio experto al usar este tipo de sistemas informticos.
SISTEMA EXPERTO (SE)
Es una aplicacin informtica capaz de solucionar un conjunto de problemas que exigen un
gran conocimiento sobre un determinado tema. Un sistema experto es un conjunto de
programas que, sobre una base de conocimientos, posee informacin de uno o ms expertos
en un rea especfica. Se puede entender como una rama de la inteligencia artificial, donde el
poder de resolucin de un problema en un programa de computadora viene del conocimiento
de un dominio especfico. Estos sistemas imitan las actividades de un humano para resolver
problemas de distinta ndole (no necesariamente tiene que ser de inteligencia artificial).
Tambin se dice que un SE se basa en el conocimiento declarativo (hechos sobre objetos,
situaciones) y el conocimiento de control (informacin sobre el seguimiento de una accin).
Para que un sistema experto sea herramienta efectiva, los usuarios deben interactuar de una
forma fcil, reuniendo dos capacidades para poder cumplirlo:
Explicar sus razonamientos o base del conocimiento: los sistemas expertos se deben realizar
siguiendo ciertas reglas o pasos comprensibles de manera que se pueda generar la explicacin
para cada una de estas reglas, que a la vez se basan en hechos.
Adquisicin de nuevos conocimientos o integrador del sistema: son mecanismos de
razonamiento que sirven para modificar los conocimientos anteriores. Sobre la base de lo
anterior se puede decir que los sistemas expertos son el producto de investigaciones en el
campo de la inteligencia artificial ya que sta no intenta sustituir a los expertos humanos, sino
que se desea ayudarlos a realizar con ms rapidez y eficacia todas las tareas que realiza.
Debido a esto en la actualidad se estn mezclando diferentes tcnicas o aplicaciones
aprovechando las ventajas que cada una de estas ofrece para poder tener empresas ms
seguras. Un ejemplo de estas tcnicas sera los agentes que tienen la capacidad de negociar y
navegar a travs de recursos en lnea; y es por eso que en la actualidad juega un papel
preponderante en los sistemas expertos.
ESTRUCTURA BSICA DE UN SE
Un Sistema Experto est conformado por:
Especialistas Humanos
Ingenieros en Conocimientos.
Base de conocimientos (BC): Contiene conocimiento modelado extrado del dilogo con un
experto.
Base de hechos (Memoria de trabajo): contiene los hechos sobre un problema que se ha
descubierto durante el anlisis.
Motor de inferencia: Modela el proceso de razonamiento humano.
Mdulos de justificacin: Explica el razonamiento utilizado por el sistema para llegar a una
determinada conclusin.
Interfaz de usuario: es la interaccin entre el SE y el usuario, y se realiza mediante el lenguaje
natural.
TIPOS DE SE
Principalmente existen tres tipos de sistemas expertos:
Basados en reglas previamente establecidas.
Basados en casos o CBR (Case Based Reasoning).
Basados en redes bayesianas.
En cada uno de ellos, la solucin a un problema planteado se obtiene:
Aplicando reglas heursticas apoyadas generalmente en lgica difusa para su evaluacin y
aplicacin.
Aplicando el razonamiento basado en casos, donde la solucin a un problema similar
planteado con anterioridad se adapta al nuevo problema.
Aplicando redes bayesianas, basadas en estadstica y el teorema de Bayes.
VENTAJAS Y LIMITACIONES DE LOS SISTEMAS EXPERTOS
VENTAJAS
Permanencia: A diferencia de un experto humano un SE (sistema experto) no envejece, y por
tanto no sufre prdida de facultades con el paso del tiempo.
Replicacin: Una vez programado un SE lo podemos replicar infinidad de veces.
Rapidez: Un SE puede obtener informacin de una base de datos y realizar clculos numricos
mucho ms rpido que cualquier ser humano.
Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias a la capacidad de
duplicacin el coste finalmente es bajo.
Entornos peligrosos: Un SE puede trabajar en entornos peligrosos o dainos para el ser
humano.
Fiabilidad: Los SE no se ven afectados por condiciones externas, un humano s (cansancio,
presin, etc.).
Consolidar varios conocimientos.
Apoyo Acadmico.
LIMITACIONES
Sentido comn: Para un Sistema Experto no hay nada obvio. Por ejemplo, un sistema experto
sobre medicina podra admitir que un hombre lleva 40 meses embarazado, a no ser que se
especifique que esto no es posible ya que un hombre no puede gestar hijos.
Lenguaje natural: Con un experto humano podemos mantener una conversacin informal
mientras que con un SE no podemos.
Capacidad de aprendizaje: Cualquier persona aprende con relativa facilidad de sus errores y de
errores ajenos, que un SE haga esto es muy complicado.
Perspectiva global: Un experto humano es capaz de distinguir cuales son las cuestiones
relevantes de un problema y separarlas de cuestiones secundarias.
Capacidad sensorial: Un SE carece de sentidos.
Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para la resolucin
de un problema.
Conocimiento no estructurado: Un SE no es capaz de manejar conocimiento poco
estructurado.
TAREAS QUE REALIZA UN SISTEMA EXPERTO
Monitorizacin
La monitorizacin es un caso particular de la interpretacin, y consiste en la comparacin
continua de los valores de las seales o datos de entrada y unos valores que actan como
criterios de normalidad o estndares. En el campo del mantenimiento predictivo los Sistemas
Expertos se utilizan fundamentalmente como herramientas de diagnstico. Se trata de que el
programa pueda determinar en cada momento el estado de funcionamiento de sistemas
complejos, anticipndose a los posibles incidentes que pudieran acontecer. As, usando un
modelo computacional del razonamiento de un experto humano, proporciona los mismos
resultados que alcanzara dicho experto.
Diseo
Diseo es el proceso de especificar una descripcin de un artefacto que satisface varias
caractersticas desde un nmero de fuentes de conocimiento.
El diseo se concibe de distintas formas:
El diseo en ingeniera es el uso de principios cientficos, informacin tcnica e imaginacin en
la definicin de una estructura mecnica, mquina o sistema que ejecute funciones especficas
con el mximo de economa y eficiencia.
El diseo industrial busca rectificar las omisiones de la ingeniera, es un intento consciente de
traer forma y orden visual a la ingeniera de hardware donde la tecnologa no provee estas
caractersticas.
Los SE en diseo ven este proceso como un problema de bsqueda de una solucin ptima o
adecuada. Las soluciones alternas pueden ser conocidas de antemano o se pueden generar
automticamente probndose distintos diseos para verificar cules de ellos cumplen los
requerimientos solicitados por el usuario, sta tcnica es llamada generacin y prueba, por
lo tanto estos SE son llamados de seleccin. En reas de aplicacin, la prueba se termina
cuando se encuentra la primera solucin; sin embargo, existen problemas ms complejos en
los que el objetivo es encontrar la solucin ptima.
Planificacin
La planificacin es la realizacin de planes o secuencias de acciones y es un caso particular de
la simulacin. Est compuesto por un simulador y un sistema de control. El efecto final es la
ordenacin de un conjunto de acciones con el fin de conseguir un objetivo global.
Los problemas que presentan la planificacin mediante SE son los siguientes:
Existen consecuencias no previsibles, de forma que hay que explorar y explicar varios planes.
Existen muchas consideraciones que deben ser valoradas o incluirles un factor de peso.
Suelen existir interacciones entre planes de subobjetivos diversos, por lo que deben elegirse
soluciones de compromiso.
Trabajo frecuente con incertidumbre, pues la mayora de los datos con los que se trabaja son
ms o menos probables pero no seguros.
Es necesario hacer uso de fuentes diversas tales como bases de datos.
Control
Un sistema de control participa en la realizacin de las tareas de interpretacin, diagnstico y
reparacin de forma secuencial. Con ello se consigue conducir o guiar un proceso o sistema.
Los sistemas de control son complejos debido al nmero de funciones que deben manejar y el
gran nmero de factores que deben considerar; esta complejidad creciente es otra de las
razones que apuntan al uso del conocimiento, y por tanto de los SE.
Cabe aclarar que los sistemas de control pueden ser en lazo abierto, si en el mismo la
realimentacin o el paso de un proceso a otro lo realiza el operador, o en lazo cerrado si no
tiene que intervenir el operador en ninguna parte del mismo. Reparacin, correcta o terapia.
La reparacin, correccin, terapia o tratamiento consiste en la proposicin de las acciones
correctoras necesarias para la resolucin de un problema. Los SE en reparacin tienen que
cumplir diversos objetivos, como son: Reparacin lo ms rpida y econmicamente posible.
Orden de las reparaciones cuando hay que realizar varias. Evitar los efectos secundarios de la
reparacin, es decir la aparicin de nuevas averas por la reparacin.
Simulacin
La simulacin es una tcnica que consistente en crear modelos basados en hechos,
observaciones e interpretaciones sobre la computadora, a fin de estudiar el comportamiento
de los mismos mediante la observacin de las salidas para un conjunto de entradas. Las
tcnicas tradicionales de simulacin requieren modelos matemticos y lgicos, que describen
el comportamiento del sistema bajo estudio.
El empleo de los SE para la simulacin viene motivado por la principal caracterstica de los SE,
que es su capacidad para la simulacin del razonamiento de un experto humano, que es un
proceso complejo.
En la aplicacin de los SE para simulacin hay que diferenciar cinco configuraciones posibles:
Un SE puede disponer de un simulador con el fin de comprobar las soluciones y en su caso
rectificar el proceso que sigue.
Un sistema de simulacin puede contener como parte del mismo a un SE y por lo tanto el SE
no tiene que ser necesariamente de simulacin.
Un SE puede controlar un proceso de simulacin, es decir que el modelo est en la base de
conocimiento del SE y su evolucin es funcin de la base de hechos, la base de conocimientos
y el motor de inferencia, y no de un conjunto de ecuaciones aritmtico lgicas.
Un SE puede utilizarse como consejero del usuario y del sistema de simulacin.
Un SE puede utilizarse como mscara o sistema frontal de un simulador con el fin de que el
usuario reciba explicacin y justificacin de los procesos.
Instruccin
Un sistema de instruccin realizara un seguimiento del proceso de aprendizaje. El sistema
detecta errores ya sea de una persona con conocimientos e identifica el remedio adecuado, es
decir, desarrolla un plan de enseanza que facilita el proceso de aprendizaje y la correccin de
errores.
Recuperacin de informacin
Los Sistemas Expertos, con su capacidad para combinar informacin y reglas de actuacin, han
sido vistos como una de las posibles soluciones al tratamiento y recuperacin de informacin,
no slo documental. La dcada de 1980 fue prolija en investigacin y publicaciones sobre
experimentos de este orden, inters que continua en la actualidad.
Lo que diferencia a estos sistemas de un sistema tradicional de recuperacin de informacin es
que stos ltimos slo son capaces de recuperar lo que existe explcitamente, mientras que un
Sistema Experto debe ser capaz de generar informacin no explcita, razonando con los
elementos que se le dan. Pero la capacidad de los SE en el mbito de la recuperacin de la
informacin no se limita a la recuperacin. Pueden utilizarse para ayudar al usuario, en
seleccin de recursos de informacin, en filtrado de respuestas, etc. Un SE puede actuar como
un intermediario inteligente que gua y apoya el trabajo del usuario final.


BIBLIOGRAFIA

Tirso de Andrs, Homo Cybersapiens. La Inteligencia artificial y la humana,
2002, ISBN 84-313-1982-8
Luis M Gonzalo, Inteligencia Humana e Inteligencia Artificial, Madrid, 1987. ISBN 84-
7118-490-7
Vctor Gmez Pin, Entre lobos y autmatas. La causa del hombre, Espasa, Madrid,
2006. ISBN 978-84-670-2303-9
Revista Inteligencia Artificial Revista Iberoamericana de Inteligencia Artificial. ISSN
1137-3601
Adaraga Morales P., Zaccagnini Sancho J. L., Psicologa e inteligencia artificial,
Editorial Trotta, Madrid, 1994. ISBN 84-87699-77-4
Alberto Garca Serrano, Inteligencia Artificial. Fundamentos, prctica y aplicaciones.,
Editorial RC Libros, 2012. ISBN 978-84-939450-2-2