Fundamentosdelainteligenciaartificial Expo3 131121075842 Phpapp01

Inteligencia Artificial y Robtica
Ing. Paco Mrquez
26
Integrantes:
Marcos Avalos Christian
Mendoza Valdez Jorge
Torres Alarcn Stewart
Valdez Huaraca Abner
Huaman Ojeda Helton
26
INDICE
INTRODUCCION.............................................................................................. 4
1.
2.
INTELIGENCIA ARTIFICIAL.........................................................................5
1.1.
Objetivos de la Inteligencia Artificial..................................................5
1.2.
Importancia de la Inteligencia Artificial.............................................5
1.3.
Caractersticas de la Inteligencia Artificial.........................................6
1.4.
Categoras de la Inteligencia Artificial...............................................6
APLICACIONES DE INTELIGENCIA ARTIFICIAL............................................8

2.1.
Prueba de Turing................................................................................ 8
2.2.
Agentes............................................................................................. 9
2.3. Bsqueda Heurstica..........................................................................10

2.3.1. Algoritmo *A.-.............................................................................. 10
2.3.2 Algoritmo MINIMAX.-.....................................................................10
2.3.3 Poda.-............................................................................................ 10
2.3.4 Algoritmo MTD-f.-..........................................................................11
2.4. Visin Artificial................................................................................... 11
2.5. Redes Neuronales.............................................................................. 12
2.6. Sistemas Expertos.............................................................................. 12
2.7. Robtica............................................................................................. 12
2.7.1. Clases:......................................................................................... 13
2.7.2. Hardware Robtico:......................................................................13
2.7.3. Aplicaciones:................................................................................ 14
2.8. Comunicacin.................................................................................... 15
2.8.1. Tipos de Lenguaje:.......................................................................15
2.8.2. Etapas:......................................................................................... 16
2.8.3. Aplicaciones:................................................................................ 16
3.
OTRAS AREAS DE APLICACIONES DE INTELIGENCIA ARTIFICIAL.............16

3.1.
Procesamiento de lenguaje Natural.................................................16
3.2.
Percepcin y Reconocimiento de Patrones.......................................17
3.3.
Auto Aprendizaje............................................................................. 17
3.4.
Lgica.............................................................................................. 17
3.5.
Lgica difusa.................................................................................... 17
3.6.
Algoritmos Genticos.......................................................................17
3.7.
Juegos.............................................................................................. 17
4.
INTELIGENCIA ARTIFICIAL CONVENCIONAL.............................................17
5.
INTELIGENCIA ARTIFICIAL COMPUTACIONAL...........................................18
6.
INTELIGENCIA ARTIFICIAL HUMANA........................................................18
26
7.
8.
ELEMENTOS DE LA INTELIGENCIA ARTIFICIAL........................................18

7.1.
Estrategias de comportamiento inteligente:....................................19
7.2.
Saber:.............................................................................................. 19
TECNICAS DE BUSQUEDA DE INTELIGENCIA ARTIFICIAL.........................19

8.1.
Arboles de Bsqueda.......................................................................19
8.2.
Tcnicas Look-Back..........................................................................19
8.2.1.
Backtracking Cronolgico..........................................................20
8.2.2.
Backtracking Guiado por el Grafo de Restricciones...................20
8.3.
9.
Tcnicas Look-Ahead........................................................................21
SISTEMA BASADO EN CONOCIMIENTO...................................................21
CONCLUSION................................................................................................ 23
BIBLIOGRAFIA............................................................................................... 24
ILUSTRACIONES
Figura:
Figura:
Figura.
Figura.
Figura.
Figura.
Prueba Global de Turing....................................................................20

Diseo de un agente a base de inferencia.......................................21
Estructura Look-Back........................................................................32
Backtracking Cronolgico.................................................................33
Backtracking Guiado.........................................................................33
Tcnica Look-Ahead..........................................................................34
26
INTRODUCCION
La Inteligencia Artificial (IA) estudia las estrategias y algoritmos que
permiten a los computadores pensar igual que las personas. Esta
disciplina puede ser aplicada en distintas reas del conocimiento: Medicina,
Control automtico, Anlisis de datos, etc. Es por ello que, el propsito de
esta investigacin es aprender las tcnicas adecuadas para ensear al
computador a pensar y conocer su aplicabilidad en el mbito informtico.
Fundamentos de la Inteligencia Artificial, donde se conocern aspectos
generales de esta disciplina, Agentes inteligentes, Resolucin de problemas
mediante bsqueda y Estrategias de bsqueda informada y de exploracin.
Seleccionamos estos temas ya que creemos que son la base fundamental
de cmo piensa un computador.
La IA es una nueva generacin de tecnologa informtica, caracterizada no
slo por su arquitectura (hardware), sino tambin por sus capacidades. El
nfasis de generaciones previas fue en las computaciones numricas para
aplicaciones cientficas o de negocios. La nueva generacin de tecnologa
informtica incluye adems la manipulacin simblica, con el objetivo de
emular el comportamiento inteligente; y, la computacin en paralelo, para
tratar de conseguir resultados prcticamente en tiempo real. La capacidad
predominante de la nueva generacin, tambin conocida como la Quinta
Generacin, es la habilidad de emular (y tal vez en algunos casos superar)
ciertas funciones inteligentes del ser humano.
26
1. INTELIGENCIA ARTIFICIAL
Inteligencia artificial (IA) es la rama de las Ciencias de la Computacin
dedicada al desarrollo de agentes racionales no vivos.
La IA como un conjunto de habilidades desarrolladas por el hombre para
recibir informacin, analizarla, comprenderla, almacenarla y saberla aplicar
en el futuro para la resolucin de problemas.
La IA es una ciencia que trata de la comprensin de la inteligencia y del
diseo de mquinas inteligentes, es decir, el estudio y la simulacin de las
actividades intelectuales del hombre (manipulacin, razonamiento,
percepcin, aprendizaje, creacin).
1.1.
Objetivos de la Inteligencia Artificial
Desarrollar una mquina inteligente capaz de aprender a travs de la

experiencia,
exhibir verdadera creatividad, tomar sus propias
decisiones e interactuar con el medio que la rodee.
Elevar el Coeficiente Intelectual de las mquinas (machine-IQ).
Desarrollar las capacidades de la computadora ms all de su uso
tradicional actual.
1.2. Importancia de la Inteligencia Artificial

Conforme el mundo se vuelve ms complejo, debemos usar nuestros
recursos materiales y humanos con ms eficiencia, y para lograrlo, se
necesita la ayuda que nos ofrecen los computadores.
Existe la falsa impresin de que uno de los objetivo del IA es sustituir
a los trabajadores humanos y ahorrar dinero. Pero en el mundo de los
negocios, la mayora de personas est ms entusiasmada ante las nuevas
oportunidades que ante el abatimiento de costos. Adems, la tarea de
reemplazar totalmente a un trabajador humano abarca de lo difcil a lo
imposible, ya que no se sabe cmo dotar a los sistemas de IA de toda esa
capacidad de percibir, razonar y actuar que tienen las personas. Sin
embargo, debido a que los humanos y los sistemas inteligentes tienen
habilidades que se complementan, podran apoyarse y ejecutar acciones
conjuntas.
Ejemplo:
En la agricultura, controlar plagas y manejar cultivos en forma ms

eficiente.
En las fbricas, realizar montajes peligrosos y actividades tediosas

(labores de inspeccin y mantenimiento).
En la medicina, ayudar a los mdicos a hacer diagnsticos, supervisar

la condicin de los pacientes, administrar tratamientos y preparar
estudios estadsticos.
En el trabajo domstico, brindar asesora acerca de dietas, compras,

supervisin y gestin de consumo energtico y seguridad del hogar.
26
En las escuelas, apoyar la formacin de los estudiantes,

especialmente en aquellas materias consideradas complejas.
Ayudar a los expertos a resolver difciles problemas de anlisis o a

disear nuevos dispositivos.
Aprender de los ejemplos para explorar bases de datos en busca de

regularidades explotables.
Proporcionar respuestas a preguntas en lenguaje natural usando

datos estructurados y texto libre.
1.3. Caractersticas de la Inteligencia Artificial

Disponibilidad casi completa
Conservacin del conocimiento
Capacidad de resolver problemas disponiendo de informacin
incompleta
Capacidad de explicar los resultados y la forma de obtenerlos
1.4. Categoras 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.
Figura 1: Sistemas que piensan como humanos

A) Para poder decir que un programa piensa como los humanos.
Es necesario contar con un mecanismo para determinar cmo
piensan los humanos. Es necesario penetrar en el
funcionamiento de las mentes humanas.
B) Hay dos formas de hacerlo: mediante introspeccin
(intentando atrapar nuestros propios pensamientos conforme
van apareciendo) y mediante experimentos psicolgicos.
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.
26
El arte de desarrollar maquinas con capacidad para realizar funciones
que cuando son realizadas por personas requieren de inteligencia.
(kurzweil, 1990).
Prueba de Turing.
S.E. para justificar un diagnstico.
Mquina de dialogo con los humanos.
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.
El estudio de las facultades mentales a travs del uso de modelos
computacionales". (Charniak y McDermott, 1985).
El estudio de los clculos que hacen posible percibir, razonar y
actuar.
(Winston, 1992).
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.
La inteligencia computacional es el estudio del diseo de agentes
inteligentes".
(Poole, 1998).
La inteligencia artificial est relacionada con conductas inteligentes
en las maquinas".
(Nilsson, 1998).
26
Figura 2: Agente Inteligente

Un agente racional es aquel que acta con la intencin de
alcanzar el mejor resultado o, cuando hay incertidumbre el mejor
resultado esperado.
2. APLICACIONES DE INTELIGENCIA ARTIFICIAL

Prueba de Turing
Agentes
Bsqueda Heurstica
Visin Artificial
Redes Neuronales
Sistemas Expertos
Robtica
La Comunicacin
26
2.1. Prueba de Turing

En los comienzos de la I.A se daban grandes listas de lo que un sistema
de I.A deba cumplir para serlo. Alan Turing, propuso un Test en 1950, para
acabar con estas listas tan largas e intiles, ya que lo nico que buscaban
era imitar al ser humano y no desarrollar una I.A cientfica. Turing bas su
prueba en una entrevista entre un humano con un computador y otro
humano ocultos, de manera que ninguno se pueda ver. Si el entrevistador
no puede distinguir las respuestas dadas por el hombre y la mquina, se
puede hablar de un Sistema Inteligente. Esta prueba merece ser reconocida,
ya que no ha perdido validez hasta hoy. Para poder superar la Prueba de
Turing original, el computador debe contar con:
Procesamiento del Lenguaje

perfectamente en ingls.
Natural
que
permita
comunicarse
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.
Figura: Prueba Global de Turing

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
26
Wright, crearon la aviacin: Al comprender los principios aerodinmicos y al
dejar de imitar a los pjaros.
2.2. Agentes
Un Agente es algo que razona (Viene del latn agere, hacer). Sin
embargo los agentes informticos deben tener algo que los diferencie de los
programas comunes. Entre ellos est tener controles autnomos, percibir su
entorno, que persistan por un periodo de tiempo prolongado, que se
adapten a los cambios y que sean capaces de alcanzar objetivos distintos.
Tipos:
Agente Racional: Es el que acta con la intencin de obtener el
mejor resultado, o si hay incertidumbre, el ms apropiado. Estos

agentes se basan en Inferencias, aunque existen situaciones en las
que no se puede hacer nada correcto, pero se debe tomar una
decisin; tambin poseen Actos Reflejos, ya que son mucho ms
eficientes que una larga inferencia en algunos casos. Para pasar la
Prueba de Turing, los sistemas deben tener estas caractersticas.
Estudiar la I.A en base a Agentes Racionales, es beneficioso ya que
nos hace disear al agente en base a inferencias, una forma correcta
segn las leyes del pensamiento. Sin embargo, por cuestiones de
espacio es imposible disear una personalidad perfecta. En la

prctica se usa una racionalidad limitada, por razones de tiempo y
espacio.
26
Figura: Diseo de un agente a base de inferencia

Agente Inteligente: Son capaces de percibir un medio ambiente,
usando sensores y actuar usando actuadores, los sensores pueden

ser de un agente robot: Teclado, red, detectores de luz, etc. Y los
activadores pueden ser una pantalla o la red. Se dice que una agente
tiene percepcin si puede recibir mltiples entradas en cualquier
instante. En general este agente tomar decisiones de acuerdo a
todas las entradas que recibi. A esta secuencia se le ordena en una
tabla, no obstante por lo infinita o grande que puede llegar a ser, se
limitan algunas entradas. El Agente es manejado por el programa del

Agente, se debe diferenciar entre la funcin que es una descripcin
abstracta en el programa con el propio programa, que es la
implementacin real.
Figura: Agentes Inteligentes

Agentes de Estmulo-Respuesta: Estos agentes solo reaccionan
de acuerdo a los estmulos que reciben del mundo exterior donde
operan, esta es la forma ms sencilla de I.A.
26
Tomemos por ejemplo el caso de un robot que puede moverse en una
superficie cuadricular, es capaz de percibir si las celdas estn ocupadas o no
y ser capaz de moverse a las desocupadas. El robot entonces dispondr de
8 entradas que llamaremos S1, S2, S3, S4, S5, S6, S7, S8. Y que estn
numeradas en sentido horario. Adems tiene 4 movimientos posibles:
Norte: Se mueve una celda

arriba.
Sur: Se mueve una celda
abajo.
Este:
a la derecha.
celda
Se
mueve
una
Oeste: Se mueve una celda a la

izquierda.
Caractersticas:
Percepcin: Segn el
ejemplo
anterior hay 8 variables
para ubicarnos, por tanto
existen 28=256 combinaciones
de valores posibles. Algunos pueden
ser descartados, ya que no
existen pasillos estrechos. Podemos elegir 4 caractersticas llamadas X1, X2,
X3, X4.
- Accin: De las caractersticas definidas, lo siguiente que debemos hacer
es darles alguna definicin para que puedan cumplir su cometido.
2.3. Bsqueda Heurstica

Se llama Bsqueda Heurstica debido a que usa conocimientos especficos
del problema. Con esta bsqueda podemos encontrar soluciones ms
eficientemente en el tiempo ms rpido posible sin repetir ninguna ciudad.
No obstante existe un tope de 30 ciudades, ya que an a 1 ser por
solucin, se tardara 1020 aos en resolver el problema. (El universo solo
tiene 1,6 x 1010 aos). Una solucin comn es de 9 ciudades, que nos da
una combinacin de 9!=362 880 viajes posibles. Como se ve, la Bsqueda
Heurstica nos da la ventaja de rapidez en estos casos.
A la aproximacin de la Bsqueda Heurstica, la llamaremos: Bsqueda
Primero el Mejor. Existen algunas variantes:
2.3.1. Algoritmo *A.- Es la forma de bsqueda Primero la Mejor ms

conocida, sirve para el pathfinding (Bsqueda de Caminos) y es muy usada
en juegos. Un ejemplo es el famoso juego Pacman: Los fantasmas que
persiguen a Pacman buscan el camino ms corto, en lugar de aparecer en
forma aleatoria en el Mapa del Juego, otro ejemplo es el Age of Empires, un
juego de conquista de civilizaciones, los enemigos salvan obstculos para
llegar a la ciudad del adversario. El Algoritmo *A, no desarrolla un camino
por interaccin, sino que desarrolla varios caminos y elige los ms
prometedores. (Para ver un ejemplo del Algoritmo *A.
26
2.3.2 Algoritmo MINIMAX.- Se poseen 2 jugadores: MAX y MIN,

primero jugar MAX y as seguir el flujo hasta acabar el juego. Existe un
rbol de juegos que los programas utilizan para calcular los Movimientos
Legales (Permitidos). El valor MINIMAX ser un valor que determine el
estado final del juego (En el ajedrez: -1, 0, 1; que son triunfo, derrota o
empate). En algunos juegos este valor MINIMAX puede ser muy alto (Como
en el Back gamn, se estima algo de -192 a 192 valores).
Incluso el Tic Tac Toe (3 en Raya), es complejo para armar el rbol de juegos.
A los niveles del rbol se les llama capas.
Para determinar la estrategia ptima a seguir se usan valores
MINIMAX. MAX adoptar el valor mximo y MIN el mnimo. La decisin
MINIMAX supone que los 2 jugadores son ptimos, si uno es un novato ser
fcilmente derrotado por esta decisin.
El Algoritmo MINIMAX es la forma computacional en la que se calcula
el valor MINIMAX de cada estado de sucesos. Lo interesante del Algoritmo
MINIMAX es que no calcula todo el rbol de juegos, sino que calcula solo un
horizonte de k niveles. Un clculo detallado del rbol de juegos perdera
tiempo, ya que como ejemplo, en el ajedrez se calculan algo de 35100
movimientos totales. El objetivo de MAX aqu es ganar a MIN tomando
alguna decisin sobre la mejor jugada que se puede hacer. El Algoritmo
MINIMAX no se usa como tal en la Industria de Juegos, ya que es en algunas
ocasiones lento, en vez de este se usan versiones optimizadas que veremos
a continuacin.
2.3.3 Poda.- El resultado del Algoritmo MINIMAX es el valor MINIMAX

que nos permite tomar la decisin ms acertada para el horizonte de
bsqueda fijado, no obstante hay ocasiones en el que la ramificacin del
rbol de juegos es muy alta. (En ajedrez se calcula algo de 35100 o 10154
movimientos). Sera un derroche tratar de probarlos todos, esta es la razn
por la cual el Algoritmo MINIMAX no se usa como tal en la Industria de
Juegos. Afortunadamente se puede simplificar el proceso, evitando algunos
nodos. Esto se basa en que al momento de explorar se determina que el
nodo no va a cambiar el valor MINIMAX, es obviado, ya que no nos va a
servir de mucho. Estos nodos quedan Podados, ahorrando as tiempo de
proceso en los programas.
El Algoritmo que implementa la poda se llama Algoritmo, y se basa en
ajustar los lmites llamados: lmite -" y lmite +"; para el nodo raz estos son
de -" y "+; ya que el valor MINIMAX estar entre esos 2 lmites. Estos
valores se propagan hacia abajo y se actualizan. Los nodos MAX actualizan
su valor si v> y los nodos MIN actualizan su valor si v<. La situacin de Poda
se detecta si un nodo satisface a " y ello implica obviar la exploracin del
sub-rbol siguiente y devolver como si se tratara de un nodo MIN. Si no
existiera Poda (Es decir no se satisface la expresin"), el algoritmo se
comportar como un Algoritmo MINIMAX normal.
2.4. Visin Artificial

Hasta ahora los agentes usaban formas sensoriales demasiado limitadas. La
Visin por Computador, es uno de los campos ms extensos de la I.A ya que
influyen muchos aspectos. La Visin para los humanos no es ningn
26
problema, pero para las mquinas es un campo muy complicado. Influyen
Texturas, Luminosidad, Sombras, Objetos Complejos, etc. El primer paso es
captar la imagen mediante una cmara de TV. Las imgenes a color tienen
una matriz I(x, y, t); donde(x, y) nos indican la ubicacin de un punto en la
matriz de colores y t, nos indica el tiempo.
Este proceso obtiene una imagen invertida, pero simplemente rotarla
no nos dar la visin del terreno. Influyen muchos elementos haciendo a
este proceso complicado.
En la actualidad, algunos Robots emiten una seal y la reciben
generando bajo esto una especie de espacio, esta forma de ver es muy
rstica, pero se sigue usando ya que desafortunadamente es imposible
lograr una reconstruccin de la imagen capturada. Y aunque as fuera, las
computadoras no podran distinguir un objeto de juguete y uno real. Lo peor
es que los modelos que existen tratan de resolver esto de forma muy
complicada. Al proceso de captar imgenes podemos dividirlo en: Bajo
Nivel, Nivel Medio y Alto Nivel.
El primero se encarga de suavizar y quitar ruido a la imagen y de
extraer caractersticas de la imagen bidimensional, en particular de las
aristas, el segundo se encarga de agrupar estas aristas para formar
imgenes bidimensionales y la tercera de usar estas imgenes para
reconocer objetos del mundo real. Generalmente las imgenes captadas por
los robots son suficientes para sus propsitos.
2.5. Redes Neuronales

En biologa, las neuronas tienen un cuerpo circular y una serie de
ramificaciones: El axn y las dendritas. El axn transporta la seal de salida
otra clula y las dendritas permiten que la informacin llegue a la neurona.
Las conexiones intermedias se llaman Sinapsis, si la neurona pasa el umbral
impuesto por la sinapsis, se dispara, caso contrario no hace nada. Esto la
asemeja a dispositivos digitales, siendo esta la base de la Redes Neuronales,
que buscan imitar a la neurona en trminos computacionales. Se hace esto
ya que se considera que la neurona es la base de la capacidad de
aprendizaje. No obstante la emulacin de la neurona no es perfecta, a la
fecha se investigan algunas cualidades importantes como la Computacin
Distribuida para tolerar Ruido (Distorsin) en la entrada y para el
aprendizaje. Cada conexin Neuronal computacional posee un peso
numrico que limita la fuerza con la que el impulso sale de la neurona, de
no ser as la informacin crecera demasiado con resultados imprevisibles.
Las Redes Neuronales reconocen solo dos estados: 0 (No hay impulso) y 1
(Si lo hay), esto las asemeja a las compuertas lgicas de cualquier tipo:
AND, XOR, OR, etc.
2.6. Sistemas Expertos

Son programas de computacin inteligentes que usan conocimientos y
procesos de inferencia, para resolver problemas sumamente difciles para
un humano ya que requeriran de mucha experiencia. En s un Sistema
Experto; emula la capacidad de experiencia de un ser humano para tomar
decisiones. Aunque los Sistemas Expertos se centran el domino del
problema, no tienen conocimientos ms all de donde fueron programados,
esto es, no relaciona ningn otro concepto, a menos que este
26
especficamente indicado. A este conocimiento se le llama Dominio del
Conocimiento y como ya se apunt es muy cerrado. Los Sistemas Expertos
se basan en las Redes Neuronales. Sus partes son: La Base del
Conocimiento, el Motor de Inferencia, el Subsistema de Explicacin y la
Interfaz.
La Base del Conocimiento: Aqu estn almacenados todos los datos

que el Sistema Experto tiene para tomar decisiones.
El Motor de Inferencias: Contiene todos los procesos que manipulan la

Base del Conocimiento, para deducir la informacin pedida por el
usuario. (Por Ejemplo, resolucin, encadenamiento atrs hacia
delante, etc.
El Subsistema de Explicacin analiza la estructura del razonamiento y

da una explicacin al usuario.
La Interfaz, que es el puente de comunicacin entre el sistema y el

usuario.
2.7. Robtica
Es uno de los campos de aplicacin ms apasionantes de la I.A; los Robots
son agentes fsicos que realizan tareas mediante la manipulacin fsica del
mundo; por ser agentes y realizar su trabajo en forma autnoma, se
excluyen a los robots que son controlados por un operario humano, como
son los que hacen tareas de rutina, ya que la I.A busca robots con sistemas
autnomos.
La palabra Robot, proviene de la voz eslovaca Robota, que significa
Trabajador Forzado. En realidad esta rama comenz como una historia de
Ciencia Ficcin, pero interes mucho a los desarrolladores de I.A. Los
primeros Robots, solo podan seguir una lnea blanca pintada en el suelo. En
la actualidad este campo ha avanzado tremendamente.
2.7.1. Clases:
Robots Manipuladores: Son brazos robticos que estn fijos en un

lugar de trabajo y se usan generalmente para ensamblar piezas,
aunque tambin hay brazos usados para ayudar en hospitales o
incluso brazos que pintan lienzos con resultados muy originales.
Robots Mviles: Se desplazan por el medio usando ruedas, piernas

u otros. Hay 3 variantes: ULV (Vehculo Terrestre sin Tripulacin, en
ingls), son robots que permiten un desplazamiento autnomo por
autopistas. UAV (Vehculo Areo sin Tripulacin, en ingls), son robots
que permiten operaciones de fumigacin autnoma, as como de
vigilancia o militares. AUV (Vehculo Submarino sin Tripulacin), son
robots que permiten exploraciones marinas autnomas o incluso
paseos planetarios.
Robots Humanoides: Son un tipo de Robots que se asemejan al

torso humano. Esta clase usa sus efectores mejor que los otros tipos,
pero son mucho ms complejas que los otros robots.
26
2.7.2. Hardware Robtico:
Sensores: Hay 2 clases, los Sensores Pasivos, que solo recogen

informacin del medio, su desventaja es que su margen de error es
alto, y los Sensores Activos, que emiten energa al medio y la reciben
para usarla para las mediciones. Su nica desventaja es que a ms se
implementen en un robot, mayor es el riesgo de interferencia. Su
ventaja es que su margen de error es mnimo. Existen algunos que
merecen ser mencionados:
Escneres de Rango: Miden la distancia.
Sistemas Tctiles: Sensores sensibles al tacto.
GPS: Calculan la posicin absoluta del robot en la tierra.
Sensores
de
Imagen: Permiten
obtener
imgenes
procesarlas.
Sensores
Perceptores: Informan al robot de su propio
estado.
Decodificadores de Ejes: Permiten medir las revoluciones de
los motores para usarlas en mediciones, en edometra. Este

proceso es muy propenso a error debido a desgaste fsico.
Sensores Inerciales: Una alternativa al decodificador de ejes,
pero no soluciona mucho.

Sensores de Fuerza y Tensin: Le indican al robot con
cuanta fuerza est cogiendo algo y con cuanta fuerza lo est

girando.
Efectores: Existen varias clases:

o
Articuladores
rotacional.
de
Revolucin: Generan
movimiento
Articulacin Prismtica: Genera desplazamiento lateral.
Las personas contamos con los 6 grados de libertad (x, y, z, que nos
localizan en el espacio y desvi, balanceo y cabeceo: Yaw, Roll y Pitch). Los
robots tienen todos o algunos de estos grados de libertad.
Los robots no holomnicos son aquellos que tienen ms grados de libertad
efectivos que controlables, y los holomnicos son los que tienen el mismo
nmero, sin embargo los holomnicos aunque son fciles de manejar, son
ms complejos de desarrollar.
Los Robots de Impulsin poseen 2 ruedas; como un tanque y cada

rueda se mueve independientemente de la otra.
La Conduccin Sincronizada se da cuando pueden girar y moverse en

su propio eje.
Un Robot es dinmicamente estable si puede mantenerse en pie

mientras camina.
26
Un Robot es estticamente estable, si el centro de gravedad est

encima del polgono que une a sus piernas.
No obstante, no solo las partes hacen funcionar al Robot, se necesita una

fuente de energa para hacer funcionar sus efectores, la ms popular es el
motor electrnico, aunque tambin hay modelos hidrulicos y neumticos.
2.7.3. Aplicaciones:
Industria y Agricultura: Los Robots han sido usados en entornos

peligrosos para el hombre y en muchas ocasiones son ms rentables
que trabajadores humanos. En la Agricultura, los Robots, estn siendo
usados para sustituir las grandes mquinas usadas para excavar,
cosechar, etc. Por ahora son prototipos, pero pronto remplazarn a los
humanos en estas tareas.
Transporte: Los robots han servido mucho aqu: Desde helicpteros

autnomos hasta sillas de ruedas automticas, e incluso portadores
de carga que superan a humanos especializados. Incluso algunos
ayudan transportando cosas en los hospitales, como el Robot
Helpmate.
Entornos Peligrosos: Los Robots ayudaron en la limpieza de lugares

de accidentes nucleares como Chernbil, Three Mile Island. Incluso
estuvieron en la bsqueda y limpieza durante el colapso del World
Trade Center, ingresando a entornos muy peligrosos, adems hay
otros que desactivan bombas o limpian campos minados.
Exploracin: Los Robots han explorado lugares inaccesibles para la

gente, como Marte y los Volcanes. Incluso existen los Drones,
vehculos areos autnomos usados para fines militares.
Salud: Los Robots son usados para ayudar en operaciones de alto

riesgo, tambin sirven de ayuda a los ancianos como andadores
robticos o juguetes que recuerdan cuando tomar la medicacin.
Servicios Personales: Algunos robots pueden prestar servicio en el

hogar, como aspirar el hogar, cortar el csped e incluso remplazar los
quioscos por quioscos robticos.
Entretenimiento: Los robots han empezado a conquistar la industria

de los juguetes, por ejemplo el robot-perro Sony AIBO; est siendo
usado para estudios de I.A en todo el mundo, siendo a la vez un
juguete.
En 1995 se inici el torneo de ftbol de robots autnomos
Robocup, cuyo objetivo es lograr que robots autnomos ganen un
partido de ftbol. Esto est provocando una investigacin ms
eficiente de la I.A, como a su vez darle algo de animacin al campo.
Aumento Humano: Se han creado mquinas que puede transportar

gente, adems se investiga cmo aumentar la fuerza de las personas
usando partes robticas. Hay adems proyectos de Robots que se
asemejan al ser humano, aunque en forma muy superficial. Estos
Robot estn en venta por algunas compaas en Japn.
26
2.8. Comunicacin
Es el medio principal por el que las personas se comunican con los sistemas
computacionales ms inteligentes, sirve para:
Informar: Para no repetir los mismos errores.
Preguntar: Para recabar informacin sobre el resto del mundo.
Compartir experiencias.
Los sistemas computacionales presentan algunos problemas al intentar

estudiar el lenguaje:
Descripciones Incompletas: Muchas cosas deben deducirse.
Ambigedad de Significado: La misma frase en contextos distintos

significa cosas diferentes.
No Completitud: Los lenguajes naturales tienen siempre nuevas

palabras.
Ambigedad de Expresin: Un mismo significado puede ser dicho de

muchas formas.
Dependencia de Idioma: El procesamiento del lenguaje natural ser

distinto en otro idioma.
Hay que pensar porqu un agente necesita hablar, cuando puede hacer una
accin. Comunicarse le da las siguientes ventajas:
Aceptacin de Peticiones
Solicitar la realizacin de acciones
Prometer o comprometerse a un plan.
2.8.1. Tipos de Lenguaje:

Lenguajes Formales: Son lenguajes en los que estn muy bien
definidos lo que se puede y no puede decir. Sus definiciones son muy

estrictas, a estos lenguajes pertenecen los Lenguajes de
Programacin (ASM, C++, Basic, Java, etc).
Lenguajes
Naturales: Son lenguajes que, al contrario de los

formales tienen una gramtica ms flexible y se pueden aadir
nuevas palabras. A estos lenguajes pertenecen los lenguajes del
mundo (ingls, dans, espaol, etc).
2.8.2. Etapas:
La comunicacin tiene varias etapas que es preciso conocer. Supongamos
que el hablante A desea comunicarle algo a B; las fases que deberan seguir
seran:
Intencin: Por algn motivo A, desea transmitirle informacin a B.
Generacin: A; planifica como transmitirle su mensaje B.
26
Sntesis: A; pone en prctica su plan para transmitir su mensaje a B.

Puede transmitir el mensaje por medio de la voz, papel, etc.
Percepcin: B recibe el mensaje de A y lo decodifica de acuerdo a la

forma en la que fue transmitido.
Anlisis: B inferir que el mensaje recibido por A, tiene algn

significado. Esto puede causar algunos problemas ya que algunas
palabras se interpretan en varios sentidos y esto da lugar a la
ambigedad: No saber el significado de ciertas palabras.
2.8.3. Aplicaciones:
Basadas en Texto: Encontrar documentos relacionados con ciertos

temas en una base de datos documental, extraer informacin de
mensajes y artculos, traducir texto entre idiomas y resumir texto.
Basadas en Dilogo: Sntesis del control en un lenguaje natural,

donde la salida puede ser un comando a un sistema operativo, un
robot, etc.; sistema automtico de mensajes, compras por telfono,
sistema de acceso a una base de datos en lenguaje natural y
sistemas tutores.
3. OTRAS AREAS DE APLICACIONES DE INTELIGENCIA

ARTIFICIAL
Las definiciones anteriores implican que las mquinas para ser consideradas
inteligentes deben exhibir ciertas habilidades, suficientemente complejas
como para ser tratadas como reas independientes. La forma de abordaje
de cada una de estas reas suele ser tan dismil, que es difcil reconocerles
un origen comn.
Procesamiento del Lenguaje Natural

Algoritmos Genticos
Lgica difusa
Lgica
Percepcin y reconocimiento de patrones
Auto aprendizaje
Juegos
3.1. Procesamiento de lenguaje Natural

Para muchos investigadores, es el ms difcil de alcanzar de todos los
objetivos de la Inteligencia Artificial: Permitir a la computadora comprender
el lenguaje humano directamente; sin el complicado conjunto de lenguajes
intermedios.
3.2. Percepcin y Reconocimiento de Patrones

Engloba un conjunto de tcnicas de la matemtica aplicada y de la
informtica, ha despertado un gran inters en las ltimas dcadas por sus
numerosas aplicaciones, entre las que se pueden citar las siguientes: ayuda
al diagnstico mdico, anlisis automtico de seales, teledeteccin,
inspeccin automtica de productos industriales, sistemas de vigilancia
26
automtica, procesamiento de documentos, bsqueda automtica de
informacin digitalizada etc.
3.3. Auto Aprendizaje

Esta rea de la Inteligencia Artificial trata de la realizacin de programas
que aprendan de sus errores, de observaciones o por encargo. En este
sentido, aprender simplemente significa hacer a una computadora capaz de
beneficiarse de la experiencia.
3.4. Lgica
Uno de los productos de la I.A. de gran importancia prctica actual son
aquellos programas que se pueden usar para estudiar la correccin lgica
de argumentos mediante la aplicacin de reglas estndar de lgica. Esto
incluye demostraciones matemticas, lgica formal y lgica filosfica.
3.5. Lgica difusa

Esta rea de la Inteligencia Artificial estudia los problemas de hacer que
una computadora sea capaz de tomar decisiones (pensar) usando
conocimiento incompleto o probabilstico.
3.6. Algoritmos Genticos

Los Algoritmos Genticos son una tcnica computacional inspirada en
modelos biolgicos que han sido utilizados para realizar bsquedas
eficientes en espacios de soluciones altamente complejos y grandes. Los
Algoritmos Genticos son mtodos adaptivos que pueden ser utilizados para
implementar bsquedas y problemas de optimizacin. Los Algoritmos
Genticos estn basados en los procesos genticos de los organismos
biolgicos, codificando una posible solucin a un problema en un
cromosoma compuesto por una cadena de bits o caracteres.
3.7. Juegos
Una de las primeras aplicaciones de I.A. Fueron los juegos, el primer
programa para jugar damas fue concebido en 1947 pero se realiz hasta
1962. Se dice que el primer juego de ajedrez por computadora fue creado
por Claude Shannon en 1953. Actualmente la pasin por los videojuegos es
dominante en todo el mundo por nios e inclusive adultos.
4. 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: que tienen
autonoma y pueden auto-regularse y controlarse para mejorar.
26
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.
5. INTELIGENCIA ARTIFICIAL COMPUTACIONAL

Es una rama de la inteligencia artificial centrada en el estudio de
mecanismos adaptativos para permitir el comportamiento inteligente de
sistemas complejos y cambiantes. Se presenta como una alternativa a la
GOFAI ("Good Old-Fashioned Artificial Intelligence"), tratando de no confiar
en algoritmos heursticos tan habituales en la Inteligencia Artificial ms
tradicional. Dentro de la Inteligencia Computacional podemos encontrar
tcnicas como las Redes Neuronales, Computacin Evolutiva, Swarm
Intelligence, Sistemas Inmunes Artificiales o Sistemas difusos. Tambin se
relaciona
con
tcnicas
como
los Fractales, Teora
del
Caos, Wavelets, Autmata celular, etc.
La Inteligencia Computacional combina elementos de aprendizaje,
adaptacin, evolucin y Lgica difusa para crear programas que son, en
cierta manera, inteligentes. La investigacin en Inteligencia Computacional
no rechaza los mtodos estadsticos, pero muy a menudo aporta una vista
complementaria. Las Redes Neuronales son una rama de la inteligencia
computacional muy relacionada con el aprendizaje automtico.
6. INTELIGENCIA ARTIFICIAL HUMANA

Es notable como hoy en da la tecnologa se ha desarrollado hasta puntos
quizs inimaginables algunas dcadas atrs o tan solo aos atrs. La
variedad y rapidez de las funciones de una PC nos llevan a pensar sern
nuestros cerebros inferiores a las mquinas.
Creo que si a alguien le hacen esta pregunta y debe responder en una
manera impulsiva y rpida, esta podra llegar a decir que las maquinas son
ms inteligentes. No sera una respuesta totalmente errnea, hoy en da
las maquinas realizan, por ejemplo, complicadsimos clculos matemticos
en segundos, buscan informacin tambin en segundos. Esto podra
provocar que la gente irreflexivamente conteste que las ms inteligentes
son las mquinas.
Personalmente, me atrevo a criticar esta respuesta. El fundamento es
simple, sabemos que los seres humanos no somos perfectos, no habr una
sola vez en la que no comentamos ni el ms mnimo error; es por eso que
algo imperfecto no puede hacer algo perfecto Me explico?
Simplificadamente. Acaso Microsoft no tiene fallas.
7. ELEMENTOS DE LA INTELIGENCIA ARTIFICIAL

En verdad, la inteligencia artificial consiste en la asimilacin de los procesos
inductivos y deductivos del cerebro humano. Este intento de imitacin se
enfrenta a duras restricciones del hardware. Una computadora no es un
26
cerebro; su complejidad electrnica se encuentra a una distancia abismal de
la superior complejidad neurolgica cerebral. La inteligencia artificial acepta
el reto de la imitacin de los procesos del cerebro aplicando mucho ingenio
para aprovechar los medios de que se dispone y que se elaboran.
Sea cual sea la aplicacin de que se trate, la lA se sustenta sobre los dos
elementos siguientes:
Estrategias de comportamiento inteligente.
Saber.
Estos elementos forman una construccin coherente: son forma y contenido,
estructura y materia.
7.1. Estrategias de comportamiento inteligente:

Se conjuga en la disposicin de reglas para formular buenas inferencias
o conjeturas y, tambin, en su utilidad para la bsqueda de una solucin a
la cuestin o tarea planteada. De esta forma, las estrategias son la parte
estructural o formal.
7.2. Saber:
Significa lo material o el contenido, y, por tanto, vara en cada caso de
un modo ms profundo; se trata del saber. En realidad, no se puede
pretender reunir el saber, sino los saberes. Por ejemplo, cada sistema
experto posee en memoria todos los conocimientos distintivos que tendra
un especialista en la materia, sea un mdico, un abogado o un qumico. El
saber que se recoge tiene un carcter especializado y alcanza un volumen
conceptual considerable.
8. TECNICAS DE BUSQUEDA EN INTELIGENCIA

ARTIFICIAL
Tcnicas de Bsqueda de Soluciones
Arboles de Bsqueda
Tcnicas Look-Back
Tcnicas Look-Ahead
Gua de Bsqueda
8.1. Arboles de Bsqueda

Estructura en forma de rbol que permite construir instanciaciones
en un problema de bsqueda.
Un rbol de bsqueda posee tantos niveles como variables tiene el
problema + 1.
Un rbol tiene tantos descendientes por nivel como valores tenga el
dominio de cada variable.
8.2. Tcnicas Look-Back

Los algoritmos con enfoque look-back tratan de explotar la informacin
del problema para comportarse ms eficientemente en las situaciones sin
salida. Llevan a cabo el chequeo de la consistencia hacia atrs, es decir,
entre la variable actual y las pasadas.
26
Figura. Estructura Look-Back
8.2.1. Backtracking Cronolgico

Si asumimos un orden esttico las variables y de los valores en las
variables, este algoritmo trabaja de la siguiente manera. El algoritmo
selecciona la siguiente variable de acuerdo al orden de las variables y le
asigna su prximo valor. Esta asignacin de la variable se comprueba en
todas las restricciones en las que forma parte la variable actual y las
anteriores. Si todas las restricciones se han satisfecho, el backtracking
cronolgico selecciona la siguiente variable y trata de encontrar un valor
para ella de la misma manera. Si alguna restriccin no se satisface entonces
la asignacin actual se deshace y se prueba con el prximo valor de la
variable actual.
Si no se encuentra ningn valor consistente entonces tenemos una
situacin sin salida (dead-end) y el algoritmo retrocede a la variable
anteriormente asignada y prueba asignndole un nuevo valor. Si asumimos
que estamos buscando una sola solucin, el backtracking cronolgico
finaliza cuando a todas las variables se les ha asignado un valor, en cuyo
caso devuelve una solucin, o cuando todas las combinaciones de variablevalor se han probado sin xito, en cuyo caso no existe solucin.
El backtracking cronolgico es un algoritmo muy simple pero es muy
ineficiente. El problema es que tiene una visin local del problema. Solo
comprueba restricciones que estn formadas por la variable actual y las
pasadas, e ignora la relacin entre la variable actual y las futuras. Adems,
este algoritmo es ingenuo en el sentido de que no 'recuerda' las acciones
previas, y como resultado, puede repetir la misma accin varias veces
innecesariamente. Para ayudar a combatir este problema, se han
desarrollado algunos algoritmos de bsqueda ms robustos.
26
Figura. Backtracking Cronolgico
8.2.2. Backtracking Guiado por el Grafo de Restricciones

En caso de error sobre una variable se regresa a la variable conectada
por una restriccin ms recientemente instanciada. Mtodo interesante para
los grafos de restricciones sparse.
Figura. Backtracking Guiado
8.3. Tcnicas Look-Ahead

Como ya indicamos anteriormente, los algoritmos look-back tratan de
reforzar el comportamiento de Backtracking mediante un comportamiento
ms inteligente cuando se encuentran en situaciones sin salida. Sin
embargo, en todos los casos, el chequeo de la consistencia se realiza
solamente hacia atrs, ignorando las futuras variables.
Los algoritmos con enfoque Look-ahead hacen un chequeo hacia
adelante en cada etapa de la bsqueda, es decir, ellos chequean para
obtener las inconsistencias de las variables futuras involucradas, adems de
las variables actual y pasadas. De esta manera, las situaciones sin salida se
pueden identificar antes y adems, los valores inconsistentes se pueden
descubrir y podar en las variables futuras.
26
Figura. Tcnica Look-Ahead
9. SISTEMA BASADO EN CONOCIMIENTO

Los mtodos generales desarrollados para la resolucin de problemas y
tcnicas de bsqueda al inicio de la era de la IA demostraron no ser
suficientes para resolver los problemas orientados a las aplicaciones, ni
fueron capaces de satisfacer los difciles requerimientos de la investigacin.
Es un sistema computarizado capaz de resolver problemas en el dominio en
el cual posee conocimiento especfico.
La solucin es esencialmente la misma que hubiera dado un ser humano
confrontado con idntico problema, aunque no necesariamente el proceso
seguido por ambos puede ser igual.
A este conjunto de mtodos, procedimientos y tcnicas, se lo conoce
como Inteligencia Artificial Dbil.
Figura: Representacin lingstica del conocimiento

Los
sistemas
basados
en
conocimiento
son
excelentes
para
representar conocimiento asociativo. Este tipo de experiencia refleja la
habilidad heurstica o el conocimiento que es adquirido mayoritariamente, a
26
travs de la observacin. Puede ser que no se comprenda exactamente lo
que ocurre al interior de un sistema (caja negra), pero se puede asociar
entradas o estmulos con salidas o respuestas, para resolver problemas que
han sido previamente conocidos.
Estructura de los SBC
La arquitectura de un sistema basado en conocimiento de alguna

manera refleja la estructura cognitiva y los procesos humanos. La
primera parte es la memoria de largo plazo, en la que guarda los
hechos (Razonamiento) y los conocimientos (Base de Conocimientos)
acerca del dominio en el que tiene experiencia .
Figura: Estructura de un sistema basado en conocimiento
9.1. Representacin de un sistema basado en conocimiento

Lo que intentaremos explicar es como traducir o representar los estmulos
percibidos (que al fin y al cabo es la informacin sobre hechos del mundo
que nos rodea) en una lengua de representacin que permita almacenarlo y
recuperarlo es caso de necesitar esa informacin.
Podemos representar el conocimiento de varias formas:
Simblicamente podra ser a travs de un lenguaje formal como la
lgica de primer orden o mediante otros mecanismos como las reglas
de produccin, las redes semnticas o los marcos (frames) de Marvin
Minsky.
Si partimos del enfoque conexionista el conocimiento, como ya
hemos dicho, est representada en cada una de los nodos de la red
neuronal, que la adquiri en el proceso de entrenamiento o
presentndole un cierto patrn de entrada, y si es aprendizaje
supervisado la salida deseada.
26
9.2. Ciclo de vida de los Sistemas basado en conocimiento

Anlisis del Problema: Evaluar el problema y los recursos
disponibles para determinar la aplicabilidad de una solucin basada
en conocimiento. Se debe realizar un anlisis costo - beneficio del
SBC propuesto para saber si su desarrollo puede ser garantizado.
Especificacin de Requerimientos: Formalizar y poner por escrito
lo que fue adquirido durante la fase de anlisis. Esto permite
determinar los objetivos del proyecto, ojal, de una manera
inequvoca y establece los medios para obtener dichos objetivos.
Diseo Preliminar: Esta etapa considera nicamente las decisiones
de alto nivel necesarias para preparar y desarrollar rpidamente el
prototipo inicial. Especficamente, esta etapa determina el paradigma
de representacin del conocimiento, la herramienta escogida para
construir el prototipo, y la seleccin de los expertos
Prototipo Inicial y Evaluacin:
que todas las decisiones tomadas
ya sea confirmadas, rectificadas
conocimiento recopilado de los
completar esta etapa
Esta es una etapa clave debido a

en el diseo preliminar deben ser
o desechadas, sobre la base del
expertos en el proceso hasta
Diseo Final: comprende la seleccin de las herramientas y de los

recursos necesarios para desarrollar el sistema a ser entregado. En
muchos casos puede ser aplicable y muy til realizar una descripcin
grfica de los diferentes mdulos del sistema, empleando las
herramientas CASE propias de los sistemas de software
convencionales
Implementacin: comprende el proceso completo de adquisicin del
conocimiento para todos los mdulos o subsistemas. Es en esta etapa
que tiene lugar el desarrollo incremental.
Pruebas: El asegurar la calidad de un SBC es una tarea muy
importante que debe ser cuidadosamente planificada, especialmente
a medida que el SBC es ms grande y complejo, o es de aplicacin
crtica. El plan de pruebas, es bastante similar al que se prepara para
un sistema cconvencional, basndose en la validacin y la
verificacin.
Ajustes al Diseo: A medida que el trabajo avanza y los ingenieros
cognoscitivos tienen a la vista los problemas detectados, deben
realizar los ajustes necesarios al inicio de cada iteracin. Si estos
ajustes cada vez son relativamente ms pequeos y no son
retroactivos, se tiene una buena medida de que se est progresando.
Pero si ocurre lo contrario, puede representar un serio retardo al
proyecto y posiblemente requerir un cambio de paradigma
Instalacin, Implantacin y Mantenimiento En la etapa final del
ciclo de vida de un SBC se traslada el sistema desarrollado, como un
producto operativo hacia el entorno de los usuarios. Para ello, se
deben realizar varias actividades de instalacin, implantacin y
26
mantenimiento
convencional.
similares
las
de
un
sistema
de
software
9.3. Problemas fundamentales en la construccin de los SBC

La adquisicin del conocimiento y cmo representar el
conocimiento humano a una representacin abstracta efectiva.
La representacin del conocimiento en trminos de una
estructura de datos que una maquina pueda procesar.
La generacin de inferencias o cmo hacer uso de esas
estructuras abstractas para generar informacin til en el
contexto de un caso especfico.
CONCLUSION
La I.A tiene muchas aplicaciones en la vida real.
La I.A no es como se ve en las pelculas, falta mucho por hacer.
El mayor campo de aplicacin de la I.A son los juegos.
La robtica es otro de los campos en los que ms se aplica la I.A
Hospitales, Industrias y otros se benefician de la I.A, especficamente
en la Robtica.
Los Sistemas Expertos son tiles en muchas ocasiones.
La Visin Artificial es el campo menos desarrollado de la I.A
Las Neuronas humanas son parecidas a las computacionales.
Los Robots estn captando la atencin de muchos debido a lo que
pueden hacer gracias a la I.A (Por ejemplo, el campeonato Robocup).

Existen Robots que ayudan en Hospitales, a personas.
El objetivo de la I.A es lograr un sistema totalmente autnomo.
26
BIBLIOGRAFIA
http://saragarc.blogspot.com/2012/10/fundamentos-basicos-sobreinteligencia.html
http://es.scribd.com/doc/53748655/65/INTELIGENCIA-ARTIFICIALCONVENCIONAL
http://www.dccia.ua.es/dccia/inf/asignaturas/FIA/0506T1.pdf
http://mareli-computacion.blogspot.com/2010/06/que-es-un-sistema-basadoen-el.html
http://www.ramos.utfsm.cl/doc/984/sc/Clase6.pdf
http://www.slideshare.net/progamacioneis/introduccin-a-la-ia-7285773
http://html.rincondelvago.com/aplicaciones-de-la-inteligenciaartificial_1.html
http://elvex.ugr.es/decsai/iaio/slides/A3%20Search.pdf
http://www.ia.urjc.es/grupo/docencia/fia/material/temario_FIA_tema1.pdf
http://es.scribd.com/doc/54470311/Fundamentos-de-La-Inteligencia-Artificial
http://www.monografias.com/trabajos10/trabajos/trabajos.shtml
http://www.monografias.com/trabajos10/trabajos/trabajos.shtml#TECN
http://www.nebrija.es/~cmalagon/inco/Apuntes/sistemas_basados_en_conoci
miento.pdf
http://www.cs.us.es/cursos/iic-2003/temas/tema-02-iic04.pdf

Fundamentosdelainteligenciaartificial Expo3 131121075842 Phpapp01

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Fundamentosdelainteligenciaartificial Expo3 131121075842 Phpapp01

Cargado por

Copyright:

Formatos disponibles

Inteligencia Artificial y Robtica

Ing. Paco Mrquez

Objetivos de la Inteligencia Artificial..................................................5

Importancia de la Inteligencia Artificial.............................................5

Caractersticas de la Inteligencia Artificial.........................................6

Categoras de la Inteligencia Artificial...............................................6

APLICACIONES DE INTELIGENCIA ARTIFICIAL............................................8

2.3. Bsqueda Heurstica..........................................................................10

OTRAS AREAS DE APLICACIONES DE INTELIGENCIA ARTIFICIAL.............16

Procesamiento de lenguaje Natural.................................................16

Percepcin y Reconocimiento de Patrones.......................................17

INTELIGENCIA ARTIFICIAL CONVENCIONAL.............................................17

INTELIGENCIA ARTIFICIAL COMPUTACIONAL...........................................18

INTELIGENCIA ARTIFICIAL HUMANA........................................................18

ELEMENTOS DE LA INTELIGENCIA ARTIFICIAL........................................18

Estrategias de comportamiento inteligente:....................................19

TECNICAS DE BUSQUEDA DE INTELIGENCIA ARTIFICIAL.........................19

Backtracking Guiado por el Grafo de Restricciones...................20

SISTEMA BASADO EN CONOCIMIENTO...................................................21

Prueba Global de Turing....................................................................20

Objetivos de la Inteligencia Artificial

Desarrollar una mquina inteligente capaz de aprender a travs de la

1.2. Importancia de la Inteligencia Artificial

En la agricultura, controlar plagas y manejar cultivos en forma ms

En las fbricas, realizar montajes peligrosos y actividades tediosas

En la medicina, ayudar a los mdicos a hacer diagnsticos, supervisar

En el trabajo domstico, brindar asesora acerca de dietas, compras,

En las escuelas, apoyar la formacin de los estudiantes,

Ayudar a los expertos a resolver difciles problemas de anlisis o a

Aprender de los ejemplos para explorar bases de datos en busca de

Proporcionar respuestas a preguntas en lenguaje natural usando

1.3. Caractersticas de la Inteligencia Artificial

1.4. Categoras de la Inteligencia Artificial

Figura 1: Sistemas que piensan como humanos

Figura 2: Agente Inteligente

2. APLICACIONES DE INTELIGENCIA ARTIFICIAL

2.1. Prueba de Turing

Procesamiento del Lenguaje

Representacin del Conocimiento para almacenar lo que se conoce o

Razonamiento Automtico, para usar la informacin almacenada para

Aprendizaje Automtico, para adaptarse a muchas circunstancias y

Figura: Prueba Global de Turing

Visin Computacional, para percibir objetos.

Robtica, para manipular y mover objetos.

mejor resultado, o si hay incertidumbre, el ms apropiado. Estos

espacio es imposible disear una personalidad perfecta. En la

Figura: Diseo de un agente a base de inferencia

usando sensores y actuar usando actuadores, los sensores pueden

limitan algunas entradas. El Agente es manejado por el programa del

Figura: Agentes Inteligentes

Norte: Se mueve una celda

Sur: Se mueve una celda

Oeste: Se mueve una celda a la

2.3. Bsqueda Heurstica

2.3.1. Algoritmo *A.- Es la forma de bsqueda Primero la Mejor ms

2.3.2 Algoritmo MINIMAX.- Se poseen 2 jugadores: MAX y MIN,

2.3.3 Poda.- El resultado del Algoritmo MINIMAX es el valor MINIMAX

2.4. Visin Artificial

2.5. Redes Neuronales

2.6. Sistemas Expertos

La Base del Conocimiento: Aqu estn almacenados todos los datos

El Motor de Inferencias: Contiene todos los procesos que manipulan la

El Subsistema de Explicacin analiza la estructura del razonamiento y

La Interfaz, que es el puente de comunicacin entre el sistema y el