Capítulo 2: Introducción a la

Inteligencia Artificial

1. Algunas Definiciones

1.1. Inteligencia

Inteligencia1: 1.- f. Facultad de conocer, analizar y comprender: destacaba por su inteligencia

superior a la media. 2.- Habilidad, destreza y experiencia.
“La inteligencia es el juicio, llamado también sentido común, sentido práctico, la iniciativa, la
facultad de adaptarse a las circunstancias. Juzgar correctamente, razonar correctamente son
actividades esenciales de la inteligencia” [1].
La definición de Inteligencia es una tarea compleja que varía, según la época y el paradigma
(visión del mundo) . De esta forma, la inteligencia es definida respecto a diferentes visiones. Sin
embargo, existe un cierto grado de consenso al separar la inteligencia de los conocimientos, pues
se tiende a pensar más bien que la inteligencia es la capacidad de utilizar los conocimientos para
fines específicos (“cabeza bien hecha y no bien llena”). Así resaltan las ideas de:
 Comprender, razonar y juzgar adecuadamente
 Capacidad de aprender
 Habilidades, destreza y experiencia
 Capacidad de resolver problemas
 Capacidad de adaptarse al medio

Grandes corrientes de pensamiento influenciaron el desarrollo del concepto de inteligencia. Uno

de los objetivos de la psicología cognitiva es comprender la naturaleza da inteligencia humana y
cómo opera. Además de las motivaciones obvias que estimulan este tipo de investigación, las
implicaciones prácticas que este conocimiento conlleva son muy importantes. La comprensión de
cómo son adquiridos los conocimientos, las habilidades intelectuales y como estos elementos son
utilizados para resolver problemas, puede permitir mejorar el entrenamiento intelectual y, de esta
forma, pueden ser aumentados los rendimientos. El interés por el conocimiento humano es muy
antiguo: ya Platón y Aristóteles, en sus discusiones sobre la naturaleza y origen de los
conocimientos, se interrogaban sobre el papel de la memoria y del pensamiento. Solamente en el

1
Diccionario de la Real Academia Española
 Capítulo 2: Introducción a la Inteligencia Artificial

siglo XX, la psicología cognitiva trata del conocimiento humano y de la inteligencia de una
forma científica, dando lugar a las llamadas Ciencias Cognitivas [2].

Al final de la segunda guerra mundial, el progreso tecnológico permite el nacimiento de una

nueva ciencia: la cibernética. Cibernética es el estudio de las analogías entre los sistemas de
control y comunicación de los seres vivos y los de las máquinas. En particular, es el estudio de
las aplicaciones de los mecanismos de regulación biológica a la tecnología (cibernética viene del
griegó, y significa arte de gobernar una nave). La cibernética estudia entonces los principios de la
comunicación, basándose en la realimentación y en la memoria. El objetivo era comprender
cómo mantener un comportamiento, a pesar de perturbaciones exteriores, o sea desarrollar
sistemas adaptativos.
Luego, con la llegada de los computadores, una nueva herramienta aparece para apoyar el estudio
de los sistemas más complejos, al mismo tiempo que las mediciones sobre el sistema nervioso
(principalmente del cerebro) permiten un enorme progreso de la biología.
La revolución sistémica nace del encuentro de dos áreas del conocimiento: la biología y la
cibernética. El análisis sistémico es una metodología que trata de esquematizar un sistema
(abstracto o concreto, pero en interacción con un medio ambiente) con el fin de obtener un
modelo. Esta forma de analizar la realidad crea todo una nueva forma de abordar el estudio de la
inteligencia.
Existía a inicios del siglo XX la idea de que la inteligencia podía ser medida. De aquí surgieron
los Tests de Inteligencia conocidos como “Coeficiente Intelectual” (QI test), tests de Binet, etc.
Estas ideas fueron muy cuestionadas posteriormente por varias corrientes de las ciencias
cognitivas. Una de las principales razones del cuestionamiento a los tests de Inteligencia es que
estos miden muy pocas variables, en otras palabras, simplifican demasiado el proceso. Los tests
de inteligencia continúan vigentes sin embargo han perdido bastante credibilidad.
En las discusiones sobre inteligencia se puede extraer que, generalmente, es considerado
inteligente quien se adapta al medio en el cual se desenvuelve. Para ser inteligente se debe saber
analizar una situación y comprender como actuar sobre ella para obtener el provecho que se
espera. También se debe, de alguna forma, comprender o prever las consecuencias de los actos a
corto, mediano o largo plazo. La creatividad es también una componente esencial de la
inteligencia pues en muchas ocasiones ha permitido que se den saltos cualitativos en la evolución
de la humanidad.
En conclusión se puede citar que “La inteligencia es todo excepto un concepto científico,
claramente definido y por lo tanto mensurable”. El debate sobre inteligencia permanece abierto.

1.2. Inteligencia Artificial (IA)

Inteligencia Artificial: Desarrollo y utilización de ordenadores con los que se intenta reproducir
los procesos de la inteligencia humana.
Como ya existe una gran dificultad en definir la inteligencia, es de imaginar que también
existirán dificultades en definir la Inteligencia Artificial. Muchas son también las definiciones
que se han planteado a lo largo de la evolución de esta área del conocimiento.

Profª. Dra. Millaray Curilem Saldías 13 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

IA es la ciencia de hacer con que las máquinas realicen tareas que requieren de inteligencia si son
realizadas por los seres humanos. También se puede considerar como el estudio de técnicas que
permiten a los computadores realizar tareas, que hasta ahora, los seres humanos realizan mejor.
Otra definición puede ser que la IA es el campo de estudio, en las Ciencias de la Computación,
cuyo objetivo es hacer que los computadores razonen de manera similar a los seres Humanos.
Un ejemplo de utilización de IA es la construcción de un sofisticado programa que realiza
sustracciones de números. La complejidad de este tipo de programa radica en el hecho de que se
está tratando que el computador realice las “operaciones mentales” de un ser humano para
realizar esta tarea. Una planilla electrónica que realiza sustracciones de forma eficiente, lo hace
utilizando los registros y Unidades Lógico - Aritméticas del microprocesador. De esta forma, las
operaciones realizadas para la sustracción en una planilla electrónica son muy diferentes a las
realizadas mentalmente por los seres humanos.
El término Inteligencia Artificial fue propuesto por John McCarthy en 1956: La IA es la ciencia y
la ingeniería de hacer máquinas inteligentes, pero especialmente de hacer programas inteligentes.
Está relacionado también con el uso de máquinas para mejorar la comprensión de la inteligencia
humana. Sin embargo, la IA no tiene que limitarse únicamente a métodos observables
biológicamente.
De esta forma, la IA es un campo inherentemente multidisciplinar. A pesar de que comúnmente
es vista como una sub-área de la ciencia de la computación y trabaja con algoritmos, bases de
datos, etc. la IA tiene una fuerte conexión con la neurociencia, las ciencias cognitivas, la
matemática y la ingeniería, por nombrar algunas áreas.
Otra forma de definir la IA es definirla como una herramienta computacional que tiene la
capacidad de procesar conocimientos (datos  informaciones  conocimientos) y que será
utilizada en el curso de la asignatura.

Reservas sobre la IA:

Existe, históricamente, el temor de que las máquinas, superando las capacidades humanas, tomen
“el poder” y nos desplacen desde nuestro sitial de seres “inteligentes”. Sin embargo, la filosofía
cuestiona la posibilidad de que una máquina pueda ni siquiera igualar la inteligencia humana (su
creador).
El nombre Inteligencia Artificial ha sido duramente criticado, pues las expectativas que creó en
sus inicios nunca fueron alcanzadas. Se están manejando hoy otros términos para substituir
“Inteligencia Artificial”. Por ejemplo, se tiende a hablar de Computación Inteligente (Intelligent
Computing). Sin embargo, IA es aún muy utilizado en la bibliografía y otras referencias
internacionales.
Objetivos generales de la IA:
- Hacer que los computadores sean más eficientes.
- Entender mejor la inteligencia humana.

Profª. Dra. Millaray Curilem Saldías 14 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

2. Breve Historia de la Inteligencia Artificial [3].

2.1. Desarrollo de la IA
Los esfuerzos por reproducir algunas habilidades mentales humanas en máquinas y androides se
remontan muy atrás en la historia. El mito del coloso de Rodas entre los griegos, las estatuas
"parlantes" del medioevo, el androide de Von Kempelen que jugó al ajedrez con Napoleón, y el
"motor analítico" de Charles Babbage que calculaba logaritmos, son sólo algunos de los ejemplos
de este antiguo interés. Igualmente, la concepción de la inteligencia humana como un mecanismo
no es reciente ni ha estado disociada de la psicología: Descartes, Hobbes, Leibniz, y el mismo
Hume se refirieron a la mente humana como una forma de mecanismo.
Durante el siglo XIX y la primera mitad del XX, las analogías biológicas y fenomenológicas
desplazaron a la noción de mecanismo en el estudio de la mente humana. Sin embargo, a partir de
la segunda mitad de nuestro siglo, la noción de mecanismo renovó su poder heurístico con la
formalización de la noción de "computación".
Como algunas máquinas, especialmente las calculadoras, se diseñaron para evitar el tener que
pensar y para hacer el pensamiento más rápido y exacto, fue inevitable que desde sus orígenes las
calculadoras, y más adelante las computadoras, se relacionaran con la inteligencia y el
pensamiento enfatizando sus similitudes.
La IA fue introducida a la comunidad científica en 1950 por el inglés Alan Turing en su artículo
"Maquinaria Computacional e Inteligencia". A pesar de que la investigación sobre el diseño y las
capacidades de las computadoras comenzaron algún tiempo antes, fue hasta que apareció el
artículo de Turing que la idea de una máquina inteligente cautivó la atención de los científicos.
La pregunta básica que Turing trató de responder afirmativamente en su artículo era: ¿pueden las
máquinas pensar? Los argumentos de Turing en favor de la posibilidad de inteligencia en las
máquinas, iniciaron un intenso debate que marcó claramente la primera etapa de interacción entre
la IA y la psicología. Los debates en aquella época se centraron en el análisis de la serie de
problemas implicados en la aplicación de términos mentalistas a las computadoras. La intención
de Turing no era la de usar estos términos como analogías sino la de eliminar la distinción entre
inteligencia natural e inteligencia artificial.
Dos de las contribuciones más importantes de Turing a la IA fueron el diseño de la primera
computadora capaz de jugar ajedrez y, más importante que esto, el establecimiento de la
naturaleza simbólica de la computación.
El trabajo de Turing, quien falleció prematuramente, fue continuado en los Estados Unidos por
John Von Neumann durante la década de los cincuenta. Su contribución central fue la idea de que
las computadoras deberían diseñarse tomando como modelo al cerebro humano. Von Neumann
fue el primero en "antropomorfizar" el lenguaje y la concepción de la computación al hablar de la
"memoria", los "sensores", etc., de las computadoras. Construyó una serie de máquinas utilizando
lo que a principios de los cincuenta se conocía sobre el cerebro humano, y diseñó los primeros
programas almacenados en la memoria de una computadora.
Sin embargo, esta línea de investigación pronto encontró serias limitaciones. La concentración en
la imitación de la constitución físico-química del cerebro, no permitió ver, a Von Neumann y sus

Profª. Dra. Millaray Curilem Saldías 15 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

seguidores, que la analogía sería mucho más eficiente si se estudiaran las funciones del cerebro,
es decir, sus capacidades como procesador de información.
Corresponde a McCulloch [4], formular una posición radicalmente distinta al sostener que las
leyes que gobiernan al pensamiento deben buscarse entre las reglas que gobiernan a la
información y no entre las que gobiernan a la materia. Esta idea abrió grandes posibilidades a la
IA, sin embargo, a finales de los 60, Minsky [5], uno de los padres fundadores de la IA, modificó
su posición y sostuvo que la imitación del cerebro a nivel celular debería ser abandonada.
La conferencia de Darthmouth de 1956 llevó la IA a una nueva etapa. Durante el periodo de 1956
a1963 se efectuó una intensa investigación en el área. Durante este período, los centros de
investigación más importantes tales como Carnegie Mellon, el MIT y su laboratorio de Lincoln,
Stanford, así como IBM concentraron su trabajo en dos temas principales. Primero, disminuir las
búsquedas en problemas del ensayo -y-error, lo que condujo a la iniciación de proyectos tales
como Logic Theorist (considerado como el primer programa de IA). En segundo lugar la
demostración de teoremas de geometría. Luego, se inició el estudio del aprendizaje de máquina,
incluyendo proyectos sobre ajedrez, inspectores, y programas de reconocimiento de patrones.
Lenguajes especializados de IA, tales como lisp fueron desarrollados en el MIT en este periodo.
En este congreso, en el que se reunieron los padres fundadores de la disciplina, se llegó a la
definición de las presuposiciones básicas del núcleo teórico de la IA:
1. El reconocimiento de que el pensamiento puede ocurrir fuera del cerebro, es decir, en
máquinas
2. La presuposición de que el pensamiento puede ser comprendido de manera formal y científica
3. La presuposición de que la mejor forma de entenderlo es a través de computadoras digitales
Desde fines de los cincuenta la investigación en IA se expande y se multiplica en direcciones
diversas. La capacidad simbólica de las computadoras es estudiada, entre otros, por Shanon [6]y
por Newell, Shaw y Simon [7] quienes diseñan el primer programa inteligente basado en su
modelo de procesamiento de información. Este modelo se convertiría pronto en la teoría
dominante en psicología cognitiva.
Algunos investigadores se dedicaron al estudio de la naturaleza del aprendizaje en las
computadoras y a los procesos de reconocimiento de patrones visuales. Como resultado de ello
Selfridge y Dinneen consiguen diseñar el primer programa capaz de aprender por experiencia [8].
Basándose en los estudios sobre memoria asociativa, el equipo Newell-Shaw-Simon construyó
los primeros lenguajes de procesamiento de información (IPL-I, IPL-II) utilizados en el diseño de
su "Logic Theorist Machine" que se convirtió en la primera máquina "inteligente". Esta máquina
fue capaz no sólo de memorizar y aprender, sitio que consiguió demostrar de una manera original
y "creativa", es decir no prevista por sus creadores, algunos de los teoremas propuestos por
Bertrand Russell en los Principios [9].
Desde sus orígenes la IA se relacionó con juegos como el ajedrez y las damas, probablemente
debido a que los juegos de mesa constituyen modelos de situaciones reales en las que hay que
calcular, solucionar problemas, tomar decisiones, corregir errores, recordar, etc. A pesar de que
esta línea de investigación ha sido casi totalmente abandonada en la actualidad, muchos de los
avances teóricos y metodológicos de la IA se deben a ella. Por ejemplo, Samuel diseñó en 1961
un programa que jugaba damas y que era capaz de aprender de sus errores, es decir, era capaz de

Profª. Dra. Millaray Curilem Saldías 16 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

adaptar su comportamiento en relación a eventos pasados. Lo pasmoso de este programa fue que,
aunada a su capacidad de aprendizaje la de memoria, con el tiempo consiguió derrotar
invariablemente a su creador. El mismo resultado fue obtenido por Bernstein a través de un
programa que jugaba ajedrez [10]. Los grandes "retos" entre computadoras y seres humanos se
multiplicaron, siendo el más famoso de ellos el que ocurrió entre Dreyfus (un enconado crítico de
la IA) y el programa Machack, en el que Dreyfus fue derrotado en un juego de ajedrez de varias
horas.
A principios de los sesenta, la IA comienza una fase distinta de su desarrollo. En 1962, McCarthy
y Raphael inician sus trabajos sobre el diseño y la construcción de un robot móvil que llamarían
"Shakey". La diferencia fundamental entre este robot y los programas en computadora utilizados
hasta ahora por la IA, es que "Shakey" tendría que enfrentar el reto de interactuar con el mundo
real en términos de espacio, tiempo, movimiento, etc. En otras palabras, el robot tendría que tener
alguna forma de "conocimiento" del mundo que lo rodeaba. Este reto inició una fuerte
preocupación en la IA por el estudio de la epistemología y los procesos cognoscitivos. La
discusión se centró alrededor de los problemas de la representación mental o interna del
conocimiento, la percepción y los problemas del significado. La idea básica de Raphael era la de
reunir, en una sola, distintas máquinas con capacidad de aprender por experiencia, de reconocer
patrones visuales, de modelar, de manipular símbolos, etc., y esperar que el todo fuera mayor que
la suma de las partes. El resultado del experimento no fue el éxito que Raphael esperaba, pero fue
un logro sin precedente que hizo posibles avances muy importantes. El aprendizaje más
importante de esta experiencia fue la comprensión de que el problema más difícil por resolver en
IA era el de construir una máquina capaz de funcionar con altos ni<,eles de incertidumbre, como
lo hace un ser humano. Se hizo claro que construir una máquina que no lidiara efectivamente con
la incertidumbre sería una de dos: o trivial, por la simpleza de la tarea, o imposible por la
complejidad de la misma.
Hacia mediados de los sesenta la IA se convierte en un área en la que se interesan e interactúan
especialistas de diversas disciplinas: lógicos, psicólogos, matemáticos, lingüistas, filósofos, etc.
Uno de los grandes temas de IA en esta década fue el estudio del lenguaje. En la mayoría de los
estudios iniciales sobre lenguaje, se atacó el problema de diseñar una máquina que fuera capaz de
traducir de un idioma a otro. El énfasis se hizo en el análisis de la sintaxis, en lugar del
significado, estrategia que se abandonó relativamente pronto. Los investigadores interesados en
esta área de la IA pronto descubrieron que traducción no es lo mismo que transformación, y que,
como consecuencia de ello, de alguna manera la máquina tendría que "entender" un texto antes
de poder traducirlo. Los esfuerzos se orientaron hacia una definición de la comprensión que
pudiera simularse en una computadora.
Con esta idea como lineamiento heurístico, se desarrolló una serie de programas que exploraban
esta serie de habilidades relacionadas con el lenguaje y la comprensión: el "oráculo" de Phillips,
"Sad Sam" de Lindzay que fue uno de los más exitosos, y "Eliza" de Wizenbaum y Colby. (ver
Boden, 1977) . El programa de Lindzay se orientó hacia el estudio del significado, connotativo y
denotativo, y es capaz de hacer inferencias, conocer, y parafrasear sobre el mundo conocido.
Eliza, por otra parte, consistió en un análisis de la conversación que se basa en la simulación de
una terapia psicológica interactiva en la que el programa es el analista y el interlocutor es el
analizado. Un ejemplo de una conversación sostenida con Eliza en la computadora de la
Universidad de Stanford es el siguiente (el diálogo de la computadora en letras mayúsculas):

Profª. Dra. Millaray Curilem Saldías 17 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

BUENAS TARDES, POR FAVOR ESCRIBA SU

NOMBRE buenas tardes, me llamo Javier
ES UN PLACER CONOCERTE, JAVIER
el placer es mío
¿QUE TE TRAE POR AQUI?
nada en especial, he tenido trabajo y me siento agotado
¿QUE TE HACE PENSAR QUE ESTAS AGOTADO?
he tenido problemas en mi trabajo
¿PROBLEMAS?
es decir, he estado preocupado con mi trabajo
CUÉNTAME TUS PREOCUPACIONES...
Según Colby, psicoanalista por entrenamiento, el programa resultó tan exitoso en términos
clínicos que valdría la pena intentar reproducirlo masivamente como instrumento terapéutico.
Intento al que Weizenbaum, coautor del programa, se opuso decididamente con el argumento de
que no puede decirse desde ningún punto de vista que "Eliza" es capaz de entender lo que se le
dice. "Eliza", Weizenbaum insiste, es un programa capaz de responder, que no es lo mismo que
comprender.
Como resultado de este y otros debates, las preguntas de investigación siguieron girando
alrededor de la noción de comprensión. Los seres humanos comprendemos en una plática mucho
más de lo que se nos dice explícita y verbalmente (en parte porque la comunicación no verbal
juega un papel muy importante y en parte por nuestras capacidades para obtener información del
contexto y para operar con altos niveles de incertidumbre) y pareció importante que estas
habilidades fueran reproducidas en una computadora con pretensiones de inteligencia. Los
investigadores se dedicaron entonces al estudio de los aspectos no verbales del lenguaje y al de
reconocimiento de patrones.
Para mediados de los sesenta, y como resultado de los estudios sobre lenguaje y comprensión. la
IA se involucré en el estudio del problema de la representación mental del conocimiento.
Igualmente, una gran preocupación en esta década fue la de encontrar aplicaciones prácticas de lo
que se había aprendido hasta entonces. Entre las aplicaciones más exitosas debe mencionarse el
diseño de DENDRAL en Stanford, un programa que hace espectogramas y diagnósticos médicos
y que hasta ahora ha tenido la misma tasa de error que los seres humanos. La segunda aplicación
importante tiene que ver con la psicología educativa y la mencionaré en la siguiente sección
sobre la interacción entre la IA y la psicología.

2.2. Etapas de Desarrollo de la IA [11]

Época Romántica de la IA (1943-1969)

Gran entusiasmo en la creación de “Resolvedores” de Problemas Generales (GPS), la IA aparecía
como una herramienta que permite crear cualquier cosa. Surgen los primeros sistemas expertos,
las bases de las redes neuronales. El objetivo de la IA parecía simular la inteligencia humana. Sin
embargo, el desarrollo se limitó a algunas investigaciones académicas, principalmente orientadas
a la demostración de teoremas y a los juegos. Se deben recordar las limitaciones tecnológicas de

Profª. Dra. Millaray Curilem Saldías 18 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

los computadores en esos años, lo que además de otros factores influenciaron la sensación de
frustración de las expectativas de la IA
Época de las tinieblas (1969-1981):
Durante este período se produjo la casi paralización de la investigación sobre IA. La insuficiencia
de resultados concretos hace que no se destinen más recursos a esa área. En esa época surgieron
una serie de informes que rebatían científicamente la posibilidad de resolver problemas de las
técnicas de IA, en particular de las Redes Neuronales. Sin embargo, cabe destacar que la IA no se
detuvo totalmente. Surgieron las primeras aplicaciones de los conjuntos nebulosos (fuzzy) [12],
el primer sistema experto (MYCIN) [13] y el control inteligente [14]. Esta etapa se caracteriza
por la búsqueda de aplicaciones prácticas de la IA y por las limitaciones presupuestarias que
limitaron su desarrollo.
Renacimiento y época contemporánea (1981- hoy)
La primera conferencia de Redes Neuronales marca claramente el renacimiento del interés por la
IA. Las RNA se desarrollan de forma independiente al resto de la IA. Sin embargo, hoy se están
acercando todas las aproximaciones de la IA para conformar sistemas híbridos. Las aplicaciones
en la industria y en un gran número de áreas del conocimiento devuelven a la IA una condición
destacada dentro del desarrollo tecnológico. Hoy las posibilidades están abiertas, con científicos
en muchos países trabajando tanto en el desarrollo de la IA como en su aplicación a problemas
específicos.

3. Problemas tratados por la IA

“Toda actividad intelectual puede ser descrita de forma suficientemente precisa, para ser
simulada por una máquina”. John MACCARTHY.
Persiste aún el deseo de crear una máquina que consiga, adaptándose a las condiciones del medio
donde se encuentra y después de procesar datos o informaciones, tomar decisiones que no le
fueron previamente programadas.
Hoy las investigaciones en IA se desarrollan en varias direcciones. Algunas de ellas están listadas
a continuación.
Juegos de estrategia: Estos juegos utilizan principios heurísticos (Deeper Blue, programa de
ajedrez elaborado por IBM y que consiguió ganar a Garry Kasparov, en mayo de 1997”.
Comprensión del lenguaje natural: Reconocimiento del habla, traducción automática, etc.
Estas son algunas de las áreas de aplicación de este interesante campo. Hasta hoy se ha logrado
sin embargo un avance limitado de este tipo de sistemas. La comprensión del lenguaje natural se
realiza en condiciones muy delimitadas y con un vocabulario restringido.
Demostración Automática de Teoremas: La IA presenta un buen desempeño en esta actividad,
lo que fue utilizado desde sus inicios para demostrar la posibilidad de comportamientos
inteligentes en una máquina. Se supone que la demostración de teoremas requiere de inteligencia
y es una actividad realizada por los matemáticos.

Profª. Dra. Millaray Curilem Saldías 19 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

Bases de datos Inteligentes: estas bases incluyen herramientas de IA para facilitar el

almacenamiento y la recuperación de los datos. Con este tipo de bases, se quiebra el mito de que
sólo se puede extraer de una base de datos lo que se colocó, pues al poseer IA, la base puede
deducir nuevos datos. De esta forma existen bases de datos deductivas y técnicas para extraer
conocimientos de un conjunto muy grande de datos.
Diagnóstico: Este es el proceso de encontrar un defecto en un sistema. Es una de las aplicaciones
más populares de los Sistemas Expertos. Estos sistemas integran conocimientos de varios
expertos para poder inferir los posibles defectos de un sistema. Sirven principalmente como
herramientas de apoyo. Históricamente, produjeron un fuerte rechazo, pero la validación de sus
respuestas les ha concedido diversos campos de aplicación, principalmente en medicina,
diagnóstico de equipamientos, etc.
Diseño y Planificación: El diseño es generar especificaciones que satisfagan requisitos
particulares. Planificación es la descripción de las acciones que deben ser ejecutadas para
implementar un proyecto. Se puede decir que estas son actividades fundamentales en un gran
número de profesiones, en particular la ingeniería. Dotar un sistema con estas capacidades,
permite obtener sugerencias de planificación, considerando un gran número de variables.
Enseñanza – Aprendizaje: las diversas concepciones sobre los procesos de enseñanza
aprendizaje requieren de sistemas que se adapten a los requerimientos específicos de cada
alumno. Este ha sido el eje de desarrollo de los llamados softwares pedagógicos, o sea de
sistemas cuyo objetivo es apoyar tanto los procesos de enseñanza como los de aprendizaje en
alumnos. La IA ha sido utilizada de diversas formas para la construcción de estos sistemas y se
dará un particular énfasis a este desarrollo durante la asignatura.
Sistemas Expertos: Estos son programas computacionales que almacenan conocimientos
necesarios para la resolución de problemas muy específicos. En general estos sistemas no
sustituyen al ser humano, pero si apoyan por ejemplo la toma de decisiones, el diagnóstico, etc.
Robótica: Dotados de capacidades perceptivas, los robots pueden adquirir mediante la
Inteligencia Artificial la capacidad de tomar decisiones, por ejemplo para contornar obstáculos o
seguir una trayectoria. Además pueden incorporar mecanismo de aprendizaje que les permitan
mejorar su desempeño.

4. Diferentes paradigmas de la IA
La IA se ocupa de la resolución de problemas y para esto es necesario (pero no suficiente) tener
conocimientos sobre el problema que se va a resolver. Existen varios paradigmas en la IA que
definen la forma de representar los conocimientos y cómo estos son utilizados para lograr un
determinado objetivo. Algunos de estos paradigmas son brevemente presentados a continuación.

4.1. Inteligencia Artificial Simbólica (IAS)

La IA simbólica o clásica fue estudiada durante casi 40 años, siendo la primera aproximación que
se utilizó para incorporar conocimientos y raciocinio en los computadores. Este tipo de
aproximación se basa en los preceptos de la Lógica Clásica que fueron enunciados hace más de
2000 años por Aristóteles. Esta rama de la IA tiene por objetivo representar explícitamente el
conocimiento humano de forma declarativa (hechos y reglas). Para que esta aproximación sea

Profª. Dra. Millaray Curilem Saldías 20 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

válida, es necesario “traducir” el conocimiento implícito o procedimental en conocimiento

explícito, usando símbolos. Esta aproximación a tenido muchos éxitos, fundamentalmente con los
llamados Sistemas Expertos, sin embargo las dificultades encontradas en este paradigma son
muchas y muchos investigadores plantean que éstas no tienen solución. Por ejemplo, el
conocimiento llamado “sentido común” es muy difícil de representar simbólicamente.

4.2. Inteligencia Artificial Conexionista (IAC)

Estos modelos copian el paralelismo masivo de las neuronas para procesar informaciones o datos.
La IAC se inspira en la estructura neuronal del cerebro para implementar sistemas con capacidad
de reconocer patrones, clasificar, aprender, etc. A partir de la interconexión de unidades
elementales, llamadas neuronas, se obtienen las llamadas Redes Neuronales Artificiales (RNA),
las que presentan un comportamiento emergente.

4.3. Inteligencia Artificial Evolutiva (IAE)

La computación Evolutiva surgió al final de los años 60, cuando se comenzó a estudiar la
incorporación de mecanismos de selección natural para la solución de problemas. Como
resultado se crearon una serie de algoritmos que, basados en la Teoría de la Evolución de Charles
Darwin, conducen una búsqueda estocástica de la solución de un problema, haciendo evolucionar
a un conjunto de estructuras y seleccionando de modo iterativo, las más adecuadas.

4.4. Inteligencia Artificial Híbrida (IAH)

La IAH involucra a más de uno de los paradigmas anteriores para resolver problemas. En la
figura 3.1, se muestran los tres paradigmas anteriores, como vértices de un triángulo. Las
aplicaciones de la IAS corresponden a aplicaciones donde el ambiente es conocido y existe
precisión en los datos. La IAC se aplica en situaciones donde existe imprecisión, principalmente
desde el punto de vista del raciocinio (o sea, no se conoce con exactitud cómo se resuelve el
problema). Por último, la IAE es preferentemente utilizada cuando el ambiente es desconocido.
IAE

Crece el
desconocimiento
del ambiente

IAS IAC

Crece la imprecisión
del problema

Figura 4.1: Visión de las tres aproximaciones de la Inteligencia Artificial [11].

Profª. Dra. Millaray Curilem Saldías 21 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

4.5. Inteligencia Artificial Distribuida

Los paradigmas de IA vistos hasta ahora se refieren a cómo se manipula el conocimiento, o sea,
en particular a cómo se adquiere, almacena y utiliza para lograr un determinado fin
(generalmente tomar una decisión o resolver un problema). Por lo tanto, respecto del método de
resolución, se tienen las aproximaciones de la IAS, IAC, IAE e IAH. Sin embargo, si se
considera la localización espacial del sistema de IA que se desea implementar, esto permite
clasificar dos tipos de sistemas, los que se basan en Inteligencia Artificial Monolítica (IAM ) y
los que se basan en Inteligencia Artificial Distribuida (IAD). La IAM contempla sistemas no
modulares como, por ejemplo, los Sistemas Expertos. Por su parte, la IAD se basa en la
modularidad, pues su funcionamiento depende de un conjunto de partes (o módulos) que trabajan
de modo cooperativo para resolver un determinado problema. Su carácter modular está
directamente ligado al concepto de Agentes.
El concepto de Agentes surgió con el proyecto de comprensión de lenguaje HEARSAY-II cuando
surgió el primer modelo de “pizarra” que coordina la acción de varias partes de un programa de IA.
Los agentes son módulos capaces de “sensar” informaciones, actuar sobre su ambiente y con una gran
capacidad de comunicación, de forma a trabajar en conjunto con otros agentes. En los últimos años,
este paradigma ha alcanzado una gran popularidad, ya que permite un funcionamiento flexible del
sistema, robustez y aplicabilidad a una gran variedad de problemas.

Inteligencia Artificial

Método de Solución Localización Espacial

IAS IAC IAE IAM IAD

IAH

Figura 4.2: Esquema de Clasificación de los Paradigmas de la IA

Profª. Dra. Millaray Curilem Saldías 22 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

4.6. Tratamiento de la Incertidumbre

Una de las mayores dificultades en el proceso de crear mecanismos de inferencia en los
computadores es la necesidad de trabajar con datos o eventos inciertos. La incertidumbre está
presente en gran parte de la actividad humana. Los seres humanos trabajan con creencias y son
comunes las expresiones como “poco”, “tal vez”, “a veces”, etc. las que son incomprensibles para
un sistema computacional basado en la lógica digital “0” o “1”, o sea, existencia o no existencia.
El desarrollo de herramientas para trabajar con incertidumbre ha dado mayor fuerza al desarrollo
de la IA.
Existen cuatro formas básicas de trabajar con incertidumbre. Estas se mencionan a continuación.
La lógica fuzzy y los factores de certeza serán las dos técnicas abordadas en esta asignatura.
 Métodos Estadísticos
 Factores de creencia
 Factores de certeza
 Lógica nebulosa (Fuzzy)

5. Referencias

5.1. Referencias del Capítulo 2

[1] BINET A. L'étude expérimentale de l'intelligence, Paris, Retz 2, 1976, p.26
[2] DUPUY J.P. 1996. Nas origens das Ciências Cognitivas. Editora UNESP. São Paulo.
[3] ELGUEA J. Inteligencia artificial y psicología: la concepción contemporánea de la mente
humana http://www.hemerodigital.unam.mx/ANUIES/itam/estudio/estudio10/sec_13.html
[4] McCulloch W.S., PITTS W.A. Logical Calculus of the Ideas Immanent in Nervous Activity.
Bulletin of Mathematical Biophysics 5 (1943), pp 115-133.
[5] MINSKY M.L., PAPERT S.A. Perceptrons: an introduction to computational geometry. The
MIT Press, Massachussets, 1969.
[6] SHANON, C., "A Chess Playing Machine", February 1950, en ScientIfic American, 182.
[7] NEWELL, A., SASHW, J,C., AND SIMON, H.A., "Chess Playing Programs and the Problem
of Cmplexity", 1958, en IBM Journal of Research and Development, 2, 4.
[8] McCORDUCK, P., Machines Who Think, San Francisco: Freeman and Co, 1979.
[9] RUSSELL, B. AND WHITEHEAD, AN, Principia Mathematica, England, Cambridge
University Press, 1925-1927.
[10] BODEN, M. Artificial Inteligence and Natural Man, New York: Basie Books, 1977.
[11] BARRETO J. Inteligência Artificial: no limiar do século XXI. 3ª Ed. Florianópolis, 2001.
[12] ZADEH L.A. Fuzzy Sets. Information and Control 8,1 (January 1965) 338-353.
[13] SHORTLIFFE E.H. Computer-based Medical consultation: MYCIN. American Elsevier,
NY, 1976
[14] MAMDANI E. Applications of fuzzy algorithms for control of simple dynamic plant. Proc.
IEEE 121. 12 (1974). P. 1585-1588.

Profª. Dra. Millaray Curilem Saldías 23 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

5.2. Bibliografía

CRONBACH, J.L. "Beyond the Two Disciplines of Scientific Psychology ", Febrero. 1975, en
American Psychologist, Vol. 30, No. 2, 116-127.
DENNETT, D.C., Brainstorms, Vermont: Bradford Books Publishers Inc, 1978.
DREYFUS, H., What Computers Can't do: A Critique of Arificial Reason, New York: Harper,
1972.
ELGUEA, J.A., "El Debate Sobre Representación Mental en Psicología Cognoscitiva: una
Reconstrucción Racional", 1983, por aparecer en Journal or Interamerican Pscholoy.
LAKATOS, l., Philosoplhical Papers, London: Cambridge University Press, 1978.

McCULLOCH, W., Embodiments of Mina, Cambridge, Mass.: MIT Press, 1965.

--and SIMON, H. A., "The Logic Theory Machine", septiembre 1956, en IRA Transactions in
Informalion Theory,
PAPERT, S., Teaching Children Thinking. Al memo 247, MIT: Al Laboratory, 1971.
PYLYSHYN, Z.W., "Complexity and the Study of Human and Artificial Intelligence", en
Philosophical Perspectives in Artificial Intelligence. Ringle, M.D. (ed), England:
Humanities Press, 1979.
RINGLE, M.D., Philosophical Perspectives in Artificial Inteligence, England: Humanities Press,
1979.
SLOMAN, A., The Computer Revolution in Philosophy, England: Humanities Press, 1978.
TURING, A., "Computan" Machinery and Intelligence" (1950), in Computers and Thought,
Feigenbaum, E.A. and Feldman, J. (eds.), New York: McGraw Hill, 1963.
WINOGRAD, T., Understanling Nalural Language. New York: Academic Press, 1972.

5.3. Enlaces : Inteligencia Artificial

Representación del Conocimiento
http://www.mor.itesm.mx/~rdec/principal.html
Laboratório de Conexionismo e Ciências Cognitivas
URL http://www.inf.ufsc.br/~l3c/index.html
Link "CLEI (Centro Latinoamericano de Estudios en Informática)"
URL: http://www.fing.edu.uy/clei2002
Link "new internet journal"
URL: http://www.electronicsletters.com
Link: Protótipo para Enseñanza de Neurofisiología
URL: http://ead.uniplac.rct-sc.br/n/
Links sobre Inteligencia Artificial
URL: http://www.inf.ufsc.br/~mauro/curso/curso.html#Links
Publicações em IA e RNA
URL: http://www.inf.ufsc.br/~mauro/publicacao/publicacao.html
Factasia Logic
URL: http://www.rbjones.com/rbjpub/logic/index.htm
The Mathematical Atlas . Mathematical Logic and Foundations
URL: http://www.math.niu.edu/~rusin/known-math/index/03-XX.html
Description Logics
URL: http://www.ida.liu.se/labs/iislab/people/patla/DL/index.html
Informal Logic
URL: http://plato.stanford.edu/entries/logic-informal

Profª. Dra. Millaray Curilem Saldías 24 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

Logical Systems . Peter Suber

URL: http://www.earlham.edu/~peters/courses/logsys/lshome.htm
Mathematical Logic around the World
URL: http://www.uni-bonn.de/logic/world.html
Oxford Virtual Technology
URL: http://www.oxford-virtual.com/Philosophy/Lemmon/index.html
Principles of Knowledge Representation and Reasoning
URL: http://www.kr.org
Thousands of Problems for Theorem Provers
URL: http://www.cs.miami.edu/~tptp
Knowledge Representation . Enrico Franconi
URL: http://www.cs.man.ac.uk/~franconi/kr.html
On-Line Logic Book
URL: http://home3.swipnet.se/~w-33039/OLL.C.html
Mission: Critical
URL: http://www.sjsu.edu/depts/itl/index.html
Stanford Enciclopedia of Logic Technology
URL: http://logic.stanford.edu/selt/selt.html
Artificial Intelligence Laboratory of MIT
URL: http://www.ai.mit.edu
The Genetic Algorithms Archive. Bibliographies of Technical Reports of Computer Science Departments, part of
the Collection of Computer Science Bibliographies
URL: http://129.13.9.97/bibliography/Techreports/index.html
Artificial Intelligence Subject Index. This site provides search mechanisms and so is very useful to find
inicial bibliography on any subject belonging to computer science. URL: http://iit-iti.nrc-cnrc.gc.ca

Neural Networks. It includes some universities, some sites with collections of documents on Neural
Networks, journals and related fields.
URL: http://www.idiap.ch/NN.world.html
Case Based Reasoning (symbolic approach):
URL: http://www.ai-cbr.org/theindex.html
Indiana University has an archive of case-based reasoning publications. Topics include case-base
maintenance, adaptation, similarity, introspective index learning, and a survey/introduction to CBR.
URL: http://www.cs.indiana.edu/~leake/INDEX.html
Guide to Artificial Intelligence:
URL: http://ai.miningco.com/compute/ai/
UNIVERSITE LIBRE DE BRUXELLES "Institut de Recherches Interdisciplinaires et de Développements en
Intelligence Artificielle": Artificial intelligence : Theory and practice for the development of competent software.
Introduction Projects People Meetings
URL: http://iridia.ulb.ac.be
Instituto de Informática - Bélgica:
URL: http://www.info.fundp.ac.be/index_eng.html
Artificial Intelligence Laboratory of UNIOESTE
URL: http://www.inf.unioeste.br/ia
The Washington University School of Medicine: Neuroscience Tutorial
URL: http://thalamus.wustl.edu/course/ REDES NEURONALES
ARTIFICIALES
URL: http://www.gc.ssr.upm.es/inves/neural/ann2/anntutorial.html
Algoritmos Genéticos
http://www.redcientifica.com/gaia/ref/lal1_c.htm#agce
Combining Robot Control Strategies using Genetic Algorithms with Memory.
http://www.cs.unr.edu/~sushil/papers/conference/papers/ep/ep97/paper/paper.html
Genetic Algorithms and Artificial Life Resources
http://www.scs.carleton.ca/~csgs/resources/gaal.html

Profª. Dra. Millaray Curilem Saldías 25 Apunte de Inteligencia Artificial

 Capítulo 2: Introducción a la Inteligencia Artificial

Indice
1. Algunas Definiciones ........................................................................................................ 12
1.1. Inteligencia .................................................................................................................... 12
1.2. Inteligencia Artificial (IA) ............................................................................................. 13
2. Breve Historia de la Inteligencia Artificial [3]................................................................... 15
2.1. Desarrollo de la IA ........................................................................................................ 15
2.2. Etapas de Desarrollo de la IA [11] ................................................................................. 18
3. Problemas tratados por la IA.............................................................................................. 19
4. Diferentes paradigmas de la IA.......................................................................................... 20
4.1. Inteligencia Artificial Simbólica (IAS)........................................................................... 20
4.2. Inteligencia Artificial Conexionista (IAC) ..................................................................... 21
4.3. Inteligencia Artificial Evolutiva (IAE) ........................................................................... 21
4.4. Inteligencia Artificial Híbrida (IAH).............................................................................. 21
4.5. Inteligencia Artificial Distribuida................................................................................... 22
4.6. Tratamiento de Incertezas .............................................................................................. 23
5. Referencias........................................................................................................................ 23
5.1. Referencias del Capítulo 2 ............................................................................................. 23
5.2. Bibliografía ................................................................................................................... 24
5.3. Enlaces : Inteligencia Artificial...................................................................................... 24

Profª. Dra. Millaray Curilem Saldías 26 Apunte de Inteligencia Artificial