2014

CIBERNÉTICA E INTELIGENCIA
ARTIFICIAL

Inteligencia Artificial
Ingeniería en Teleinformática
04/08/2014

1
 UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE INGENIERÍA INDUSTRIAL

CARRERA DE INGENIERÍA EN TELEINFORMÁTICA

TEMA:

INTELIGENCIA ARTIFICIAL

ASIGNATURA:

CIBERNETICA E INTELIGENCIA ARTIFICIAL

DOCENTE:

ING. JOSÉ AVADÍ

INTEGRANTES:

1. CAICE JIMÉNEZ KELVIN

2. GOMEZ PAREDES ERIKA

3. INFANTE ESPINOSA ERIKA

4. MERCHÁN CASTAÑEDA GIOVANNI

5. REDROBAN BECERRA ANIBAL

AÑO LECTIVO:

2014 – 2015

2
Contenido
I. INTELIGENCIA ARTIFICIAL ........................................................................................................... 6
A. INTRODUCCIÓN ...................................................................................................................... 6
B. Estrategias de la IA ................................................................................................................. 7
C. CARACTERÍSTICAS DE LA INTELIGENCIA ARTIFICIAL. ............................................................. 8
D. DEFINICIÓN DE SISTEMAS INTELIGENTES .............................................................................. 9
E. DEFINICION DE LA INTELIGENCIA ARTIFICIAL SEGÚN VARIOS AUTORES. ............................ 9
1) SEGÚN ALLAN MATHISON TURING .................................................................................... 9
2) SEGÚN HERBERT ALEXANDER SIMON.............................................................................. 10
3) SEGÚN JOHN MCCARTHY ................................................................................................ 10
4) SEGÚN MARVIN MINSKY ................................................................................................. 10
5) SEGÚN WARREN MCCULLOCH ......................................................................................... 11
6) SEGÚN SCHALKOFF (1990) ................................................................................................ 11
7) SEGÚN KURZWEIL (1990) ................................................................................................. 11
8) SEGÚN (RICH Y KNIGHT, 1991). ........................................................................................ 12
9) SEGÚN LUGAR Y STUBBLEFIED, (1993). ........................................................................... 12
10) SEGÚN (STUART, 1996). ................................................................................................ 12
11) SEGÚN HAYES ............................................................................................................... 13
II. FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL ................................................................... 13
A. FILOSOFIA.............................................................................................................................. 14
B. MATEMATICAS...................................................................................................................... 15
C. PSICOLOGIA .......................................................................................................................... 15
D. INGENIERIA COMPUTACIONAL ............................................................................................ 16
E. LINGÜÍSTICA COMPUTACIONAL ........................................................................................... 16
F. ECONOMIA ............................................................................................................................ 17
G. NEUROCIENCIA ..................................................................................................................... 17
H. TEORIA DE CONTROL/CIBERNETICA ..................................................................................... 18
III. ENFOQUES DE LA INTELIGENCIA ARTIFICIAL ....................................................................... 18
A. SISTEMAS QUE ACTÚAN COMO UN SER HUMANO ............................................................. 19
1) PRUEBA O TEST DE TURING.............................................................................................. 19
B. SISTEMAS QUE PIENSAN COMO HUMANOS....................................................................... 20
C. SISTEMAS QUE PIENSAN RACIONALMENTE ........................................................................ 20

3
 D. SISTEMAS QUE ACTÚAN RACIONALMENTE ......................................................................... 21
IV. Aplicaciones de la INTELIGENCIA ARTIFICIAL ...................................................................... 22
A. Contenido.............................................................................................................................. 22
1) Subcampos basados en el contenido. .............................................................................. 23
B. Técnicas ................................................................................................................................. 27
C. Subcampos de aplicación de la IA ........................................................................................ 27
 IA en la medicina:........................................................................................................... 27
 IA en la robótica................................................................................................................ 27
 IA en muchos aspectos de la ingeniería ..................................................................... 28
 IA en interfaces y sistemas de "ayuda": ......................................................................... 28
 IA en la educación: ......................................................................................................... 28
 IA en la gestión de la información: .................................................................................. 28
 IA en las matemáticas: ..................................................................................................... 28
 IA en la industria del entretenimiento: ........................................................................... 28
 IA en la biología: ............................................................................................................ 28
 IA en la Ley: ....................................................................................................................... 29
 IA en la arquitectura: ........................................................................................................ 29
 IA en la literatura: ........................................................................................................... 29
 IA en la detección y prevención de la delincuencia: ................................................. 29
 IA en el comercio: .......................................................................................................... 29
 IA en el espacio: ............................................................................................................. 29
 IA en las actividades militares: ......................................................................................... 29
V. METODOLOGÍAS ....................................................................................................................... 30
A. Metodología del Simbolismo ............................................................................................... 30
1) Lenguajes de Programación Lógica .................................................................................. 30
B. Metodología del Conexionismo ........................................................................................... 31
1) Modelo de Red Neuronal de Hopfield ............................................................................. 31
2) Modelo de Red Neuronal Back-Propagation ................................................................... 32
3) Algoritmos Genéticos ....................................................................................................... 33
C. Metodología del Conductismo (Behaviorism) ..................................................................... 33
1) Lógica Difusa ..................................................................................................................... 34

4
 2) Control de un Robot ......................................................................................................... 34
3) Control Inteligente............................................................................................................ 35
VI. SOFTWARE PARA DESARROLLO DE INTELIGENCIA ARTIFICIAL ........................................... 36
A. Khoros ................................................................................................................................... 36
B. SISTEMA ELIZA ...................................................................................................................... 37
C. Sistema Mycin....................................................................................................................... 38
D. Sistema Dendral.................................................................................................................... 39
VII. CONCLUSION......................................................................................................................... 40
VIII. REFERENCIAS ........................................................................................................................ 41

5
 I. INTELIGENCIA ARTIFICIAL

A. INTRODUCCIÓN

Desde la aparición de las computadoras, se han ido efectuando investigaciones científicas y

tecnológicas con el fin de que éstas puedan resolver y realizar algunas actividades propias
de los seres humanos, y se ha logrado automatizar muchos procesos consiguiendo
eficiencia en el tiempo y recursos invertidos para realizar cualquier tipo de actividad.

Debido a que la inteligencia artificial tuvo muchos padres no hay un consenso para definir
ese concepto, pero podemos decir que la inteligencia artificial se encarga de modelar la
inteligencia humana en sistemas computacionales.

Puede decirse que la Inteligencia Artificial (IA) es una de las áreas más fascinantes y con
más retos de las ciencias de la computación, en su área de ciencias cognoscitivas. Nació
como mero estudio filosófico y razonístico de la inteligencia humana, mezclada con la
inquietud del hombre de imitar la naturaleza, hasta inclusive querer imitarse a sí mismo.

Es la parte de la Ciencia que se ocupa del diseño de sistemas de computación inteligentes,

es decir, sistemas que exhiben las características que asociamos a la inteligencia en el
comportamiento humano que se refiere a la comprensión del lenguaje, el aprendizaje, el
razonamiento, la resolución de problemas, entre otros.

La inteligencia artificial es un campo de investigación y aplicación que trata de conseguir

que las computadoras simulen en cierta manera la inteligencia humana. El problema es que
la inteligencia humana es difícil de circunscribir y definir. En efecto, la inteligencia es una
conducta compleja que incluye la conciencia, el inconsciente, los procesos cognoscitivos.
Los objetivos de la inteligencia artificial: Un ordenador ejecuta las órdenes para procesar
datos que le son suministrados sin que disponga de capacidad para desarrollar razonamiento

6
alguno acerca de dicha información. Frente a ello, la propuesta de la inteligencia artificial
consiste en lograr que el procesador se adapte al método de razonamiento y comunicación
humanos, para que pueda, no sólo poner en práctica los algoritmos que en él introduce el
hombre, sino establecer los suyos propios para resolver problemas.

El ordenador puede calcular el área de un polígono siempre que posea el programa que le
proporciona el dato de la medida de uno de sus lados y la fórmula correspondiente para
realizar dicha operación; la inteligencia artificial pretende que el procesador sea instruido
en los principios de la geometría, para, por sí mismo, resolver la cuestión, a partir de un
algoritmo de su propia creación. En definitiva, la inteligencia artificial explora los
mecanismos que convierten al ordenador en una máquina pensante.

La posibilidad de que esta hipótesis llegue a hacerse realidad es rechazada por numerosos
expertos informáticos. En todo caso, se siguen explorando caminos y, día a día, se
constatan los progresos.

B. Estrategias de la IA

La IA puede hacer efectivo el uso de:

 Nuevas técnicas y entornos avanzados de programación.

 Técnicas para tratar la heurística, que trata de resolver problemas usando la
creatividad y el pensamiento lateral o pensamiento divergente.
 Nuevos sistemas hardware inteligentes.

7
C. CARACTERÍSTICAS DE LA INTELIGENCIA ARTIFICIAL.

1. Una característica fundamental que distingue a los métodos de Inteligencia

Artificial de los métodos numéricos es el uso de símbolos no matemáticos, aunque
no es suficiente para distinguirlo completamente.

2. Otros tipos de programas como los compiladores y sistemas de bases de datos,

también procesan símbolos y no se considera que usen técnicas de Inteligencia
Artificial.

3. El comportamiento de los programas no es descrito explícitamente por el algoritmo.

La secuencia de pasos seguidos por el programa es influenciado por el problema
particular presente. El programa especifica cómo encontrar la secuencia de pasos
necesarios para resolver un problema dado (programa declarativo). En contraste con
los programas que no son de Inteligencia Artificial, que siguen un algoritmo
definido, que especifica, explícitamente, cómo encontrar las variables de salida para
cualquier variable dada de entrada (programa de procedimiento).

4. Las conclusiones de un programa declarativo no son fijas y son determinadas

parcialmente por las conclusiones intermedias alcanzadas durante las
consideraciones al problema específico. Los lenguajes orientados al objeto
comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia
Artificial.

5. El razonamiento basado en el conocimiento, implica que estos programas

incorporan factores y relaciones del mundo real y del ámbito del conocimiento en
que ellos operan. Al contrario de los programas para propósito específico, como los
de contabilidad y cálculos científicos; los programas de Inteligencia Artificial
pueden distinguir entre el programa de razonamiento o motor de inferencia y base
de conocimientos dándole la capacidad de explicar discrepancias entre ellas.

6. Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia

Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo
es la resolución de conflictos en tareas orientadas a metas como en planificación, o

8
 el diagnóstico de tareas en un sistema del mundo real: con poca información, con
una solución cercana y no necesariamente exacta.

D. DEFINICIÓN DE SISTEMAS INTELIGENTES

El sistema inteligente tiene la habilidad de actuar apropiadamente en su entorno con

incertidumbre, donde una acción adecuada es la que aumenta la probabilidad del éxito, y el
éxito es la consecución de los sub objetivos de comportamiento que respaldan el último
objetivo del sistema.

El estudio y desarrollo de sistemas inteligentes requiere significativos esfuerzos de

investigación multidisciplinario para integrar conceptos y métodos de distintas áreas.

E. DEFINICION DE LA INTELIGENCIA ARTIFICIAL SEGÚN

VARIOS AUTORES.

La Inteligencia Artificial, se puede definir como el estudio de las facultades mentales a

través del uso de modelos computacionales.

A continuación se especifica el concepto de IA según algunos científicos como modelo

natural, integrando la cibernética y las computadoras.

1) SEGÚN ALLAN MATHISON TURING

Fue un precursor de la inteligencia artificial Alan Turing es
considerado una de las piezas clave en el mundo de la
computación, además de contribuir decisivamente en campos
como la informática teórica y la criptografía. Es considerado el
padre de la Inteligencia Artificial.

Turing demostró que para cualquier sistema de sus máquinas

que sea necesario para efectuar algoritmos cada vez más complicados existe una máquina
de Turing capaz de hacerlo todo ella sola. Tal máquina hipotética recibe el nombre de
‘máquina de Turing universal’, y su existencia teórica pone de manifiesto que el concepto

9
de máquina de Turing es de una versatilidad sin fin, al permitir que cualquier incremento de
la complejidad del algoritmo pueda ser aceptado por una lista más larga de
especificaciones.

2) SEGÚN HERBERT ALEXANDER SIMON

Simon propuso la hipótesis del símbolo físico como una
forma de representar y modelar el pensamiento humano.
Sobre esta línea se siguió el desarrollo de la Inteligencia
Artificial en su primera etapa. Desafortunadamente
después de esta época de gran crecimiento, las
expectativas que se forjaron fueron muy altas. Se
empezaron a hacer proyecciones muy ambiciosas, que
debido al nivel tecnológico de esos tiempos fueron
imposibles de implementar.

3) SEGÚN JOHN MCCARTHY

“La ciencia y la ingeniería de crear máquinas inteligentes,
especialmente programas de computación inteligentes.
Está relacionada con la tarea similar de utilizar
ordenadores para comprender la inteligencia humana, pero
la IA no se limita a métodos que sean observables
biológicamente".

4) SEGÚN MARVIN MINSKY

“La IA es el estudio de como programar computadoras que posean
la facultad de hacer aquello que la mente humana pueda realizar”.

10
 5) SEGÚN WARREN MCCULLOCH
Con Walter Pitt’s publican "A Logical Calculus of the Ideas
Immanent in Nervous Activity" (1943) y "How We Know
Universals: The Perception of Auditory and Visual Forms"
(1947), ambos trabajos en el Bulletin of Mathematical
Biophysics, que se convertirán en la base teórica para el
conocimiento de las redes neuronales, la computación, la
cibernética y la inteligencia artificial. Sus planteamientos,
probados en modelizaciones neuronales computarizadas en el
MIT, reconstruyeron la actividad cerebral y sirvieron para abrir
todo un espacio de hipótesis acerca de la creación de máquinas inteligentes.

6) SEGÚN SCHALKOFF (1990)

“La inteligencia artificial es el campo de estudio que se enfoca a la explicación y emulación
de la conducta inteligente en función de procesos computacionales”.
La inteligencia artificial es un conjunto de pasos y técnicas los cuales son programados con
el fin de proporcionarle a las máquinas destrezas muy parecidas a las que posee el ser
humano, la inteligencia artificial examina con mucha exactitud el comportamiento, los
gestos, el vocabulario, los movimientos corporales, la manera de cómo resolver problemas
de los seres humanos para llevarlos a un algoritmo codificado y así lograr simularlo de la
manera más considerada al ser humano en una máquina.).

7) SEGÚN KURZWEIL (1990)

“Define la inteligencia artificial cómo el arte de crear máquinas con capacidad de realizar
funciones que realizadas por personas requieren de inteligencia”.
Basándonos en la definición de Kurzweil podríamos detallar que la inteligencia artificial se
basa en la construcción de sistemas y maquinas que puedan de alguna manera u otra
cumplir con las actividades que se le asigne o para la cual fueron programadas, dichas
actividades pueden tener un grado de dificultad muy bajo o demasiado elevado donde la
maquina debe procesar gran cantidad de datos para resolverlas, al momento en que la

11
maquina procesa los datos para lograr resolver una tarea, es cuando se demuestra que
poseen una inteligencia muy parecida a la de los seres humanos.

8) SEGÚN (RICH Y KNIGHT, 1991).

La inteligencia artificial es el estudio de cómo lograr que las computadoras realicen tareas
que, por el momento, los humanos hacen mejor.
De acuerdo a lo planteado por Rich y Knight podríamos decir, que la inteligencia artificial
busca la manera de cómo crear un sistema que emulado en una maquina pueda realizar
tareas lo más parecido a como un ser humano podría hacerla. Este tipo de inteligencia cada
día evoluciona tratando que sus algoritmos contenga la mayor información sobre la
inteligencia humana y así poder mejorar mucho más el comportamiento de las maquina en
todos sus aspectos.

9) SEGÚN LUGAR Y STUBBLEFIED, (1993).

“Definen la inteligencia artificial como la rama de la ciencia de la computación que se
ocupa de la automatización de la conducta inteligente”.
Dicho de otro modo, la inteligencia artificial se enfoca en la creación de máquinas
automatizadas con una inteligencia muy similar a la inteligencia humana, con el fin de
optimizar tiempo, esfuerzo y trabajo de los seres humanos, muy pronto todas las industrias
sustituirán a los seres humanos por maquinas ya que estas podrán trabajar sin causarle a las
empresas ningún costo por mano de obra y así proporcionarle un margen de ganancia
considerablemente más alto ahorrándole tiempo y produciendo mucho más.

10) SEGÚN (STUART, 1996).

“Es la capacidad que poseen las máquinas para realizar tareas ejecutadas por los seres
humanos”.

En relación con la definición de Stuart, se puede considerar que la inteligencia artificial es

la que le aporta habilidades a las maquinas con el fin de que estas puedan ejecutar
actividades que los humanos realizar, de una forma más rápida ahorrando tiempo. La
inteligencia artificial le permite a las maquinas tener cualidades propias de los seres

12
humanos tales como razonar, actuar e inclusive resolver cualquier problema que se le
presente.

11) SEGÚN HAYES

“La IA es la implementación de razonamientos inteligentes mediante técnicas propias de
la computación. Esta definición establece un lazo de unión entre la máquina, la
inteligencia y la actividad del ser humano”.

II. FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL

Disciplinas en las cuales se fundamenta la inteligencia artificial, las cuales son:

 Filosofía (desde el año 428 a.C. hasta la actualidad)

 Matemáticas (aproximadamente desde el año 800 al presente)

 Economía (desde el años 1776 hasta la actualidad)

 Neurociencia (desde el año 1861 hasta la actualidad)

13
  Psicología (desde el año 1879 hasta el presente)

 Ingeniería computacional (desde el año 1940 hasta la actualidad)

 Teoría de control y cibernética (desde el año 1948 hasta la actualidad)

 Lingüística (desde el año 1957 hasta la actualidad

A. FILOSOFIA

Filosofía en diversos puntos particularmente en el area

de la lógica y la epistemología tradicional, que en el siglo
** enfrenta como suyo el problema de la Inteligencia
Artificial, y esta no busca tan solo imitar la inteligencia
natural o crear un simulador ingenioso.

Se busca crear maquinas que piensen, en sentido pleno y literal. Es decir trata sobre la
posibilidad de una inteligencia mecánica:

• Descartes, Leibniz: la mente está ligada al mundo físico.

• John Locke: en el principio fue la Mente (1690).

• Hume (1779), Russell: el conocimiento es fruto de la percepción, se adquiere por la

experiencia (inducción) y está representado por teorías lógicas.

• Darwin (1857): destrucción del ex nihilo nihil fit a través de la teoría de la evolución por
selección natural.

14
 B. MATEMATICAS

Las bases filosóficas necesitan reglas formales

• Boole, Frege: fundamentos de la lógica

matemática.

• Gödel, Turing: límites de lo computable

(teorema de incompletitud).

• Fermat, Bernoulli, Bayes: probabilidad, razonamiento probabilístico.

C. PSICOLOGIA

Ofrece herramientas que permitan la investigación de la

mente humana, asi como un lenguaje científico para
expresar las teorías que se van obteniendo por ejemplo:

Psicología cognitiva. Teorías sobre la conducta, bases

del comportamiento racional:

• Representación de los estímulos externos

• Manipulación consciente de la representación

• Actuación consecuente

15
D. INGENIERIA COMPUTACIONAL

Es de la que se toman herramientas que permiten que la

inteligencia artificial sea una realidad.

• Para la existencia de la IA es necesario un mecanismo

para soportarlo (hardware).

• También son necesarias herramientas para desarrollar

programas de IA.

E. LINGÜÍSTICA COMPUTACIONAL

La lingüística moderna y la inteligencia artificial nacieron

al mismo tiempo o bien crecieron juntas y se cruzaron en el
campo de la lingüística ocupacional o procesamiento del
lenguaje natural que se concentra en el uso natural del
lenguaje. Chomsky: representación del conocimiento,
gramática de la lengua.

16
 F. ECONOMIA

Se considera que la gerencia empresarial en nuestros

días puede estar muy apoyada en las nuevas
tecnologías, como es la inteligencia artificial ya sea
como soporte para una toma de decisiones más
eficaz o en la ayuda de labores, tareas, que exijan
gran demanda de tiempo o representen un alto grado
de peligrosidad al ser humano.

¿Cómo debemos tomar decisiones ...

Que nos beneficien?

En contra de competidores?

Cuando el beneficio no es inmediato?

Teoría de la decisión/teoría de juegos / investigación operativa.

G. NEUROCIENCIA
A través de la historia, el marketing ha evolucionado,
pues nació preocupado en mejorar los procesos y los
productos, posteriormente enfocó sus prioridades en
el funcionamiento del cerebro del consumidor.

Es necesario preocuparse en la NEUROINNOVACIÓN

(innovar en función de datos del cerebro

¿Cómo procesa el cerebro la información?

Son el estudio de Neuronas/Especialización del cerebro Enfoque del estudio del cerebro

17
 H. TEORIA DE CONTROL/CIBERNETICA

La cibernética es el estudio del control y

comunicación en los sistemas complejos: organismos
vivos, máquinas y organizaciones. Especial atención
se presta a la retroalimentación y sus conceptos
derivados.

Construcción de sistemas autónomos.

III. ENFOQUES DE LA INTELIGENCIA ARTIFICIAL

SISTEMAS QUE PIENSAN COMO SISTEMAS QUE PIENSAN

HUMANOS RACIONALMENTE

ENFOQUES

SISTEMAS QUE ACTUAN COMO SISTEMAS QUE ACTUAN

HUMANOS RACIONAMENTE

Actuar como humano: el enfoque de la prueba de Turing.

Pensar como humano: el enfoque del modelo cognitivo. (Ciencia Cognitiva)

Pensar racionalmente: el enfoque de las leyes del pensamiento. (Silogismos, lógica)

18
Actuar en forma racional: el enfoque del agente racional. (Agentes, percepción,
acciones)

A. SISTEMAS QUE ACTÚAN COMO UN SER HUMANO

 “El arte de crear máquinas con capacidad de realizar funciones que realizadas
por personas requieren de inteligencia” (Kurzweil, 1990).
 “El estudio de cómo lograr que las computadoras realicen tareas que, por el
momento, los humanos hacen mejor.” (Rich y Knight, 1991).
 El modelo es el hombre; el objetivo es construir un sistema que pase por humano.
Capacidades necesarias:

 procesamiento del lenguaje natural

 representación del conocimiento
 razonamiento
 aprendizaje

1) PRUEBA O TEST DE TURING

Si un sistema la pasa es inteligente.

Procedimiento desarrollado por Alan Turing para identificar la existencia de inteligencia en

una máquina y comprobar que una máquina puede llegar a pensar al igual que una persona.

Este test fue expuesto en 1950 en un artículo (Computing machinery and intelligence) para
la revista Mind que sigue siendo hoy día una de las cabezas de lanza de los defensores de
la Inteligencia Artificial.

Está fundamentado en la hipótesis positivista de que, si una máquina se comporta en todos

los aspectos de forma inteligente, entonces debe ser inteligente.

Básicamente la prueba consiste en un desafío en el cual la máquina debe hacerse pasar por
humana en una conversación con un hombre a través de una comunicación de texto en
modo chat. Al sujeto no se le avisa si está hablando con una máquina o una persona de
modo que si el sujeto es incapaz de determinar si la otra parte de la comunicación es
humana o máquina, entonces se considera que la máquina ha alcanzado un determinado
nivel de madurez: es inteligente.

19
B. SISTEMAS QUE PIENSAN COMO HUMANOS

 “la interesante tarea de lograr que las computadoras piensen... maquinas con mente,
en su amplio sentido literal.” (Haugeland, 1985)
 “La automatización de actividades que vinculamos con procesos de pensamiento
humano, actividades tales como toma de decisiones, resolución de problemas,
aprendizaje...” (Bellman, 1978).
 El modelo es el funcionamiento de la mente humana.
 Se intenta establecer una teoría sobre el funcionamiento de la mente
(experimentación psicológica).
 A partir de la teoría se pueden establecer modelos computacionales.
 Influencia de las neurociencias y de las ciencias cognitivas.

C. SISTEMAS QUE PIENSAN RACIONALMENTE

 “El estudio de las facultades mentales mediante el uso de modelos

computacionales.” (Charniak y McDermott, 1985).

20
  “El estudio de los cálculos que permiten percibir, razonar y actuar.” (Winston,
1992).
 Esto inicio el campo de la lógica.
 Este campo fue expandido en el siglo XIX por Boole, Pascal, Bayes, etc.
Existen dos problemas con este enfoque:

 Dificultad de definir el conocimiento informal y colocarlo en notación lógica

(especialmente cuando el conocimiento no es 100% preciso).
 Existe una gran diferencia entre resolver un problema en la teoría y en la práctica.

D. SISTEMAS QUE ACTÚAN RACIONALMENTE

 “Un campo de estudio que se enfoca a la explicación y emulación de la

conducta inteligente en función de procesos computacionales” (Schalkoff,
1990).
 “La rama de la ciencia de la computación que se ocupa de la automatización
de la conducta inteligente” (Luger y Stubblefield, 1993).
 Tratan de emular en forma racional el comportamiento humano; por ejemplo los
agentes inteligentes .Está relacionado con conductas inteligentes en artefactos.
 Las leyes del pensamiento racional se fundamentan en la lógica.
 La lógica formal está en la base de los programas inteligentes (Logicismo).
Se presentan dos obstáculos:

 Es muy difícil formalizar el conocimiento.

 Hay un gran salto entre la capacidad teórica de la lógica y su realización práctica.
Las capacidades necesarias:

 percepción
 procesamiento del lenguaje natural
 representación del conocimiento
 razonamiento
 aprendizaje automática

21
 IV. APLICACIONES DE LA INTELIGENCIA ARTIFICIAL

Las áreas de aplicación de la Inteligencia Artificial se pueden dividir en dos, de

acuerdo al contenido del estudio o de acuerdo a las herramientas y técnicas utilizadas. Se
desarrollan a continuación:

A. Contenido
Ya que los seres humanos y otros animales, y también los robots inteligentes y otros
artefactos, tienen una amplia variedad de capacidades, la IA ha generado varios
subcampos, tratando aspectos particulares de la inteligencia.

22
1) Subcampos basados en el contenido.
 Percepción especialmente la visión, sino también la percepción auditiva y táctil, y,
más recientemente, el gusto y el olfato. Esto se desglosa en el estudio de los
diferentes tipos de procesos. si la percepción está puramente dirigida por los datos
o incluye procesos Top-Down, los mecanismos utilizados (por ejemplo
neuronales o simbólicos), la arquitectura más grande que contiene el sistema
sensorial, y el dominio de aplicación.

 Procesamiento de lenguaje natural o también llamada Lingüística computacional,

incluida la producción y la interpretación de la lengua hablada y escrita, ya sea
manuscrito, impreso o electrónico en todo (por ejemplo el correo electrónico).tiene
como objetivo la realización de aplicaciones informáticas que imiten la capacidad
humana de hablar y entender.

 Aprendizaje y desarrollo, incluidos los procesos de aprendizaje simbólico, la

utilización de las redes neuronales el uso de algoritmos evolutivos, sistemas de
autodepuración, y diversos tipos auto-organización.

 Planificación, solución de problemas, diseño automático: dado un problema

complejo y una colección de recursos, restricciones y criterios de evaluación
crear una solución que cumpla con las restricciones y lo haga bien o sea óptima de
acuerdo con los criterios establecidos.
 Variedad de razonamiento: Esto incluye estudio tanto.
 Razonamiento informal de sentido común
 Razonamiento experto especializado

23
 El primero incluye el estudio del razonamiento analógico y el último incluye la
lógica y razonamiento matemático para fines prácticos.

 Estudio de las representaciones: la investigación de las propiedades formales de los

diferentes tipos de representaciones, los mecanismos necesarios para su
funcionamiento, y el tipo de tareas para las que son buenas o malas.

 Visión artificial mediante la utilización de las técnicas adecuadas, permite la

obtención, procesamiento y análisis de cualquier tipo de información especial
obtenida a través de imágenes digitales. La visión artificial la componen un
conjunto de procesos destinados a realizar el
análisis de imágenes. Estos procesos son:
captación de imágenes, memorización de la
información, procesado e interpretación de
los resultados.

 Prototipos informáticos es un modelo del

comportamiento del sistema que puede ser
usado para entenderlo completamente o
ciertos aspectos de él y así clarificar los requerimientos… Un prototipo es una
representación de un sistema, aunque no es un sistema completo, posee las
características del sistema final o parte de ellas”.

24
 Un sistema de reconocimiento de voz
es una herramienta computacional
capaz de procesar la señal de voz
emitida por el ser humano y
reconocer la información contenida
en ésta, convirtiéndola en texto o
emitiendo órdenes que actúan sobre
un proceso. es una disciplina de la inteligencia artificial que tiene como objetivo
permitir la comunicación hablada entre seres humanos y computadoras.

 Sistemas multiagente: el estudio de los diversos tipos de comunicación

(lingüística y no lingüista, explícita e implícita, intencional y no intencional),
Algunos estudios de sistemas multiagente tienen que ver con la comprensión
de interacciones sociales humana, mientras que otros están preocupados con el
diseño de aplicaciones que implican múltiples robots o múltiples sistemas
software concurrentes. Algunos sistemas multiagente se proponen como una
arquitectura para un único agente inteligente complejo.

 Mecanismos afectivos: Esto se estudia a veces como un tema propio, y, a veces,

como parte del estudio de arquitecturas completas para sistemas autónomos
inteligentes.

 Robótica: uno de los más subcampos más antiguos de

la IA. A veces estudiado con el propósito de producir
nuevos tipos de máquinas útiles, y, a veces, porque
diseñar completamente robots de trabajo, Es decir, se
trata de un contexto para explorar ideas acerca de
sistemas completos.

25
 Arquitecturas de sistemas completos.la arquitectura en la que muchos y
diferentes mecanismos se combinan para proporcionar un sistema con muchos
tipos distintos de funcionalidades, a menudo mecanismos activos simultáneamente.

 Vehículos autónomos vehículos completamente autónomos, capaces de valerse por

sí mismos sin más ayuda quelas órdenes dadas por una inteligencia artificial. el
automóvil autónomo es un fijo del universo de ficción, cierto, pero también se
apunta a la realidad palpable.

 La búsqueda es un tema recurrente en la IA. Se han estudiado muchas formas

diferentes de búsqueda, en relación a las diferentes formas de representación,
diferentes dominios del problema y diferentes requisitos.

 El datamining (minería de datos), es el conjunto de técnicas y tecnologías que

permiten explorar grandes bases de datos, de manera automática o semiautomática,
con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen
el comportamiento de los datos en un determinado contexto.

26
B. Técnicas
Debido a que las aplicaciones de la IA son muchas y muy diversas, algunos
de los subcampos se agrupan en torno a las técnicas relevantes a cada clase de
problemas.

C. Subcampos de aplicación de la IA
 IA en la medicina: que incluye la interpretación de imágenes médicas,
diagnóstico, sistemas expertos para ayudar a los médicos, la monitorización y
control en las unidades de cuidados intensivos, diseño de prótesis, diseño de
fármacos, sistemas tutores inteligentes para diversos aspectos de la medicina.
 IA en la robótica: que incluye la visión, el control de motores, el aprendizaje, la
planificación, la comunicación lingüística, el comportamiento cooperativo.

27
 IA en muchos aspectos de la ingeniería: diagnóstico de fallos,
sistemas inteligentes de control, sistemas inteligentes de fabricación, ayuda
inteligente al diseño, sistemas integrados de ventas, diseño, producción,
mantenimiento, herramientas de configuración expertas.AI en la ingeniería de
software incluye síntesis de programas, verificación, depuración, prueba y
monitorización de software.

 IA en interfaces y sistemas de "ayuda": ya que las computadoras se usan

para más y más aplicaciones que implican la interacción con los seres humanos, hay
cada vez más presiones para construir máquinas más fáciles de utilizar para los no
expertos.
 IA en la educación: incluye diversos tipos de sistemas tutores inteligentes
y sistemas de gestión de estudiantes.
 IA en la gestión de la información: esto incluye el uso de la IA en la minería
de datos, el rastreo web, filtrado de correo, etc.
 IA en las matemáticas: diseño de herramientas para ayudar con distintas clases
de funciones matemáticas, ahora tan utilizadas que ya no se reconocen como
productos de la IA.
 IA en la industria del entretenimiento: cada vez más se utiliza la IA en los
juegos de ordenador y los sistemas de control y de generación de caracteres
sintéticos, ya sea en la interacción a través de texto o con la generación de películas
con dibujos animados o “avatares” interactivos en mundos virtuales.
 IA en la biología: hay muchos problemas complicados en biología donde
se están desarrollando sistemas informáticos más o menos inteligentes, por ejemplo,
análisis de ADN, predicción de la estructura de plegado de moléculas complejas, la
predicción, la elaboración de modelos de procesos biológicos, evolución,
desarrollo de embriones, comportamientos de los distintos organismos.

28
 IA en la Ley: por ejemplo, sistemas expertos para ayudar a los abogados, o los
sistemas para dar asesoramiento jurídico y ayuda a los no letrados.

 IA en la arquitectura: el diseño urbano, la gestión del tráfico: herramientas

para ayudar a resolver problemas de diseño que presentan múltiples
restricciones, ayudar a predecir el comportamiento de las personas en los
nuevos entornos, herramientas para analizar los patrones de los fenómenos
observados.

 IA en la literatura: el arte y la música: la identificación de los autores,

la modelización de los procesos de generación y el reconocimiento, las
aplicaciones de enseñanza.
 IA en la detección y prevención de la delincuencia: por ejemplo,
detección de falsificaciones, aprendizaje para detectar indicios de corrupción
policial, software para controlar las transacciones en Internet, ayudar a
planificar las operaciones de la policía, búsqueda en bases de datos policiales de
evidencias de que los crímenes son cometidos por la misma persona, etc.

 IA en el comercio: Internet ha permitido que una de las áreas de mayor

crecimiento en cuanto al número de aplicaciones desarrolladas sea el comercio,
especialmente el comercio electrónico y el uso de agentes software de distintas
clases para proporcionar, buscar, analizar o interpretar información, tomar
decisiones, negociar con otros agentes, etc.
 IA en el espacio: el control a distancia de los vehículos espaciales y
robots autónomos.
 IA en las actividades militares: Este puede ser el ámbito en el que se ha
gastado la mayor parte de los fondos y dónde no es fácil aprender de los detalles.

29
V. METODOLOGÍAS
La mayoría de investigadores que trabajan en temas de IA han definido diferentes
metodologías y teorías fundamentales. A partir de estas se define una metodología teniendo
en cuenta el trabajo realizado por Li, D. y Du, Y. (2008), el cual se subdivide en:
Simbolismo Conexionismo y Conductismo. El Simbolismo está basado en la hipótesis de
un sistema de símbolo físico, es decir, un sistema de operadores simbólicos y una teoría de
racionalidad limitada. El Conexionismo concierne a los sistemas de Redes Neuronales
Artificiales (ANN) y Computación Evolutiva. Y por último el Conductismo, que se enfatiza
en particular, en las relaciones entre la percepción y la acción. Como se ve en la figura 1 las
MIA se subdividen en tres metodologías, a su vez cada subdivisión está conformada por
varios modelos.

A. Metodología del Simbolismo

La Metodología del Simbolismo se origina a partir de la Cognición Computacional. El
propósito de la Cognición Computacional es dar como pauta el estudio de la cognición
humana para entrar en una fase científica de investigación regular. Simon, H. A., (1997)
dijo, años atrás el desarrollo de la ciencia cognoscitiva, “antes de que el ordenador fuera
considerado como un sistema de procesamiento de símbolos universales, había muy pocos
conceptos científicos y enfoques para el estudio de la naturaleza de la cognición y la
inteligencia. La Cognición Computacional llego a ser el principio de una línea de la

Inteligencia Artificial, Sicología Cognoscitiva y Lingüística Matemática, ayudando

enormemente al avance de la IA (Simon, H. A., 1997). El simbolismo en términos de
cognición es el procesamiento de símbolos y en que el proceso del pensamiento humano
puede ser descrito por ciertas clases de símbolos. En otras palabras, el pensamiento es la
computación (o la cognición es la computación). Esta ideología constituye una de las bases
filosóficas para la inteligencia artificial.

1) Lenguajes de Programación Lógica

En 1959, basándose en el cálculo de Alonzo Church ““list structure”; Simon y Newell, John
McCarthy introdujeron el desarrollo la famosa LISP (Lista de Procesamiento de Lenguaje),
que más tarde fue el lenguaje que más ha ayudado en la investigación de Inteligencia

30
Artificial (Church, A., 1941). LISP es un lenguaje funcional de procesamiento simbólico,
que trata de un programa hecho de subfunciones funcionales. Su estructura funcional es
análoga a la estructura de la función recurrente en matemáticas, siendo capaz de construir
nuevas funciones desde unas funciones básicas de ciertos medios. Por lo tanto, es un
lenguaje de programación funcional. También es un lenguaje de programación lógico,
porque su cálculo está basado en símbolos más bien que números y esto realiza
deducciones por medio del cálculo simbólico. PROLOG (Programador de Lógica) es
otro famoso lenguaje de 1297 programación lógico, puesto en práctica en 1972 por el
grupo de investigación de Alain Colmerauer de la Universidad de Marsella en
Francia.(Colmerauer, A., 1990) Más Tarde, Pillipe Roussel introdujo el intérprete de
PROLOG; y David Warren contribuyó con el primer compilador de PROLOG. (Rousel, P.,
1975)

B. Metodología del Conexionismo

McCulloch W. S., y Pitts, W., (1943) pioneros del conexionismo. Tenían en cuenta que
para simular la inteligencia humana, es necesario construir un modelo cerebral con la ayuda
de la biónica. Y también que la unidad básica del pensamiento humano son las neuronas,
más bien que los símbolos y que la inteligencia es el resultado de la competición de las
neuronas interconectadas y coordinadas. Sosteniendo vistas diferentes de la hipótesis de un
sistema de

símbolo físico, creyendo que el cerebro humano no es lo mismo que un ordenador. Cuando
el ordenador es usado para simular el cerebro humano, debería hacerse énfasis que la
simulación estructural, es decir, simular la estructura de una red de sistema neuronal
humano biológico. Ellos también creen que las funciones, las estructuras, y el
comportamiento están estrechamente relacionadas y que las diferentes funciones y
comportamientos son representados por estructuras diferentes.

1) Modelo de Red Neuronal de Hopfield

En el enfoque Conexionista, su representación típica es el Modelo de Redes Neuronales
Hopfield (NNH), desempeñando un rol importante en el resurgimiento de la investigación
en las ANN. La NNH se compone de una sola capa, un modelo de retroalimentación
completo; con las siguientes características técnicas (Hopfield, J.J., 1982):

31
1. La NNH es una conexión completa de una sola capa y de un sistema de retro
alimentación completo compuesto de componentes no lineales. Cada neurona de la red esta
interconectada desde su salida a otras neuronas a través de conexiones, y al mismo tiempo,
recibe la información enviada de otras neuronas.

2. Un rasgo importante de la NNH es su estabilidad. Cuando la función de energía alcanza

mínimos, esto es un estado estable para la red. Aquí la función de energía representa una
tendencia de transición en el estado de la red. El estado varía con las reglas de operación
Hopfield y es finalmente capaz de alcanzar la función objetivo de un valor mínimo.

3. Mientras la NNH es puesta en marcha, la conexión entre pesos de cada neurona

permanecen fijos, sólo el estado de salida es actualizado. Para la red de la misma estructura,
con el cambio de parámetros de la red (pesos y umbrales), el número de mínimos de la
función de energía en la red (llamado “punto de equilibrio para la estabilización del
sistema”) y los valores de mínimos también son cambiados. Por lo tanto, la necesidad de un
patrón de memoria puede ser diseñado con un punto de equilibrio estabilizado en un estado
de red fijo.

2) Modelo de Red Neuronal Back-Propagation

Este modelo es otro tipo de estructura del conexionismo propuesto por Werbos, P. J.,
(1974). Poco después Parker, D., (1982) y Rumelhart, D., (1986) llegaron al algoritmo
Back-Propagation, solucionando el problema de aprendizaje en los valores de pesos de
conexiones en unidades de capas ocultas en una Red Neuronal Multicapa. En un modelo de
propagación feed-forward29, las señales de entrada son procesadas desde una capa a la
siguiente por capas ocultas multiples y después de esto, se propagan a la capa de salida.
Cada neurona de salida en una capa sólo afecta el estado de la siguiente capa. Un modelo
back-propagation consiste en minimizar el tipo de error en el aprendizaje, cuyo proceso de
aprendizaje es realizado en dos partes: propagación feed-forward de entrada y propagación
feed-back de error. El error es propagado hacia atrás cuando aparece entre la entrada y la
salida esperada durante el proceso feed-forward. Durante se efectúa el back-propagation,
los valores de los pesos en cada conexión entre cada capa de neuronas son corregidos y
gradualmente ajustados hasta que el error de salida mínimo sea alcanzado. La figura 10 es
un diagrama de una red de back propagation.

32
 3) Algoritmos Genéticos
Los algoritmos genéticos requieren para su aplicación de representaciones codificadas
como un cromosoma. Cada cromosoma tiene varios genes que corresponden a los
parámetros del problema en cuestión. En la naturaleza, los cromosomas se encuentran
ubicados en parejas en el interior del núcleo celular, y los genes son una secuencia de
nucleótidos, es decir, fragmentos de ADN en una determinada localización del cromosoma.

Para poder trabajar con estos genes en el programa, es necesario representarlos en una
cadena n elementos (genes), es decir, una secuencia donde cada gen puede tomar cualquier
valor dentro de un conjunto de longitud finita.

Este conjunto ș, formará el genotipo del individuo (cromosoma), que se manifestará

también como un fenotipo. El fenotipo representa las características tangibles u observables
del individuo, es decir, los rasgos morfológicos.

Posteriormente, para evaluar la adaptación del fenotipo al entorno se emplea la función

objetivo y las restricciones. Como se ha comentado, los cromosomas están constituidos por
genes que son las N variables del problema, a su vez cada gen puede estar constituido por
n dígitos cuyo valor representa un alelo. Alelo significa literalmente la forma alternativa, es
decir, la variación alternativa de un determinado gen y por lo tanto de un rasgo
característico.

C. Metodología del Conductismo (Behaviorism)

Esta es una de las más usadas por la investigación en la I.A. Los conductistas creen que la
inteligencia depende del comportamiento y la percepción, proponiendo un modelo
“comportamiento-percepción” de comportamiento intelectual, usualmente llamado
conductismo. (Li, Z., y Tu, Y., 2003). El temprano enfoque del conductismo se basa en
funciones y comportamientos intelectuales humanos en el proceso del control tales como
auto-optimización, auto-adaptación, auto-ajustador, auto-calma, auto-organización y auto-
aprendizaje, y en el desarrollo también llamado "animats30".

33
 1) Lógica Difusa
La Lógica Difusa se adapta mejor al mundo real en el que vivimos, e incluso puede
comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy
alto", "el ritmo del corazón está un poco acelerado", etc.

La clave de esta adaptación al lenguaje, se basa en comprender los cuantificadores de

nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco").

En la teoría de conjuntos difusos se definen también las operaciones de unión, intersección,

diferencia, negación o complemento, y otras operaciones sobre conjuntos (ver también
subconjunto difuso), en los que se basa esta lógica.

Para cada conjunto difuso, existe asociada una función de pertenencia para sus elementos,
que indican en qué medida el elemento forma parte de ese conjunto difuso. Las formas de
las funciones de pertenencia más típicas son la trapezoidal, lineal y curva.

2) Control de un Robot
La teoría de control es una rama importante de la investigación en la robótica. Los
problemas tratados son los sistemas sensoriales, movimientos óptimos de brazos, y
planificación de métodos para la implementación de secuencia en la ejecución de un robot,
del cual el control es una parte importante para estas investigaciones. Analógicamente a la
sicología “la estimulación” hace a un robot hacer y tomar determinadas acciones a través
del control, una vez que cada condición realizada es satisfecha. El desarrollo rápido de la
investigación en la robótica es gracias al avance en la automatización industrial y a la
investigación en la IA. La combinación de automatización e intelectualización31
probablemente fue empleada para simular estados de procesamiento de automatización
industrial, describir la transformación de un estado de producción a otro, y de programas de
como la secuencia de acción son llevados a cabo y de como la ejecución de planes son
supervisados. Con la ayuda del ordenador, el proceso de información y el control de
actividades son generalizados como actividades intelectuales y de producción
intelectualizada.

34
 3) Control Inteligente
La metodología de teoría de control tradicional se basa en la relación entrada y salida del
objeto a controlar el cual se expresará por una función de transferencia a partir de un
modelo matemático exacto, que es a menudo difícil de realizar. Algunos
investigadores han trabajado en el mecanismo de control de auto-aprendizaje y
auto-organización; introduciendo tecnología de inteligencia artificial en el sistema de
control. El control inteligente se refiere a una amplia categoría de la estrategia de
control con algunos dispositivos con características intelectuales apery32. Esto concierne
al objeto controlado cuyos parámetros de modelos, hasta estructuras, son variables duras
para ser descritas exactamente en métodos matemáticos, por tener propiedades no lineales,
inciertas y variables en el tiempo. Cuando el control inteligente se encuentra en un
ambiente externo es difícil que sea restrictivo con parámetros matemáticos, por lo cual
requiere ser capaz de auto-organizarse, auto-aprender y auto-adaptarse, en pocas
palabras tener comportamiento inteligente.

35
 VI. SOFTWARE PARA DESARROLLO DE INTELIGENCIA
ARTIFICIAL

A. Khoros
Khoros proporciona un entorno de programación visual, ofrece una variedad ed
herramientas para la manipulación de datos, procesamiento de señal, procesamiento de
imágenes, análisis numérico, datos geométricos 3D, visualización de datos3D y 2D etc.

Enlace de descarga: http://www.khoral.com

36
 B. SISTEMA ELIZA

El sistema Eliza, un bot (programa software) conversacional es un ejemplo de ello.

ELIZA es un programa informático diseñado en el MIT entre 1964 y 1966 por Joseph
Weizenbaum. Eliza fue uno de los primeros programas en procesar lenguaje natural.e
intentaba mantener una conversación de texto coherente con el usuario.

ELIZA funciona buscando palabras clave en la frase escrita por el usuario y responde con
una frase modelo registrada en su base de datos.
A veces, las respuestas de este bot conversacional resultaban tan convincentes que al
conversar por primera vez con él, algunas personas creyeron que en verdad estaban
dialogando con un interlocutor humano. Sin embargo, esto tuvo un límite cuando el usuario
encontraba mensajes implícitos o subliminales en las respuestas del bot que en verdad no
existían o no intentaban significar eso. Llegado este punto, la conversación se volvía
incoherente.

Cuando se escribía determinada frase que el bot no conocía, el mismo reformulaba dicha
expresión a modo de pregunta o reflexión.

Enlace descarga: http://tempest-for-eliza.softonic.com/linux

37
 C. Sistema Mycin
Mycin es un sistema experto desarrollado a principios de los años 70 por Edward Shortliffe,
en la Universidad de Stanford. Fue escrito en Lisp, e inicialmente estaba inspirado
en Dendral, otro sistema experto que tuvo cierto éxito a finales de los años 60. Su principal
función consistía en el diagnóstico de enfermedades infecciosas de la sangre; además,
Mycin era capaz de “razonar” el proceso seguido para llegar a estos diagnósticos, y de
recetar medicaciones personalizadas a cada paciente (según su estatura, peso, etc.).

El funcionamiento de Mycin se basaba principalmente en un sencillo motor de inferencia,

que manejaba una base de conocimiento de aproximadamente unas 500 reglas. El programa
capturaba las entradas a partir de una serie de preguntas (como por ejemplo, ¿Tiene el
paciente molestias en el pecho?, o ¿Ha sido operado el paciente anteriormente?), que
usualmente respondía el médico del paciente. Tras este proceso, Mycin mostraba la salida
por pantalla, que consistía en una serie de posibles enfermedades (ordenadas por su
probabilidad asociada), la explicación del porqué de cada uno de estos diagnósticos, y una
serie de recomendaciones sobre el tratamiento a seguir por el paciente. Para calcular la
probabilidad de cada uno de los resultados, los autores desarrollaron una técnica empírica
basada en factores de certeza. Estos factores de certeza se calculaban de tal manera que en
función de unas evidencias se asigna a la hipótesis un factor de certeza.

38
 D. Sistema Dendral

Dendral (Interpreta la estructura molecular)es el nombre de un sistema experto desarrollado

por Edward Feigenbaum y otros programadores en la Universidad de Stanford, a mediados
de los años 60, y su desarrollo duró diez años, (1965 a 1975)
Fue el primer sistema experto en ser utilizado para propósitos reales, al margen de la
investigación computacional, y durante aproximadamente 10 años, el sistema tuvo cierto
éxito entre químicos y biólogos, ya que facilitaba enormemente la inferencia de estructuras
moleculares, dominio en el que Dendral estaba especializado.
Inicialmente escrito en Lisp, su filosofía de trabajo se aleja de las estructuras clásicas de los
sistemas expertos más típicos (como Mycin o XCon), ya que su implementación no
separaba de forma explícita el conocimiento del motor de inferencia. Sin embargo, pronto
se convirtió en uno de los modelos a seguir por muchos de los programadores de sistemas
expertos de la época.

39
 VII. CONCLUSION
La evolución de la Inteligencia Artificial requiere de la intervención de profesionistas en
diferentes áreas de conocimiento. Una vez que la inteligencia artificial tenga una
inteligencia igual o superior a la del hombre, en ese momento surgirá un cambio en todo el
mundo, en el que la inteligencia artificial tiene todas las de ganar si se da cuenta que no
necesita a los humanos para dominar el universo.

En el futuro, la inteligencia artificial podría fácilmente hacerse con todas las colonias
humanas fuera de la tierra, y la raza humana nunca podrá luchar en el espacio vacío en
igualdad de condiciones.

Como se ha podido observar una de las críticas más grande de la inteligencia artificial es la
característica de imitar por completo a un ser humano, pero estas críticas pasan por alto que
ningún ser humano tiene la capacidad de resolver todos los problemas existentes. Por lo
tanto es muy importante detonar que tipos de problemas que podrán resolver, la estrategia y
algoritmos que realizara para llegar a dicha respuesta.

Un problema que se presta en la I.A es la comunicación que esta tendrá con el usuario. Este
contratiempo se debe a la diversidad del lenguaje, la cual apareció ya en los primeros
sistemas operativos informáticos. El ser humano se puede comunicar mediante su lengua
nativa, lo que implica que bien la persona deberá aprender el idioma de la máquina como
cualquier otra lengua conocida, o la máquina tendrá que interpretar el mensaje que la
persona se la dé.

En muchas ocasiones las maquinas dan la impresión de poseer inteligencia pero a pesar de
esto no podríamos decir que son inteligentes ya que hasta ahora solo son emulaciones de
ciertos procesos.

Con el crecimiento de la tecnología la IA ha avanzado enormemente, pero sin embargo no

se asemeja a la inteligencia de un ser humano, pero existen muchas maquinas que realizan
diferentes procesos que la pueden hacer con mayor eficiencia que cualquier ser humano.

40
 VIII. REFERENCIAS
 V. G. Saquicela, “Introducción a la inteligencia artificial ,”Universidad de Cuenca,
facultad de ingeniería
 C. Peñafiel,“Inteligencia Artificial “, Estudiante Universidad Politécnica Salesiana,
disponible en internet: http://www.slideshare.net/cristianp77/inteligencia-artificial-
paper
 Webpage acerca de Inteligencia Artificial (n.d) :
http://www.gestiopolis.com/administracion-estrategia/inteligencia-artificial.htm

 Eduardo Fermé; Fragmento acerca de la Inteligencia Artificial (2011): http://www-

2.dc.uba.ar/materias/ia/clase1

 Webpage sobre Fundamentos de Inteligencia Artificial (n.d):

http://www.angelfire.com/falcon/miqueleiz/03FundamentosdelaIA.htm

 Introducción a la Inteligencia Artificial(2011):

http://www.lsi.upc.edu/~bejar/ia/transpas/teoria/1-IA-introduccion.pdf

 Álvaro Barreiro García; Webpage sobre sistemas racionales:

http://www.dc.fi.udc.es/ai/~barreiro/iadocen/iatema01/node6.html

 Davis Flores, Presentación dinámica sobre sistemas racionales(2012):

http://prezi.com/ka2icmnecmqw/sistemas-que-piensan-racionalmente/

 Webpage sobre Fundamentos y bases de Inteligencia Artificial(n.d):

http://www.ehu.es/netart/alum0506/ainhoa_diaz/i_artificial.htm

41