Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE COMUNICACIONES
CONTRIBUCIÓN DE LA IA
A PROYECTOS DE
DESARROLLO SOSTENIBLE
INGENIERÍA DE TELECOMUNICACIÓN
5º CURSO
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
Después de los primeros usos agrícolas de la informática, sobre todo con el uso de la
programación lineal como tecnología de optimización, este tipo de sistemas se
convirtieron en el primer camino hacia la gestión de los sistemas de información (MIS:
Management Information System).
Sprague y Carlson definen los sistemas de apoyo a la toma de decisiones (DSS) como:
"sistema interactivo computarizado, que ayuda en la toma de decisión utilizando datos y
modelos para encontrar la solución de un problema no estructurado."
OLDER (1983, S.32 FF.) clasifica las ayudas en la toma de decisión relevantes en el
DSS según los datos del modelo. Define tres tipos de ayudas orientadas a datos en la
toma de decisión:
• Modelos de la contabilidad
• Modelos de la representación
• Modelos de la optimización
• Modelos de la sugerencia
Los sistemas expertos suponen una rama relativamente reciente de la computación y las
ciencias agrarias no se queda atrás y usa estos sistemas como una nueva herramienta de
trabajo, sobretodo en EEUU. Todos los sistemas expertos desarrollados dentro del
campo de las ciencias agrarias han significado una ayuda directa para la empresa
agrícola.
1
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
expertos para la gestión de la cosecha. Con este fin fueron concebidos dos sistemas
expertos: Cuptex y Citex. En 1993 se comenzaron a obtener los primeros resultados en
Egipto a través de la producción en invernaderos.
2.1.1 CUPTEX
2
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
Para modelarla, KADS asume que es posible distinguir entre varios tipos de
conocimiento según los diversos papeles que éste puede desempeñar en el
proceso de razonamiento y que se pueden organizar en varias capas, que tienen
solo interacción limitada. Las categorías en las cuales el conocimiento de la
maestría puede ser analizado y descrito se basan en distinciones epistemológicas:
contienen diferentes tipos de conocimiento. Así distingue entre: a) conocimiento
del dominio: conocimiento estático que describe una afirmación del dominio del
uso; b) conocimiento de la inferencia: conocimiento de diversos tipos de
inferencias que se pueden hacer; c) conocimiento de la tarea: conocimiento que
representa las tareas elementales; y d) conocimiento estratégico: conocimiento
que controla el proceso total del razonamiento.
Para cada uno de los tres expertos del dominio y para el sistema experto se
calcula un factor del funcionamiento de cada subsistema:
3
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
2.1.2 CITEX
4
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
Gi = Pi / nº de casos
5
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
Dado el papel crucial del trigo en Egipto (el pan es un componente vital de la dieta
egipcia), CLAES cooperó con el Laboratorio de Sistemas Inteligentes de la Universidad
del Estado de Michigan para desarrollar el Sistema Egipcio de Gestión Regional del
Trigo. Se ha distribuido Neper en tres centros de investigación (Nobaria, Gemmiza,
Kasassian), dos sitios de agricultura (Nobaria, al-Bostan-Bostan) y el Instituto de
Cultivos de Campo.
Financiado por NARP, una agencia de Estados Unidos para el desarrollo internacional
(USAID), este proyecto integra un sistema experto con un modelo de simulación de la
cosecha y tiene como objetivo el tratar todos los aspectos de la gestión irrigada del trigo
en Egipto. Para alcanzar esta meta, el sistema se diseña para realizar las funciones
siguientes:
Los gráficos siguientes muestran la validación de la versión 1.0 del sistema. A partir de
los comentarios recogidos durante el proceso de validación, fue lanzada una nueva
versión 1.1 pero se ha revalidado. Estos gráficos muestran los resultados del sistema
experto en comparación con expertos humanos:
7
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
2.3 TOMATEX
Los tomates constituyen cerca del 35% de los vegetales cultivados en Egipto, con cerca
de 4 millones de toneladas producidas en 1993. Con el financiamiento provisto por
NARP, se desarrolló un sistema experto para estudiar el efecto de la introducción de la
tecnología de sistemas expertos. CLAES ha cooperado con la Universidad del Estado de
Pennsylvania para diseñar e implementar el sistema experto, entrenar a personal en su
uso y desarrollar la infraestructura apropiada.
8
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
El tomate fue seleccionado como ejemplo para evaluar las necesidades para la
introducción de la tecnología a través de las necesidades de los usuarios finales.
Desarrollados los subsistemas de diagnóstico y tratamiento, el sistema experto
resultante fue denominado Tomatex. El sistema se ha distribuido en localizaciones
como Zagazig, Nobaria, Dekenes, una facultad de agricultura y una granja del sector
privado.
El objetivo era construir un sistema experto capaz de realizar las dichas operaciones
pero con capacidad de emplear imágenes para realzar su funcionamiento y la interfaz
con el usuario ordinario. La tarea es complicada debido a que el cultivo de tomate se
realiza en ambientes diversos: invernaderos, campos abiertos, etc.
Para el diseño de los subsistemas fueron consultados expertos humanos en este dominio
durando las sesiones de recogida de información un total de cerca de 90 horas. Los
desórdenes de la planta fueron en siete clases: enfermedades, deficiencia de nutrición,
ambiental, insectos, ácaros, bacterias y nematodo. Las enfermedades fueron divididas en
dos clases: fungicida y viral.
9
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
2.4 LIMEX
Este es un sistema experto multimedia para la lima, el segundo cultivo más importante
de fruta cítrica en Egipto, desarrollado por CLAES en cooperación con la universidad
de Florida. Uno de los objetivos principales de este sistema experto es el control de la
vida de la fruta, en el árbol o en almacenaje después de la cosecha, lo que es un factor
esencial para su comercialización. Este es un problema importante para los agricultores,
pues la producción de la fruta excede la demanda de mercados locales de forma que el
cultivo de la lima ha llegado a ser improductivo. Para evitarlo este sistema experto
pretende ayudar a que los productores puedan controlar la vida de la fruta hasta detectar
la necesidad del producto en el mercado y mejorar la calidad para superar los requisitos
de la exportación. Actualmente hay solamente una versión de este sistema (LIMEX 1.0)
en un centro de investigación (El-Kasassian).
LIMEX se divide en los siguientes subsistemas, cada uno de los cuales se refiere a un
problema específico:
LIMEX fue desarrollado usando una metodología adaptada de KADS, elegida debido al
hecho de que la mayoría de las aproximaciones actuales de la representación del
conocimiento son inadecuadas para el desarrollo sistemático de grandes sistemas
expertos pues no separan el análisis a partir de las fases de diseño y de la puesta en
práctica. De esta forma, el conocimiento adquirido se clasifica en tres capas: 1) la capa
del dominio identifica conceptos y sus características y relaciones; 2) la capa de la
inferencia contiene el conocimiento de la inferencia que modela el conocimiento
requerido; y 3) la capa de la tarea intenta encontrar la inferencia con la que el experto
alcanzaba la conclusión final en términos de tareas y objetivos.
10
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
Tal acercamiento responde a dos propósitos: proporcionar los medios para entender las
características estructurales del sistema del conocimiento y, al ser un proceso de
representación abstracto, definir y manipulación el conocimiento es automático dando
un mayor control para la verificación.
11
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
OBJETIVO ACTUAL:
12
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
*CHOOSE-AN-ALTERNATIVE
RESERVE-A-DECISION
*YES
NO
*UP
DOWN
IMPROVING
*WEAKENING
YES
*NO
PREHARVEST
*HARVEST
POSTHARVEST
FARM
*COMMERCIAL
NONE
*YES
13
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
NO
Are storage revenues from forward contracting greater than storage costs?
*YES
NO
FORWARD CONTRACT YOUR GRAIN at the elevator of your choice and BUY
CALL OPTIONS. In this way you will lock in the weakening basis and still receive
the higher price level if the price rises. If the price falls, you still have price
protection. If you are certain that prices will rise, it would be more profitable to
buy futures contracts, because you do not need to pay a premium to buy futures
contracts as you do when you buy call options.
2.6 PLANT/DS
2.7 SOYBUG
La trayectoria de la decisión es, como con en el GMA, representable como recorte del
árbol de decisión. El final del camino nos lleva al uso de uno u otro insecticida
específico.
Los autores comentan que la mayor parte del tiempo se dedicó a conocer el vocabulario
técnico y que el problema central con el desarrollo del sistema experto fue la
adquisición de conocimiento, como suele ocurrir. Los pasos que se siguieron en la
adquisición de conocimiento fueron:
14
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
2.8 COMAX
COMAX interacciona con una estación meteorológica con y con GOSSYM (simulador
del crecimiento del algodón). El modelo universal se bosqueja, para computar
diariamente durante el crecimiento, el período óptimo de la irrigación de aerosol, la
cantidad de fertilizante necesario y la fecha de la cosecha prevista.
2.9 ARTIFACT
15
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
3.1 Introducción
Predicción: si se conocen las variables significativas, sin saber las relaciones exactas,
las NN son capaces de ajustar una función con múltiples parámetros a la información
existente y de predecir las posibles relaciones futuras. Algunos ejemplos de esta clase de
problema son: la predicción de precipitaciones, el nivel del agua y las relaciones de la
descarga, demanda de agua potable, flujo y transporte del sedimento, predicción de la
calidad del agua, etc.
16
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
Los sistemas expertos se han desarrollado para los días en los que la predicción
mediante redes neuronales da un error grande: días de fiesta nacional, días de
fiesta escolar y días después de días de fiesta. Primero se realiza la predicción
con las NN y luego se usa el sistema experto para corregir el error que se haya
podido cometer.
CD= CU e- KT
17
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
Se ha utilizado una red neuronal auto regresiva (ARNN) para predecir el nivel de
agua del lago IJsselmeer, en el norte de Holanda, basándose en la descarga del
río, el nivel del agua en la playa y en los canales y el acontecimiento del viento
(Gautam, 1999). Aunque las lluvias sobre el lago y la evaporación influyen en el
nivel del agua, el efecto es insignificante comparado con los otros parámetros
mencionados. El lago descarga el agua a través de las esclusas de los canales
durante la marea baja y es importante saber el nivel del agua y la cantidad de
descarga al mar. El almacenaje y la descarga del lago, de la velocidad del viento
y de la dirección, nivel del agua en el lado del mar, el nivel del agua bajo diario
de la marea se considera como entradas a las redes. Entrenado continuamente
con los datos medidos, la ARNN puede ser una prometedora herramienta para
predecir el nivel del agua, demostrando un resultado levemente mejor que el
técnico modelo numérico.
18
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
Clasificar la calidad del agua es exactamente una de las tareas principales para el
problema de la gestión de la calidad del agua, particularmente cuando hay un
aumento de preocupación por el impacto ecológico de la contaminación del agua.
Lee (1997) ha investigado una clasificación de la calidad del agua de la corriente,
su toxicidad y rareza usando el sistema borroso basado en reglas (FRBS: Fuzzy
Rule-Based System). Cuatro tipos de calidad del agua se distinguen en base a la
información ecológica. Los indicadores físicos y biológicos se utilizan para
definir las clases. Un total de 30 reglas if-then (causa-efecto) están contenidas en
4 funciones MEMBERSHIP de la calidad distintas para cada indicador.
Pronóstico de sequía
El sistema fue utilizado para 8 divisiones del clima de Nebraska y del resultado
obtenido parece ser razonable. La correlación media entre las observaciones y
19
Contribución de la IA a proyectos de desarrollo sostenible González Llorente, Javier
IRC 2004-2005 Sánchez Gómez, Raúl
los valores estimados son del 75-80%. Esto confirma que en la sequía influyen
una gran cantidad de fenómenos atmosféricos, hidrológicos, agrícolas, que no
fueron considerados en el estudio.
REFERENCIAS
· Página con proyectos relacionados con la agricultura:
http://www.aaai.org/AITopics/html/agri.html
http://potato.claes.sci.eg/claes/project.htm
http://www.stowa-nn.ihe.nl/
http://www.landw.uni-halle.de/lb/publikationen/
20