La Inteligencia Artificial es una de las disciplinas computacionales cuyas técnicas son más 

demandadas
actualmente en diversos entornos, debido a su capacidad para dotar de un comportamiento inteligente a
muchas aplicaciones. Así, por ejemplo, la incorporación de agentes de decisión inteligente, redes
neuronales, sistemas expertos, algoritmos genéticos, etc. para la optimización de sistemas de producción
es una tendencia activa en el ambiente industrial de países con alto desarrollo tecnológico y con una gran
inversión en investigación y desarrollo. Dichos componentes de la Inteligencia Artificial tienen como función
principal controlar de manera independiente, y en coordinación con otros agentes,
componentes industriales tales como celdas de manufactura o ensamblaje, operaciones de
mantenimiento, diagnósticos de sistemas, etc., entre otras.
Las aplicaciones en los sectores de Ingeniería Industrial, Civil y Naval de estas técnicas son pues muy
amplias, y algunas aplicaciones destacables son:
 Métodos para la predicción de fallos y anomalías en sistemas mecánicos como motores o engranajes.
 Mantenimiento predictivo de componentes mecánicos.
 Estimación del consumo eléctrico.
 Distribución de recursos hidráulicos para la producción eléctrica.
 Sistemas para el control de procesos y de la calidad.
 Modelos para la predicción de roturas en vigas de hormigón.
 Diseño de diques verticales.
 … 
Una incidencia importante de este tipo de técnicas en los procesos productivos de la industria a nivel mundial
es el diseño de sistemas de soporte para la toma de decisiones. Además, la mayoría de los sistemas de
inteligencia artificial, tienen la peculiaridad de “aprender”, lo que les permite ir perfeccionando su tarea
conforme pasa el tiempo, usando para ello los ejemplos o casos con los que tratan.
Otra de las áreas en las que las técnicas de Inteligencia Artificial tienen una repercusión importante son las
relacionadas con la Medicina y la Salud, y así encontramos aplicaciones que permiten:
 Monitorización inteligente de pacientes
 Sistemas de análisis y procesado de imágenes
 Detección de patrones clínicos en señales biomédicas
 Sistemas de ayuda al diagnóstico y pronóstico de estados de salud
 Asesoramiento de actividad deportiva
 Clasificación en bases de datos de expresiones genéticas
 ….
En el campo de la Economía encontramos diversas aplicaciones como:
 Tratamiento de la información financiera
 Análisis del fracaso empresarial
 La estimación de riesgos y rentabilidad de productos financieros
 Previsión de la evolución de los precios
 Predicción de los mercados financieros.
 … 
En campos como la Climatología estos sistemas se pueden aplicar para la predicción de fenómenos
naturales y estimación del tiempo. 
Finalmente, otro campo importante de aplicación es la propia Informática, en donde se puede realizar el
diagnóstico de fallos, la detección de intrusiones en redes de ordenadores, etc.
Usos y aplicaciones de la inteligencia artificial
Luis Alberto García Fernández1

Básicamente, la inteligencia artificial es aquella que trata de explicar el funcionamiento mental

basándose en el desarrollo de algoritmos para controlar diferentes cosas. La inteligencia artificial
combina varios campos, como la robótica, los sistemas expertos y otros, los cuales tienen un
mismo objetivo, que es tratar de crear máquinas que puedan pensar por sí solas, lo que origina que
hasta la fecha existan varios estudios y aplicaciones, dentro de las que se encuentran las redes
neuronales, el control de procesos o los algoritmos genéticos.

La idea de construir una máquina que pueda pensar es que realice cosas que nosotros realizamos
y hacemos. Pero para que las computadoras se ganen el nombre de inteligentes, primero tienen
que ser capaces de mantener, por ejemplo, un diálogo con un ser humano, ya que las
computadoras únicamente pueden realizar o hacer lo que se les indique, pero nunca sabrán lo que
están realizando pues no están conscientes de lo que hacen.

Historia de la inteligencia artificial

Se cree que los comienzos de la inteligencia artificial (IA en lo sucesivo) ocurrieron al definirse la
neurona, en 1943, como un dispositivo binario con varias entradas y salidas. En el año de 1956 se
volvió a tocar este tema y se establecieron las bases de la IA como un campo independiente dentro
de la informática.

En los años sesenta, la AI no tuvo mucho éxito, pues requería mucho capital y la mayoría de las
tecnologías eran propias de los grandes centros de investigación. No fue sino hasta las décadas
siguientes que se lograron algunos avances significativos en una de sus ramas, la llamada
Sistemas expertos.

Se dice que la AI es un campo que por sus investigaciones trata de ser independiente de la
informática, y se define como la técnica d e software que los programas utilizan para dar solución a
algún t ipo de problema, pero tratando de asemejar el compor tamiento inteligente que se observa
en la naturaleza; es decir, trata de resolver problemas y tomar decisiones similares a las que toman
los seres humanos al afrontar la vida diaria, realizando programas de computadora que aumenten
la capacidad o “inteligencia“ de las mismas; el objetivo de las investigaciones de la IA es, aumentar
la utilidad de las máquinas y sus procesos.

Así pues, una de las pretensiones de la IA es construir réplicas de la compleja red neuronal del
cerebro humano e intentar imitar el comportamiento del cerebro humano con una computadora.

Características de la IA

Una de sus características es que incluye varios campos de desarrollo, como la robótica, la
comprensión y traducción de lenguajes, el reconocimiento y aprendizaje de palabras de máquinas
o los variados sistemas computacionales expertos, que son los encargados de reproducir el
comportamiento humano en una sección del conocimiento.

Tales tareas reducen costos y riesgos en la manipulación humana en áreas peligrosas, mejoran el
desempeño del personal inexperto y el control de calidad en el área comercial.

Redes neuronales dentro de la AI

Las redes neuronales son programas de la AI capaces de simular algunas de las funciones de
aprendizaje del ser humano. Una red neuronal obtiene experiencia analizando automática y
sistemáticamente los datos para determinar reglas de comportamiento; con base en ellas, puede
realizar predicciones sobre nuevos casos.
Estas técnicas se aplican a problemas de clasificación y series de tiempo e identifican conexiones
con cosas que otras técnicas no pueden, porque utilizan relaciones lineales y no lineales.

Neuronas y conexiones sinápticas. Cada neurona puede tener infinitas entradas llamadas dendritas
que condicionan el estado de su única salida existente, el axón; éste se puede conectar a una
dendrita de otra neurona mediante la sinapsis correspondiente.

En este modelo se considera una neurona que puede ser representada por una unidad binaria; a
cada instante su estado puede ser activo o inactivo. La interacción entre las neuronas se lleva a
cabo a través de la sinapsis, la cual define el estado de la neurona.

La AI en la robótica

Los robots son dispositivos compuestos de censores que reciben datos de entrada que manda una
computadora, la cual ordena al robot que efectúe una determinada acción.

Hoy en día, una de las finalidades de la construcción de robots es su intervención con rapidez,
calidad y precisión en los procesos de fabricación encargados de realizar trabajos repetitivos en la
fabricación.

Las áreas de investigación de la IA

Son muchas las áreas de la A I que se investigan hoy día. Entre ellas, tenemos las siguientes:

• La representación del conocimiento, que busca en el descubrimiento de métodos expresivos y

eficientes describir información sobre aspectos del mundo real.
• Los métodos de aprendizaje automático, que extienden las técnicas estadísticas con el fin de
posibilitar la identificación de un amplio rango de tendencias generales a partir de un conjunto de
datos de entrenamiento. 
• El campo de la planificación, que enfrenta el desarrollo de algoritmos que construyen y ejecutan
automáticamente secuencias de comandos primitivos con el fin de alcanzar ciertas metas de alto
nivel. 
• Los trabajos en el área de razonamiento posible, que hacen uso de principios estadísticos para
desarrollar codificaciones de información incierta. 
• El estudio de las arquitecturas de agentes, que busca la integración de otras áreas de la I A con
el objeto de crear agentes inteligentes, entidades robustas capaces de comportamiento autónomo
y en tiempo real. 
• La coordinación y colaboración multiagentes, que ha permitido el desarrollo de técnicas para la
representación de las capacidades de otros agentes y la especificación del conocimiento necesario
para la colaboración entre ellos. 
• El desarrollo de ontologías, que persigue la creación de catálogos de conocimiento explícito,
formal y multipropósito, que puedan ser utilizados por sistemas inteligentes. 
• Los campos de procesamiento de voz y lenguaje, que buscan la creación de sistemas que se
comunican con la gente en su lenguaje. 
• La síntesis y comprensión de imágenes, que conduce a la producción de algoritmos para el
análisis de fotografías, diagramas y videos, así como también de técnicas para el despliegue visual
de información cuantitativa y estructurada.

Áreas de aplicación de la IA

Pero también hay áreas de aplicación. En efecto, estos procesos de la AI se aplican en los
sistemas reales en una gran variedad de ramas y problemas:

• Gestión y control: análisis inteligente, fijación de objetivos.

• Fabricación: diseño, planificación, programación, monitorización, control, gestión de proyectos,
robótica simplificada y visión computarizada.
• Educación: adiestramiento práctico, exámenes y diagnóstico.
• Ingeniería: diseño, control y análisis.
•Equipamiento: diseño, diagnóstico, adiestramiento, mantenimiento, configuración, monitorización y
ventas.
• Cartografía: interpretación de fotograf ías, diseño, resolución de problemas cartográficos.
• Profesiones: abogacía, medicina, contabilidad, geología, química.
• Software: enseñanza, especificación, diseño, verificación, mantenimiento.
• Sistemas de armamento: guerra electrónica, identificación de objetivos, control adaptativo,
proceso de imágenes, proceso de señales.
• Proceso de datos: educación, interfase en lenguaje natural, acceso inteligente a datos y gestores
de bases de datos, análisis inteligente de datos.
• Finanzas: planificación, análisis, consultoría. 

Aplicaciones comerciales de la inteligencia artificial

Pero también la AI tiene numerosas aplicaciones comerciales en el mundo de hoy. Véase:

• Configuración: selección de distribución de los componentes de un sistema de computación.

• Diagnosis: hardware informático, redes de ordenadores, equipos mecánicos, problemas médicos,
averías telefónicas, instrumentación electrónica, circuitos electrónicos, averías automovilísticas.
• Interpretación y análisis: datos geológicos para prospección petrolífera, compuestos químicos,
análisis de señales, problemas matemáticos complejos, evaluación de amenazas militares, análisis
de circuitos electrónicos, datos biológicos (coronarios, cerebrales y respiratorios), información de
radar, sonar e infrarrojos.
• Monitorización: equipos, monitorización de procesos, fabricación y gestión de procesos
científicos, amenazas militares, funciones vitales de pacientes hospitalizados, datos financieros en
tiras de papel perforado por teleimpresora, informes industriales y gubernamentales.
• Planificación: gestión de activo y pasivo, gestión de cartera, análisis de créditos y préstamos,
contratos, programación de trabajos de taller, gestión de proyectos, planificación de experimentos,
producción de tarjetas de circuito impreso.
• Interfaces inteligentes: hardware (fiscal) de instrumentación, programas de computadora, bases
de datos múltiples, paneles de control.
• Sistemas de lenguaje natural: interfaces con bases de datos en lenguaje natural, gestión de
impuestos (ayudas para contabilidad), consultoría en temas legales, planificación de fincas,
consultoría de sistemas bancarios.
• Sistemas de diseño: integración de microcircuitos en muy alta escala, síntesis de circuitos
electrónicos, plantas químicas, edificios, puentes y presas, sistemas de transporte.
• Sistemas de visión computarizada: selección de piezas y componentes, ensamblado, control de
calidad.
• Desarrollo de software: programación automática.

Desafíos técnicos del futuro

Los tres desafíos más importantes en el desarrollo dentro de la A I son su facilidad de uso, la
flexibilidad de la infraestructura computacional y la disponibilidad de herramientas de desarrollo
cada vez más poderosas.

El empleo de una interfaz inteligente ayudará a las personas a encontrar lo que ellas deseen, hará
lo que éstas deseen cuando lo deseen, en forma natural y sin requerir el conocimiento de detalles
irrelevantes.

En fin, todo parece indicar que las computadoras programadas con la A I son el campo de la
solución de problemas del futuro; sin embargo, el intelecto humano parece ser irremplazable en
relación con la solución de problemas de sentido común. Se sugiere entonces, dado lo complicado
de la mente humana, que hombre y máquina interactúen juntos ya que necesitan uno del
otro para solucionar eficazmente los problemas.

La inteligencia artificial (IA) es un área multidisciplinaria que, a través de ciencias como

las ciencias de la computación, lalógica y la filosofía, estudia la creación y diseño de entidades
capaces de resolver cuestiones por sí mismas utilizando como paradigma
la inteligencia humana.[cita requerida]

General y amplio como eso, reúne a amplios campos, los cuales tienen en común la creación
de máquinas capaces de pensar. En ciencias de la computación se denomina inteligencia
artificial a la capacidad de razonar de un agente no vivo.1 2 3John McCarthy acuñó la expresión
«inteligencia artificial» en 1956, y la definió así: “Es la ciencia e ingenio de hacer máquinas
inteligentes, especialmente programas de cómputo inteligentes”.4

 Búsqueda del estado requerido en el conjunto de los estados producidos por las acciones
posibles.
 Algoritmos genéticos (análogo al proceso de evolución de las cadenas de ADN).
  Redes neuronales artificiales (análogo al funcionamiento físico del cerebro de animales y
humanos).
 Razonamiento mediante una lógica formal análogo al pensamiento abstracto humano.

También existen distintos tipos de percepciones y acciones, que pueden ser obtenidas y
producidas, respectivamente, por sensores físicos y sensores mecánicos en máquinas, pulsos
eléctricos u ópticos en computadoras, tanto como por entradas y salidas de bits de un
software y su entorno software.

Varios ejemplos se encuentran en el área de control de sistemas, planificación automática, la

habilidad de responder a diagnósticos y a consultas de los consumidores, reconocimiento de
escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IA
actualmente son parte de la rutina en campos como economía, medicina, ingeniería y
lamilicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia,
como ajedrez de computador, y otros videojuegos.

Índice
  [ocultar] 

 1 Categorías de la inteligencia artificial

 2 Escuelas de pensamiento
o 2.1 Inteligencia artificial convencional
o 2.2 Inteligencia artificial computacional

 3 Historia
 4 La inteligencia artificial y los sentimientos
 5 Críticas
 6 Tecnologías de apoyo
 7 Aplicaciones de la inteligencia artificial
 8 Investigadores en el campo de la inteligencia artificial
 9 Inteligencia artificial en la ficción
 10 Véase también
 11 Referencias
 12 Bibliografía
 13 Enlaces externos
o 13.1 Publicaciones
o 13.2 Asociaciones
o 13.3 Robótica
 o 13.4 Videos
o 13.5 Otros

Categorías de la inteligencia artificial[editar]

Stuart Russell y Peter Norvig diferencian estos tipos de la inteligencia artificial: 5

 Sistemas que piensan como humanos.- Estos sistemas tratan de emular el

pensamiento humano; por ejemplo las redes neuronales artificiales. La automatización de
actividades que vinculamos con procesos de pensamiento humano, actividades como
la Toma de decisiones, Resolución de problemas y aprendizaje.6
 Sistemas que actúan como humanos.- Estos sistemas tratan de actuar como humanos;
es decir, imitan el comportamiento humano; por ejemplo la robótica. El estudio de cómo
lograr que los computadores realicen tareas que, por el momento, los humanos hacen
mejor.7
 Sistemas que piensan racionalmente.- Es decir, con lógica (idealmente), tratan de imitar
o emular el pensamiento lógico racional del ser humano; por ejemplo los sistemas
expertos. El estudio de los cálculos que hacen posible percibir, razonar y actuar.8
 Sistemas que actúan racionalmente (idealmente).– Tratan de emular de forma racional
el comportamiento humano; por ejemplo los agentes inteligentes.Está relacionado con
conductas inteligentes en artefactos.9

Escuelas de pensamiento[editar]
La IA se divide en dos escuelas de pensamiento:

 La inteligencia artificial convencional

 La inteligencia computacional
Inteligencia artificial convencional[editar]
Se conoce también como IA simbólico-deductiva. Está basada en el análisis formal y
estadístico del comportamiento humano ante diferentes problemas:

 Razonamiento basado en casos: Ayuda a tomar decisiones mientras se resuelven ciertos

problemas concretos y, aparte de que son muy importantes, requieren de un buen
funcionamiento.
 Sistemas expertos: Infieren una solución a través del conocimiento previo del contexto en
que se aplica y ocupa de ciertas reglas o relaciones.
 Redes bayesianas: Propone soluciones mediante inferencia probabilística.
 Inteligencia artificial basada en comportamientos : Esta inteligencia contiene autonomía y
puede auto-regularse y controlarse para mejorar.
 Smart process management: Facilita la toma de decisiones complejas, proponiendo una
solución a un determinado problema al igual que lo haría un especialista en la dicha
actividad.
Inteligencia artificial computacional[editar]
Artículo principal: Inteligencia computacional

La Inteligencia Computacional (también conocida como IA subsimbólica-inductiva) implica

desarrollo o aprendizaje interactivo (por ejemplo, modificaciones interactivas de los
parámetros en sistemas conexionistas). El aprendizaje se realiza basándose en datos
empíricos.

Historia[editar]
Artículo principal: Historia de la inteligencia artificial

 El término “inteligencia artificial” fue acuñado formalmente en 1956 durante la conferencia

de Darthmounth, más para entonces ya se había estado trabajando en ello durante cinco
años en los cuales se había propuesto muchas definiciones distintas que en ningún caso
habían logrado ser aceptadas totalmente por la comunidad investigadora. La IA es una de
las disciplinas más nuevas junto con la genética moderna.
 Las ideas más básicas se remontan a los griegos, antes de Cristo. Aristóteles (384-
322 a. C.) fue el primero en describir un conjunto de reglas que describen una parte del
funcionamiento de la mente para obtener conclusiones racionales, y Ctesibio de Alejandría
(250 a. C.) construyó la primera máquina autocontrolada, un regulador del flujo de agua
(racional pero sin razonamiento).
 En 1315 Ramon Llull en su libro Ars magna tuvo la idea de que el razonamiento podía ser
efectuado de manera artificial.
 En 1936 Alan Turing diseña formalmente una Máquina universal que demuestra la
viabilidad de un dispositivo físico para implementar cualquier cómputo formalmente
definido.
 En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales,
el cual se considera el primer trabajo del campo, aún cuando todavía no existía el término.
Los primeros avances importantes comenzaron a principios del año 1950 con el trabajo
de Alan Turing, a partir de lo cual la ciencia ha pasado por diversas situaciones.
 En 1955 Herbert Simon, Allen Newell y J.C. Shaw, desarrollan el primer lenguaje de
programación orientado a la resolución de problemas, el IPL-11. Un año más tarde
desarrollan el LogicTheorist, el cual era capaz de demostrar teoremas matemáticos.
 En 1956 fue inventado el término inteligencia artificial por John McCarthy, Marvin
Minsky y Claude Shannon en la Conferencia de Dartmouth, un congreso en el que se
hicieron previsiones triunfalistas a diez años que jamás se cumplieron, lo que provocó el
abandono casi total de las investigaciones durante quince años.
 En 1957 Newell y Simon continúan su trabajo con el desarrollo del General Problem
Solver (GPS). GPS era un sistema orientado a la resolución de problemas.
 En 1958 John McCarthy desarrolla en el Instituto de Tecnología de Massachusetts (MIT)
el LISP. Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para
procesamiento simbólico.
 En 1959 Rosenblatt introduce el Perceptrón.
 A finales de los 50 y comienzos de la década del 60 Robert K. Lindsay desarrolla «Sad
Sam», un programa para la lectura de oraciones en inglés y la inferencia de conclusiones
a partir de su interpretación.
 En 1963 Quillian desarrolla las redes semánticas como modelo de representación del
conocimiento.
 En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el
cual era capaz de inferir conocimiento basado en información que se le suministra.
Bobrow desarrolla STUDENT.
 A mediados de los años 60, aparecen los sistemas expertos, que predicen la probabilidad
de una solución bajo un set de condiciones. Por ejemplo DENDRAL, iniciado en 1965 por
Buchanan, Feigenbaum y Lederberg, el primer Sistema Experto, que asistía a químicos en
estructuras químicas complejas euclidianas, MACSYMA, que asistía a ingenieros y
científicos en la solución de ecuaciones matemáticas complejas.
 Posteriormente entre los años 1968-1970 Terry Winograd desarrolló el sistema SHRDLU,
que permitía interrogar y dar órdenes a un robot que se movía dentro de un mundo de
bloques.
 En 1968 Minsky publica Semantic Information Processing.
 En 1968 Seymour Papert, Danny Bobrow y Wally Feurzeig desarrollan el lenguaje de
programación LOGO.
 En 1969 Alan Kay desarrolla el lenguaje Smalltalk en Xerox PARC y se publica en 1980.
 En 1973 Alain Colmenauer y su equipo de investigación en la Universidad de Aix-Marseille
crean PROLOG (del francés PROgrammation en LOGique) un lenguaje de programación
ampliamente utilizado en IA.
 En 1973 Shank y Abelson desarrollan los guiones, o scripts, pilares de muchas técnicas
actuales en Inteligencia Artificial y la informática en general.
 En 1974 Edward Shortliffe escribe su tesis con MYCIN, uno de los Sistemas Expertos más
conocidos, que asistió a médicos en el diagnóstico y tratamiento de infecciones en la
sangre.
 En las décadas de 1970 y 1980, creció el uso de sistemas expertos, como MYCIN:
R1/XCON, ABRL, PIP, PUFF, CASNET, INTERNIST/CADUCEUS, etc. Algunos
permanecen hasta hoy (Shells) como EMYCIN, EXPERT, OPSS.
 En 1981 Kazuhiro Fuchi anuncia el proyecto japonés de la quinta generación de
computadoras.
 En 1986 McClelland y Rumelhart publican Parallel Distributed Processing (Redes
Neuronales).
 En 1988 se establecen los lenguajes Orientados a Objetos.
 En 1997 Gari Kaspárov, campeón mundial de ajedrez, pierde ante la computadora
autónoma Deep Blue.
 En 2006 se celebró el aniversario con el Congreso en español 50 años de Inteligencia
Artificial - Campus Multidisciplinar en Percepción e Inteligencia 2006.
 En el año 2009 ya hay en desarrollo sistemas inteligentes terapéuticos que permiten
detectar emociones para poder interactuar con niños autistas.
 En el año 2011 IBM desarrolló una supercomputadora llamada Watson , la cual ganó una
ronda de tres juegos seguidos de Jeopardy!, venciendo a sus dos máximos campeones, y
ganando un premio de 1 millón de dólares que IBM luego donó a obras de caridad. 10
 Existen personas que al dialogar sin saberlo con un chatbot no se percatan de hablar con
un programa, de modo tal que se cumple la prueba de Turing como cuando se
formuló: «Existirá Inteligencia Artificial cuando no seamos capaces de distinguir entre un
ser humano y un programa de computadora en una conversación a ciegas».
 Como anécdota, muchos de los investigadores sobre IA sostienen que «la inteligencia es
un programa capaz de ser ejecutado independientemente de la máquina que lo ejecute,
computador o cerebro».

La inteligencia artificial y los sentimientos [editar]

El concepto de IA es aún demasiado difuso. Contextualizando, y teniendo en cuenta un punto
de vista científico, podríamos englobar a esta ciencia como la encargada de imitar una
persona, y no su cuerpo, sino imitar al cerebro, en todas sus funciones, existentes en el
humano o inventadas sobre el desarrollo de una máquina inteligente.

A veces, aplicando la definición de Inteligencia Artificial, se piensa en máquinas inteligentes

sin sentimientos, que «obstaculizan» encontrar la mejor solución a un problema dado. Muchos
pensamos en dispositivos artificiales capaces de concluir miles de premisas a partir de
otras premisas dadas, sin que ningún tipo de emoción tenga la opción de obstaculizar dicha
labor.

En esta línea, hay que saber que ya existen sistemas inteligentes. Capaces de tomar
decisiones «acertadas».

Aunque, por el momento, la mayoría de los investigadores en el ámbito de la Inteligencia

Artificial se centran sólo en el aspecto racional, muchos de ellos consideran seriamente la
posibilidad de incorporar componentes «emotivos» como indicadores de estado, a fin de
aumentar la eficacia de los sistemas inteligentes.

Particularmente para los robots móviles, es necesario que cuenten con algo similar a las
emociones con el objeto de saber –en cada instante y como mínimo– qué hacer a
continuación [Pinker, 2001, p. 481].

Al tener «sentimientos» y, al menos potencialmente, «motivaciones», podrán actuar de

acuerdo con sus «intenciones» [Mazlish, 1995, p. 318]. Así, se podría equipar a un robot con
dispositivos que controlen su medio interno; por ejemplo, que «sientan hambre» al detectar
que su nivel de energía está descendiendo o que «sientan miedo» cuando aquel esté
demasiado bajo.

Esta señal podría interrumpir los procesos de alto nivel y obligar al robot a conseguir el
preciado elemento [Johnson-Laird, 1993, p. 359]. Incluso se podría introducir el «dolor» o el
«sufrimiento físico», a fin de evitar las torpezas de funcionamiento como, por ejemplo,
introducir la mano dentro de una cadena de engranajes o saltar desde una cierta altura, lo cual
le provocaría daños irreparables.

Esto significa que los sistemas inteligentes deben ser dotados con mecanismos
de retroalimentación que les permitan tener conocimiento de estados internos, igual que
sucede con los humanos que disponen de propiocepción, interocepción, nocicepción, etcétera.
Esto es fundamental tanto para tomar decisiones como para conservar su propia integridad y
seguridad. La retroalimentación en sistemas está particularmente desarrollada en cibernética,
por ejemplo en el cambio de dirección y velocidad autónomo de un misil, utilizando como
parámetro la posición en cada instante en relación al objetivo que debe alcanzar. Esto debe
ser diferenciado del conocimiento que un sistema o programa computacional puede tener de
sus estados internos, por ejemplo la cantidad de ciclos cumplidos en un loop o bucle en
sentencias tipo do... for, o la cantidad de memoria disponible para una operación determinada.

A los sistemas inteligentes el no tener en cuenta elementos emocionales les permite no olvidar
la meta que deben alcanzar. En los humanos el olvido de la meta o el abandonar las metas
por perturbaciones emocionales es un problema que en algunos casos llega a ser
incapacitante. Los sistemas inteligentes, al combinar una memoria durable, una asignación de
metas o motivación, junto a la toma de decisiones y asignación de prioridades con base en
estados actuales y estados meta, logran un comportamiento en extremo eficiente,
especialmente ante problemas complejos y peligrosos.

En síntesis, lo racional y lo emocional están de tal manera interrelacionados entre sí, que se
podría decir que no sólo no son aspectos contradictorios sino que son –hasta cierto punto–
complementarios.

Véase también: La era de las máquinas espirituales

Críticas[editar]
Las principales críticas a la inteligencia artificial tienen que ver con su capacidad de imitar por
completo a un ser humano. Estas críticas ignoran que ningún humano individual tiene
capacidad para resolver todo tipo de problemas, y autores como Howard Gardner han
propuesto que existen inteligencias múltiples. Un sistema de inteligencia artificial debería
resolver problemas. Por lo tanto es fundamental en su diseño la delimitación de los tipos de
problemas que resolverá y las estrategias y algoritmos que utilizará para encontrar la solución.

En los humanos la capacidad de resolver problemas tiene dos aspectos: los aspectos innatos
y los aspectos aprendidos. Los aspectos innatos permiten por ejemplo almacenar y recuperar
información en la memoria y los aspectos aprendidos el saber resolver un problema
matemático mediante el algoritmo adecuado. Del mismo modo que un humano debe disponer
de herramientas que le permitan solucionar ciertos problemas, los sistemas artificiales deben
ser programados de modo tal que puedan resolver ciertos problemas.

Muchas personas consideran que el test de Turing ha sido superado, citando conversaciones
en que al dialogar con un programa de inteligencia artificial para chat no saben que hablan
con un programa. Sin embargo, esta situación no es equivalente a un test de Turing, que
requiere que el participante esté sobre aviso de la posibilidad de hablar con una máquina.

Otros experimentos mentales como la Habitación china de John Searle han mostrado cómo

una máquina podría simular pensamiento sin tener que tenerlo, pasando el test de Turing sin
siquiera entender lo que hace. Esto demostraría que la máquina en realidad no
está pensando, ya que actuar de acuerdo con un programa preestablecido sería suficiente. Si
para Turing el hecho de engañar a un ser humano que intenta evitar que le engañen es
muestra de una mente inteligente, Searle considera posible lograr dicho efecto mediante
reglas definidas a priori.

Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicación con el

usuario. Este obstáculo es debido a la ambigüedad del lenguaje, y apareció ya en los inicios
de los primeros sistemas operativos informáticos. La capacidad de los humanos
para comunicarse entre sí implica el conocimiento del lenguaje que utiliza el interlocutor. Para
que un humano pueda comunicarse con un sistema inteligente hay dos opciones: o bien el
humano aprende el lenguaje del sistema como si aprendiese a hablar cualquier otro idioma
distinto al nativo, o bien el sistema tiene la capacidad de interpretar el mensaje del usuario en
la lengua que el usuario utiliza.

Un humano durante toda su vida aprende el vocabulario de su lengua nativa. Un humano

interpreta los mensajes a pesar de la polisemia de las palabras utilizando el contexto para
resolver ambigüedades. Sin embargo, debe conocer los distintos significados para poder
interpretar, y es por esto que lenguajes especializados y técnicos son conocidos solamente
por expertos en las respectivas disciplinas. Un sistema de inteligencia artificial se enfrenta con
el mismo problema, la polisemia del lenguaje humano, su sintaxis poco estructurada y
los dialectos entre grupos.

Los desarrollos en inteligencia artificial son mayores en los campos disciplinares en los que
existe mayor consenso entre especialistas. Un sistema experto es más probable de ser
programado en física o en medicina que en sociología o en psicología. Esto se debe al
problema del consenso entre especialistas en la definición de los conceptos involucrados y en
los procedimientos y técnicas a utilizar. Por ejemplo, en física hay acuerdo sobre el concepto
de velocidad y cómo calcularla. Sin embargo, en psicología se discuten los conceptos, la
etiología, la psicopatología y cómo proceder ante cierto diagnóstico. Esto dificulta la creación
de sistemas inteligentes porque siempre habrá desacuerdo sobre lo que se esperaría que el
sistema haga. A pesar de esto hay grandes avances en el diseño de sistemas expertos para el
diagnóstico y toma de decisiones en el ámbito médico y psiquiátrico (Adaraga Morales,
Zaccagnini Sancho, 1994).

Prólogo

El presente trabajo, sirve como una introducción a la Inteligencia Artificial, y a la vez ilustra
sobre sus aplicaciones en la vida real, ya que muchos piensan que la Inteligencia Artificial es
 tal como se ve en las películas o en las series de animación: Gran error, la Inteligencia
Artificial está en sus orígenes, no tiene más de 56 años de vida. En el futuro podrán ser
factibles los modelos de ficción con los que muchos sueñan. El objetivo de este trabajo, es
brindar al lector un concepto básico y las aplicaciones que hoy en día se le dan a esta rama
muy importante de la informática.

En los primeros 3 capítulos se trata de algunos conceptos generales para introducir al lector a
la Inteligencia Artificial. El capítulo IV es la aplicación de la Inteligencia Artificial en Juegos. El
capítulo V, muestra la aplicación de la Visión Artificial. Los capítulos VI y VII exponen los
temas de Redes Neuronales y Sistemas Expertos, respectivamente. El capítulo VIII muestra
las aplicaciones del apasionante mundo de la robótica. El capítulo IX habla de los conceptos
de la comunicación y su uso. Los Anexos refuerzan los conceptos del capítulo IV y VI. El
primer anexo, muestra las Compuertas Lógicas, usadas en las Redes Neuronales. El segundo
anexo muestra el uso de la Búsqueda Heurística, específicamente del Algoritmo *A, con el
código fuente de un programa diseñado para ese fin.

Aplicaciones de la Inteligencia Artificial

Capítulo I - Introducción a la Inteligencia Artificial

1.1 Concepto de Inteligencia Artificial: La Inteligencia Artificial (I.A, por simplificar) es una
rama de la Informática que trata de enfocar el concepto de Inteligencia en las máquinas.
Según el Diccionario de la Real Academia Española, Inteligencia es: “Potencia Intelectual,
facultad de entender, de conocer, de entender o comprender.” La I.A persigue dos clases de
metas: Metas Científicas, al saber como funciona el Cerebro Humano y de Ingeniería, ya que
persigue el objetivo de crear sistemas Inteligentes. Algunas personas creen que las placas de
silicio (Circuitos) no podrán pensar jamás y que la materia cerebral esta diseñada
explícitamente para ello. Otros creen que esto será posible algún día. Sorprendentemente los
científicos han encontrado seres unicelulares que pueden ser explicados como máquinas,
como el Bacteriógrafo E6, que inyecta ADN vírico en una célula y ensambla los virus
resultantes, este comportamiento es igual al de una máquina, por lo que se ha estudiado su
ADN y se ha descubierto que tiene 1 830 137 pares de bases que serían aproximadamente
3,6 x 106 bits (Aproximadamente 360 Kb). Hay 4 conceptos variados sobre I.A:
 Sistemas que piensan como humanos: Sistemas con procesos de pensamiento humano.

 Sistemas que actúen como humanos: Sistemas que al realizar trabajos requieran inteligencia.

 Sistemas que piensen racionalmente: Se enfoca en el estudio de las facultades mentales.

 Sistemas que actúen racionalmente: Se enfoca en el diseño de agentes inteligentes.

1.2 Aplicaciones de la I.A: Existen varias y son:

 Tratamiento de Lenguajes Naturales: Capacidad de Traducción, Órdenes a un Sistema Operativo,
Conversación Hombre-Máquina, etc.

 Sistemas Expertos: Sistemas que se les implementa experiencia para conseguir deducciones cercanas a la
realidad.

 Robótica: Navegación de Robots Móviles, Control de Brazos móviles, ensamblaje de piezas, etc.
 Problemas de Percepción: Visión y Habla, reconocimiento de voz, obtención de fallos por medio de la
visión, diagnósticos médicos, etc.

 Aprendizaje: Modelización de conductas para su implante en computadoras.

Capítulo II - Prueba de Turing

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

 Representación del Conocimiento para almacenar lo que se conoce o siente.

 Razonamiento Automático, para usar la información almacenada para responder a preguntas o extraer
conclusiones.

 Aprendizaje Automático, para adaptarse a muchas circunstancias y para detallar y extrapolar patrones.

Existe una variante de la Prueba de Turing: La Prueba Global de Turing, esta además de
exigir lo anterior, incluye una señal de video que permite evaluar la capacidad de visión del
evaluado y además le da la capacidad de pasar objetos a través de una pequeña ventana.
Para que el computador pase esta variante, se requiere además de lo anterior:
 Visión Computacional, para percibir objetos.

 Robótica, para manipular y mover objetos.

Como se dijo anteriormente esta Prueba mantiene su vigencia hasta hoy (56 años), sino que
además revolucionó la I.A ya que propuso estudiar la Inteligencia en lugar de emularla. Bajo
un concepto similar, los hermanos Wright, crearon la aviación: Al comprender los principios
aerodinámicos y al dejar de imitar a los pájaros.

Capítulo III - Agentes

Un Agente es algo que razona (Viene del latín agere, hacer). Sin embargo los agentes
informáticos deben tener algo que los diferencie de los programas comunes. Entre ellos está
tener controles autónomos, percibir su entorno, que persistan por un periodo de tiempo
prolongado, que se adapten a los cambios y que sean capaces de alcanzar objetivos distintos.

3.1 Tipos:

 Agente Racional: Es el que actúa con la intención de obtener el mejor resultado, o si hay incertidumbre,
el mas apropiado. Estos agentes se basan en Inferencias, aunque existen situaciones en las que no se
puede hacer nada correcto, pero se debe tomar una decisión; también poseen Actos Reflejos, ya que son
 mucho mas eficientes que una larga inferencia en algunos casos. Para pasar la Prueba de Turing, los
sistemas deben tener estas características. Estudiar la I.A en base a Agentes Racionales, es beneficioso
ya que nos hace diseñar al agente en base a inferencias, una forma correcta según las leyes del
pensamiento. Sin embargo, por cuestiones de espacio es imposible diseñar una personalidad perfecta. En
la práctica se usa una racionalidad limitada, por razones de tiempo y espacio.

 Agente Inteligente: Son capaces de percibir un medio ambiente, usando sensores y actuar usando
actuadotes, los sensores pueden ser de un agente robot: Teclado, red, detectores de luz, etc. Y los
activadores pueden ser una pantalla o la red. Se dice que una agente tiene percepción si puede recibir
múltiples entradas en cualquier instante. En general este agente tomará decisiones de acuerdo a todas las
entradas que recibió. A esta secuencia se le ordena en una tabla, no obstante por lo infinita o grande que
puede llegar a ser, se limitan algunas entradas. El Agente es manejado por el programa del Agente, se
debe diferenciar entre la función que es una descripción abstracta en el programa con el propio
programa, que es la implementación real.

3.2 Agentes de Estímulo-Respuesta: Estos agentes solo reaccionan de acuerdo a los

estímulos que reciben del mundo exterior donde operan, esta es la forma más sencilla de I.A.
Tomemos por ejemplo el caso de un robot que puede moverse en una superficie cuadricular,
es capaz de percibir si las celdas están ocupadas o no y ser capaz de moverse a las
desocupadas. El robot entonces dispondrá de 8 entradas que llamaremos S1, S2, S3, S4, S5,
S6, S7, S8. y que están numeradas en sentido horario. Además tiene 4 movimientos posibles:

 Norte: Se mueve una celda arriba.

 Sur: Se mueve una celda abajo.

 Este: Se mueve una celda a la derecha.

 Oeste: Se mueve una celda a la izquierda.

 Características:

- Percepción: Según el ejemplo anterior hay 8 variables para ubicarnos, por tanto existen
28=256 combinaciones de valores posibles. Algunos pueden ser descartados, ya que no
existen pasillos estrechos. Podemos elegir 4 carcterísticas llamadas X1, X2, X3, X4.

- Acción: De las características definidas, lo siguiente que debemos hacer es darles alguna
definición para que puedan cumplir su cometido.

Capítulo III - Búsqueda Heurística

3.1 Introducción: Se llama Búsqueda Heurística debido a que usa conocimientos específicos
del problema. Con esta búsqueda podemos encontrar soluciones más eficientemente en el
tiempo mas rápido posible sin repetir ninguna ciudad. No obstante existe un tope de 30
ciudades, ya que aún a 1 µseg por solución, se tardaría 1020 años en resolver el problema.
(El universo solo tiene 1,6 x 1010 años). Una solución común es de 9 ciudades, que nos da
una combinación de 9!=362 880 viajes posibles. Como se ve, la Búsqueda Heurística nos da
la ventaja de rapidez en estos casos.

A la aproximación de la Búsqueda Heurística, la llamaremos: Búsqueda Primero el Mejor.

Existen algunas variantes:
3.2 Algoritmo *A: Es la forma de búsqueda Primero el Mejor más conocida, sirve para
el pathfinding (Búsqueda de Caminos) y es muy usada en juegos. Un ejemplo es el famoso
juego Pacman: Los fantasmas que persiguen a Pacman buscan el camino mas corto, en lugar
de aparecer en forma aleatoria en el Mapa del Juego, otro ejemplo es el Age of Empires, un
juego de conquista de civilizaciones, los enemigos salvan obstáculos para llegar a la ciudad
del adversario. El Algoritmo *A, no desarrolla un camino por interacción, sino que desarrolla
varios caminos y elige los más prometedores. (Para ver un ejemplo del Algoritmo *A véase el
Anexo A).

4.3 Algoritmo MINIMAX: Se poseen 2 jugadores: MAX y MIN, primero jugará MAX y así
seguirá el flujo hasta acabar el juego. Existe un árbol de juegos que los programas utilizan
para calcular los Movimientos Legales (Permitidos). El valor MINIMAX será un valor que
determine el estado final del juego (En le ajedrez: -1, 0, 1; que son triunfo, derrota o empate).
En algunos juegos este valor MINIMAX puede ser muy alto (Como en el Backgamon, se
estima algo de -192 a 192 valores).

Incluso el TicTacToe (3 en Raya), es complejo para armar el árbol de juegos. A los niveles del
árbol se les llama capas.

Para determinar la estrategia óptima a seguir se usan valores MINIMAX. MAX adoptará el
valor máximo y MIN el mínimo. La decisión MINIMAX supone que los 2 jugadores son
óptimos, si uno es un novato será fácilmente derrotado por esta decisión.

El Algoritmo MINIMAX es la forma computacional en la que se calcula el valor MINIMAX de

cada estado de sucesos. Lo interesante del Algoritmo MINIMAX es que no calcula todo el
árbol de juegos, sino que calcula solo un horizonte de k niveles. Un cálculo detallado del árbol
de juegos perdería tiempo, ya que como ejemplo, en el ajedrez se calculan algo de 35100
movimientos totales. El objetivo de MAX aquí es ganar a MIN tomando alguna decisión sobre
la mejor jugada que se puede hacer. El Algoritmo MINIMAX no se usa como tal en la Industria
de Juegos, ya que es en algunas ocasiones lento, en vez de este se usan versiones
optimizadas que veremos a continuación.

4.4 Poda -: El resultado del Algoritmo MINIMAX es el valor MINIMAX que nos permite tomar la
decisión más acertada para el horizonte de búsqueda fijado, no obstante hay ocasiones en el
que la ramificación del árbol de juegos es muy alta. (En ajedrez se calcula algo de 35100 o
10154 movimientos). Sería un derroche tratar de probarlos todos, esta es la razón por la cual
el Algoritmo MINIMAX no se usa como tal en la Industria de Juegos. Afortunadamente se
puede simplificar el proceso, evitando algunos nodos. Esto se basa en que al momento de
explorar se determina que el nodo no va a cambiar el valor MINIMAX, es obviado, ya que no
nos va a servir de mucho. Estos nodos quedan“Podados”, ahorrando así tiempo de proceso
en los programas.

El Algoritmo que implementa la poda - se llama Algoritmo -, y se basa en ajustar los límites
llamados: límite -" y límite +"; para el nodo raíz estos son de -" y "+; ya que el valor MINIMAX
estará entre esos 2 límites. Estos valores se propagan hacia abajo y se actualizan. Los nodos
MAX actualizan su valor si v> y los nodos MIN actualizan su valor si v<. La situación de Poda
se detecta si un nodo satisface a " y ello implica obviar la exploración del sub-árbol siguiente y
devolver como si se tratara de un nodo MIN. Si no existiera Poda (Es decir no se satisface la
expresión "), el algoritmo se comportará como un Algoritmo MINIMAX normal.
4.5 Algoritmo MTD-f: El hecho de que la llamada al Algoritmo -, tenga los
argumentos 0=-" y 0=+", significa que el valor MINIMAX v del nodo raíz, satisface
a -"<v<+". Esta es una ventana que se puede cambiar, no obstante al contrario de lo que
queremos, esto consume tiempo considerable, por lo que si restringimos los valores habremos
ahorrado una gran cantidad de tiempo. Si restringimos los valores a: =-1, podemos hablar de
Ventana Nula, en contraposición a la clásica ventana infinita.

Una sola llamada al esquema de la Ventana Nula, nos dará una cota, no el valor MINIMAX,
para hallarlo debemos usar distintas cotas para modificar los límites de -" y +", para encontrar
el valor MINIMAX. A este proceso se le llama Algoritmo MTD-f. (Memory-Enhanced Test
Driver). Las cotas f+ y f-, se inicializan a +" y -" respectivamente. Luego se comienzan a
ajustar las cotas hasta que se la cota superior iguale o supere a la inferior; esto se hace en el
procedimiento - con =-1, es decir búsqueda de Ventana Nula que devuelve g. Si g<, ajustamos
la cota a ese valor y sino ajustaremos la cota inferior. Este valor g, nos sirve para ajustar a
(Por lo tanto de =-1) para la siguiente iteración. El número de estas dependerá de lo lejos que
este la estimación inicial de f del verdadero valor MINIMAX del nodo raíz.

Capítulo V - Visión Artificial:

Hasta ahora los agentes usaban formas sensoriales demasiado limitadas. La Visión por
Computador, es uno de los campos más extensos de la I.A ya que influyen muchos aspectos.
La Visión para los humanos no es ningún problema, pero para las máquinas es un campo muy
complicado. Influyen Texturas, Luminosidad, Sombras, Objetos Complejos, etc. El primer paso
es captar la imagen mediante una cámara de TV. Las imágenes a color tienen una matriz
I(x,y,t); donde x y y nos indican la ubicación de un punto en la matriz de colores y t, nos indica
el tiempo.

Este proceso obtiene una imagen invertida, pero simplemente rotarla no nos dará la visión del
terreno. Influyen muchos elementos haciendo a este proceso complicado.

En la actualidad, algunos Robots emiten una señal y la reciben generando bajo esto una
especie de espacio, esta forma de “ver” es muy rústica, pero se sigue usando ya que
desafortunadamente es imposible lograr una reconstrucción de la imagen capturada. Y
aunque así fuera, las computadoras no podrían distinguir un objeto de juguete y uno real. Lo
peor es que los modelos que existen tratan de resolver esto de forma muy complicada. Al
proceso de captar imágenes podemos dividirlo en: Bajo Nivel, Nivel Medio y Alto Nivel. El
primero se encarga de suavizar y quitar ruido a la imagen y de extraer características de la
imagen bidimensional, en particular de las aristas, el segundo se encarga de agrupar estas
aristas para formar imágenes bidimensionales y la tercera de usar estas imágenes para
reconocer objetos del mundo real. Generalmente las imágenes captadas por los robots son
suficientes para sus propósitos.

Capítulo VI - Redes Neuronales

En biología, las neuronas tienen un cuerpo circular y una serie de ramificaciones: El axón y las
dendritas. El axón transporta la señal de salida otra célula y las dendritas permiten que la
información llegue a la neurona. Las conexiones intermedias se llaman Sinapsis, si la neurona
 pasa el umbral impuesto por la sinapsis, se dispara, caso contrario no hace nada. Esto la
asemeja a dispositivos digitales, siendo esta la base de la Redes Neuronales, que buscan
imitar a la neurona en términos computacionales. Se hace esto ya que se considera que la
neurona es la base de la capacidad de aprendizaje. No obstante la emulación de la neurona
no es perfecta, a la fecha se investigan algunas cualidades importantes como la Computación
Distribuida para tolerar Ruido (Distorsión) en la entrada y para el aprendizaje. Cada conexión
Neuronal computacional posee un peso numérico que limita la fuerza con la que el impulso
sale de la neurona, de no ser así la información crecería demasiado con resultados
imprevisibles. Las Redes Neuronales reconocen solo dos estados: 0 (No hay impulso) y 1 (Si
lo hay), esto las asemeja a las compuertas lógicas de cualquier tipo: AND, XOR, OR, etc.
(Para ver las Compuertas Lógicas más comunes, véase el Anexo B).

Capítulo VII - Sistemas Expertos

Son programas de computación inteligentes que usan conocimientos y procesos de inferencia,
para resolver problemas sumamente difíciles para un humano ya que requerirían de mucha
experiencia. En sí un Sistema Experto; emula la capacidad de experiencia de un ser humano
para tomar decisiones. Aunque los Sistemas Expertos se centran el domino del problema, no
tienen conocimientos mas allá de donde fueron programados, esto es, no relaciona ningún
otro concepto, a menos que este específicamente indicado. A este conocimiento se le llama
Dominio del Conocimiento y como ya se apuntó es muy cerrado. Los Sistemas Expertos se
basan en las Redes Neuronales. Sus partes son: La Base del Conocimiento, el Motor de
Inferencia, el Subsistema de Explicación y la Interfaz.
 La Base del Conocimiento: Aquí están almacenados todos los datos que el Sistema Experto tiene para
tomar decisiones.

 El Motor de Inferencias: Contiene todos los procesos que manipulan la Base del Conocimiento, para
deducir la información pedida por el usuario. (Por Ejemplo, resolución, encadenamiento atrás hacia
delante, etc).

 El Subsistema de Explicación analiza la estructura del razonamiento y da una explicación al usuario.

 La Interfaz, que es el puente de comunicación entre el sistema y el usuario.

Capítulo VIII - Robótica

Es uno de los campos de aplicación más apasionantes de la I.A; los Robots son agentes
físicos que realizan tareas mediante la manipulación física del mundo; por ser agentes y
realizar su trabajo en forma autónoma, se excluyen a los robots que son controlados por un
operario humano, como son los que hacen tareas de rutina, ya que la I.A busca robots con
sistemas autónomos. La palabra Robot, proviene de la voz eslovaca Robota, que significa
Trabajador Forzado. En realidad esta rama comenzó como una historia de Ciencia Ficción,
pero interesó mucho a los desarrolladores de I.A. Los primeros Robots, solo podían seguir una
línea blanca pintada en el suelo. En la actualidad este campo a avanzado tremendamente.

8.1 Clases:
 Robots Manipuladores: Son brazos robóticos que están fijos en un lugar de trabajo y se usan
generalmente para ensamblar piezas, aunque también hay brazos usados para ayudar en hospitales o
incluso brazos que pintan lienzos con resultados muy originales.

 Robots Móviles: Se desplazan por el medio usando ruedas, piernas u otros. Hay 3 variantes: ULV
(Vehículo Terrestre sin Tripulación, en inglés), son robots que permiten un desplazamiento autónomo
por autopistas. UAV (Vehículo Aéreo sin Tripulación, en Inglés), son robots que permiten operaciones
de fumigación autónoma, así como de vigilancia o militares. AUV (Vehículo Submarino sin
Tripulación), son robots que permiten exploraciones marinas autónomas o incluso paseos planetarios.

 Robots Humanoides: Son un tipo de Robots que se asemejan al torso humano. Esta clase usa sus
efectores mejor que los otros tipos, pero son mucho mas complejas que los otros robots.

8.2 Hardware Robótico:

 Sensores: Hay 2 clases, los Sensores Pasivos, que solo recogen información del medio, su desventaja es
que su margen de error es alto, y los Sensores Activos, que emiten energía al medio y la reciben para
usarla para las mediciones. Su única desventaja es que a más se implementen en un robot, mayor es el
riesgo de interferencia. Su ventaja es que su margen de error es mínimo. Existen algunos que merecen
ser mencionados:
o Escáneres de Rango: Miden la distancia.

o Sistemas Táctiles: Sensores sensibles al tacto.

o GPS: Calculan la posición absoluta del robot en la tierra.

o Sensores de Imagen: Permiten obtener imágenes y procesarlas.

o Sensores Perceptores: Informan al robot de su propio estado.

o Decodificadores de Ejes: Permiten medir las revoluciones de los motores para usarlas en mediciones,
en odometría. Este proceso es muy propenso a error debido a desgaste físico.
o Sensores Inerciales: Una alternativa al decodificador de ejes, pero no soluciona mucho.

o Sensores de Fuerza y Tensión: Le indican al robot con cuanta fuerza está cogiendo algo y con cuanta
fuerza lo está girando.

 Efectores: Existen varias clases:

o Articuladores de Revolución: Generan movimiento rotacional.

o Articulación Prismática: Genera desplazamiento lateral.

Las personas contamos con los 6 grados de libertad (x, y, z, que nos localizan en el espacio y
desvió, balanceo y cabeceo: Yaw, Roll y Pitch). Los robots tienen todos o algunos de estos
grados de libertad.

Los robots no holomínicos son aquellos que tienen más grados de libertad efectivos que
controlables, y los holomínicos son los que tienen el mismo número, sin embargo los
holomínicos aunque son fáciles de manejar, son más complejos de desarrollar.

 Los Robots de Impulsión poseen 2 ruedas; como un tanque y cada rueda se mueve independientemente
de la otra.
 La Conducción Sincronizada se da cuando pueden girar y moverse en su propio eje.

 Un Robot es dinámicamente estable si puede mantenerse en pie mientras camina.

 Un Robot es estáticamente estable, si el centro de gravedad está encima del polígono que une a sus
piernas.

No obstante, no solo las partes hacen funcionar al Robot, se necesita una fuente de energía
para hacer funcionar sus efectores, la más popular es el motor electrónico, aunque también
hay modelos hidráulicos y neumáticos.

8.3 Aplicaciones:

 Industria y Agricultura: Los Robots han sido usados en entornos peligrosos para el hombre y en
muchas ocasiones son más rentables que trabajadores humanos. En la Agricultura, los Robots, están
siendo usados para sustituir las grandes máquinas usadas para excavar, cosechar, etc. Por ahora son
prototipos, pero pronto remplazarán a los humanos en estas tareas.

 Transporte: Los robots han servido mucho aquí: Desde helicópteros autónomos hasta sillas de ruedas
automáticas, e incluso portadores de carga que superan a humanos especializados. Incluso algunos
ayudan transportando cosas en los hospitales, como el Robot Helpmate.

 Entornos Peligrosos: Los Robots ayudaron en la limpieza de lugares de accidentes nucleares como

Chernobyl, Three Mile Island. Incluso estuvieron en la búsqueda y limpieza durante el colapso del
World Trade Center, ingresando a entornos muy peligrosos, además hay otros que desactivan bombas o
limpian campos minados.

 Exploración: Los Robots han explorado lugares inaccesibles para la gente, como Marte y los Volcanes.
Incluso existen los Drones, vehículos aéreos autónomos usados para fines militares.

 Salud: Los Robots son usados para ayudar en operaciones de alto riesgo, también sirven de ayuda a los
ancianos como andadores robóticos o juguetes que recuerdan cuando tomar la medicación.

 Servicios Personales: Algunos robots pueden prestar servicio en el hogar, como aspirar el hogar, cortar
el césped e incluso remplazar los quioscos por quioscos robóticos.

 Entretenimiento: Los robots han empezado a conquistar la industria de los juguetes, por ejemplo el
robot-perro Sony AIBO; está siendo usado para estudios de I.A en todo el mundo, siendo a la vez un
juguete. En 1995 se inició el torneo de fútbol de robots autónomos Robocup, cuyo objetivo es lograr que
robots autónomos ganen un partido de fútbol. Esto está provocando una investigación más eficiente de la
I.A, como a su vez darle algo de animación al campo.

 Aumento Humano: Se han creado máquinas que puede transportar gente, además se investiga como
aumentar la fuerza de las personas usando partes robóticas. Hay además proyectos de Robots que se
asemejan al ser humano, aunque en forma muy superficial. Estos Robot están en venta por algunas
compañías en Japón.

Capítulo IX - La Comunicación

Es el medio principal por el que las personas se comunican, sirve para:

 Informar: Para no repetir los mismos errores.
 Preguntar: Para recabar información sobre el resto del mundo.

 Compartir experiencias.

Los sistemas computacionales presentan algunos problemas al intentar estudiar el lenguaje:

 Descripciones Incompletas: Muchas cosas deben deducirse.

 Ambigüedad de Significado: La misma frase en contextos distintos significa cosas diferentes.

 No Completitud: Los lenguajes naturales tienen siempre nuevas palabras.

 Ambigüedad de Expresión: Un mismo significado puede ser dicho de muchas formas.

 Dependencia de Idioma: El procesamiento del lenguaje natural será distinto en otro idioma.

Hay que pensar porqué un agente necesita hablar, cuando puede hacer una acción.
Comunicarse le da las siguientes ventajas:

 Aceptación de Peticiones

 Solicitar la realización de acciones

 Prometer o comprometerse a un plan.

9.1 Tipos de Lenguaje:

 Lenguajes Formales: Son lenguajes en los que están muy bien definidos lo que se puede y no puede
decir. Sus definiciones son muy estrictas, a estos lenguajes pertenecen los Lenguajes de Programación
(ASM, C++, Basic, Java, etc).

 Lenguajes Naturales: Son lenguajes que, al contrario de los formales tienen una gramática más flexible
y se pueden añadir nuevas palabras. A estos lenguajes pertenecen los lenguajes del mundo (Inglés,
Danés, Español, etc).

9.2 Etapas: La comunicación tiene varias etapas que es preciso conocer. Supongamos que el
hablante A desea comunicarle algo a B; las fases que deberían seguir serían:

 Intención: Por algún motivo A, desea transmitirle información a B.

 Generación: A; planifica como transmitirle su mensaje B.

 Síntesis: A; pone en práctica su plan para transmitir su mensaje a B. Puede transmitir el mensaje por
medio de la voz, papel, etc.

 Percepción: B recibe el mensaje de A y lo decodifica de acuerdo a la forma en la que fue transmitido.

 Análisis: B inferirá que el mensaje recibido por A, tiene algún significado. Esto puede causar algunos
problemas ya que algunas palabras se interpretan en varios sentidos y esto da lugar a la ambigüedad: No
saber el significado de ciertas palabras.

9.3 Aplicaciones:

 Basadas en Texto: Encontrar documentos relacionados con ciertos temas en una base de datos
documental, extraer información de mensajes y artículos, traducir texto entre idiomas y resumir texto.
 Basadas en Diálogo: Síntesis del control en un lenguaje natural, donde la salida puede ser un comando a
un sistema operativo, un robot, etc; sistema automático de mensajes, compras por teléfono, sistema de
acceso a una base de datos en lenguaje natural y sistemas tutores.

Conclusiones

Dados los objetivos de esta monografía (Dar a conocer las aplicaciones de la I.A), podemos
concluir que:

 La I.A tiene muchas aplicaciones en la vida real.

 La I.A no es como se ve en las películas, falta mucho por hacer.

 El mayor campo de aplicación de la I.A son los juegos.

 La robótica es otro de los campos en los que más se aplica la I.A

 Hospitales, Industrias y otros se benefician de la I.A, específicamente en la Robótica.

 Los Sistemas Expertos son útiles en muchas ocasiones.

 La Visión Artificial es el campo menos desarrollado de la I.A

 Las Neuronas humanas son parecidas a las computacionales.

 Los Robots están captando la atención de muchos debido a lo que pueden hacer gracias a la I.A (Por
ejemplo, el campeonato Robocup).

 Existen Robots que ayudan en Hospitales, a personas.

 El objetivo de la I.A es lograr un sistema totalmente autónomo.

La Inteligencia artificial 

 
En ciencias de la computación se denomina inteligencia artificial (IA) a las inteligencias no
naturales en agentes racionales no vivos. John McCarthy, acuñó el término en 1956, la
definió: "Es la ciencia e ingeniería de hacer máquinas inteligentes, especialmente
programas de cómputo inteligentes." 

Para explicar la definición anterior, entiéndase a un Agente inteligente que permite

pensar, evaluar y actuar conforme a ciertos principios de optimización y consistencia, para
satisfacer algún objetivo o finalidad. De acuerdo al concepto previo, racionalidad es más
general y por ello más adecuado que inteligencia para definir la naturaleza del objetivo de
esta disciplina. 

Por lo tanto, y de manera más específica la inteligencia artificial es la disciplina que se

encarga de construir procesos que al ser ejecutados sobre una arquitectura física
producen acciones o resultados que maximizan una medida de rendimiento determinada,
basándose en la secuencia de entradas percibidas y en el conocimiento almacenado en
tal arquitectura. 

Existen distintos tipos de conocimiento y medios de representación del conocimiento, el

cual puede ser cargado en el agente por su diseñador o puede ser aprendido por el
mismo agente utilizando técnicas de aprendizaje. 
También existen distintos tipos de percepciones y acciones, pueden ser obtenidas y
producidas, respectivamente por sensores físicos y sensores mecánicos en máquinas,
pulsos eléctricos u ópticos en computadoras, tanto como por entradas y salidas de bits de
un software y su entorno software. 

Varios ejemplos se encuentran en el área de control de sistemas, planificación

automática, la habilidad de responder a diagnósticos y a consultas de los consumidores,
reconocimiento de escritura, reconocimiento del habla y reconocimiento de patrones. Los
sistemas de IA actualmente son parte de la rutina en campos como economía, medicina,
ingeniería y la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos
de estrategia como ajedrez de computador y otros videojuegos. 
  

 
  

APLICACIONES DE LA INTELIGENCIA ARTIFICIAL 

Son muchas las areas donde se puede utilizar la inteligencia artifical aunque unos estan
en desarrollo. 

ROBOTICA 
Un escritor checo definió una palabra (robot), que vendria a cambiar la concepción de
esclavo a máquina servicial. 

La Robótica es la ciencia investigación, estudio y tecnología de los robots. Se ocupa del

diseño, manufactura y aplicaciones de los robots. La robótica combina diversas disciplinas
como son: la mecánica, la electrónica, la informática, la inteligencia artificial y la ingeniería
de control. Otras áreas importantes en robótica son el álgebra, los autómatas
programables y las máquinas de estados. 

El término robot se popularizó con el éxito de la obra RUR (Robots Universales Rossum),
escrita por Karel Capek en 1920. En la traducción al inglés de dicha obra, la palabra
checa robota, que significa trabajos forzados, fue traducida al inglés como robot. 
Historia de la robótica 

La historia de la robótica ha estado unida a la construcción de "artefactos", que trataban

de materializar el deseo humano de crear seres a su semejanza y que lo descargasen del
trabajo. El ingeniero español Leonardo Torres Quevedo (GAP) (que construyó el primer
mando a distancia para su automóvil mediante telegrafía sin hilo, el ajedrecista
automático, el primer transbordador aéreo y otros muchos ingenios) acuñó el término
"automática" en relación con la teoría de la automatización de tareas tradicionalmente
asociadas a los humanos. 
Karel Čapek, un escritor checo, acuñó en 1921 el término "Robot" en su obra dramática
"Rossum's Universal Robots / R.U.R.", a partir de la palabra checa robota, que significa
servidumbre o trabajo forzado. El término robótica es acuñado por Isaac Asimov,
definiendo a la ciencia que estudia a los robots. Asimov creó también las Tres Leyes de la
Robótica. En la ciencia ficción el hombre ha imaginado a los robots visitando nuevos
mundos, haciéndose con el poder, o simplemente aliviando de las labores caseras. 

 
  

DOMOTICA 
El término domótica proviene de la unión de las palabras domus (que significa casa en
latín) y tica (de automática, palabra en griego, 'que funciona por sí sola'). Se entiende por
domótica al conjunto de sistemas capaces de automatizar una vivienda, aportando
servicios de gestión energética, seguridad, bienestar y comunicación, y que pueden estar
integrados por medio de redes interiores y exteriores de comunicación, cableadas o
inalámbricas, y cuyo control goza de cierta ubicuidad, desde dentro y fuera del hogar. Se
podría definir como la integración de la tecnología en el diseño inteligente de un recinto
cerrado.
Las Aplicaciones 

Los servicios que ofrece la domótica se pueden agrupar según cinco aspectos o ámbitos
principales: 
Ahorro energético 

1. Ahorro energético: El ahorro energético no es algo tangible, sino un concepto al que se

puede llegar de muchas maneras. En muchos casos no es necesario sustituir los aparatos
o sistemas del hogar por otros que consuman menos sino una gestión eficiente de los
mismos. 

1. 
* Climatización: programación y zonificación. 
* Gestión eléctrica: 
o Racionalización de cargas eléctricas: desconexión de equipos de uso no prioritario en
función del consumo eléctrico en un momento dado 
o Gestión de tarifas, derivando el funcionamiento de algunos aparatos a horas de tarifa
reducida 
* Uso de energías renovables 

Confort 

2. Confort: Conlleva todas las actuaciones que se puedan llevar a cabo que mejoren el
confort en una vivienda. Dichas actuaciones pueden ser de carácter tanto pasivo, como
activo o mixtas. 

1. 
* Iluminación: 
o Apagado general de todas las luces de la vivienda 
o Automatización del apagado/ encendido en cada punto de luz. 
o Regulación de la iluminación según el nivel de luminosidad ambiente 
* Automatización de todos los distintos sistemas/ instalaciones / equipos dotándolos de
control eficiente y de fácil manejo 
* Integración del portero al teléfono, o del videoportero al televisor 
* Control vía Internet 
* Gestión Multimedia y del ocio electrónicos 
* Generación de macros y programas de forma sencilla para el usuario 

Seguridad 

3. Seguridad: Consiste en una red de seguridad encargada de proteger tanto los Bienes
Patrimoniales y la seguridad personal. 

1. 
* Alarmas de intrusión (Antiintrusión): Se utilizan para detectar o prevenir la presencia de
personas extrañas en una vivienda o edificio. 
o Detección de un posible intruso (Detectores volumetricos o perimetrales) 
o Cierre de persianas puntual y seguro 
o Simulación de presencia 
* Alarmas de detección de incendios, fugas de gas, escapes de agua, concentración de
monóxido en garajes cuando se usan vehículos de combustión. 
* Alerta médica. Teleasistencia. 
* Acceso a Cámaras IP. 

 Comunicaciones 
4. Comunicaciones: Son los sistemas o infraestructuras de comunicaciones que posee el
hogar. 

1. 
* Ubicuidad en el control tanto externo como interno, control remoto desde Internet, PC,
mandos inalámbricos (p.ej. PDA con WiFi), aparellaje eléctrico. 
* Tele asistencia 
* Tele mantenimiento 
* Informes de consumo y costes 
* Transmisión de alarmas. 
* Intercomunicaciones. 

 
INMOTICA 
Por inmótica entendemos la incorporación al equipamiento de edificios de uso terciario o
industrial (oficinas, edificios corporativos, hoteleros, empresariales y similares), de
sistemas de gestión técnica automatizada de las instalaciones, con el objetivo de reducir
el consumo de energía, aumentar el confort y la seguridad de los mismos. 

Entenderemos que un edificio es "inteligente" si incorpora sistemas de información en

todo el edificio, ofreciendo servicios avanzados de la actividad y de las
telecomunicaciones. Con control automatizado, monitorización, gestión y mantenimiento
de los distintos subsistemas o servicios del edificio, de forma óptima e integrada, local y
remotamente. Diseñados con suficiente flexibilidad como para que sea sencilla y
económicamente rentable la implantación de futuros sistemas. 

Bajo este nuevo concepto se define la automatización integral de inmuebles con alta
tecnología. La centralización de los datos del edificio o complejo , posibilita supervisar y
controlar confortablemente desde una PC, los estados de funcionamiento o alarmas de
los sistemas que componen la instalación, así como los principales parámetros de
medida. La Inmótica integra la domótica interna dentro de una estructura en red. 

Beneficios de la Inmótica Para el propietario del edificio, quien puede ofrecer un edificio
más atractivo mientras alcanza grandes reducciones en los costos de energía y
operación. Para los usuarios del edificio, los cuales mejoran notablemente su confort y
seguridad. Para el personal de mantenimiento del edificio que, mediante la información
almacenada y el posterior estudio de tendencias, puede prevenir desperfectos. Para el
personal de seguridad, el cual ve facilitada y complementada su tarea con el fin de
hacerla mucho más eficiente. 

Aplicaciones La Inmótica ofrece la posibilidad de monitorización del funcionamiento

general del edificio. Los ascensores, el balance energético, el riego, la climatización e
iluminación de las áreas comunes, la sensorización de variables analógicas como
temperatura y humedad, control y alertas en función de parámetros determinados, el
sistema de accesos, sistemas de detección de incendios, etc. Del mismo modo permite un
mayor control de accesos y el seguimiento continuo de quien haya ingresado al edificio.
Se ha aplicado con éxito en edificios residenciales, de oficinas, hoteles, hospitales,
museos, centros comerciales, centros de proceso de datos, geriátricos, barrios cerrados e
industrias. 

URBOTICA 
El término Urbótica proviene de las palabras urbs (que significa ciudad en latín) y tica (de
automática, palabra que en griego significa 'que funciona por sí sola'). Se entiende por
urbótica al conjunto servicios e instalaciones públicas que se encuentran automatizadas
con el fin de mejorar las gestión energética, la seguridad, el bienestar o confort y las
comunicaciones de todos los usuarios de estos servicios públicos. Se podría definir como
la integración de la tecnología en el diseño inteligente de una ciudad. 
 Aplicaciones 

Se pueden considerar sistemas Urbóticos los siguientes ejemplos: 

* Sistemas de Telegestión y control del alumbrado público. 

* Sistemas de videovigilancia ciudadana. 
* Regulación semafórica. 
* Puntos de información ciudadana automatizados. 
* Recogida neumática de basuras. 

REALIDAD VIRTUAL 
Realidad virtual es un sistema tecnológico, basado en el empleo de ordenadores y otros
dispositivos, cuyo fin es producir una apariencia de realidad que permita al usuario tener
la sensación de estar presente en ella. Se consigue mediante la generación por ordenador
de un conjunto de imágenes que son contempladas por el usuario a través de un casco
provisto de un visor especial. Algunos equipos se completan con trajes y guantes
equipados con sensores diseñados para simular la percepción de diferentes estímulos,
que intensifican la sensación de realidad. Su aplicación, aunque centrada inicialmente en
el terreno de los videojuegos, se ha extendido a otros muchos campos, como la medicina
o las simulaciones de vuelo. 
La virtualidad establece una nueva forma de relación entre el uso de las coordenadas de
espacio y de tiempo, supera las barreras espaciotemporales y configura un entorno en el
que la información y la comunicación se nos muestran accesibles desde perspectivas
hasta ahora desconocidas al menos en cuanto a su volumen y posibilidades. La realidad
virtual permite la generación de entornos de interacción que separen la necesidad de
compartir el espacio-tiempo, facilitando en este caso nuevos contextos de intercambio y
comunicación. 

Autores como Lévy, han señalado la existencia de diferentes niveles de virtualidad en su

relación con la dimensión bidimensional/tridimensional y su relación con la realidad.
Yendo desde un continuo que comienza con una menor virtualidad de aquellos aspectos
que nos alejan de la realidad o que categorizamos a priori como claramente imaginarios o
ilusorios, aumentando con lo bidimensional, hasta las posibilidades que ofrece la
tridimensionalidad en su relación de semejanza o analogía con lo real.