Introducción a la Computación

Inteligente

Control Inteligente
Definiciones

Inteligencia:

El comportamiento inteligente supone capacidades

de:
• percibir,
• razonar,
• aprender,
• comunicarse y actuar en entornos complejos

2
Definiciones

Inteligencia Artificial:

Estudio del comportamiento inteligente en las

máquinas.

Desarrollo de máquinas que tengan un

comportamiento inteligente igual o superior al de los
humanos.

3
Historia de la IA

Orígenes en 1950 con el trabajo de Alan Turing, el

matemático británico que diseñó el primer
computador electrónico digital y funcional del mundo
en los años 1940.

El término IA fue inventado en 1956 por John

McCarthy, Marvin Minsky y Claude Shannon en la
Conferencia de Dartmouth.

4
Historia de la IA

• Prueba de Turing: «Existirá Inteligencia Artificial

cuando no seamos capaces de distinguir entre un ser
humano y un programa de computadora en una
conversación a ciegas».

5
Historia

1940/50:

• Programas que resuelven tareas básicas de

razonamiento (jugar al ajedrez / jugar a las damas /
probar teoremas geométricos)

• Primeros modelos de neuronas artificiales

(McCulloch/Pitts)

6
Historia
1960/70:

• Representaciones especializadas del conocimiento

(reglas, marcos, guiones)
• Conjuntos difusos.
• Primeros sistemas expertos (Dendral, Prospector,
Mycin)
• Declive de la computación neuronal (análisis de los
Perceptrones de Minsky)

7
Historia
1980:
• Aplicaciones comerciales de los sistemas expertos
• Proyecto de software de “quinta generación” en
Japón

1990 hasta hoy:

• Regreso de las redes neuronales
• Modelos de incertidumbre (cadenas de Markov,
redes Bayesianas)
• Agentes inteligentes (robots autónomos, sistemas
multiagente)
8
Soft Compting
• L.A. Zadeh propuso la definición de Soft Computing,

"Básicamente, Soft Computing no es un cuerpo

homogéneo de conceptos y técnicas. Mas bien es una
mezcla de distintos métodos que de una forma u otra
cooperan desde sus fundamentos. En este sentido, el
principal objetivo es aprovechar la tolerancia que
conllevan la imprecisión y la incertidumbre, para
conseguir manejabilidad, robustez y soluciones de
bajo costo"

9
Soft Computing
Los principales ingredientes de la Soft Computing son:

Soft Evolutionary Neural Fuzzy

= + +
Computing Computing Networks Logic

Zadeh Rechenberg McCulloch Zadeh

1981 1960 1943 1965

A.G
John Holland
1975

10
Lógica Difusa
La lógica difusa se inició en 1965 por Lotfi A. Zadeh de la
Universidad de California en Berkeley.

Permite trabajar información con alto grado de imprecisión, en

esto se diferencia de la lógica convencional que trabaja con
información bien definida y precisa.

11
Redes Neuronales Artificiales

• Comienzan a desarrollarse a
finales de los años 60.
• La neurona artificial es un modelo
inspirado en el funcionamiento
del cerebro humano con su gran
cantidad de interconexiones y
paralelismo.
• Algoritmos matemáticos no
lineales.
• Sirven para predecir y clasificar

12
Computación evolutiva
• Los algoritmos genéticos (GA), son algoritmos de búsqueda y
optimización basados en los mecanismos de selección
natural y genética.

13
Sistemas de Control

• Control: Capacidad de influenciar un sistema de

forma que se logre un comportamiento deseado.

Disturbios

Entrada Planta o
Salida
de control
Proceso

14
Sistemas de Control

• La obtención del algoritmo de control puede

abordarse desde distintas perspectivas:

Enfoque Inteligencia
Convencional Artificial

Control Inteligente

15
Cuando aplicar el control inteligente

• Sistemas complejos: plantas no lineales, orden

elevado, con parámetros internos variantes en el
tiempo, dependientes del entorno, etc.

– Incertidumbre en el modelo: modelos mal definidos, falta

de información.

– La descripción analítica exacta de esos sistemas es

inabordable o conlleva excesiva complejidad
computacional.

16
Control Inteligente

• El Control Inteligente surge cuando para diseñar o

implementar el controlador se utiliza alguna técnica
bio-inspirada normalmente del ámbito de la
Inteligencia Computacional (RNA, LD, AG)

17
Control Inteligente – Lógica Difusa

Perturbaciones

𝒖(𝒕)
𝒓(𝒕) Proceso 𝒚(𝒕)
_

Realimentación

18
Control Inteligente – Redes Neuronales

Perturbaciones

𝒖(𝒕)
𝒓(𝒕) Proceso 𝒚(𝒕)
_

Realimentación

19
Control Inteligente – Algoritmo Genético

Perturbaciones
A.G

𝒖(𝒕)
𝒓(𝒕) Controlador Proceso 𝒚(𝒕)
_

Realimentación

20
Identificación del modelo de una planta

𝒖(𝒕) Proceso 𝒚(𝒕)

_
Error

Algoritmo de
aprendizaje

21
Conclusiones

• El control de sistemas se basa en el conocimiento de

la dinámica del proceso.

• El control inteligente es una generalización del

concepto de control y se puede ver como un campo
dentro de la disciplina del control.

• El control inteligente emula algunas características

importantes del ser humano.

22
Conclusiones

• El control inteligente está siendo aplicado a la

robótica, la manufactura, el control de procesos.

• Las técnicas más relevantes en el campo del control

inteligente son la lógica difusa, las redes neuronales,
los algoritmos genéticos y técnicas híbridas.

23
TAREA

• Presentar una aplicación que utilice técnicas de la

inteligencia artificial.

• Definir por qué se considera inteligente.

Realizar una diapositiva.

24