Integrantes : - Flores Solis, Fernando - Guerra Farfn, Jess - Mendo Guevara, Luis - Riega Cervantes, Alejandro

Qu es la Inteligencia Artificial ? Es una rea de la ciencia bastante nueva (1956) Su objetivo son las capacidades que consideramos Inteligentes Las aproximaciones siguen diferentes puntos de vista Sus influencias son diversas (Filosofa, Matemtica, Psicologa, Biologa) Involucra una gran cantidad de reas tanto genricas (aprendizaje, percepcin, resolucin de problemas) como especficas (jugar al ajedrez, diagnosticar enfermedades, conducir coches, ...)

Breve historia de las disciplinas que han contribuido a la IA con ideas, puntos de vista y tcnicas al desarrollo: Filosofa Matemticas Economa Neurociencia Psicologa Ingeniera computacional Teora de control y ciberntica Lingstica

Historia de la IA

Historia de la IA

Historia de la IA

Historia de la IA

Historia de la IA

Historia de la IA

 REDES NEURONALES AGENTES INTELIGENTES SISTEMAS EXPERTOS (SE) ROBOTICA

REDES NEURONALES
Las redes de neuronas artificiales (denominadas habitualmente como RNA o en ingls como: "ANN") son un paradigma de aprendizaje y procesamiento automtico inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexin de neuronas en una red que colabora para producir un estmulo de salida. En inteligencia artificial es frecuente referirse a ellas como redes de neuronas o redes neuronales.

FUNDAMENTO DE LAS REDES NEURONALES 1. El modelo Biolgico Se estima que el cerebro humano contiene ms de cien mil millones de neuronas estudios sobre la anatoma del cerebro humano concluyen que hay ms de 1000 sinapsis a la entrada y a la salida de cada neurona.

FUNDAMENTO DE LAS REDES NEURONALES 2. Aprendizaje Aprenden a llevar a cabo ciertas tareas mediante un entrenamiento con ejemplos ilustrativos. Como las redes neuronales pueden aprender a diferenciar patrones mediante ejemplos y entrenamientos, no es necesario elaborar modelos a priori ni necesidad de especificar funciones de distribucin de probabilidad

FUNDAMENTO DE LAS REDES NEURONALES 3. Auto organizacin Facultad de las redes neuronales de responder apropiadamente cuando se les presentan datos o situaciones a las que no haba sido expuesta anteriormente. El sistema puede generalizar la entrada para obtener una respuesta. Esta caracterstica es muy importante cuando se tiene que solucionar problemas en los cuales la informacin de entrada no es muy clara; adems permite que el sistema d una solucin, incluso cuando la informacin de entrada est especificada de forma incompleta.

FUNDAMENTO DE LAS REDES NEURONALES 4. Tolerancia al Fallo La razn por la que las redes neuronales son tolerantes a los fallos es que tienen su informacin distribuida en las conexiones entre neuronas, existiendo cierto grado de redundancia en este tipo de almacenamiento.

FUNDAMENTO DE LAS REDES NEURONALES 5. Operacin en Tiempo Real Las redes neuronales se adaptan bien a esto debido a su implementacin paralela. Para que la mayora de las redes puedan operar en un entorno de tiempo real, la necesidad de cambio en los pesos de las conexiones o entrenamiento es mnimo.

LA NEURONA ARTIFICIAL En cualquier sistema que se est modelando, es til caracterizar tres tipos de unidades: entradas, salidas y ocultas. Las unidades de entrada reciben seales del entorno, stas pueden ser provenientes de censores o de otros sectores del sistema. Las unidades de salida envan la seal fuera del sistema; stas pueden controlar directamente potencias u otros sistemas. Las unidades ocultas son aquellas cuyas entradas y salidas se encuentran dentro del sistema; es decir no tienen contacto con el exterior.

MODELO DE OPERACIN PERCEPTRON La importancia de la red backpropagation consiste en su capacidad de organizar una representacin interna del conocimiento en las capas ocultas de neuronas, a fin de aprender la relacin que existe entre un conjunto de entradas y salidas. Posteriormente, aplica esa misma relacin a nuevos vectores de entrada con ruido o incompletos, dando una salida activa si la nueva entrada es parecida a las presentadas durante el aprendizaje. Esta caracterstica importante es la capacidad de generalizacin, entendida como la facilidad de dar salidas satisfactorias a entradas que el sistema no ha visto nunca en su fase de entrenamiento.

MODELO DE OPERACIN PERCEPTRON

INTELIGENCIA ARTIFICIAL APLICADA A LA ROBTICA La robtica siempre ha estado unida a la construccin de artefactos con la idea de asemejarse al ser humano y de ahorrarle trabajo. La palabra robot proviene del escritor checo Karel Capek, el cual acu en 1921 dicho trmino en una de sus obras a partir de la palabra checa robota, que significaba servidumbre o trabajo forzado. Posteriormente, sera Isaac Asimov quien utilizara el trmino robtica definiendo a la ciencia que estudia los robots.

INTELIGENCIA ARTIFICIAL APLICADA A LA ROBTICA Actualmente, la robtica se define como la ciencia y tecnologa de los robots. Se ocupa del diseo, manufactura y aplicaciones de stos y combina diversas disciplinas como la mecnica, electrnica, informacin, inteligencia artificial e ingeniera de control.

INTELIGENCIA ARTIFICIAL APLICADA A LA ROBTICA

Quizs estos comportamientos humanos sean los que ms nos llamen la atencin, probablemente relacionndolos con el cine, en pelculas donde los robots, capaces de imitar a las personas acaban por relevarse. Nada ms lejos de la realidad, pues aunque el aprendizaje de los robots es una realidad, carecen de capacidad creativa, sentido comn y otros aspectos de vital importancia en el desarrollo.

EVOLUCION DE LA ROBOTICA 1. Primera Generacin Tambin denominada Manipuladores, son sistemas mecnicos multifuncionales con un sencillo sistema de control, bien manual, de secuencia fija o variable. El sistema de control utilizado se basa en las paradas fijas mecnicamente.

EVOLUCION DE LA ROBOTICA
2. Segunda Generacin Segunda generacin o robots de aprendizaje, repiten una secuencia de movimientos que ha sido ejecutada previamente por un operador humano. El modo de hacerlo es a travs de un dispositivo mecnico. El operador realiza los movimientos requeridos mientras el robot le sigue y los memoriza. El mayor nmero de aplicaciones en los que se utilizan los robots de esta generacin son de la industria automotriz, en soldadura, pintado con spray.

EVOLUCION DE LA ROBOTICA
3. Tercera Generacin Robots con control sensorizado. El controlador es una computadora que ejecuta las rdenes de un programa y las enva al manipulador para que realice los movimientos necesarios. De esta manera utiliza las computadoras para su estrategia de control y tiene algn conocimiento del ambiente local a travs del uso de sensores, los cuales miden el ambiente y modifican su estrategia de control.

EVOLUCION DE LA ROBOTICA
4. Cuarta Generacin La denominada generacin de Robots inteligentes, similar a la anterior, pero que adems poseen sensores que envan informacin a la computadora de control sobre el estado del proceso. Esto permite una toma inteligente de decisiones y el control del proceso en tiempo real.

FUTURO DE LA ROBTICA

Cul es el objetivo? Crear robots inteligentes y autnomos, la nueva generacin, capaces de estar situados en su entorno, adoptar comportamientos, razonar, evolucionar y actuar como seres vivos. Es un gran campo de estudio interdisciplinar que se apoya en la ingeniera mecnica, elctrica, electrnica e informtica, as como en la ciencia fsica, anatoma, psicologa, biologa, zoologa y etologa, entre otras.

ROBTICA SITUADA
Este enfoque se ocupa de los robots que estn insertos en entornos complejos y, a menudo, dinmicamente cambiantes. Se basa sobre dos ideas centrales: los robots. Los robots estn corporizados (embodiment), es decir, tienen un cuerpo fsico apto para experimentar su entorno de manera directa, en donde sus acciones tienen una realimentacin inmediata sobre sus propias percepciones. Los robots estn situados (situatedness), o sea, estn inmersos dentro de un entorno; interaccionan con el mundo, el cual influye de forma directa sobre su comportamiento.

ROBTICA BASADA EN LA CONDUCTA O EL COMPORTAMIENTO

Los robots generan un comportamiento slo cuando se los estimula; es decir, reaccionan ante los cambios de su entorno local (como cuando alguien toca accidentalmente un objeto caliente). Aqu, el diseador divide las tareas en numerosas y diferentes comportamientos bsicos, cada una de los cuales se ejecuta en una capa separada del sistema de control del robot.

ROBTICA BASADA EN LA CONDUCTA O EL COMPORTAMIENTO

Los sistemas basados en la conducta son capaces de reaccionar en tiempo real, ya que calculan las acciones directamente a partir de las percepciones (a travs de un conjunto de reglas de correspondencia situacinaccin). Es importante observar que el nmero de capas aumenta con la complejidad del problema. De este modo, una tarea muy compleja puede estar ms all de la capacidad del diseador (es muy complicado definir todas las capas, sus interrelaciones y dependencias.

ROBTICA COGNITIVA
Se ocupa de implementar robots que perciben, razonan y actan en entornos dinmicos, desconocidos e imprevisibles. Tales robots deben tener funciones cognitivas de muy alto nivel que impliquen razonar, por ejemplo, acerca de las metas, las acciones, el tiempo, los estados cognitivos de otros robots, cundo y qu percibir, aprender de la experiencia, etc.

ROBTICA COGNITIVA
Si se consigue que los robots desarrollen por s mismos sus capacidades cognitivas, se evitara el programarlos a mano para cada tarea o contingencia concebible. Asimismo, si se logra que los robots utilicen representaciones y mecanismos de razonamiento similares a la de los humanos, se podra mejorar la interaccin hombremquina, as como las tareas de colaboracin. Sin embargo, se necesita un elevado poder de procesamiento (en especial si el robot cuenta con numerosos sensores y actuadores) y mucha memoria (para representar el espacio de estados).

EJEMPLOS
PetMan y BigDog
Petman es capaz de mantener el equilibrio cuando es empujado. Su desarrollo no apunta ni a futuros exoesqueletos, ni a robots; sino al diseo de trajes para hacer frente a una eventual guerra qumica, por lo que este robot tambin es capaz de manejar una serie de variables para control de la temperatura, humedad y la transpiracin.

EJEMPLOS
PetMan y BigDog
En cuanto a BigDog, tambin firma de Boston Dynamics, se trata de un robot de cuatro patas capaz de caminar por cualquier superficie, incluyendo pendientes de hasta 35 grados, suelos helados, caminos de piedras, todo es poco para l. Es capaz de cargar con 150 kilos de peso.

EJEMPLOS
Coche autnomo Poseen una aplicacin que captura informacin, para luego utilizarla tal y como hara un humano experto. Para ello se automatiza el procedimiento de toma de decisiones, es decir, se analiza tanto lo que el experto sabra como la manera en que resolvera el problema.