 ERIKA

SUAN
 Los orígenes de la inteligencia artificial:
 1943 - Con la definición de la neurona formal dada por McCulloch &
Pitts, como un dispositivo binario con varias entradas y salidas.

 1956 - Se volvió a tocar el tema de inteligencia artificial (IA) en el instituto

de tecnología de Massachussets por John McCarthy donde se celebró la
conferencia de Dartmouth en Hanover (Estados Unidos). En este certamen
McCarthy, junto a otros colegas, establecieron las bases de la inteligencia
artificial como un campo independiente dentro de la informática.

 1950 - Alan M. Turing publico un artículo en la revista Mind, titulado

“Computing Machinery and Intelligence” (“Ordenador e inteligencia”),
en el que reflexionaba sobre el concepto de inteligencia artificial y
establecío una una prueba que permite determinar si un ordenador o
computadora se comporta conforme a lo que se entiende como
artificialmente inteligente o no.
 En los años 70, la inteligencia artificial como tal no tuvo muchos
éxitos ya que requería demasiada inversión para ese tiempo y la
mayoría de tecnologías eran propias de grandes centros de
investigación.

 En los años 80 se lograron algunos avances significativos en una de

sus ramas llamada Sistemas Expertos, con la introducción de
PROLOG LISP.

 En la actualidad se sigue investigando en los grandes laboratorios

tecnológicos educativos y privados; sin dejar de lado los notables
avances en sistemas por computadora (Sony, con sus robots capaces
de moverse en forma casi humana y reaccionar a presiones tal como
lo hace una persona al caminar), aplicaciones de lógica difusa
(aplicación del tracking automático en nuestras video caseteras, por
citar una aplicación), etc.
• Se denomina inteligencia artificial (IA) a la
rama de la ciencia informática dedicada al
desarrollo de agentes racionales no vivos.

Con respecto a las definiciones actuales de inteligencia

artificial se encuentran autores como Rich & Knight [1994],
Stuart [1996], quienes definen en forma general la IA como
la capacidad que tienen las máquinas para realizar
tareas que en el momento son realizadas por seres
humanos; otros autores como Nebendah [1988], Delgado
[1998], arrojan definiciones más completas y las definen
cómo el campo de estudio que se enfoca en la
explicación y emulación de la conducta inteligente
en función de procesos computacionales basadas en
la experiencia y el conocimiento continuo del
ambiente.
La IA se divide en:
1. La Inteligencia Artificial
Convencional
2. La Inteligencia Computacional
Inteligencia Artificia
Convencional l
Basada en análisis formal y estadístico
del comportamiento humano ante diferentes problemas:
• Razonamiento basado en casos
• Sistemas Expertos
• Redes Bayesianas.
• Inteligencia Artificial basada en Comportamientos
Inteligencia
Ar tificial
Computacional
La inteligencia computacional (también conocida
como inteligencia artificial subsimbólica) implica
desarrollo o aprendizaje El aprendizaje se realiza
basándose en datos empíricos. Algunos métodos de
esta rama incluyen:
• Máquina de Vectores Soporte
• Redes Neuronales
• Modelos ocultos de Markov
• Sistemas Difusos
• Computación Evolutiva
 Dentro del enfoque de la ingeniería de la Inteligencia
Artificial, se clasifican las técnicas que pueden ser usadas
como herramientas para solucionar problemas en las
siguientes categorías:

1.Técnicas básicas, así llamadas por encontrarse a la

base de diversas aplicaciones de IA. Entre otras se
encuentran Búsqueda Heurística de Soluciones,
Representación del Conocimiento, Deducción Automática,
Programación Simbólica (LISP) y Redes Neuronales.
2.Tecnologías, o combinaciones de varias técnicas
básicas, orientadas a resolver familias de problemas. Las
tecnologías son más especializadas que las técnicas básicas
y están más cerca de las aplicaciones finales. Se pueden
mencionar a la Robótica y Visión, Lenguaje Natural y
Sistemas Expertos.
 3.Clases o tipos de aplicaciones: Diagnóstico,
Predicción (sistemas de autocontrol de reactores
atómicos), Secuencia de operaciones ("Scheduling"),
Diseño, Interpretación de datos.
4.Campos de aplicación: Ingeniería, Medicina,
Sistemas de Manufactura, Administración, Apoyo a la
Toma de Decisiones Gerenciales, etc. Todas caen dentro de
las áreas de los sistemas computacionales, pero que se
consideran como clientes de la Inteligencia Artificial.
 “Ana mantiene más de 40.000 diálogos cada día con los
clientes de Ikea de veinte países. Gracias a ello, los
responsables de la compañía calculan un ahorro anual
de entre 15 y 20 millones de euros en todo el proceso
de atención al cliente.”
 Artificial Solutions es la empresa tecnológica que
está detrás de esta políglota y eficiente empleada
virtual. Johan Ahlund, CEO de la compañía, resume su
actividad diciendo que “lo que hacemos se llama
Customer Service Optimization, es decir, optimizar
todos los servicios que relacionan a la empresa con sus
clientes”.
 Operación automática de control de calidad usando un
sistema de visión por computadora.
 El sistema Robot Visión PRO es un paquete de software
de visión que permite la adquisición de imágenes,
preprocesamiento y segmentación. Además realiza
procesamiento de datos de alto nivel que brinda filtrado
de imágenes, elaboración de clusters y patrones, e
identificación de objetos. Este sistema cuenta con una
videocámara y un monitor encargado de identificar cada
una de las piezas salientes del proceso y hacer una
comparación con piezas de 100% de calidad para luego
determinar si el empaque puede salir al mercado o debe
desecharse.
 Estos sistemas ayudan a elaborar diagnósticos médicos,
explorar en busca de recursos naturales, determinar errores en
dispositivos mecánicos y ayudar en el diseño y puesta en
operación de otros sistemas de computación.

 Los sistemas de inteligenciaartificial incluyen a las

personas, los procedimientos, el hardware y software,
los
datos y los conocimientos necesarios para desarrollar
sistemas, y máquinas de computación que presenten
características de inteligencia.
 El objetivo del desarrollo de sistemas de IA contemporáneos no
es el reemplazo completo de la toma de decisiones de los
humanos, pero sí duplicarlas para ciertos tipos de problemas
bien definidos.
 Los esfuerzos de la IA se clasifican según varias
categorías.
Mientras la investigación y el desarrollo como
robótica y visión artificial, se relacionan con el
hardware y software, la investigación y el desarrollo en
otras áreas sólo se relacionan con el software.

 Robótica
 Sistema de visión
 Procesamiento de lenguaje natural
 Sistemas de aprendizaje
 Redes Neuronales
Los sistemas de IA con su red neuronal aprende por ensayo y error.

Características:

 Capacidad de recuperar información incluso si falla alguno de los

nodos neuronales.
 Modificación rápida de los datos almacenados como consecuencia de
nueva información.
 Capacidad de descubrir relaciones y tendencias en grandes bases de datos.
Capacidad de resolver problemas complejos para los cuales no se
 cuento con la información.

NOTA: Las redes neuronales son excelentes para el reconocimiento de

patrones. Por ejemplo, las computadoras de red neuronal se pueden usar
para leer los códigos de barra de los cheques bancarios a pesar de
manchas o de una impresión de baja calidad.
 Agentes de reflejo simple
 Agentes bien informados de todo lo que
pasa
 Agentes basados en metas
 Agentes basados en utilidad

 Sistema Experto

 Otros métodos son marcos semánticos integrados por

cuadros con listas de entidades y atributos; y las
redes semánticas, mapas de entidades y sus atributos
relacionados.
 Aprender de la experiencia y aplicar el conocimiento
adquirido de ésta.
 Mejorar situaciones complejas.
 Solucionar problemas cuando se carece de
información importante.
 Determinar qué es importante.
 Reaccionar en forma rápida y correcta a una nueva
situación.
 Comprender imágenes visuales.
 Procesar y manipular símbolos.
 Ser creativos e imaginativos.
 Usar la heurística(reglas prácticas producto de la
experiencia).