Professional Documents
Culture Documents
1
Tipos de información multimedia: ...................................................................................................................20
1.7.8. Juegos. ..............................................................................................................................................20
1.7.9. Otras Áreas .......................................................................................................................................20
2
INTELIGENCIA ARTIFICIAL
1.1 CONCEPTOS.
Una de las metas a largo plazo de la IA es el desarrollo de máquinas que puedan hacer
todas estas cosas igual, o quizá incluso mejor, que los humanos.
Algunas personas creen que las máquinas pensantes tendrían que ser tan complejas, y
disponer de una experiencia tan compleja (por ejemplo, interaccionando con el entorno o con
otras máquinas pensantes), que nunca seremos capaces de diseñarías o construirlas.
Otros puntos de vista sobre el tipo de máquinas que podrían ser capaces de desarrollar
habilidades pensantes como las de los humanos. Algunas de las hipótesis:
El cerebro procesa la información en paralelo, mientras que los ordenadores
convencionales lo hacen secuencialmente. Por tanto, tenemos que construir nuevas
variedades de ordenadores paralelos para realizar progresos en la IA.
Las neuronas animales son mucho más complejas que simples conmutadores (los
bloques constructivos básicos de los ordenadores actuales). Por tanto, necesitaremos
neuronas artificiales verdaderamente realistas para construir máquinas inteligentes.
1.3 OBJETIVOS
Desde el punto de vista de los objetivos, la IA puede considerarse en parte como ingeniería
y en parte como ciencia.
4
inteligencia, a través de la representación del conocimiento y de la aplicación que se da
a éste en los sistemas informáticos desarrollados.
1.4 FUNDAMENTOS.
La IA ha tenido como fundamento las bases de varias disciplinas, entre las cuales
mencionaremos las siguientes:
Filosofía: Sócrates, Platón, Aristóteles, Leibniz (abuelo de la IA), desde el año 428 a.c
hasta el presente.
Lógica: Searle.
Matemática: (Frege, Tarski) desde el año 800 a.c, proveyeron las herramientas para
manipular las aseveraciones de certeza lógica así como las inciertas de tipo probabilista.
Así mismo prepararon el terreno para el manejo del razonamiento con algoritmos de
probabilidad, álgebra booleana.
Psicología: (Piaget – Craik), conductismo, psicología cognitiva dándose desde el año
1869 hasta la actualidad.
Ciencias de la Computación: Comenzó muy poco antes. Las teorías encuentran un
medio para su implementación (artefactos y modelado cognitivo).
Lingüística: Se desarrolló en paralelo con la IA y sirve de base para la representación
del conocimiento (Chomsky), año 1957 hasta el presente.
Neurociencia ¿Cómo procesa la información el cerebro?
1.5 HISTORIA.
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.
Cuando era estudiante de posgrado en Princeton en 1936, Turing publicó On Computable
Numbers, un artículo que estableció las bases teóricas para todas las ciencias de computación.
Ahí describió lo que denominó Máquina de Turing, un dispositivo teórico que podía leer
instrucciones de una cinta de papel perforada y ejecutar todas las operaciones críticas de un
computador. El artículo fijó los límites de las ciencias de la computación porque demostró
que no es posible resolver problemas con ningún tipo de computador.
Después de doctorarse en 1938, Turing tuvo la oportunidad de poner en práctica la teoría
cuando, al prever una invasión por parte de las fuerzas de Adolf Hitler, el gobierno británico
reunió un equipo de matemáticos e ingenieros con la misión súper secreta de descifrar el
código militar alemán. Turing con un grupo construyó COLOSSUS, una máquina de
propósito específico considerado como el primer computador digital electrónico.
Desde que se completó el Colossus en 1943 hasta que terminó la Segunda Guerra Mundial,
descifró con éxito los códigos nazis. Muchos expertos creen que Colussus fue responsable de
la derrota de los nazis.
Turing inauguró el campo de la inteligencia artificial con su artículo publicado en 1950,
Computing Machinery and Intelligence, en el que propuso una prueba concreta para
determinar si una máquina era inteligente o no. Años después Turing se convirtió en el adalid
que quienes defendían la posibilidad de emular le pensamiento humano a través de la
computación y fue coautor del primer programa para jugar ajedrez.
En su histórico artículo de 1950, Turing propuso que la pregunta “¿puede pensar una
máquina?” era demasiado filosófica para tener valor y, para hacerlo más concreto, propuso
“un juego de imitación”. En la prueba de Turing intervienen dos personas y una computadora.
Una persona, el interrogador, se sienta en una sala y teclea preguntas en la terminal de una
computadora. Cuando aparecen las respuestas en la terminal, el interrogador intenta
determinar si fueron hechas por otra persona o por una computadora. Si actúa de manera
inteligente, según Turing es inteligente. Turing, señaló que una máquina podría fracasar y
5
aún ser inteligente. Aun así creía que las máquinas podrían superar la prueba a fin del siglo.
En 1951 William Shockley inventa el transistor de unión. El invento hizo posible una nueva
generación de computadoras mucho más rápidas y pequeñas.
En 1956 se acuñó el término "inteligencia artificial" en Dartmouth durante una conferencia
convocada por McCarthy, a la cual asistieron, entre otros, Minsky, Newell y Simon. En esta
conferencia 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 1980 la historia se repitió con el desafío japonés de la quinta generación, que dio lugar al
auge de los sistemas expertos pero que no alcanzó muchos de sus objetivos, por lo que este
campo sufrió una nueva interrupción en los años noventa.
En 1987 Martín Fiscales y Oscar Firschein describieron los atributos de un agente inteligente.
Al intentar describir con un mayor ámbito (no sólo la comunicación) los atributos de un
agente inteligente, la IA se ha expandido a muchas áreas que han creado ramas de
investigaciones enormes y diferenciadas.
Podemos entonces decir que la IA incluye características humanas tales como el aprendizaje,
la adaptación, el razonamiento, la autocorrección, el mejoramiento implícito, y la percepción
modular del mundo. Así, podemos hablar ya no sólo de un objetivo, sino de muchos,
dependiendo del punto de vista o utilidad que pueda encontrarse a la IA.
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".
6
entidades y atributos; y las redes semánticas, mapas de entidades y sus
atributos relacionados.
1.6.1.3. Características de un SE
Pueden explicar su razonamiento o decisiones sugeridas: La
capacidad de explicar cómo se llegó a una decisión o solución.
Puede mostrar un comportamiento “inteligente”: Al examinar un
grupo de datos, un SE puede proponer nuevas ideas o métodos para la
solución del problema, o proporcionar asesoramiento en el trabajo para
los trabajadores.
Puede obtener conclusiones de relaciones complejas: Evaluar
relaciones complejas para llegar a conclusiones y solucionar
problemas, por ejemplo: un SE propuesto trabajará con un sistema de
fabricación flexible para determinar la mejor utilización de las
herramientas, y otro sugerirá los mejores procedimientos de control de
calidad.
Puede proporcionar conocimientos acumulados: Se puede usar para
capturar conocimientos de humanos que de lo contrario podrían
perderse. Ejemplo es el SE denominado DELTA (Diesel Electronic
Locomotive Troble-shooting Aid), desarrollado para conservar el
conocimiento de David Smith, único ingeniero competente para
manejar muchas reparaciones extremadamente técnicas de esas
máquinas, cuando llegó el momento de su jubilación.
Puede hacer frente a la incertidumbre: Una de las características
más importantes de un SE es su capacidad para enfrentar
conocimientos incompletos o inexactos en su totalidad. Mediante el uso
de las probabilidades, las estadísticas y las heurísticas.
7
Ocasionan preocupaciones legales y éticas: Las personas que toman
decisiones y llevan a cabo acciones son responsables, desde el punto
de vista legal y ético, por su comportamiento. Por ejemplo, una persona
puede ser procesado y condenada por un delito. Cuando los SE se usan
para tomar decisiones o ayudan a tomarlas, ¿quién es el responsable de
esta decisión?
8
y el desarrollo con el propósito de compartir los conocimientos y la
experiencia de expertos humanos con un gran número de personas.
9
Los Recursos de Explicaciones: Una parte importante del SE son los
recursos de explicaciones que le permiten al usuario, o al responsable
de tomar las decisiones comprender en que forma llegó el SE a ciertas
conclusiones o resultados.
La Interfaz del Usuario: Sirve para diseñar, crear, actualizar y usar los
SE. El propósito general de la interfaz del usuario es facilitar a los
usuarios y a los tomadores de las decisiones el desarrollo y el uso de
un SE.
10
1.6.1.10. Herramientas y técnica para el desarrollo de sistemas expertos
En teoría, los sistemas expertos se deben desarrollar a partir de algún
lenguaje de programación. Desde la introducción de los sistemas de
computación, los lenguajes de fáciles de usar, más potentes y cada vez más
capaces de manejar. En los inicios del desarrollo de SE se usaban los
lenguajes Pascal, FORTRAN Y COBOL. LISP fue uno de los primeros
lenguajes especiales desarrollados y empleados para aplicaciones de
inteligencia artificial. PROLOG es otro. Sin embargo, actualmente existen
otros productos de SE (como los shells) que evitan el trabajo de programar.
Shells y productos para SE: Un shell (interprete) de SE es un grupo de
paquetes y herramientas de software utilizados para diseñar, desarrollar,
poner en operación y mantener SE con una programación mínima. Existen
shells de SE tanto para computadoras personales como para sistemas de
macrocomputadoras. Algunos son baratos con costo inferior a los 500
dólares. El usuario introduce los datos o parámetros apropiados y el SE
proporciona el resultado para el problema o situación. Algunos de los shells
más populares son Exsys de MultilLogic, Inc. Level 5, de Rule Machines
Corporación y XpertRule, de Attar Software.
13
apoyaban esta idea manteniendo que el razonamiento venía dado por las
observaciones de las que somos testigos a lo largo de nuestra vida y la
detección de algunos principios contradictorios en la lógica clásica.
Tras la publicación de Lotfi A. Zadeh, se comenzó rápidamente a usar la
lógica difusa en distintas aplicaciones prácticas, llegando a su máximo auge
a principios de los años 90, y continuando éste hasta la época actual.
1.6.2.2. Concepto:
La lógica difusa se funda en el concepto de que todo es cuestión de grado,
lo cual permite manejar información vaga o de difícil especificación,
importante para la resolución de un problema, por medio de una serie de
reglas de "sentido común" aprendidas con sistemas adaptativos que se nutren
de la observación de las personas o de la formulación por parte del experto
humano.
En la actualidad hay un número creciente de aplicaciones entre las cuales
podemos mencionar:
La construcción de artefactos electrónicos de uso doméstico y de
entretenimiento.
El diseño de dispositivos artificiales de deducción automática.
El diseño de sistemas de diagnóstico y de control de
complejos procesos industriales, etc.
1.6.2.3. Funcionamiento
La lógica difusa se adapta mejor al mundo real en el que vivimos, e incluso
puede comprender y funcionar con nuestras expresiones, del tipo "hace
mucho calor", "no es muy alto", "el ritmo del corazón está un poco
acelerado", etc.
La clave de esta adaptación al lenguaje, se basa en comprender los
cuantificadores de nuestro lenguaje (en los ejemplos de arriba "mucho",
"muy" y "un poco").
En la teoría de conjuntos difusos se definen también las operaciones de
unión, intersección, diferencia, negación o complemento, y otras
operaciones sobre conjuntos (ver también subconjunto difuso), en los que se
basa esta lógica.
Para cada conjunto difuso, existe asociada una función de pertenencia para
sus elementos, que indican en qué medida el elemento forma parte de ese
conjunto difuso. Las formas de las funciones de pertenencia más típicas son
trapezoidales, lineales y curvas.
Se basa en reglas heurísticas de la forma SI (antecedente) ENTONCES
(consecuente), donde el antecedente y el consecuente son también conjuntos
difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos
de regla heurística para esta lógica (nótese la importancia de las palabras
"muchísimo", "drásticamente", "un poco" y "levemente" para la lógica
difusa):
SI hace muchísimo calor ENTONCES disminuyo drásticamente la
temperatura.
SI voy a llegar un poco tarde ENTONCES aumento levemente la
velocidad.
Los métodos de inferencia para esta base de reglas deben ser simples,
veloces y eficaces. Los resultados de dichos métodos son un área final, fruto
de un conjunto de áreas solapadas entre sí (cada área es resultado de una
regla de inferencia). Para escoger una salida concreta a partir de tanta
14
premisa difusa, el método más usado es el del centroide, en el que la salida
final será el centro de gravedad del área total resultante.
Las reglas de las que dispone el motor de inferencia de un sistema difuso
pueden ser formuladas por expertos, o bien aprendidas por el propio sistema,
haciendo uso en este caso de Redes neuronales para fortalecer las futuras
tomas de decisiones.
Los datos de entrada suelen ser recogidos por sensores, que miden las
variables de entrada de un sistema. El motor de inferencias se basa en chips
difusos, que están aumentando exponencialmente su capacidad de
procesamiento de reglas año a año.
Un esquema de funcionamiento típico para un sistema difuso podría ser de
la siguiente manera:
15
1.6.2.5. Aplicaciones
La lógica difusa se utiliza cuando la complejidad del proceso en cuestión es
muy alta y no existen modelos matemáticos precisos, para procesos
altamente no lineales y cuando se envuelven definiciones y conocimiento no
estrictamente definido (impreciso o subjetivo). En cambio, no es una buena
idea usarla cuando algún modelo matemático ya soluciona eficientemente el
problema, cuando los problemas son lineales o cuando no tienen solución.
Esta técnica se ha empleado con bastante éxito en la industria,
principalmente en Japón, y cada vez se está usando en gran multitud de
campos. La primera vez que se usó de forma importante fue en el metro
japonés, con excelentes resultados. A continuación se citan algunos
ejemplos de su aplicación:
Sistemas de control de acondicionadores de aire
Sistemas de foco automático en cámaras fotográficas
Electrodomésticos familiares (Frigoríficos, lavadoras...)
Optimización de sistemas de control industriales
Sistemas de reconocimiento de escritura
Mejora en la eficiencia del uso de combustible en motores
Sistemas expertos del conocimiento (simular el comportamiento de un
experto humano)
Tecnología informática
Bases de datos difusas: Almacenar y consultar información imprecisa.
Para este punto, por ejemplo, existe el lenguaje FSQL.
Y, en general, en la gran mayoría de los sistemas de control que no
dependen de un Sí/No.
Pueden converger prematuramente debido a una serie de problemas de
diversa índole.
1.7 ÁREAS DE LA IA
Las definiciones anteriores implican que las máquinas para ser consideradas inteligentes
deben exhibir ciertas habilidades, suficientemente complejas como para ser tratadas como
áreas independientes. La forma de abordaje de cada una de estas áreas suele ser tan disímil,
que es difícil reconocerles un origen común.
16
cuestión. El problema de detectar los errores de este tipo es complejo debido
a la existencia de gran variedad de estructuras permitidas.
Para describir las estructuras de las oraciones en el idioma, se usan las
llamadas gramáticas formales, o sea conjuntos de reglas de combinación de
palabras y su orden relativo en las oraciones.
La traducción automática: Se refiere a la traducción correcta de un
lenguaje a otro, tomando en cuenta lo que se quiere expresar en cada
oración.
17
Búsqueda de imágenes digitales por su contenido.
Estos objetivos se consiguen por medio de reconocimiento de patrones,
aprendizaje estadístico, geometría de proyección, procesado de imágenes,
teoría de gráficos y otros campos. La visión artificial cognitiva está muy
relacionada con la psicología cognitiva y la computación biológica.
1.7.3. Robótica.
Es la ciencia encaminada a diseñar y construir aparatos y sistemas capaces de
realizar tareas propias de un ser humano. No es un campo propio de la Inteligencia
Artificial pero es quizá todo un conjunto de circuito compacto que van a permitir
tener como base para que una computadora pensante pueda desplazarse y lograr así
la movilidad.
18
clasifica la medición.
1.7.6. Cibernética.
Es la ciencia que se ocupa de los sistemas de control y de comunicación en las
personas y en las máquinas, estudiando y aprovechando todos sus aspectos y
mecanismos comunes. El nacimiento de la cibernética se estableció en el año 1942,
en la época de un congreso sobre la inhibición cerebral celebrado en Nueva York,
del cual surgió la idea de la fecundidad de un intercambio de conocimiento entre
fisiólogos y técnicos en mecanismos de control. Cinco años más tarde, Norbert
Wiener uno de los principales fundadores de esta ciencia, propuso el nombre de
cibernética, derivado de una palabra griega que puede traducirse como piloto,
timonel o regulador. Por tanto la palabra cibernética podría significar ciencia de los
mandos. Estos mandos son estructuras con elementos especialmente electrónicos y
en correlación con los mecanismos que regulan la psicología de los seres vivientes
y los sistemas sociales humanos, y a la vez que permiten la organización de
máquinas capaces de reaccionar y operar con más precisión y rapidez que los seres
vivos, ofrecen posibilidades nuevas para penetrar más exactamente las leyes que
regulan la vida general y especialmente la del hombre en sus aspectos psicológicos,
económicos, sociales etc.
19
1.7.7. Multimedia.
Es un sistema que utiliza más un medio de comunicación al mismo tiempo en la
presentación de la información, como el texto, la imagen, la animación, el vídeo y
el sonido.
Tipos de información multimedia:
Texto: sin formatear, formateado, lineal e hipertexto.
Gráficos: utilizados para representar esquemas, planos, dibujos lineales...
Imágenes: son documentos formados por píxeles. Pueden generarse por copia
del entorno (escaneado, fotografía digital) y tienden a ser ficheros muy
voluminosos.
Animación: presentación de un número de gráficos por segundo que genera
en el observador la sensación de movimiento.
Vídeo: Presentación de un número de imágenes por segundo, que crean en el
observador la sensación de movimiento. Pueden ser sintetizadas o captadas.
Sonido: puede ser habla, música u otros sonidos.
1.7.8. Juegos.
La mayor parte de los juegos están construidos usando técnicas de inteligencia
artificial.
20
UNIVERSIDAD NACIONAL
JOSÉ FAUSTINO SÁNCHEZ CARRIÓN
CURSO:
Transferencia e Innovación Tecnológica
CICLO:
IX
DOCENTE:
Ing. Muñoz Vilela, Algemiro Julio
TEMA:
Inteligencia Artificial
INTEGRANTES:
Silvestre Gomez, Harold Isaí
HUACHO – PERÚ
2019
21
22