ÍNDICE

1.1 CONCEPTOS. ........................................................................................................................................3

1.2 DEFINICIÓN DE LA IA EN 4 DIMENSIONES ..................................................................................3
1.2.1. Sistemas que actúan como humanos...................................................................................................3
1.2.2. Sistemas que piensan como humanos. ................................................................................................4
1.2.3. Sistemas que piensan racionalmente. .................................................................................................4
1.2.4. Sistemas que actúan racionalmente. ...................................................................................................4
1.3 OBJETIVOS ...........................................................................................................................................4
1.4 FUNDAMENTOS. .................................................................................................................................5
1.5 HISTORIA. ............................................................................................................................................5
1.6 TÉCNICAS DE LA IA. ..........................................................................................................................6
1.6.1. Sistemas Expertos. ..............................................................................................................................6
1.6.1.2. El propósito de los SE ........................................................................................................................6
1.6.1.3. Características de un SE .....................................................................................................................7
1.6.1.4. Características que limitan su Utilidad ...............................................................................................7
1.6.1.5. Capacidades de los SE ........................................................................................................................8
1.6.1.6. Cuando usar los SE .............................................................................................................................8
1.6.1.7. Componentes de los SE ......................................................................................................................9
1.6.1.8. Desarrollo de los SE .........................................................................................................................10
1.6.1.9. Participantes en el Desarrollo y Utilización de los SE .....................................................................10
1.6.1.10. Herramientas y técnica para el desarrollo de sistemas expertos ...................................................11
1.6.1.11. Ventajas de los shells y los productos de SE ................................................................................11
1.6.1.12. Alternativas de desarrollo de SE...................................................................................................11
1.6.1.13. Aplicaciones de los SE y de la IA.................................................................................................12
1.6.1.14. Limitaciones de los SE .................................................................................................................13
1.6.2. Lógica Difusa. ..................................................................................................................................13
1.6.2.2. Concepto:..........................................................................................................................................14
1.6.2.3. Funcionamiento ................................................................................................................................14
1.6.2.4. Ventajas e Inconvenientes ................................................................................................................15
1.6.2.5. Aplicaciones .....................................................................................................................................16
1.7 ÁREAS DE LA IA ...............................................................................................................................16
1.7.1. Procesamiento del lenguaje natural. .................................................................................................16
1.7.2. Visión Artificial. ...............................................................................................................................17
1.7.3. Robótica............................................................................................................................................18
1.7.3.1. Robots Físicos ..............................................................................................................................18
1.7.3.2. Robots Software ...........................................................................................................................18
1.7.4. Reconocimiento de Patrones. ...........................................................................................................18
1.7.5. La realidad Virtual. ...........................................................................................................................19
1.7.6. Cibernética. .......................................................................................................................................19
1.7.7. Multimedia. ......................................................................................................................................20

1
Tipos de información multimedia: ...................................................................................................................20
1.7.8. Juegos. ..............................................................................................................................................20
1.7.9. Otras Áreas .......................................................................................................................................20

2
 INTELIGENCIA ARTIFICIAL

1.1 CONCEPTOS.

 La IA es una ciencia que estudia el comportamiento inteligente de las máquinas lo

cual conlleva a realizar tareas como: percibir, razonar, aprender, comunicarse y
actuar en entornos complejos.

 La IA. es la parte de la informática concerniente al diseño de sistemas de computación

inteligente, es decir, de sistemas que exhiban o simulen las características que son
comúnmente asociadas con la inteligencia en la conducta humana (Handbook81).

 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.

 Otra meta de la IA es llegar a comprender este tipo de comportamiento, sea en las

máquinas, en los humanos o en otros animales.

La IA ha estado siempre rodeada de controversia. La cuestión básica de la IA ¿Pueden

pensar las máquinas? ha interesado tanto a filósofos como a científicos e ingenieros.

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.

 La maquinaria computacional convencional está basada en la lógica binaria (verdadera

y falsa). Por tanto, los sistemas realmente inteligentes tendrán que usar algún tipo de
lógica borrosa.

 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.

1.2 DEFINICIÓN DE LA IA EN 4 DIMENSIONES

Entre ellas tenemos las siguientes:

 Sistemas que actúan como humanos.
 Sistemas que piensan como humanos.
 Sistemas que piensan racionalmente.
 Sistemas que actúan racionalmente.

1.2.1. Sistemas que actúan como humanos.

 El modelo es el hombre, el objetivo es construir un sistema que pase por

humano.
 Test de Turing: Si un sistema lo pasa es inteligente.
3
  Necesitamos máquinas con:
 Procesamiento de lenguaje natural.
 Representación del conocimiento.
 Razonamiento automático.
 Aprendizaje automático.

1.2.2. Sistemas que piensan como humanos.

 Su enfoque es el modelo Cognoscitivo.

 Es necesario disponer de mecanismos que permitan determinar cómo piensan
los humanos.
 Hay 2 Técnicas.
 Introspección: Intentar atrapar nuestros pensamientos conforme van
apareciendo.
 Experimentos psicológicos.
 Se intenta elaborar teorías precisas y verificables del funcionamiento de la
mente humana.

1.2.3. Sistemas que piensan racionalmente.

 El enfoque de las leyes del pensamiento racional se fundamenta en la lógica

(silogismos de Aristóteles).
 La lógica formal está en la base de los programas inteligentes (logicismo).
 Hay 2 obstáculos:
 Es muy difícil formalizar el conocimiento
 Hay un gran salto entre la capacidad teórica de la lógica y su realización
práctica.

1.2.4. Sistemas que actúan racionalmente.

 El enfoque del agente racional.

 Actuar racionalmente significa conseguir unos objetivos dadas unas creencias.
 El paradigma es el agente racional, que se aplica, por ejemplo, a muchos
sistemas robóticos.
 Un agente percibe y actúa, siempre teniendo en cuenta el entorno en el que está
situado.
 Las capacidades necesarias:
 Percepción.
 Procesamiento del lenguaje natural.
 Representación del conocimiento.
 Razonamiento.
 Aprendizaje automático.

1.3 OBJETIVOS

Desde el punto de vista de los objetivos, la IA puede considerarse en parte como ingeniería
y en parte como ciencia.

 Como ingeniería, el objetivo de la IA es resolver problemas reales, actuando como un

conjunto de ideas acerca de cómo representar y utilizar el conocimiento, y de cómo
desarrollar sistemas informáticos.
 Como ciencia, el objetivo de la IA es buscar la explicación de diversas clases de

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".

1.6 TÉCNICAS DE LA IA.

Entre ellas las siguientes:

1.6.1. Sistemas Expertos.

1.6.1.1. Concepto:
Consiste de equipos y software que almacenan conocimientos y hacen
inferencias, en forma similar a un experto humano. A finales de los
cincuenta y principios de los sesenta, los ingenieros en computación trataron
de construir computadoras capaces de realizar tareas inteligentes. Los
esfuerzos se encaminaron a crear un solucionador de problemas generales,
una máquina capaz de imitar el proceso de razonamiento humano para
resolver cualquier problema que un ser humano pudiera solucionar.
Los esfuerzos se orientaron al diseño de programas que resolvieran
problemas en áreas precisas utilizando conocimiento y razonamiento de
expertos.

1.6.1.2. El propósito de los SE

Es duplicar el conocimiento no estructurado ni documentado de unos pocos
(los expertos) y los pone a disposición de otros. Debido a la forma en que
están planteados los SE (basados en la experiencia) no puede ayudar a los
usuarios que tratan con sucesos que los expertos no consideraron durante el
periodo de creación. Sin embargo muchos programas avanzados que
incluyen “redes neuronales” aprenden de situaciones nuevas y formulan
reglas adhoc en sus bases de conocimiento para resolver eventualidades no
consideradas originalmente en su diseño.
Para construir un SE un ingeniero del conocimiento se entrevista con un
experto, traduce la información en código. Por lo general con la regla SI-
Entonces.
Otros métodos son marcos semánticos integrados por cuadros con listas de

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.

1.6.1.4. Características que limitan su Utilidad

 No se han usada o probado en forma extensa: Los SE no se emplean
en un gran número de organizaciones.
 Dificultad de uso: Algunos sistemas expertos son difíciles de controlar
y usar. En algunos casos se requiere del uso de personal de
computación, o del personas capacitadas en el uso de SE, para ayudar
al usuario a obtener todo lo más posible de estos sistemas.
 Están limitados a problemas relativamente limitados: Algunos
sistemas expertos pueden realizar análisis de datos complejos, otros
están limitados a problemas sencillos.
 No pueden enfrentar con facilidad conocimientos “mixtos”: Un SE
en una aplicación quizá no pueda hacer frente a conocimientos que
combinen tanto reglas como casos.
 Posibilidad de error: Algunos sistemas expertos tienen capacidades
limitadas para aprender de la experiencia, la fuente principal de
conocimientos es un experto humano. Si este conocimiento es
incorrecto o incompleto, afectará al sistema en forma negativa.
 Dificultad de mantenimiento: Los SE pueden ser difíciles de
actualizar. Algunos no responden o no se adaptan a condiciones
cambiantes.
 Pueden tener costo altos de desarrollo: Cuando se usan los lenguajes
y métodos de programación tradicionales. Se puede lograr una
reducción considerable en los costos de desarrollo si se emplea
software para el desarrollo de SE.

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?

1.6.1.5. Capacidades de los SE

En comparación con otros tipos de sistemas de información, los SE ofrecen
varias capacidades poderosas y beneficios. Por ejemplo, con frecuencia se
usa un SE denominado XCON para diseñar configuraciones de sistemas
computación, pues realiza, en forma consistente, un mejor trabajo que los
seres humanos.
Los SE se pueden usar para solucionar problemas en todos los campos y
disciplinas y ayudar en la totalidad de las etapas del proceso de solución de
los problemas.

 Fijación de objetivos estratégicos: Un SE puede ayudar a los

administradores de alto nivel de la compañía a determinar los costos y
beneficios que existen en producir vinos de mayor calidad y cambiar
su imagen en el mercado.
 Planeación: Un SE puede ayudar a este proceso mediante la sugerencia
de factores que se deben considerar al tomar la decisión final, sobre la
base de datos proporcionados por la administración.
 Diseño: Estos SE usan principios generales de diseño, comprensión de
los procedimientos de fabricación y un grupo de reglas de diseño.
 Toma de decisiones: Pueden sugerir posibles alternativas, formas de
contemplar los problemas y métodos lógicos al proceso de toma de
decisiones. Además, los SE pueden mejorar el proceso de aprendizaje
para aquellos que no tienen tanta experiencia en tomar decisiones.
 Control y supervisión de calidad: Los SE computarizados pueden
ayudar a supervisar varios sistemas y proponer soluciones a
problemas que se presenten en ellos. Los SE también se pueden usar para
supervisar la calidad de los productos. Cuando las máquinas funcionan en
forma deficiente, el SE puede ayudar a determinar las causas posibles.
 Diagnóstico: Puede proporcionar al médico la probable causa de
enfermedad y proponer tratamientos u operaciones. En los negocios
también diagnóstica posibles problemas y soluciones.

1.6.1.6. Cuando usar los SE

El desarrollo se SE complejos puede ser difícil, costoso y requerir de tiempo,
por lo tanto, es importante asegurarse de que los posibles beneficios valen
el esfuerzo y que las diversas características del SE se equilibren, en
términos de costo, control y complejidad.
 Proporciona un alto potencial de rendimiento o reduce el riesgo
 Puede capturar y conservar conocimientos humanos irremplazables
 Puede desarrollar un sistema más consistente que los expertos humanos
 Puede proporcionar los conocimientos necesarios en varias
ubicaciones al mismo tiempo o en un ambiente hostil peligroso para
la salud humana.
 Puede proporcionar conocimientos costosos y poco comunes.
 Puede proporcionar los conocimientos necesarios para la capacitación

8
 y el desarrollo con el propósito de compartir los conocimientos y la
experiencia de expertos humanos con un gran número de personas.

1.6.1.7. Componentes de los SE

 La Base de Conocimientos: Almacena toda la información, datos,
reglas, casos y relaciones importantes que utiliza el SE. Para cada
aplicación única se tiene que desarrollar una base conocimientos. Por
ejemplo, un SE médico contendrá hechos sobre enfermedades y
síntomas. La base de conocimientos puede incluir conocimientos
genéricos provenientes de teorías generales que se han establecido con
el tiempo y conocimientos específicos que provienen de experiencias
más recientes y de reglas prácticas.
 Propósito de una base de conocimientos: Contener los hechos
y la información pertinentes para el SE específico. Una base de
conocimientos es similar a la suma total de los conocimientos y
experiencias de los expertos humanos que se obtienen a través
de años de trabajo en un área o disciplina específica.
 Reunión de expertos humanos: Una base que contiene
información proporcionada por diversos expertos puede ser
extremadamente eficiente y exacta desde el punto de vista de sus
sugerencias y pronósticos.
 Utilización de la lógica difusa: Otro reto para los diseñadores y
desarrolladores de SE es capturar conocimientos y relaciones
que no son precisos o exactos.
 El uso de reglas: Una regla es una instrucción condicionada que
enlaza determinadas condiciones con acciones o resultados. La
regla se crea por medio de construcciones de si-entonces.
 El uso de casos: Un SE puede usar casos al desarrollar la
solución a un problema o situación actual. El proceso incluye:
1) Encontrar casos almacenados en la base de conocimientos,
que sean similares al problema.
2) Modificar las soluciones a los casos para adaptarlas, o
acomodarlas, al problema o la situación actual.

 El Motor de Inferencias: El propósito general de un motor de

inferencias es buscar información y relaciones en la base de
conocimientos, y proporcionar respuestas, pronósticos y sugerencias en
la misma forma en que lo haría un experto humano. En otras palabras,
el motor de inferencias es el que proporciona el consejo experto.

 Encadenamiento inverso: Es el proceso de comenzar con

conclusiones y trabajar hacia atrás hasta los hechos de soporte.
Si los hechos no apoyan la conclusión, se elige y prueba otra.
 Encadenamiento hacia delante: Se inicia con los hechos y
trabajo hacia delante hasta las conclusiones.
 Comparación del encadenamiento inverso y el
encadenamiento hacia delante: El encadenamiento hacia
delante puede llegar a conclusiones y producir más información
con menos consultas para el usuario que el encadenamiento
inverso, pero este método requiere más procesamiento y un
mayor grado de sofisticación.

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.

 Los Recursos de Adquisición de Conocimientos: una tarea difícil en

el desarrollo de un sistema experto es el proceso de crear y actualizar
la base de conocimientos. En la actualidad, existe software
especializado que le permite a los usuarios y a quienes toman las
decisiones crear y modificar sus propias bases de conocimientos.

 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.

1.6.1.8. Desarrollo de los SE

Los SE requieren de un método de desarrollo sistemático para obtener los
mejores resultados.
 Proceso De Desarrollo: La especificación de los requisitos para un SE
se inicia con la identificación de los objetivos del sistema y su uso
potencial. Identificar a los expertos puede ser difícil. En algunos casos,
una compañía contará con expertos humanos; en otros, se requerirá
expertos ajenos a la organización. Para el desarrollo de los elementos
del SE son necesarias habilidades especiales. La puesta en operación
del SE incluye ponerlo en acción y asegurarse de que funciona como
se desea.

1.6.1.9. Participantes en el Desarrollo y Utilización de los SE

 El experto en dominio: Debido al tiempo y el esfuerzo que se
requieren para la tarea, se desarrolla un SE para atender un área de
conocimiento. A dicha área se le conoce como dominio. El experto en
dominio es la persona o grupo que tiene la experiencia o el
conocimiento al cual se intenta capturar en el SE. Por lo general con la
siguiente capacidad:
 Reconocer el problema real
 Desarrollar una estructura general para la solución de problemas
 Formular teorías sobre la situación
 Desarrollar y usar reglas generales para solucionar un problema
 Identificar cuándo deben quebrantarse las reglas
 Solucionar problemas con rapidez y eficiencia
 Aprender de experiencias anteriores
 Identificar lo que es importante y lo que no lo es para solucionar
un problema
 Explicar a otros la situación y las soluciones de problemas.

 El ingeniero del conocimiento y el usuario del conocimiento: El

primero es la persona que tiene el entrenamiento y la experiencia en el
diseño, desarrollo, puesta en operación y mantenimiento de un SE,
incluyendo entrenamiento y experiencia con shells de SE. El segundo es quien
usa el SE y se beneficia de él.

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.

1.6.1.11. Ventajas de los shells y los productos de SE

 Fáciles de desarrollar y modificar: Conforme se dispone de nuevos
hechos y reglas y se hace necesario modificar los ya existentes, es
deseable hacer cambios a la base de conocimientos. Los sistemas
desarrollados por medio de PROLOG y LIPS son más difíciles de
modificar y más costosos que los SE desarrollados con shells.
 El uso de la satisfacción: El método tradicional de solución de
problemas intenta encontrar la solución óptima, o la mejor; los
lenguajes avanzados y simbólicos pueden hacer frente a problemas más
complejos y producir decisiones muy buenas, aunque no siempre
óptimas.
 El uso de la heurística: Es necesario que los SE puedan manejar
relaciones imprecisas. La heurística puede hacerlo y a menudo
producirá una buena solución que deje satisfecho al tomador de las
decisiones.
 Desarrollo por los ingenieros y usuarios del conocimiento: Con los
shells de SE, los ingenieros y usuarios del conocimiento pueden
completar el proceso de desarrollo. Es frecuente que al desarrollar SE
con lenguajes de programación tradicionales se requieran análisis de
sistemas y programación de computación, que son costosos y que por
lo común requieren de más tiempo.

1.6.1.12. Alternativas de desarrollo de SE

Los SE se pueden desarrollar desde cero por medio de un shell de SE o
mediante un paquete de software de SE ya existente. El método seleccionado
depende de los beneficios del sistema comparados con el costo, el control y
la complejidad de cada alternativa. Es más fácil y menos costoso desarrollar
un SE utilizando un paqueta ya existente o un shell de SE. Sin embargo, si
la organización no cuenta ya con este tipo de software, habrá un costo
adicional para desarrollar un paquete existente o adquirir un shell de SE
 Desarrollo en la propia empresa (desde cero): Es el método más
costoso, pero la organización tiene más control sobre las características
y los elementos del SE.
11
  Desarrollo en la propia empresa (desde un shell): Puede ser menos
complejo y más fácil de mantener que desarrollarlo desde cero. Sin
embargo, quizá sea necesario modificar el SE resultante para que sea
idóneo para aplicaciones específicas.
 Compra paquetes ya existentes (uso de paquetes existentes):
Método menos costoso y más rápido. Aquel cuyo desarrollo corrió a
cargo de una compañía de software o de asesoría para un campo o área
específicos, tales como el diseño de un nuevo microprocesador para
computación o un sistema para pronosticar y predecir el clima. Estos sistemas
pueden ser más fáciles de mantener y actualizar al transcurso del tiempo, pero
no pueden satisfacer las necesidades especiales de la organización.

1.6.1.13. Aplicaciones de los SE y de la IA

 Otorgar crédito: Para revisar la solicitud de crédito de una persona y
el historial crediticio que mantiene con las agencias dedicadas a este
rubro, para tomar la decisión de otorgar el crédito.

 Administración y recuperación de información: Los SE pueden

ayudar a este proceso mediante el uso de agentes. Los agentes de SE
ayudan a los gerentes a encontrar los datos y la información correctos,
al mismo tiempo que eliminan hechos sin importancia que puedan
obstaculizar la toma de decisiones oportunas.

 IA y SE incorporados a los productos: El sistema de frenos

antibloqueo de los automóviles modernos es un ejemplo de un SE
rudimentario. Los investigadores de IA también están encontrando
formas para usar las redes neuronales y la robótica en dispositivos de
uso diario, tales como tostadoras de pan, relojes despertadores y
aparatos de TV.

 Disposición de plantas: FLEXPERT es un SE que usa la lógica difusa

para realizar el trazado de plantas. El software ayuda a las compañías a
determinar la mejor ubicación para los equipos y las instalaciones de
fabricación.
 Instalaciones de hospitales y médicas: Algunos hospitales usan SE
para determinar la posibilidad de que un paciente contraiga cáncer u
otras enfermedades. MYCIN es un SE creado en la Universidad Stanfor
para analizar infecciones en la sangre.

 Departamento de ayuda y asistencia: Los departamentos de servicios

de ayuda al cliente usan SE para proporcionar asistencia oportuna y
exacta. Kaiser Permanente, un HMO (Health Mantenance
Organization) de gran tamaño, usa un SE y repuesta verbal para
automatizar la función del su departamento de ayuda.

 Evaluación del desempeño de empleados: Un SE de Austin-Hayne,

llamado Employee Appreiser, les proporciona asesora experta a los
gerentes para que la utilicen en las revisiones del desempeño de los
empleados y el desarrollo de carreras.

 Análisis de préstamos: KPMG Peat Marwick usa un SE llamado Loan

Probe para revisar las reservas para pérdidas en préstamos, con el
propósito de determinar si se han reservado fondos suficientes para
12
 cubrir riesgos de que algunos préstamos se vuelvan incobrables.
 Detección de virus: IBM utiliza la tecnología de red neuronal para
ayudar a crear software más avanzado en la erradicación de los virus
de computación, un problema importante para las empresas
estadounidenses.

 Reparación y mantenimiento: AT&T usa el SE ACE para analizar el

mantenimiento de las redes telefónicas. Nynex (New York and New
England Telephone Exchange) tiene sistemas expertos para ayudar a
sus trabajadores a localizar y resolver problemas telefónicos con
referencia a sus clientes.
 Embarques: Lufthansa, una aerolínea alemana, usa un SE, CARGEX-
Cargo, para ayudar a determinar las mejores rutas de embarque.
 Mercadotecnia: CoverStory es un SE que trae información de una
base de datos y elabora, en forma automática, informes de
mercadotecnia.

 Optimización de almacenes: Unite Distillers emplea un SE para

determinar las mejores combinaciones de existencias, para producir su
mezcla de whisky escocés.

 Integración de SE: Un SE se puede integrar con otros sistemas en una

organización mediante una base de datos común. Un SE que identifique
a los clientes que demoran sus pagos y que no deben recibir crédito
adicional puede tomar los datos de la misma base de datos que un MIS
de facturación que elabora informes semanales de las cuentas vencidas.
La misma base de datos podría usarse para un sistema de apoyo a las
decisiones que realice análisis de “que sucedería sí”, para determinar la
repercusión de los pagos demorados sobre los flujos ejecutivo, ingresos
y niveles generales de utilidad.

1.6.1.14. Limitaciones de los SE

 Los SE sólo manejan áreas precisas del conocimiento: Funcionan
bien si el dominio al que se enfocan está bien definido. Por ejemplo, es
difícil que se encuentre un SE médico general.
 Los SE no tienen sentido común: El sistema sólo resolverá aquellos
problemas para los que está específicamente programado.
 Los SE Tienen una capacidad limitada de aprendizaje: Los
ingenieros del conocimiento deben dirigir los sistemas y proporcionar
retroalimentación continua para que aprenda.

1.6.2. Lógica Difusa.

1.6.2.1. Historia
Esta simple idea nació en un artículo de Lofti A. Zadeh publicado en 1965
y titulado "Fuzzy Sets" (Conjuntos Difusos). La lógica difusa permite
representar de forma matemática conceptos o conjuntos imprecisos, tales
como días fríos, meses calurosos, personas altas, salarios bajos, guisos con
mucho condimento, profesores poco valorados, etc.
Pero hay que tener en cuenta que la idea en sí de que las cosas no son blancas
o negras, sino que existen infinitos matices de grises viene ya desde la época
de los primeros grandes filósofos como Platón.
Posteriormente a ellos, otros grandes pensadores como David Hume o Kant

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:

En la figura, el sistema de control hace los cálculos en base a sus reglas

heurísticas, comentadas anteriormente. La salida final actuaría sobre el
entorno físico, y los valores de las nuevas entradas sobre el entorno físico
(modificado por la salida del sistema de control) serían tomados por sensores
del sistema.
Por ejemplo, imaginando que nuestro sistema borroso fuese el climatizador
de un coche que se autorregula según las necesidades: Los chips borrosos
del climatizador recogen los datos de entrada, que en este caso bien podrían
ser la temperatura y humedad simplemente. Estos datos se someten a las
reglas del motor de inferencia (como se ha comentado antes, de la forma
SI... ENTONCES...), resultando un área de resultados. De esa área se
escogerá el centro de gravedad, proporcionándola como salida.
Dependiendo del resultado, el climatizador podría aumentar la temperatura
o disminuirla dependeiendo del grado de la salida.

1.6.2.4. Ventajas e Inconvenientes

Como principal ventaja, cabe destacar los excelentes resultados que brinda
un sistema de control basado en lógica difusa: ofrece salidas de una forma
veloz y precisa, disminuyendo así las transiciones de estados fundamentales
en el entorno físico que controle. Por ejemplo, si el aire acondicionado se
encendiese al llegar a la temperatura de 30º, y la temperatura actual oscilase
entre los 29º-30º, nuestro sistema de aire acondicionado estaría
encendiéndose y apagándose continuamente, con el gasto energético que
ello conllevaría. Si estuviese regulado por lógica difusa, esos 30º no serían
ningún umbral, y el sistema de control aprendería a mantener una
temperatura estable sin continuos apagados y encendidos.
Del mismo ejemplo puede observarse otra de las principales ventajas de
estos sistemas, que es la capacidad de adelantarse en el tiempo a los
acontecimientos, estabilizando siempre el entorno físico que controla.
Como principal incoveniente cabe destacar la dificultad de elegir una
correcta función de pertenencia para los conjuntos difusos, ya que en
ocasiones no es sencillo especificar el efecto de los cuantificadores de
nuestro lenguaje en dicha función. El hecho de que cualquier función de
pertenencia del sistema estuviese mal especificada, haría fallar, muy
probablemente, todo el sistema completo.
También está la indecisión de decantarse por los expertos o por la tecnología
(principalmente mediante Redes neuronales) para reforzar las reglas
heurísticas iniciales de cualquier sistema de control basado en este tipo de
lógica.

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.

1.7.1. Procesamiento del lenguaje natural.

Una de las ramas más importantes de la Inteligencia Artificial es aquella orientada
a facilitar la comunicación hombre-computadora por medio del lenguaje humano, o
lenguaje natural.
El Procesamiento del Lenguaje Natural (PLN) es la disciplina encargada de
producir sistemas informáticos que posibiliten dicha comunicación, por medio de
la voz o del texto. Se trata de una disciplina tan antigua como el uso de las
computadoras (años 50), de gran profundidad, y con aplicaciones tan importantes
como la traducción automática o la búsqueda de información en Internet.

El procesamiento del lenguaje natural presenta múltiples aplicaciones:

 Corrección de textos: Permite la detección y corrección de errores
ortográficos y gramaticales, Para detectar este tipo de errores, la
computadora necesita entender en cierto grado el sentido del texto. Los
correctores de gramática detectan las estructuras incorrectas en las oraciones
aunque todas las palabras en la oración estén bien escritas en el lenguaje en

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.

 En el campo de la recuperación de la información han desarrollado

sistemas que permiten obtener información sobre estadísticas deportivas,
información turística, geografía etc. En lugar de buscar los documentos para
encontrar en ellos la respuesta a su pregunta, el usuario podría hacer su
pregunta a la computadora: ¿Cómo se llama el Presidente de Francia?,
¿Cuáles son los centros más avanzados en Procesamiento del Lenguaje Natural?, y
otras.

 Por otra parte Se han desarrollado sistemas con la capacidad de crear

resúmenes de documentos a partir de los datos suministrados. Estos
sistemas son capaces de realizar un análisis detallado del contenido del texto
y elaborar un resumen.

 También se han desarrollado sistemas inteligentes que permiten modelar

el comportamiento del estudiante, reconocer y procesar sus errores,
desarrollar habilidades en la resolución de problemas y otras actividades del
proceso enseñanza y aprendizaje. En ellos el Procesamiento del Lenguaje
Natural juega un papel de relevante importancia en la creación y desarrollo
de interfaces amigables.

1.7.2. Visión Artificial.

La visión artificial (machine vision) es la adquisición automática de imágenes sin
contacto y su análisis también automático con el fin de extraer la información
necesaria para controlar un proceso o una actividad como:
 Control de calidad.
 Ordenación por calidades (grading).
 Manipulación de materiales.
 Test y calibración de aparatos.
 Monitorización de procesos.

El propósito de la visión artificial es programar un computador para que

"entienda" una escena o las características de una imagen.

Los objetivos típicos de la visión artificial incluyen:

 La detección, segmentación, localización y reconocimiento de ciertos
objetos en imágenes (por ejemplo, caras humanas).
 La evaluación de los resultados (ej.: segmentación, registro).
 Registro de diferentes imágenes de una misma escena u objeto, i.e., hacer
concordar un mismo objeto en diversas imágenes.
 Seguimiento de un objeto en una secuencia de imágenes.
 Mapeo de una escena para generar un modelo tridimensional de la escena;
tal modelo podría ser usado por un robot para navegar por la escena.
 Estimación de las posturas tridimensionales de humanos.

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.

1.7.3.1. Robots Físicos

 Robótica Industrial: Es la parte de la Ingeniería que se dedica a la
construcción de máquinas capaces de realizar tareas mecánicas y
repetitivas de una manera muy eficiente y con costes reducidos.
 Robótica de Servicio: Es la parte de la Ingeniería que se centra en el
diseño y construcción de máquinas capaces de proporcionar servicios
directamente a los miembros que forman sociedad.
 Robótica Inteligente: Son robots capaces de desarrollar tareas que,
desarrolladas en un ser humano, requieren el uso de su capacidad de
razonamiento.
 Robótica Humanoide: Es la parte de la ingeniería que se dedica al
desarrollo de sistemas robotizados para imitar determinadas
peculiaridades del ser humano.

1.7.3.2. Robots Software

 Robótica de Exploración: Es la parte de la Ingeniería del Software que
se encarga de desarrollar programas capaces de explorar documentos en
busca de determinados contenidos. Existen diversos servicios en Internet
dedicados a esta parcela de la robótica.

1.7.4. Reconocimiento de Patrones.

También llamado lectura de patrones, identificación de figuras y
reconocimiento de formas es el reconocimiento de patrones en señales. No sólo es
un campo de la informática sino un proceso fundamental que se encuentra en casi
todos las acciones humanas.
El punto esencial del reconocimiento de patrones es la clasificación: se quiere
clasificar una señal dependiendo de sus características. Señales, características y
clases pueden ser de cualquiera forma, por ejemplo se puede clasificar imágenes
digitales de letras en las clases «A» a
«Z» dependiente de sus píxeles o se puede clasificar ruidos de cantos de los pájaros
en clases de órdenes aviares dependiente de las frecuencias.
El objetivo es clasificar patrones con base en un conocimiento a priori o información
estadística extraída de los patrones. Los patrones a clasificar suelen ser grupos de
medidas u observaciones, definiendo puntos en un espacio multidimensional
apropiado.
Un sistema de reconocimiento de patrones completo consiste en un sensor que
recoge las observaciones a clasificar, un sistema de extracción de características que
transforma la información observada en valores numéricos o simbólicos, y un
sistema de clasificación o descripción que, basado en las características extraídas,

18
 clasifica la medición.

A continuación se sugieren algunos ejemplos relevantes al área de reconocimiento

de patrones:
 Parámetros para reconocer la cara de una persona.
 Agrupación de palabras para hacer sentido en una frase.
 Buscar la llave para abrir una chapa.
 Olores para saber si una naranja esta fresca o podrida.

1.7.5. La realidad Virtual.

La realidad virtual (RV) es una simulación tridimensional generada o asistida
comúnmente por computadora de algún aspecto del mundo real o ficticio, en el cual
el usuario tiene la sensación de pertenecer a ese ambiente sintético o interactuar con
él. La RV permite interactuar con mundos tridimensionales de una manera más
natural, por ejemplo, un usuario puede realizar acciones dentro de un modelo
virtual, desplazarse, moverse, caminar a través de él o levantar cosas, y de esta
forma experimentar situaciones que se asemejan al mundo real.
Se destacan tres características idóneas de la RV:
 Es un ambiente tridimensional generado por computadora.
 Es interactiva.
 Es inmersiva, es decir, el usuario se siente parte del ambiente virtual.

Las partes básicas de un sistema de realidad virtual son: el modelo de simulación,

la representación del ambiente virtual, la entrada/salida y por supuesto el usuario.

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.

Dentro del campo de la cibernética se incluyen las grandes máquinas calculadoras

y toda clase de mecanismos o procesos de autocontrol semejantes y las máquinas
que imitan la vida. Las perspectivas abiertas por la cibernética y la síntesis realizada
en la comparación de algunos resultados por la biología y la electrónica, han dado
vida a una nueva disciplina, la biónica. La biónica es la ciencia que estudia los:
principios de la organización de los seres vivos para su aplicación a las necesidades
técnicas. Una realización especialmente interesante de la biónica es la construcción
de modelos de materia viva, particularmente de las moléculas proteicas y de los
ácidos nucleicos.

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.

1.7.9. Otras Áreas

 Planificación y soporte a la decisión.
 Programación Automática.
 Prueba Automática de teoremas y matemáticas simbólica.
 Problemas de optimización combinatorios y de itinerarios.
 Aprendizaje.

20
 UNIVERSIDAD NACIONAL
JOSÉ FAUSTINO SÁNCHEZ CARRIÓN

FACULTAD DE INGENIERÍA QUÍMICA Y METALÚRGICA

ESCUELA PROFESIONAL DE INGENIERÍA QUÍMICA

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