Aplicaciones con tcnicas de Ingenieria Artificial.

INDICE:

Introduccin15.1.1 conceptos bsicos35.1.2 clasificacin95.1.3 desarrollos actuales y aplicaciones145.2. Redes Neuronales (RN).175.2.2. Clasificacin.205.2.3. Desarrollos actuales y aplicaciones.235.3. Visin artificial.265.3.1. Conceptos bsicos.275.3.2. Desarrollos actuales y aplicaciones.275.4. Lgica difusa (Fuzzy Logic).285.4.1. Conceptos bsicos.305.5. Procesamiento de Lenguaje Natural (PLN).335.5.1. Conceptos bsicos.355.5.2. Desarrollos actuales y aplicaciones.355.6. Sistemas Expertos (SE).385.6.1. Conceptos bsicos.445.6.2. Clasificacin.445.6.3. Desarrollos actuales y aplicaciones.46

Introduccin

La tecnologa est antigua como el hombre mismo segn McCloy (1992). Loshombres se convirtieron en tecnlogos cuando aprendieron a aprovechar los materiales y fenmenos naturales del mundo fsico que lo rodeaba. Cuando descubrieron que un hueso poda usarse para matar animales y mover rocas, se convirtieron en fabricantes de herramientas y el uso de herramientas es la marca distintiva del tecnlogo. Las herramientas han aumentado la capacidad humana. Cuando un hombre fabrica una herramienta es porque tiene en mente un uso para ella.

Las mquinas y la mecanizacin, han incrementado la fuerza muscular; la computadora ha incrementado el poder mental; los sentidos del hombre se han ampliado por medio de instrumentos y dispositivos de medicin, hemos llegado a una era en la cual la tecnologa, especialmente la de los robots dice McCloy (1992), no slo incrementar nuestras capacidades humanas sino que tambin podr reemplazarlas por completo.Con una necesidad presionarte para superar la productividad dice Chang (1991) las industrias manufactureras estn optando ms hacia la manufactura flexible auxiliada por computadora. La inflexibilidad de muchas maquinas nos ha llevado al inters del uso de robots industriales.

La aplicacin delos robots para manejo de materiales ofrece gran potencial para librar a la mano de obra humana de trabajos montonos, cansados o peligrosos. Incluye la transferencia de partes entre sistemas de bandas transportadoras o lneas de procesos en los que las partes pueden ser pesadas, estar calientes, tener propiedades abrasivas incluso ser radiactivas.

5.1.1 conceptos bsicosLa Robtica es una ciencia o rama de la tecnologa, que estudia el diseo y construccin de mquinas capaces de desempear tareas realizadas por el ser humano o que requieren del uso de inteligencia. Las ciencias y tecnologas de las que deriva podran ser: el lgebra, los autmatas programables, las mquinas de estados, la mecnica o la informtica.

De forma general, la Robtica se define como: El conjunto de conocimientos tericos y prcticos que permiten concebir, realizar y automatizar sistemas basados en estructuras mecnicas poli articuladas, dotados de un determinado grado de inteligencia y destinados a la produccin industrial o al sustitucin del hombre en muy diversas tareas.Un sistema Robtico se puede describirse, como Aquel que es capaz de recibir informacin, de comprender su entorno a travs del empleo de modelos, de formular y de ejecutar planes, y de controlar o supervisar su operacin. La Robtica es esencialmente pluridisciplinaria y se apoya en gran medida en los progresos de la microelectrnica y de la informtica, as como en los de nuevas disciplinas tales como el reconocimiento de patrones y de inteligencia artificial.La historia de la Robtica ha estado unida a la construccin de artefactos, muchas veces por obra de genios autodidactas que trataban de materializar el deseo humano de crear seres semejantes a nosotros que nos descargasen del trabajo. El ingeniero espaol Leonardo Torres Quevedo (que construy el primer mando a distancia para su torpedo automvil mediante telegrafa sin hilodrecista automtico, el primer trasbordador areo y otros muchos ingenios) acu el trmino automtica en relacin con la teora de la automatizacin de tareas tradicionalmente asociadas a los humanos.Asimos escribi su cuarto relato corto sobre robots. El crculo vicioso. En boca de unos de sus personajes plante lo que consideraba axiomas bsicos para el funcionamiento de un robot. Los llam las Tres reglas fundamentales de la robtica y dicen as:Ningn robot puede hacer dao a un ser humano, o permitir que se le haga dao por no actuar.Un robot debe obedecer las rdenes dadas por un ser humano, excepto si stas rdenes entran en conflicto con la primera ley.Un robot debe proteger su propia existencia en la medida en que est proteccin no sea incompatible con las leyes anteriores.En definitiva, las famosas leyes de Asimos son aplicables a un universo donde los robots son seres inteligentes, pero quedan relegadas a una cartilla de parvulario al enfrentarse con la dura realidad. Pero esto son slo ancdotas.Uno puede llegar a encariarse con los Robots de Asimov. En El hombre bicentenario, Asimov nos narra la historia de Andrew Martn, nacido Robot, y que luego de una vida de lucha, logr morir como un ser humano. Estn tambin R. Daneel Olivaw y R. Giskard Reventlov, los cuales tienen un papel fundamental en la segunda expansin de los seres humanos y la posterior fundacin del imperio galctico. Estos dos personajes son importantes en la medida en que, siendo los Robots ms complejos jams creados, fueron capaces de desarrollar la ley cero de la Robtica (Zeroth law):Un Robot no puede hacer dao a la humanidad o, por inaccin, permitir que la humanidad sufra dao.Se supone que la Ley Cero sera el resultado de la reflexin filosfica por parte de estos Robots ms sofisticados.La Robtica se ha caracterizado por el desarrollo de sistemas cada vez ms flexibles, verstiles y polivalentes, mediante la utilizacin de nuevas estructuras mecnicas y de nuevos mtodos de control y percepcin.La Robtica ha alcanzado un nivel de madurez bastante elevado en los ltimos tiempos, y cuenta con un correcto aparato terico. Sin embargo, algunas cosas que para los humanos son muy sencillas, como andar, correr o coger un objeto sin romperlo, requieren una potencia de clculo para igualarlas que no est disponible todava.Sin embargo se espera que el continuo aumento de la potencia de los ordenadores y las investigaciones en inteligencia artificial, visin artificial y otras ciencias paralelas nos permitan acrcanos un poco ms cada vez a los milagros soados por los primeros ingenieros y tambin a los peligros que nos adelanta la ciencia ficcin.

HistoriaLa palabra Robot surge con la obra RUR, los Robots Universales de Rossum de Carel Capee, es una palabra checoslovaca que significa trabajador, sirviente. Sin embargo podemos encontrar en casi todos los mitos de las diversas culturas una referencia a la posibilidad de crear un ente con inteligencia, desde el Popol-Vuh de nuestros antepasados mayas hasta el Golem del judasmo.Desde la poca de los griegos se intent crear dispositivos que tuvieran un movimiento sin fin, que no fuera controlado ni supervisado por personas, en los siglos XVII y XVIII la construccin de autmatas humanoides fabricados con mecanismos de relojera por Jacques de Vaucanson, Pierre Henri-Louis, Jaquet- Droz, como el escribiente, the Draughtsman, el msico Henri Maillar det (1800), Olimpia de la pera de Offenback de Hoffman, fortalecieron la bsqueda de mecanismos que auxiliaran a los hombres en sus tareas.Estos autmatas desataron controversias alrededor de la posible inteligencia que pudieran tener estos dispositivos pesados y en la bsqueda de la posibilidad de crear vida artificialmente. El escribiente haca mofa de la frase de Descartes de Pienso luego existo parafrasendola al escribir Escribo luego existo. Los fraudes surgieron como en el caso del ajedrecista, en el que un mueco mecnico daba respuesta a jugadas de ajedrez, comprobndose ms tarde que era un enano encerrado en la caja del mueco el que daba las respuestas y mova el mueco. Todos estos mitos anteceden a la obra Kapec, en la que se plantea la construccin de Robots para liberar a las personas de la carga pesada de trabajo. Sin embargo, esta ficcin y la creada por Asimov, junto con los desarrollos mecnicos de mquinas como el telar de Thaillard, motiva a George Devol a crear el origen de los Robots industriales, un manipulador que sera parte de una clula de trabajo.EvolucinDesde los primeros autmatas hasta las sondas espaciales han pasado varios siglos, pero al hablar de inteligencia slo podremos mirar unos treinta aos atrs. Han sido pocos aos, pero muy intensos y el inters que ha despertado en todo el mundo es superior a cualquier previsin que se pudiera formular en su nacimiento y concepcin inicial, siguiendo un proceso paralelo a la introduccin de las computadoras en las actividades cotidianas de la vida humana, aunque si bien los Robots todava no han encontrado la forma de insercin en los hogares pero s son un elemento ya imprescindible en la mayora de las industrias.Podemos contemplar la Robtica como una ciencia que, aunque en ella se han conseguido grandes avances, ofrece aun un amplio campo para el desarrollo y la innovacin tecnolgica y es precisamente este aspecto el que motiva a muchos investigadores y aficionados a los Robots a seguir adelante planteando Robots cada vez ms evolucionados y complejos.El primer autmata digno de mencin del que noticias existen, se cree que fue construido por Giovanni Torriani durante la primera mitad del siglo XVI. El invento, que simula la figura de un monje de la poca, funcionaba mediante un mecanismo de resorte al que se le daba cuerda con una llave. El monje era capaz de girar e inclinar la cabeza, mover los ojos de un lado para otro, abrir la boca y golpearse el pecho con la mano derecha mientras suba y bajaba la izquierda.

Definicin de robotDar una definicin concreta de robot no es sencillo. Resulta tan complicado como intentar definir por ejemplo, la diversin o el aburrimiento; se conoce si algo es divertido o aburrido, pero es largo explicarlo con palabras.Un Robot es un dispositivo generalmente mecnico, que desempea tareas automticamente, ya sea de acuerdo a supervisin humana directa, a travs de un programa predefinido o siguiendo un conjunto de reglas generales, utilizando tcnicas de inteligencia artificial. Generalmente estas tareas reemplazan, asemejan o extienden el trabajo humano, como ensamble en lneas de manufactura, manipulacin de objetos pesados o peligrosos, trabajo en el espacio, etc.Un Robot tambin se puede definir como una entidad hecha por el hombre con un cuerpo y una conexin de retroalimentacin inteligente entre el sentido y la accin (no bajo la accin directa del control humano). Usualmente, la inteligencia es una computadora o un microcontrolador ejecutando un programa. Sin embargo, se ha avanzado mucho en el campo de los Robots con inteligencia almbrica. Las acciones de este tipo de Robots son generalmente llevadas a cabo por motores o actuadores que mueven extremidades o impulsan al Robot.La RIA (Robot Industries Association) lo define as: un robot es un manipulador reprogramable y multifuncional, diseado para mover cargas, piezas, herramientas o dispositivos especiales, segn trayectorias variadas y programadas. En resumen se puede decir:* Su caracterstica fundamental es poder manejar objetos (o sea, manupulador). Un robot se disea con este fin, teniendo en cuenta que ha de ser muy verstil a la hora de utilizar herramientas y manejarlas.* La segunda pecularidad que a diferencia de otras mquinas automticas es su capacidad para realizar trabajos completamente diferentes adaptndose al medio, e incluso pudiendo tomar decisiones. A eso es a lo que se refiere lo de multifuncional y reprogramable.Los Web bots son conocidos como Robots, pero existen solamente en cdigo, y se mueven a travs de pginas Web obteniendo informacin. Tales entidades son normalmente llamadas agentes de software para ser distinguidos de un Robot que posee cuerpo.Esta definicin est muy abierta, ya que hasta una secadora de cabello satisface este criterio. Por lo tanto, los robotistas han extendido la definicin aadiendo el criterio de que los Robots deben ser entidades que lleven a cabo ms de una accin. Por lo tanto, las secadoras de cabello y entidades similares de una sola funcin son reducidas a una Control de problemas.As mismo, el trmino Robot ha sido utilizado como un trmino general que define a un hombre mecnico o autmata, que imita a un animal ya sea real o imaginario, pero se ha venido aplicado a muchas mquinas que reemplazan directamente a un humano o animal en el trabajo o el juego. Esta definicin podra implicar que un Robot es una forma de biomimetismo.5.1.2 clasificacinNingn autor se pone de acuerdo en cuntos y cules son los tipos de robots y sus caractersticas esenciales. La ms comn es la que continuacin se presenta:1 Generacin. Manipuladores: Son sistemas mecnicos multifuncionales con un sencillo sistema de control, bien manual, de secuencia fija o de secuencia variable.2 Generacin. Robots de aprendizaje: Repiten una secuencia de movimientos de movimientos que ha sido ejecutada previamene 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.}

3 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.4 Generacin. Robots inteligentes: Son similares a los anteriores, pero 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.

Clasificacin segn su arquitecturaLa arquitectura, es definida por el tipo de configuracin general del Robot, puede se metamrfica. El concepto de metamorfismo, de reciente aparicin, se ha introducido para incrementar la flexibilidad funcional de un Robot a travs del cambio de su configuracin por el propio Robot. El metamorfismo admite diversos niveles, desde los ms elementales (cambio de herramienta o de efecto terminal), hasta los ms complejos como el cambio o alteracin de algunos de sus elementos o subsistemas estructurales.Los dispositivos y mecanismos que pueden agruparse bajo la denominacin genrica del Robot, tal como se ha indicado, son muy diversos y es por tanto difcil establecer una clasificacin coherente de los mismos que resista un anlisis crtico y riguroso. La subdivisin de los Robots, con base en su arquitectura, se hace en los siguientes grupos: Poliarticulados, Mviles, Androides, Zoomrficos e Hbridos.PoliarticuladosBajo este grupo estn los Robots de muy diversa forma y configuracin cuya caracterstica comn es la de ser bsicamente sedentarios (aunque excepcionalmente pueden ser guiados para efectuar desplazamientos limitados) y estar estructurados para mover sus elementos terminales en un determinado espacio de trabajo segn uno o ms sistemas de coordenadas y con un nmero limitado de grados de libertad. En este grupo se encuentran los manipuladores, los Robots industriales, los Robots cartesianos y se emplean cuando es preciso abarcar una zona de trabajo relativamente amplia o alargada, actuar sobre objetos con un plano de simetra vertical o reducir el espacio ocupado en el suelo.MovilesSon Robots con grandes capacidad de desplazamiento, basados en carros o plataformas y dotados de un sistema locomotor de tipo rodante. Siguen su camino por telemando o guindose por la informacin recibida de su entorno a travs de sus sensores. Las tortugas motorizadas diseadas en los aos cincuentas, fueron las precursoras y sirvieron de base a los estudios sobre inteligencia artificial desarrollados entre 1965 y 1973 en la Universidad de Stranford.Estos Robots aseguran el transporte de piezas de un punto a otro de una cadena de fabricacin. Guiados mediante pistas materializadas a travs de la radiacin electromagntica de circuitos empotrados en el suelo, o a travs de bandas detectadas fotoelctricamente, pueden incluso llegar a sortear obstculos y estn dotados de un nivel relativamente elevado de inteligencia.AndroidesSon Robots que intentan reproducir total o parcialmente la forma y el comportamiento cinemtica del ser humano. Actualmente los androides son todava dispositivos muy poco evolucionados y sin utilidad prctica, y destinados, fundamentalmente, al estudio y experimentacin.Uno de los aspectos ms complejos de estos Robots, y sobre el que se centra la mayora de los trabajos, es el de la locomocin bpeda. En este caso, el principal problema es controlar dinmica y coordinadamente en el tiempo real el proceso y mantener simultneamente el equilibrio del Robot.ZoomorficosLos Robots zoomrficos, que considerados en sentido no restrictivo podran incluir tambin a los androides, constituyen una clase caracterizada principalmente por sus sistemas de locomocin que imitan a los diversos seres vivos.A pesar de la disparidad morfolgica de sus posibles sistemas de locomocin es conveniente agrupar a los Robots zoomrficos en dos categoras principales: caminadores y no caminadores. El grupo de los Robots zoomrficos no caminadores est muy poco evolucionado. Cabe destacar, entre otros, los experimentados efectuados en Japn basados en segmentos cilndricos biselados acoplados axialmente entre s y dotados de un movimiento relativo de rotacin. En cambio, los Robots zoomrficos caminadores multpedos son muy numeroso y estn siendo experimentados en diversos laboratorios con vistas al desarrollo posterior de verdaderos vehculos terrenos, piloteando o autnomos, capaces de evolucionar en superficies muy accidentadas. Las aplicaciones de estos Robots sern interesantes en el campo de la exploracin espacial y en el estudio de los volcanes.HibridosEstos Robots corresponden a aquellos de difcil clasificacin cuya estructura se sita en combinacin con alguna de las anteriores ya expuestas, bien sea por conjuncin o por yuxtaposicin. Por ejemplo, un dispositivo segmentado articulado y con ruedas, es al mismo tiempo uno de los atributos de los Robots mviles y de los Robots zoomrficos.

5.1.3 desarrollos actuales y aplicacionesComercioUnimation: Americana y fundadora por J. Engerber a principios de los 60, fue la empresa pionera en fabricacin de robots industriales.Los robots ms importantes patentados por Unimation han sido:Unimate. Es un robot hidraulico, de estructura espacial de tipo polar, que en su version frande (Unimate 4000) es utilizado sobre todo en forja, fundicion y soldadura. Las versiones ms pequeas (Unimate 1000 y 2000) se utilizan en alimentacin de maquinaria y manipulacin.Puma. Los robots Puma son la version electrica de los Unimate. Son articulares y existen varias versiones (Puma 260,560,761 y 762), utilizdas todas ellas en ensamblaje y manipulacin.Cincinnati Milacron: Es el fabricante mundialmente conocido por sus mquinas herramienta. A partir de 1981 comenzo a fabricar robots elctricos similares a los de Unimation pero de menor capacidad de carga.Actualmente tiene dos modelos en el mercado, el T3 y el HT3 (el segundo algo mayor que el primero). Ambos son utilizados en aplicaciones de soldadura y manipulacion.Hitachi: Esta es una firma japonesa dedicada a una gran variedad de productos, en su mayora electrnicos. Su divisin de robtica tampoco se ha queda atrs.El modelo A 4010 comercializado por esta casa es un robot pequeo, de tipo Scara (coordenadas cartesianas) que se utiliza para manipulacin y emsablajes precisos. El modelo Process no es tampoco demasiado grande, es de tipo articulado y se utiliza en el mismo tipo de procesos que el anterior.Aplicaciones industrialesUn Robot industrial es un manipulador automtico reprogramable y multifuncional, que posee ejes capaces de agarrar materiales, objetos, herramientas mecanismos especializados a travs de operaciones programadas para la ejecucin de una variedad de tareas como se puede apreciar, estas definiciones se ajustan a la mayora de las aplicaciones industriales de Robots salvo para las aplicaciones de inspeccin y para los Robots mviles (autnomos) o Robots personales.Contexto actual de la RobticaEn el contexto actual la nocin de Robtica implica una cierta idea preconcebida de una estructura mecnica universal capaz de adaptarse, como el hombre, a muy diversos tipos de acciones y en las que concurren, en mayor o menor grado segn los casos, las caractersticas de movilidad, programacin, autonoma y multifuncionalidad.Pero en sentido actual, abarca una amplia gama de dispositivos con muy diversos trazos fsicos y funcionales asociados a la particular estructura mecnica de aquellos, a sus caractersticas operativas y al campo de aplicacin para el que se han concebido. Es adems evidente que todos estos factores estn ntimamente relacionados, de tal forma que la configuracin y el comportamiento de un Robot condicionan su adecuacin para un campo determinado de aplicaciones y viceversa, y ello a pesar de la versatibilidad inherente al propio concepto de Robot.

Robots de ltima generacinLa empresa Sega Toys Ltd. anunci que presentar el 1 de abril un perro Robot, mucho ms barato que el de Sony Corp. El Robot de Sega se llamar Poo-Chi y ser menos complejo que el AIBO de Sony. Por otra parte, costar el equivalente a 28 dlares mientras que el precio del AIBO era de 2.500 dlares.Poo-Chi tiene menos capacidad de aprendizaje y menos sensibilidad. Pero responde a la luz, al tacto y el sonido. Un visor colocado en el lugar en que estaran los ojos de un perro verdadero muestra formas diferentes para indicar estados de nimo. El perrito mide 17 centmetros y pesa 365 gramos, y es alimentado por bateras. Sega espera vender en un ao en Japn un milln de unidades.Como precedente, los 5.000 AIBO que fabric Sony, a pesar de su precio, se vendieron en cuestin de das. Sony hizo 10.000 ms y los vendi durante un programa de adopcin de una semana en noviembre.Actualmente contamos con Robots especializados en Televigilancia, Robot que muestran el camino (en museos grandes empresas, etc.) a invidentes y/o cualquier tipo de personas, tambin posemos una versin de Robot que lee la escritura.Pero la empresa se dedica tambin al diseo a medida segn las necesidades oportunas de los clientes (mascotas futuristas, por ejemplo juguetes, diseo de Puertas Inteligentes, etc.).5.2. Redes Neuronales (RN).Las Redes Neuronales (RN)fueron originalmente una simulacin abstracta de los sistemas nerviosos biolgicos, formados por un conjunto de unidades llamadas neuronas o nodos conectadas unas con otras. Estas conexiones tienen una gran semejanza con lasdendritasy los axonesen los sistemas nerviosos biolgicosEntrminosgenerales, el Primer modelo de red neuronal fue propuesto en 1943 por McCulloch y Pitts en trminos de un modelo computacional de actividad nerviosa. El modelo de McCulloch-Pitts es un modelo binario, y cada neurona tiene un escaln o umbral prefijado. Este primer modelo sirvi de ejemplo para los modelos posteriores de Jhon Von Neumann, Marvin Minsky, Frank Rosenblatt, y muchos otros.

Historia de las redes neuronales.1936 Alan Turing. Fue el primero en estudiar el cerebro como una forma de ver el mundo de la computacin. Sin embargo, los primeros tericos que concibieron los fundamentos de la computacin neuronal fueron Warren McCulloch, un neurofisilogo, y Walter Pitts, un matemtico, quienes, en 1943, lanzaron una teora acerca de la forma de trabajar de las neuronas (Un Clculo Lgico de la Inminente Idea de la Actividad Nerviosa Boletn de Matemtica Biofsica 5: 115-133). Ellos modelaron una red neuronal simple mediante circuitos elctricos.1949 Donald Hebb. Fue el primero en explicar los procesos del aprendizaje (que es el elemento bsico de la inteligencia humana) desde un punto de vista psicolgico, desarrollando una regla de como el aprendizaje ocurra. Aun hoy, este es el fundamento de la mayora de las funciones de aprendizaje que pueden hallarse en una red neuronal. Su idea fue que el aprendizaje ocurra cuando ciertos cambios en una neurona eran activados. Tambin intent encontrar semejanzas entre el aprendizaje y la actividad nerviosa. Los trabajos de Hebb formaron las bases de la Teora de las Redes Neuronales.1950 Karl Lashley. En sus series de ensayos, encontr que la informacin no era almacenada en forma centralizada en el cerebro sino que era distribuida encima de l.1956 Congreso de Dartmouth. Este Congreso frecuentemente se menciona para indicar el nacimiento de la inteligencia artificial.1957 Frank Rosenblatt. Comenz el desarrollo del Perceptron. Esta es la red neuronal ms antigua; utilizndose hoy en da para aplicacin como identificador de patrones. Este modelo era capaz de generalizar, es decir, despus de haber aprendido una serie de patrones poda reconocer otros similares, aunque no se le hubiesen presentado en el entrenamiento. Sin embargo, tena una serie de limitaciones, por ejemplo, su incapacidad para resolver el problema de la funcin OR-exclusiva y, en general, era incapaz de clasificar clases no separables linealmente.1959 Frank Rosenblatt: Principios de Neurodinmica. En este libro confirm que, bajo ciertas condiciones, el aprendizaje del Perceptron converga hacia un estado finito (Teorema de Convergencia del Perceptron).1960 Bernard Widroff/Marcian Hoff. Desarrollaron el modelo Adaline (ADAptative LINear Elements). Esta fue la primera red neuronal aplicada a un problema real (filtros adaptativos para eliminar ecos en las lneas telefnicas) que se ha utilizado comercialmente durante varias dcadas.1961 Karl Steinbeck: Die Lernmatrix. Red neuronal para simples realizaciones tcnicas (memoria asociativa). 1969 Marvin Minsky/Seymour Papert. En este ao casi se produjo la muerte abrupta de las Redes Neuronales; ya que Minsky y Papert probaron (matemticamente) que el Perceptrons no era capaz de resolver problemas relativamente fciles, tales como el aprendizaje de una funcin no-lineal. Esto demostr que el Perceptron era muy dbil, dado que las funciones no-lineales son extensamente empleadas en computacin y en los problemas del mundo real.1974 Paul Werbos. Desarroll la idea bsica del algoritmo de aprendizaje de propagacin hacia atrs (backpropagation); cuyo significado qued definitivamente aclarado en 1985.1977 Stephen Grossberg: Teora de Resonancia Adaptada (TRA). La Teora de Resonancia Adaptada es una arquitectura de red que se diferencia de todas las dems previamente inventadas. La misma simula otras habilidades del cerebro: memoria a largo y corto plazo.1985 John Hopfield. Provoc el renacimiento de las redes neuronales con su libro: Computacin neuronal de decisiones en problemas de optimizacin.1986 David Rumelhart/G. Hinton. Redescubrieron el algoritmo de aprendizaje de propagacin hacia atrs (backpropagation). A partir de 1986, el panorama fue alentador con respecto a las investigaciones y el desarrollo de las redes neuronales. En la actualidad, son numerosos los trabajos que se realizan y publican cada ao, las aplicaciones nuevas que surgen (sobretodo en el rea de control) y las empresas que lanzan al mercado productos nuevos, tanto hardware como software (sobre todo para simulacin).5.2.2. Clasificacin.Una primera clasificacin de los modelos de RNpodra ser, atendiendo a su similitud con la realidad biolgica:Los modelos de tipo biolgico. Este comprende las redes que tratan de simular los sistemas neuronales biolgicos as como las funciones auditivas o algunas funciones bsicas de la visin.El modelo dirigido a aplicacin. Estos modelos no tienen porque guardar similitud con los sistemas biolgicos. Sus arquitecturas estn fuertemente ligadas a las necesidades de las aplicaciones para las que son diseados.

Redes Neuronales de tipo BiolgicoSe estima que el cerebro humano contiene ms de cien mil millones de neuronasy sinpsisen el sistema nervioso humano. Estudios sobre la anatoma del cerebro humano concluyen que hay ms de 1000 sinpsis a la entrada y a la salida de cada neurona. Es importante notar que aunque el tiempo de conmutacin de la neurona (unos pocos milisegundos) es casi un milln de veces menor que en las actuales elementos de las computadoras, ellas tienen una conectividad miles de veces superior que las actuales supercomputadoras.

El objetivo principal de de las redes neuronales de tipo biolgico es desarrollar un elemento sinttico para verificar las hiptesis que conciernen a los sistemas biolgicos.Las neuronas y las conexiones entre ellas (sinpsis) constituyen la clave para el procesado de la informacin.La mayor parte de las neuronas poseen una estructura de rbol llamadasdendritas que reciben las seales de entrada que vienen de otras neuronas a travs de la uniones llamadassinpsis. Algunas neuronas se comunican solo con las cercanas, mientras que otras se conectan con miles. Hay tres partes en una neurona:1.- el cuerpo de la neurona2.- ramas de extensin llamadas dentras para recibir las entradas, y3.- un axn que lleva la salida de la neurona a las desdiras de otras neuronas.La forma que dos neuronas interactuan no est totalmente conocida, dependiendo adems de cada neurona. En general, una neurona enva su salida a otras por su axn. El axn lleva la informacin por medio de diferencias de potencial, u ondas de corriente, que depende del potencial de la neurona. Este proceso es a menudo modelado como una regla de propagacin representada por la funcin de red u(.).La neurona recoge las seales por su sinpsis sumando todas las influencias excitadoras e inhibidoras. Si las influencias excitadoras positivas dominan, entonces la neurona da una seal positiva y manda este mensaje a otras neuronas por sus sinpsis de salida. En este sentido la neurona puede ser modelada como una simple funcin escaln f(.). Como se muestra en la prxima figura, la neurona se activa si la fuerza combinada de la seal de entrada es superior a un cierto nivel, en el caso general el valor de activacin de la neurona viene dado por una funcin de activacin f(.).Redes Neuronales para aplicaciones concretasLas RNdirigidas a aplicacin estn en general poco ligadas a las redes neuronales biolgicas. Ya que el conocimiento que se posee sobre el sistema nervioso en general no es completo, se han de definir otras funcionalidades y estructuras de conexin distintas a las vistas desde la perspectiva biolgica. Las caractersticas principales de este tipo de RNson los siguientes:Auto Organizacin y Adaptatividad: utilizan algoritmos de aprendizaje adaptativo y auto organizacin, por lo que ofrecen posibilidades de procesado robusto y adaptativo.Procesado No Lineal: aumenta la capacidad de la red de aproximar, clasificar y su inmunidad frente al ruido.Procesado paralelo: normalmente se usa un gran nmero de clulas de procesado por el alto nivel de interconectividad.Estas caractersticas juegan un importante papel en lasRN aplicadas al procesado de seal e imagen. Una red para una determinada aplicacin presenta una arquitectura muy concreta, que comprende elementos de procesado adaptativo masivo paralelo combinadas con estructuras de interconexin de red jerrquica.5.2.3. Desarrollos actuales y aplicaciones.Las redes neuronales pueden utilizarse en un gran nmero y variedad de aplicaciones, tanto comerciales como militares. Se pueden desarrollar redes neuronales en un periodo de tiempo razonable, con la capacidad de realizar tareas concretas mejor que otras tecnologas. Cuando se implementan mediante hardware (redes neuronales en chips VLSI), presentan una alta tolerancia a fallos del sistema y proporcionan un alto grado de paralelismo en el procesamiento de datos. Esto posibilita la insercin de redes neuronales de bajo coste en sistemas existentes y recientemente desarrollados.Hay muchos tipos diferentes de redes neuronales; cada uno de los cuales tiene una aplicacin particular ms apropiada. Algunas aplicaciones comerciales son:Biologa:- Aprender ms acerca del cerebro y otros sistemas.- Obtencin de modelos de la retina.Empresa:- Evaluacin de probabilidad de formaciones geolgicas y petrolferas.- Identificacin de candidatos para posiciones especficas.- Explotacin de bases de datos.- Optimizacin de plazas y horarios en lneas de vuelo.- Optimizacin del flujo del trnsito controlando convenientemente la temporizacin de los semforos.- Reconocimiento de caracteres escritos.- Modelado de sistemas para automatizacin y control.Medio ambiente:- Analizar tendencias y patrones.- Previsin del tiempo.Finanzas:- Previsin de la evolucin de los precios.- Valoracin del riesgo de los crditos.- Identificacin de falsificaciones.- Interpretacin de firmas.Manufacturacin:- Robots automatizados y sistemas de control (visin artificial y sensores de presin, temperatura, gas, etc.).- Control de produccin en lneas de procesos.- Inspeccin de la calidad.Medicina:- Analizadores del habla para ayudar en la audicin de sordos profundos.- Diagnstico y tratamiento a partir de sntomas y/o de datos analticos (electrocardiograma, encefalogramas, anlisis sanguneo, etc.).- Monitorizacin en cirugas.- Prediccin de reacciones adversas en los medicamentos.- Entendimiento de la causa de los ataques cardacos.Militares:- Clasificacin de las seales de radar.- Creacin de armas inteligentes.- Optimizacin del uso de recursos escasos.- Reconocimiento y seguimiento en el tiro al blanco.La mayora de estas aplicaciones consisten en realizar un reconocimiento de patrones, como ser: buscar un patrn en una serie de ejemplos, clasificar patrones, completar una seal a partir de valores parciales o reconstruir el patrn correcto partiendo de uno distorsionado. Sin embargo, est creciendo el uso de redes neuronales en distintos tipos de sistemas de control.Desde el punto de vista de los casos de aplicacin, la ventaja de las redes neuronales reside en el procesado paralelo, adaptativo y no lineal.El dominio de aplicacin de las redes neuronales tambin se lo puede clasificar de la siguiente forma: asociacin y clasificacin, regeneracin de patrones, regresin y generalizacin, y optimizacin.

5.3. Visin artificial.Lavisin artificial, tambin conocida comovisin por computador(del inglescomputer vision) ovisin tcnica, es un subcampo de la inteligencia aritificial. El propsito de la visin artificial es programar una computadorapara que entienda una escena o las caractersticas de una imagen.Los objetivos tpicos de la visin artificial incluyen:La deteccin, segmentacin, localizacin y reconocimiento de ciertos objetos en imgenes (por ejemplo, caras humanas).La evaluacin de los resultados (por ejemplo, segmentacin, registro).Registro de diferentes imgenes de una misma escena u objeto, es decir, hacer concordar un mismo objeto en diversas imgenes.Seguimiento de un objeto en una secuencia de imgenes.Mapeo de una escena para generar un modelo tridimensionalde la escena; este modelo podra ser usado por un robotpara navegarpor la escena.Estimacin de las posturas tridimensionales de humanos.Bsqueda de imgenes digitalespor su contenido.

Estos objetivos se consiguen por medio de reconocimiento de patrones, aprendizaje estadstico, geometra de proyeccin, procesamiento de imgenes, teora de grafosy otros campos. La visin artificial cognitivaest muy relacionada con la psicologa cognitiva yla computacin biolgica.5.3.1. Conceptos bsicos.Se puede definir la Visin Artificial como un campo de la Inteligencia Artificial que, mediante la utilizacin de las tcnicas adecuadas, permite la obtencin,procesamiento y anlisis de cualquier tipo de informacin especial obtenida a travs deimgenes digitales.La visin artificial la componen un conjunto de procesos destinados a realizar elanlisis de imgenes. Estos procesos son: captacin de imgenes, memorizacin de lainformacin, procesado e interpretacin de los resultados.5.3.2. Desarrollos actuales y aplicaciones.Con la visin artificial se pueden:Automatizar tareas repetitivas de inspeccin realizadas por operadores.Realizar controles de calidad de productos que no era posible verificar pormtodos tradicionales.Realizar inspecciones de objetos sin contacto fsico.Realizar la inspeccin del 100% de la produccin (calidad total) a granvelocidad.Reducir el tiempo de ciclo en procesos automatizados.Realizar inspecciones en procesos donde existe diversidad de piezas concambios frecuentes de produccin.Las principales aplicaciones de la visin artificial en la industria actual son:Identificacin e inspeccin de objetos.Determinacin de la posicin de los objetos en el espacio.Establecimiento de relaciones espaciales entre varios objetos (guiado de robots)Determinacin de las coordenadas importantes de un objeto.Realizacin de mediciones angulares.Mediciones tridimensionales.5.4. Lgica difusa (Fuzzy Logic).Fuzzy Logic tiene sus races en la teora de conjuntos difusos desarrollada por Zadeh en la dcada de los 60, la que propone que un elemento siempre pertenece en un cierto grado a un conjunto y nunca pertenece del todo al mismo, esto permite establecer una manera eficiente para trabajar con incertezas, as como para acondicionar el conocimiento en forma de reglas hacia un plano cuantitativo, factible de ser procesado por computadores.Toda lgica consiste en formalizar el pensamiento humano, desde este punto de vista,Lgica Clsica:Establece que cualquier enunciado o proposicin puede tener un valor lgico verdadero o falso, en definitiva 1 y 0. De esta forma es posible desarrollar toda una lgica basada en leyes de este tipo.Lgica Difusa:En vez de trabajar con el clsico concepto de inclusin o exclusin, introduce una funcin que expresa el grado de pertenencia de una variable hacia un atributo o variable lingstica tomando valores en el rango de 0 a 1.Conjunto Difuso: Par Variable lingstica funcion de pertenenciaA = {x / A (x)xX}

VentajasLa principal ventaja de utilizar trminos lingsticos como: a medias, bastante, casi, un poco, mucho, algo, etc, est en que permite plantear el problema en los mismos trminos en los que lo hara un experto humano.El xito de esta tcnica radica en que El mundo es Fuzzy. En otras palabras, no tiene sentido buscar la solucin a un problema no perfectamente definido por medio de un planteamiento matemtico muy exacto, cuando es el ser humano el primero que razona empleando la inexactitud.En inteligencia artificial, lalgica difusa, olgica borrosase utiliza para la resolucin de una variedad de problemas, principalmente los relacionados con control de procesos industriales complejos y sistemas de decisin en general, la resolucin y la compresin de datos. Los sistemas de lgica difusa estn tambin muy extendidos en la tecnologa cotidiana, por ejemplo en cmaras digitales, sistemas de aire acondicionado, lavarropas, etc. Los sistemas basados en lgica difusa imitan la forma en que toman decisiones los humanos, con la ventaja de ser mucho ms rpidos. Estos sistemas son generalmente robustos y tolerantes a imprecisiones y ruidos en los datos de entrada. Algunos lenguajes de programacin lgicaque han incorporado la lgica difusa seran por ejemplo las diversas implementaciones deFuzzy PROLOGo el lenguaje Fril.Consiste en la aplicacin de la lgica difusa con la intencin de imitar el razonamientohumano en la programacinde computadoras. Con la lgicaconvencional, las computadoras pueden manipular valores estrictamente duales, como verdadero/falso, s/no o ligado/desligado. En la lgica difusa, se usan modelos matemticos para representar nociones subjetivas, comocaliente/tibio/fro, para valores concretos que puedan ser manipuladas por los ordenadores.En este paradigma, tambin tiene un especial valor la variable deltiempo, ya que los sistemas de control pueden necesitar retroalimentarseen un espacio concreto de tiempo, pueden necesitarse datos anteriores para hacer una evaluacin media de la situacin en un perodo anterior.5.4.1. Conceptos bsicos.

La logica difusa es una extension de la logica tradicional (Booleana) que utiliza conceptos de pertenencia de sets mas parecidos a la manera de pensar humana.La lgica difusa no usa valores exactos como 1 o 0 pero usa valores entre 1 y 0 (inclusive) que pueden indican valores intermedios (Ej. 0, 0.1, 0.2, ,0.9,1.0, 1.1, etc)La lgica difusa tambin incluye los valores 0 y 1 entonces se puede considerar como un superset o extensin de la lgica exacta.El concepto de un subset difuso fue introducido por L.A. Zadeh en 1965 como una generalizacin de un subset exacto (crisp subset) tradicional.Los subsets exactos usan lgica Booleana con valores exactos como por ejemplo la lgica binaria que usa valores de 1 o 0 para sus operaciones.5.4.2. Desarrollos actuales y aplicaciones.La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es muy alta y no existen modelos matemticos 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 algn modelo matemtico ya soluciona eficientemente el problema, cuando los problemas son lineales o cuando no tienen solucin.Estatcnicase ha empleado con bastante xito en la industria, principalmente en Japn, extendindose sus aplicaciones a multitud de campos. La primera vez que se us de forma importante fue en el metro japons, con excelentes resultados. Posteriormente se generaliz segn la teora de la incertidumbre desarrollada por el matemtico y economista espaol Jaume Gil Aluja.A continuacin se citan algunos ejemplos de su aplicacin:Sistemas de control de acondicionadores de aireSistemas de foco automtico en cmaras fotogrficasElectrodomsticos familiares (frigorficos, lavadoras)Optimizacin de sistemas de control industrialesSistemas de escrituraMejora en la eficiencia del uso de combustible en motoresSistemas expertos del conocimiento (simular el comportamiento de un experto humano)Tecnologa informticaBases de datos difusas: Almacenar y consultar informacin imprecisa. Para este punto, por ejemplo, existe el lenguaje FSQL.y, en general, en la gran mayora de los sistemas de control que no dependen de un S/No.5.5. Procesamiento de Lenguaje Natural (PLN).El recurso ms importante que posee la raza humana es conocimiento, o sea informacin. En la poca actual de informacin, del manejo eficiente de este conocimiento depende el uso de todos los dems recursos naturales, industriales y humanos.Durante toda la historia de humanidad el conocimiento, en su mayor parte se comunica, se guarda y se maneja en la forma de lenguaje natural griego, latn, ingls, espaol, etc. La poca actual no es ninguna excepcin: el conocimiento sigue existiendo y crendose en la forma de documentos, libros, artculos, aunque stos se guardan en forma electrnica, o sea digital. El gran avance es que en esta forma, las computadoras ya pueden ser una ayuda enorme en el procesamiento de este conocimiento.

Sin embargo, lo que es conocimiento para nosotros los seres humanos no lo es para las computadoras. Son los archivos, unas secuencias de caracteres, y nada ms. Una computadora puede copiar tal archivo, respaldarlo, transmitirlo, borrarlo como un burcrata que pasa los papeles a otro burcrata sin leerlos. Pero no puede buscar las respuestas a las preguntas en este texto, hacer las inferencias lgicas sobre su contenido, generalizar y resumirlo es decir, hacer todo lo que las personas normalmente hacemos con el texto. Porque no lo puede entender.Para combatir esta situacin, se dedica mucho esfuerzo, sobre todo en los pases ms desarrollados del mundo, al desarrollo dela ciencia que se encarga de habilitar a las computadoras a entender el texto. Esta ciencia, en funcin del enfoque prctico versus terico, del grado en el cual se espera lograr la comprensin y de otros aspectos tiene varios nombres: procesamiento de lenguaje natural, procesamiento de texto, tecnologas de lenguaje, lingstica computacional. En todo caso, se trata de procesar el texto por su sentido y no como un archivo binario.El esquema general de la mayora de los sistemas y mtodos que involucran el procesamiento de lenguaje es el siguiente:Primero, el texto no se procesa directamente si no se transforma en una representacin formal que preserva sus caractersticas relevantes para la tarea o el mtodo especfico (por ejemplo, un conjunto de cadenas de letras, una tabla de base de datos, un conjunto de predicados lgicos, etc.).Luego, el programa principal manipula esta representacin, transformndola segn la tarea, buscando en ella las subestructuras necesarias, etc.Finalmente, si es necesario, los cambios hechos a la representacin formal (o la respuesta generada en esta forma) se transforman en el lenguaje natural.Entre las tareas principales del procesamiento de lenguaje natural se puede mencionar:Recuperacin de informacin, Interfaces en lenguaje natural, Traduccin automtica.5.5.1. Conceptos bsicos.Lenguaje: Sistema de signos complejo, estructurado.(PLN o NLP, Natural Language Processing): Rama de lainteligencia artificialque analiza, entiende y genera los lenguajes que los humanos usan naturalmente para relacionarse con la computadora.Lingstica:Es la disciplinaque se ocupa del estudio cientfico del lenguaje.Lenguaje formal: es un lenguaje artificial o sea creado por el hombreque esta formado por smbolos y formulas y que tiene como objetivo fundamental formalizar la programacin de computadoras o representar simblicamente un conocimiento.5.5.2. Desarrollos actuales y aplicaciones.Proceden de la fusin de dos disciplinas: la lingstica y la informtica.Surgen del procesamiento automtico de la lengua natural: los elementos de la lengua fonemas, morfemas, palabras, oraciones, textos y las reglas que rigen el funcionamiento comienzan a sistematizarse para ser informatizados, consiguindose con ello realizar automticamente tareas lingsticas.Estas aplicaciones tienen en cuenta la disciplina o disciplinas lingsticas dentro de las cuales puedan encuadrarse. a pesar de que muchas de ellas convergen en un mismo producto: por ejemplo, en el caso de la traduccin automtica se necesitan analizadores morfolgicos, sintcticos y semnticos, adems de reconocimiento y sntesis de voz.

TECNOLOGAS DEL HABLALas tres reas bsicas que configuran las tecnologas del habla son:Lasntesis del habla(el ordenador proporciona informacin oral). Este tipo de aplicaciones informticas Permite la generacin de mensajes hablados a partir de un texto escrito almacenado en formato electrnico. Suelen emplear los sistemas de conversin de texto en habla, que constan por lo general de un mdulo de procesamiento lingstico, en el que se llevan a cabo una trascripcin fontica y un anlisis lingstico ms o menos detallado del texto de entrada y de otro que se ocupa de los aspectos ms ligados al tratamiento informtico de la seal sonora. Las personas con discapacidad visual pueden por ejemplo acceder a la informacin a travs de los sistemas que convierten el texto escrito en texto hablado.Elreconocimiento del habla(el ordenador procesa los enunciados emitidos por un interlocutor). Este tipo de aplicaciones procede realizando a una operacin inversa a la llevada a cabo en la sntesis: la onda sonora portadora de un mensaje se convierte en una representacin simblica, que suele ser un texto escrito. El ordenador recibe los sonidos del habla en forma de ondas analgicas que se analizan para identificar las unidades que constituyen las palabras (fonemas).Lossistemas de dilogo(comunicacin bidireccional). Constan de un mdulo de reconocimiento automtico del habla, un sistema de comprensin que se ocupa de la interpretacin del enunciado, un mdulo de generacin que crea un texto con los resultados de una consulta a una base de datos o con la respuesta adecuada a la conversacin entre usuario y sistema, y de un conversor de texto en habla que transforma esta respuesta en su equivalente sonoro. Estas operaciones estn coordinadas por un mdulo de gestin del dilogo, responsable de los turnos de palabra, de la coherencia entre preguntas y respuestas y de todos aquellos aspectos que hacen que la interaccin entre la persona y el ordenador sea lo ms natural posible. El mdulo de reconocimiento debe procesar la informacin acstica que contiene el mensaje que recibe del usuario para poder interpretarlo semnticamente.TECNOLOGAS DEL TEXTOAplicaciones informticas basadas en el anlisis morfolgico, sintctico y semntico del texto:Analizadores morfolgicos / GeneradoresAnalizadores sintcticosCorrectoresDesambiguadoresTraductoresTextos predictivos5.6. Sistemas Expertos (SE).Durante aos la actividad de la Inteligencia Artificial estuvo dedicada a las investigaciones tericas y al desarrollo de experimentos a travs de programas que demostraran actitudes inteligentes, con estos programas se pretendia que la mquina jugara ajedrez, demostrara teoremas matemticos, etc. No fue hasta los aos 70 que surgi un nuevo paradigma en la Inteligencia Artificial los Sistemas Expertos, cuya funcin es desarrollar trabajos similares a los que desarrollaria un especialista en un rea determinada, la idea no es sustituir a los expertos, sino que estos sistemas sirvan de apoyo a los especialistas en un dominio de aplicacin especfico.Estos sistemas expertos son en lo esencial sistemas de computacin basados en conocimientos cuyos componentes representan un enfoque cualitativo de la programacin. Muchas personas pueden creer que un Sistema Experto (SE) es un sistema compuesto por subsistemas y a su vez estos por otros subsistemas hasta llegar a los programas, y que los SE se miden por la cantidad de programas que contienen. Sin embargo la cantidad no es lo que prima en los SE, si no la cualidad del mismo, esta cualidad est dada por la separacin de las reglas que describen el problema (Base de Conocimientos), del programa de control que es quien selecciona las reglas adecuadas (Motor de inferencias).Podemos decir que un Sistema Experto es una Base de Conocimientos (BC), una Base de Hechos (BH) y un Motor (o Mquina) de Inferencias (MI). Por otra parte estos sistemas no se miden por la cantidad de instrucciones o programas sino por la cantidad de reglas que hay contenida en su Base de Conocimientos.Para desarrollar los sistemas expertos primero es necesario abordar un rea de inters, dentro de esta rea se seleccionan a los expertos, que son los especialistas capaces de resolver los problemas en dicha rea. Por ejemplo el rea de inters de las empresas de proyectos, son precisamente los proyectos y un especialista podra ser un arquitecto, un ingeniero civil, etc. Ahora bien, casi siempre estos especialistas, son expertos en un dominio especfico y es sobre este dominio, donde poseen su mayor experiencia (Dominio de Experticidad), por ejemplo un Ing. civil especializado en cimientos.Una vez seleccionado al experto o a los expertos y estos estn de acuerdo en dar sus conocimientos, comienza a jugar su papel el Ingeniero de Conocimientos, que es el encargado de extraerle los conocimientos al experto y darle una representacin adecuada, ya sea en forma de reglas u otro tipo de representacin, conformando asi la base de conocimientos del sistema experto.

Formas de representacin de los conocimientos:Reglas de produccinRedes semnticasMarcos (Frames).La forma de representacin ms usada es por reglas de produccin, tambin llamadas reglas de inferencias. Casi todos los sistemas expertos estn basados en este tipo de representacin, ahora nos ocuparemos de los sistemas basados en reglas.Las reglas de produccin son del tipo:SI Premisa ENTONCES Conclusion (SI A ENTONCES B).Donde tanto las premisas como la conclusin, no son ms que una cadena de hechos conectados por Y o por O, de forma general sera:SI Hecho1 Y/O Hecho2 Y/O HechoN ENTONCES Hecho1 Y/O HechoNLos hechos son afirmaciones que sirven para representar conceptos, datos, objetos, etc. Y el conjunto de hechos que describen el problema es la base de hechos.Ejemplo de hechos:Juan es un estudianteJuan tiene 8 aosel perro es blancoa Mara le gusta el cinePedro prefiere la pelculala edad de Luis es de 25 aosPedro tiene un salario de 200 pesosUna regla es una combinacin de hechos que permite representar conocimientos y sacar inferencias de los mismos.Ejemplo de reglas:R1: SI Juan es esgudiante Y Juan tiene 8 aos Entonces Juan estudia en la primaria .R2: SI el perro es blanco Y el perro se llama Dinky ENTONCES el perro es de Juan.R3: SI a Maria le gusta la pelicula Y Juan prefiere la pelota ENTONCES hacen falta e televisioresObserve como partiendo de hechos conocidos que describen algn conocimiento se pueden inferir nuevos hechos (nuevos conocimientos), por otra parte la regla #2 (R2), no tiene porque ser totalmente cierta, existe la posibilidad de que el perro sea de Juan, quizs se puede afirmar, si furamos a cuantificar esa posibilidad, que el perro pertenece a Juan con una certeza de un 80%, y por ltimo la regla #3 (R3) es dependiente del contexto, ya que aqu se supone que ambos viven juntos y que los programas de TV coinciden.La Base de Conocimientos (BC).Son el conjunto de reglas que permiten representar los conocimientos del dominio de experto donde cada regla aisladamente tiene significado propio. Normalmente los conocimientos son de tipo declarativo por lo cual la BC casi siempre es una descripcin de los conocimientos del experto, por lo tanto requiere de algn mecanismo que obtenga las inferencias adecuadas para resolver el problema, alguien que seleccione las reglas y las vaya ejecutando, ese alguien es el motor de inferencias.El Motor de Inferencias (MI) es un programa de control cuya funcin es seleccionar las reglas posibles a satisfacer el problema, para ello se vale de ciertas estrategias de control sistemticas o de estrategias heursticas.Estrategias de control sistemtico:Encadenamiento hacia adelante o hacia atrs.Bsqueda en profundidad o a lo ancho.Rgimen de control irrevocable o por tentativa.Estas estrategias son de forma sistemtica las cuales deben llevar a la solucin del problema. Podemos decir que el control sistemtico es un programa de control hecho de forma algortmica que aplican una heurstica de propsito general cuya funcin es una exploracin exhaustiva y metdica de la base de conocimientos.Estos mecanismos de control son muy generales y a veces resultan ineficientes ya que siguen una secuencia de bsqueda demasiado rgida, para resolver esto se idearon las estrategias de control heursticas.Las estrategias de control heursticas son programas de control que utilizan una heurstica ms especfica y su funcin es una seleccin ms restringida orientada por las necesidades del problema. Estas estrategias actan sobre el control sistemtico y en ciertos casos toma el control y dirige la bsqueda hacia ciertos criterios rompiendo as el control sistemtico, una vez logrado su objetivo le devuelve el control nuevamente al sistemtico.Estrategias de control heursticas:Orden de las reglas.Mayor credibilidad en las reglas.Menor nmero de clusulas no instanciadas.Mayor nmero de conclusiones en las reglas.

Podemos decir que un sistema experto, es un sistema informtico que utiliza tcnicas apropiadas para la representacin de conocimientos y la manipulacin de este, de forma tal que exhiba el comportamiento de un avezado especialista en un determinado dominio del saber.

5.6.1. Conceptos bsicos.Un Sistema Experto (SE), es bsicamente un programa de computadora basado en conocimientos y raciocinio que lleva a cabo tareas que generalmente slo realiza un experto humano; es decir, es un programa que imita el comportamiento humano en el sentido de que utiliza la informacin que le es proporcionada para poder dar una opinin sobre un tema en especial.Un experto humano es una persona que es competente en un rea determinada del conocimiento o del saber. Un experto humano es alguien que sabe mucho sobre un tema determinado y que puede dar un consejo adecuado.

5.6.2. Clasificacin.Por la naturaleza de la tarea a realizar: as se tiene cuatro posibilidades:* Diagnostico o Clasificacin: se conocen soluciones y se tratan declasificarlas o diagnosticarlas en funcin de una serie de datos. Por ejemplo:sistema de diagnstico medico.* Monitorizacin: anlisis del comportamiento de un sistema buscandoposibles fallos, en este caso es importante contemplar la evolucin delsistema pues no siempre los mismos datos dan lugar a idnticas soluciones.* Diseo: se busca la construccin de la solucin a un problema, que enprincipio es desconocida, a partir de datos y restricciones a satisfacer.* Prediccin: se estudia el comportamiento de un sistema.Por la interaccin del usuario:* Apoyo: el sistema aconseja el usuario, que mantiene la capacidad de unaltima decisin. Por ejemplo, el diagnostico mdico.

* Critica: Su misin es analizar y criticar decisiones tomadas por el usuario.Por la limitacin de tiempo para tomar decisiones:

* Tiempo ilimitado: por ejemplo, aquellos que emplean conocimiento casual,que busca orgenes de un problema que ha ocurrido y cuyo anlisis nonecesita ser inmediato.* Tiempo limitado (tiempo real): sistemas que necesitan actuar controlando omonitorizando dispositivos y que han de tomar decisiones inmediatas frentea los problemas que surjan. Por ejemplo el control de una red decomunicaciones.Por la variabilidad temporal del conocimiento:* Estticos: la base del conocimiento no se altera durante el proceso de decisin.* Dinmicos: ocurren cambios en la base de conocimiento durante la toma dedecisiones. Estos cambios pueden ser predecibles o impredecibles y ademspueden, bien aadir informacin, bien modificar la informacin ya existente.Por la naturaleza del conocimiento almacenado:* Basado en experiencia: el conocimiento se basa en experiencias o hechosocasionados conocidos por el experto, pero sin que existe una causa clarapara los efectos que se observan.* Basado en relaciones causa-efecto.Por la certeza de la informacin:* Completa o perfecta: se conocen todos los datos y reglas necesarios para la decisin.* Imperfecta: que puede ser incompleta (falta informacin para tomardecisiones), Datos inciertos (o no confirmados), Conocimientos incierto(reglas no siempre validas), Terminologa ambigua (dobles sentidos, etc).

5.6.3. Desarrollos actuales y aplicaciones.Las principales aplicaciones de los sistemas expertos son las relacionadas con elmundo empresarial. Esto se debe a que resultan muy tiles en funciones como lacontabilidad,tesorera, gestiones internasEl campo que ms aplicaciones de sistemas expertos esta realizando es el de laauditora.Pero los sistemas expertos son aplicados en muchas ms reas con resultados satisfactorios. Algunas de las principales son:telecomunicaciones,medicina,militar, derecho, aeronutica, geologa, electrnica, etc.A continuacin se presentan algunos Sistemas Expertos que se han desarrollado para la solucin de diversos problemas.MYCIN es un Sistema Experto para la realizacin de diagnsticos en el rea de la medicina, iniciado por Ed Feigenbaum y posteriormente desarrollado por E. Shortliffe y sus colaboradores. Su funcin es la de aconsejar a los mdicos en lainvestigaciny determinacin de diagnsticos en el campo de las enfermedades infecciosas de la sangre[CRIA].XCON es un Sistema Experto para configuraciones, desarrollado por la Digital Equipment Corporation. Segn los deseos individuales delclientese configuran redes de ordenadores VAX. Ya que el abanico deproductosque se ofrecen en elmercadoes muy amplio, la configuracin completa y correcta de un sistema de estas caractersticas es un problema de gran complejidad. Responde esencialmente a dos preguntas: Pueden conjugarse los componentes solicitados por el cliente de forma conveniente y razonable? Y Los componentes de sistema especificados son compatibles y completos?. Las respuestas a estas preguntas son muy detalladas. XCON es capaz de comprobar y completar los pedidos entrantes mucho ms rpido y mejor que las personas encargadas de hacerlo antes que l [CRIA].DELTA, sistema experto que ayuda a los mecnicos en el diagnstico y reparacin de locomotoras diesel-elctricas, DELTA no slo da consejos expertos, sino que tambin presenta informaciones por medio de un reproductor de vdeo [IBAR].En 1978 se desarrollo otro sistema experto de exito: PROSPECTOR. Este quizs impulso ms la carrera por desarrollar mejores sistemas expertos, dado que su misinera predecir la posibilidad de encontrar depsitos de mineralesen una regin en concreto. Minerales como petroleo, gas natural, helio.La composicin de un Sistema Experto, sus aplicaciones, ventajas y desventajas, y algunos ejemplos sobre estos; han sido los puntos generales que se han tratado a lo largo de este artculo, con el fin de crear una mayor concienciadel uso real de este tipo de sistemas.Un sistema experto puede, sin duda alguna, darnos el mismo resultado que un experto humano; lo que s debemos reconocer es que ningn sistema experto, hasta ahora, puede resolver diferentes problemticas dentro deuna empresa, ya que estos son siempre muy especficos. Sin embargo, es de esperarse que con los avances que tienen las herramientas tecnolgicas se produzcan un desarrollo cercano al comportamiento humano en muchas reas, con estos avances en el terreno de los negociosse podra ser ms eficiente y productivo.A pesar de los dramticos avances logrados, la inteligencia artificial no ha sido capaz de desarrollar sistemas capaces de resolver problemas de tipo general, de aplicar sentido comn para la solucin de situaciones complejas, de manejar situaciones ambiguas ni de utilizar efectivamente informacin incompleta. Estas ltimas son caractersticas inherentes de la inteligencia natural.

25