Inteligencia artificial

Se denomina inteligencia artificial (IA) a la rama de las Ciencias de la Computacin dedicada al desarrollo de agentes racionales no vivos.Para explicar la definicin anterior, entindase a un agente como cualquier cosa capaz de percibir su entorno (recibir entradas), procesar tales percepciones y actuar en su entorno (proporcionar salidas), y entindase a la racionalidad como la caracterstica que posee una eleccin de ser correcta, ms especficamente, de tender a maximizar un resultado esperado (este concepto de racionalidad es ms general y por ello ms adecuado que inteligencia para definir la naturaleza del objetivo de esta disciplina).Por lo tanto, y de manera ms especfica la inteligencia artificial es la disciplina que se encarga de construir procesos que al ser ejecutados sobre una arquitectura fsica producen acciones o resultados que maximizan una medida de rendimiento determinada, basndose en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura.Existen distintos tipos de conocimiento y medios de representacin del conocimiento, el cual puede ser cargado en el agente por su diseador o puede ser aprendido por el mismo agente utilizando tcnicas de aprendizaje.Tambin se distinguen varios tipos de procesos vlidos para obtener resultados racionales, que determinan el tipo de agente inteligente. De ms simples a ms complejos, los cinco principales tipos de procesos son: Ejecucin de una respuesta predeterminada por cada entrada (anlogas a actos reflejos en seres vivos). Bsqueda del estado requerido en el conjunto de los estados producidos por las acciones posibles. Algoritmos genticos (anlogo al proceso de evolucin de las cadenas de ADN). Redes neuronales artificiales (anlogo al funcionamiento fsico del cerebro de animales y humanos). Razonamiento mediante una lgica formal (anlogo al pensamiento abstracto humano).Tambin existen distintos tipos de percepciones y acciones, pueden ser obtenidas y producidas, respectivamente por sensores fsicos y sensores mecnicos en mquinas, pulsos elctricos u pticos en computadoras, tanto como por entradas y salidas de bits de un software y su entorno software.Varios ejemplos se encuentran en el rea de control de sistemas, planificacin automtica, la habilidad de responder a diagnsticos y a consultas de los consumidores, reconocimiento de escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IA actualmente son parte de la rutina en campos como economa, medicina, ingeniera y la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia como ajedrez de computador y otros videojuegos.Red semnticaLos responsables de los primeros esquemas de representacin formalizados fueron Quillian (1968) y Shapiro & Woddmansee (1971). Los esquemas de redes semnticas tienen una fundamentacin psicolgica muy slida, por lo que se han realizado numerosos esfuerzos por llevar a cabo implementaciones importantes basadas en ellas.Las redes semnticas han sido muy utilizadas en Inteligencia Artificial para representar el conocimiento y por tanto ha existido una gran diversificacin de tcnicas. Los elementos bsicos que encontramos en todos los esquemas de redes son:1. Estructuras de datos en nodos, que representan conceptos, unidas por arcos que representan las relaciones entre los conceptos.2. Un conjunto de procedimientos de inferencia que operan sobre las estructuras de datos.Bsicamente, podemos distinguir tres categoras de redes semnticas:1. Redes IS-A, en las que los enlaces entre nodos estn etiquetados.2. Grficos conceptuales: en los que existen dos tipos de nodos: de conceptos y de relaciones3. Redes de marcos: en los que los puntos de unin de los enlaces son parte de la etiqueta del nodo.

Una red semntica o esquema de representacin en Red es una forma de representacin de conocimiento lingstico en la que los conceptos y sus interrelaciones se representan mediante un grafo. En caso de que no existan ciclos, estas redes pueden ser visualizadas como rboles. Las redes semnticas son usadas, entre otras cosas, para representar mapas conceptuales y mentales.En un grafo o red semntica los elementos semnticos se representan por nodos. Dos elementos semnticos entre los que se admite se da la relacin semntica que representa la red, estarn unidos mediante una lnea, flecha o enlace o arista. Cierto tipo de relaciones no simtricas requieren grafos dirigidos que usan flechas en lugar de lneas.

Existe diversos tipos de relaciones semnticas como la hiponimia, hiperonimia, la meronimia, etc. Dado un conjunto de conceptos, elementos semnticos o trminos relacionados semnticamente mediante alguna relacin semntica, una red semntica representa estas relaciones en forma de grafo. Explcitamente, dado un conjunto de trminos {t1, t2,..., tn} y cierta relacin semntica simtrica entre ellos se construye un grafo G = (V,A) cumpliendo las siguientes condiciones:1. El conjunto V es el conjunto de vrtices o nodos del grafo. Este conjunto estar formado por n elementos (tantos vrtices como trminos relacionables). A cada uno de los vrtices del grafo representar uno de los trminos, por tanto los vrtices del grafo se llamarn: t1, t2,..., tn.2. El conjunto A es el conjunto de aristas o lneas del grafo. Dados dos vrtices (trminos) del grafo ti y tj existir una lnea aij que une los vrtices ti y tj si y slo si los trminos ti y tj estn relacionados.Si la relacin no es simtrica, entonces se usan grafos dirigidos para representar la relacin.Sistemas de lgica difusaA concepto de Delgado [1998] es la segunda herramienta que permite emular el razonamiento humano. Los seres humanos pensamos y razonamos por medio de palabras y en grados entre dos estados por ejemplo blanco y negro fro y caliente, etc. Estos sistemas de lgica difusa son una mejora a los sistemas experto tradicionales, en el sentido de que permiten utilizar lenguaje humano como nosotros razonamosYa hablando de sistemas expertos tradicionales, estos intentan reproducir el razonamiento humano de forma simblica. Es un tipo de programa de aplicacin informtica que adopta decisiones o resuelve problemas de un determinado campo, como los sistemas de produccin, las finanzas o la medicina, utilizando los conocimientos y las reglas analticas definidas por los expertos en dicho campo. Los expertos solucionan los problemas utilizando una combinacin de conocimientos basados en hechos y en su capacidad de razonamiento. En los sistemas expertos, estos dos elementos bsicos estn contenidos en dos componentes separados, aunque relacionados: una base de conocimientos y una mquina de deduccin, o de inferencia. La base de conocimientos proporciona hechos objetivos y reglas sobre el tema, mientras que la mquina de deduccin proporciona la capacidad de razonamiento que permite al sistema experto extraer conclusiones. Los sistemas expertos facilitan tambin herramientas adicionales en forma de interfaces de usuario y los mecanismos de explicacin. Las interfaces de usuario, al igual que en cualquier otra aplicacin, permiten al usuario formular consultas, proporcionar informacin e interactuar de otras formas con el sistema. Los mecanismos de explicacin, la parte ms fascinante de los sistemas expertos, permiten a los sistemas explicar o justificar sus conclusiones, y tambin posibilitan a los programadores verificar el funcionamiento de los propios sistemas. Los sistemas expertos comenzaron a aparecer en la dcada de 1960. Sus campos de aplicacin son la qumica, la geologa, la medicina, la banca e inversiones y los seguros.A experiencia de uno de los autores, el hardware en que se fundamentan estos sistemas que son circuitos integrados digitales son muy eficaces y de durabilidad de por vida si se les da correcto uso.Algoritmos genticos:Segn Delgado [1998] son una tcnica inspirada en aspectos biolgicos, el proceso de la evolucin del que Charles Darwin hace referencia se puede aplicar para optimizar dispositivos de control o robots o cualquier otro tipo de aspectos que sean susceptibles de ser optimizados como lneas de produccin.En general es aceptado que cualquier algoritmo gentico para resolver un problema, debe tener cinco componentes bsicos como se vera a continuacin: Se necesita una codificacin o representacin del problema, que resulte adecuada al mismo. Una manera de crear una poblacin inicial de soluciones. Una funcin de ajuste adaptacin al problema, tambin llamada funcin de evaluacin, la cual asigna un nmero real a cada posible solucin codificada. Durante la ejecucin del algoritmo, los padres dos individuos pertenecientes a la poblacin inicial, que son soluciones factibles del problema- deben ser seleccionados para la reproduccin; a continuacin dichos padres seleccionados se cruzarn generando dos hijos, nuevas soluciones al problema, sobre cada uno de los cuales actuar un operador de mutacin de acuerdo con una ciertaprobabilidad. El resultado de la combinacin de las anteriores funciones ser un conjunto de individuos (posibles soluciones al problema), los cuales en la evolucin del Algoritmo Gentico formarn parte de la siguiente poblacin. Valores para los parmetros: tamao de la poblacin, probabilidad de aplicacin de los operadores genticos.APLICACIONES DE LA INTELIGENCIA ARTIFICIAL Y LAS TCNICAS QUE USANDentro del enfoque de la ingeniera de la Inteligencia Artificial, se clasifican las tcnicas que pueden ser usadas como herramientas para solucionar problemas en las siguientes categoras:1. Tcnicas bsicas, as llamadas por encontrarse a la base de diversas aplicaciones de IA. Entre otras se encuentran Bsqueda Heurstica de Soluciones, Representacin del Conocimiento, Deduccin Automtica, Programacin Simblica (LISP) y Redes Neuronales. Estas tcnicas son las bases de las aplicaciones. En su mayora, no necesita conocerla el usuario final, sino los profesionales que se dedican a su aplicacin y la generacin de aplicaciones comerciales.2. Tecnologas, o combinaciones de varias tcnicas bsicas, orientadas a resolver familias de problemas. Las tecnologas son ms especializadas que las tcnicas bsicas y estn ms cerca de las aplicaciones finales. Se pueden mencionar a la Robtica y Visin, Lenguaje Natural, Sistemas Expertos3. Clases o tipos de aplicaciones: Diagnstico, Prediccin (sistemas de autocontrol de reactores atmicos), Secuenciamiento de operaciones ("Scheduling"), Diseo, Interpretacin de datos. Todas ellas son familias de problemas tipo. Por ejemplo, el diagnstico se refiere a encontrar las causas de fallas, ya sea que se trate de fallas en una lnea de produccin o de enfermedades en una persona.4. Campos de aplicacin: Ingeniera, Medicina, Sistemas de Manufactura, Administracin, Apoyo a la Toma de Decisiones Gerenciales, etc. Todas caen dentro de las reas de los sistemas computacionales, pero que se consideran como clientes de la Inteligencia Artificial. APLICACIN DE LA INTELIGENCIA ARTIFICIAL EN LOS SISTEMAS PRODUCTIVOSLa incorporacin de agentes de decisin inteligente, redes neuronales, sistemas expertos, algoritmos genticos y autmatas programables para optimizacin de sistemas de produccin es una tendencia activa en el ambiente industrial de pases con alto desarrollo tecnolgico y con una gran inversin en investigacin y desarrollo. Dichos componentes de la Inteligencia Artificial tienen como funcin principal controlar de manera independiente, y en coordinacin con otros agentes, componentes industriales tales como celdas de manufactura o ensamblaje, y operaciones de mantenimiento, entre otras.Existe una tendencia creciente a la implementacin de sistemas de manufactura/ensamblaje ms autnomos e inteligentes, debido a las exigencias del mercado por obtener productos con niveles muy altos de calidad; lo cual con operaciones manuales se hace complicada y hace que los pases subdesarrollados como el nuestro no alcance niveles competitivos a nivel mundial. Al disear un sistema de produccin integrado por computadora se debe dar importancia a la supervisin, planificacin, secuenciacin cooperacin y ejecucin de las tareas de operacin en centros de trabajo, agregado al control de los niveles de inventario y caractersticas de calidad y confiabilidad del sistema. Los factores mencionados determinan la estructura del sistema y su coordinacin representa una de las funciones ms importantes en el manejo y control de la produccin. Muy frecuentemente, la razn para construir un modelo de simulacin es para encontrar respuestas a interrogantes tales como Cules son los parmetros ptimos para maximizar o minimizar cierta funcin objetivo? En los ltimos aos se han producido grandes avances en el campo de la optimizacin de sistemas de produccin. Sin embargo, el progreso en el desarrollo de herramientas de anlisis para resultados de modelos de simulacin ha sido muy lento. Existe una gran cantidad de tcnicas tradicionales de optimizacin que slo individuos con gran conocimiento estadstico y de conceptos de simulacin han logrado aportes significativos en el rea.Debido al auge de los algoritmos de bsqueda meta-heursticos, se ha abierto un nuevo campo en el rea de optimizacin con simulacin. Nuevos paquetes de software, tales como OptQuest (Optimal Technologies), SIMRUNNER (Promodel Corporation) y Evolver (Palisade Software), han salido al mercado brindando soluciones amigables de optimizacin de sistemas que no requieren control interno sobre el modelo construido, sino sobre los resultados que dicho modelo arroja bajo diferentes condiciones. Adems, nuevas tcnicas de inteligencia artificial aplicadas a problemas de optimizacin estocstica, han demostrado su eficiencia y capacidad de cmputo y aproximacin.El Aprendizaje Reforzado (Reinforcement Learning) es un conjunto de tcnicas diseadas para dar solucin a problemas cuya base son los procesos de decisin markovianos. Los procesos markovianos son procesos estocsticos de decisin que se basan en el concepto de que la accin a tomar en un estado determinado, en un instante determinado, depende slo del estado en que se encuentre el sistema al momento de tomar la decisin.Una de las reas que puede tener mayor incidencia directa en los procesos productivos de la industria nivel mundial, es el diseo de sistemas de soporte para la toma de decisiones basados en la optimizacin de los parmetros de operacin del sistema. Para tal efecto, el uso de tcnicas inteligentes paramtricas y no paramtricas para el anlisis de datos es de gran inters.Sin embargo, a juicio de los autores en la mayora de las arquitecturas propuestas hasta el momento para manufactura integrada por computadora, carecen de un factor de integracin fundamental. La comunicacin entre los diversos niveles jerrquicos de una planta de produccin es muy poca, ya que cada departamento se limita a realizar su funcin sin buscar una integracin de toda la planta productiva a excepciones de empresas como ABB con su software Baan, etc.APLICACIONES DE LA INTELIGENCIA ARTIFICIAL EN LA SOLUCION DE PROBLEMAS ESPECIFICOS DE PRODUCCION Operacin automtica de control de calidad usando un sistema de visin por computador (Royman Lpez Beltrn, Edgar Sotter Solano, Eduardo Zurek Varela. Laboratorio de Robtica y Produccin Automtica. Universidad del Norte)Todo proceso industrial es evaluado por la calidad de su producto final, esto hace de la etapa de control de calidad una fase crucial del proceso. Los mecanismos utilizados para establecer la calidad de un producto varan dependiendo de los parmetros que tengan relevancia en el mismo. Cuando el parmetro relevante es la geometra o forma del objeto fabricado se suele dejar a la vista del operario que lleve a cabo tal funcin tanto de inspeccin como de verificacin para el control de calidad, sin embargo pueden existir errores en la geometra de un objeto que escapen de la vista de un operario y que luego impidan el buen funcionamiento de dicho objeto. En un caso como ste, surge como una buena alternativa el utilizar un sistema de visin artificial capaz de detectar aquellos errores que un operario pudiera pasar por alto. El sistema de visin artificial Robot Visin PRO, es capaz de ejecutar de manera totalmente automtica las labores de identificacin de objetos y de control de calidad de los mismos.El sistema Robot Visin PRO es un paquete de software de visin que permite la adquisicin de imgenes, preprocesamiento y segmentacin. Adems realiza procesamiento de datos de alto nivel que brinda filtrado de imgenes, elaboracin de clusters y patrones, e identificacin de objetos. Este sistema cuenta con una videocmara y un monitor encargado de identificar cada una de las piezas salientes del proceso y hacer una comparacin con piezas de 100% calidad para luego determinar si el empaque puede salir al mercado o debe desecharse.